SIFT算法

很多人对论文以及源码作了详细的分析，这里只对论文中几个地方进行下解释

1.构建尺度空间

图像金字塔的建立：对于一幅图像I,建立其在不同尺度(scale)的图像，也成为子八度（octave），这是为了scale-invariant，也就是在任何尺度都能够有对应的特征点，第一个子八度的scale为原图大小，后面每个octave为上一个octave降采样的结果，即原图的1/4（长宽分别减半），构成下一个子八度（高一层金字塔）。

由上图可以直观看出来，每一层高斯图像的σ均在前一张图像基础上乘以k（k取），为了保证尺度连续性，下一组初始图像的高斯系数就为2σ（也即和上一组倒数第三张图像的高斯系数一致）。

尺度空间中o，s，σ三者间的关系：

o∈[0,1….O-1]   s∈[0,1….S+2]

注意这个关系式均是以原始图像基础上得来的，这样生成全部高斯图像其实是不方便的，应该直接在上一层高斯图像基础上生成。

其中初始尺度，lowe取。

我们在源码上同时也没有看到组间的2倍的关系，实际在对每组的平滑因子都是一样的，2倍的关系是由于在降采样的过程中产生的，第二层的第一张图是由第一层的平滑因子为2σ的图像上（即倒数第三张）降采样得到，此时图像平滑因子为σ，所以继续采用以上的平滑因子。但在原图上看，形成了全部的空间尺度。

 

在最开始建立高斯金字塔时，要预先模糊输入图像来作为第0个组的第0层的图像，这时相当于丢弃了最高的空域的采样率。因此通常的做法是先将图像的尺度扩大一倍来生成第-1组。我们假定初始的输入图像为了抗击混淆现象，已经对其进行的高斯模糊，如果输入图像的尺寸用双线性插值扩大一倍，那么相当于。

2. 对尺度空间DoG函数进行曲线拟合

参考资料：

Lowe SIFT 原文：http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf

译文：http://www.cnblogs.com/cuteshongshong/archive/2012/05/25/2506374.html

对SIFT原理做比较详细的说明：

http://blog.csdn.net/zddblog/article/details/7521424

http://blog.csdn.net/abcjennifer/article/details/7639681/

http://www.cvvision.cn/6370.html

Rob Hess源码解析：

http://blog.csdn.net/luoshixian099/article/details/47377611

Hessian matrix矩阵：

http://blog.csdn.net/lwzkiller/article/details/55050275