特征描述子——SIFT

          讨论班上同学讲了SIFT图像特征描述子，思路非常清晰，基本要点我也都听懂了，故趁热打铁记录下来。

背景

         在描述图像特征的时候，为了算法的鲁棒性，我们往往希望我们提取到的特征具有噪声不变性、尺度不变性、旋转不变性、光照不变性。我们知道，HOG特征具有噪声不变性、光照不变性，却不具有尺度不变性和旋转不变性，存在一定局限性。于是有了HOG特征的改进版本——SIFT特征。SIFT全称是Scale Invariant Feature Transform。

SIFT简介

        与HOG在整幅图像上均匀地提取梯度方向统计特征不同，SIFT特征提取分为在图片上寻找关键点和提取关键点邻域信息两部分，在提取特征时只关注稳定的关键点及其附近的信息，使得特征更加具有描述性。

   SIFT的亮点就是标红的几个步骤，如图0所示：

                                                                                                                                图0    关键步骤

本文内容组织如下：

（一）关键点提取

         1. 关键点提取方法

         2. 尺度-空间最大判断

         3. 关键点筛选       

（二）关键点特征提取

        1.  梯度直方图统计

        2.  主方向对齐

        3.  SIFT图像局部特征描述子

     

（一）关键点提取