SIFT算法步骤梳理

简介：SIFT算法是检测和描述局部特征的一种方法，具有尺度不变性，对于光线，噪声等的容忍度相当高。即便少数几个物体也可以产生大量SIFT特征。

SIFT算法实质上是在不同尺度空间上查找关键点，并计算出关键点的方向。

算法步骤：

1.构建尺度空间

•  利用高斯核来构建
  • 高斯核是唯一可以产生多尺度空间的核，也是唯一线性核，利用高斯核对图像模糊处理不会引入其他噪声。
  • 高斯核函数：

• 输入图像通过高斯核函数连续的对尺度进行参数变换，最终得到多尺度空间序列。图像中某一尺度的空间函数由高斯函数和原输入图像I(x,y)卷积得出：

• 高斯金字塔
  • 模仿图像的不同尺度
  • 生成步骤：高斯平滑-->对图像做下采样（一般先将图像扩大一倍，在扩大的图像基础上构建高斯金字塔，然后您对该尺寸下图像进行高斯模糊，几幅模糊的图像集合构成了一个八度，然后对该八度下倒数第三张图片进行下采样，长和宽分别缩短一倍，图像面积变为原来的四分之一。以此类推）
  • 为什么选倒数第三张进行下采样？为了保持尺度空间的连续性，根据下图公式可以计算得出第o组第S层的图像尺度，可以发现下一组的第o层图像恰好和上一组倒数第三张图一致，所以每一组的第0张图像只需要用上一层的倒数第三张进行下采样即可。