数字图像处理学习笔记二：SIFT（尺度不变特征变换）算法

数字图像处理学习笔记（二）：SIFT（尺度不变特征变换）算法

一、概述：

在众多特征点算法中，首当其冲的便是广为人知的SIFT算法。该算法的完整名称为Scale Invariant Feature Transform，即尺度不变特征变换，由加拿大籍学者David G.Lowe于2004年提出。SIFT特征具备对旋转角度、尺度变化以及光照强度差异等外界因素保持稳定性的特性，因此被广泛认为是一种高度可靠的局部特征描述方法。

SIFT算法的实现过程主要包括以下几个阶段：
1）构建尺度空间，具体表现为高斯差分金字塔的生成；

2）在所建立的尺度空间中识别出潜在的极值点，这一操作通过LoG近似方法实现，即利用DoG检测尺度空间中的极值点；

3）对上述步骤中获得的候选极值点进行进一步筛选，剔除对比度较低以及边缘响应不够稳定的点，从而提取出具有代表性的特征点，其本质是去除DoG局部曲率严重不对称的像素；

4）为每个特征点分配方向参数，该参数以128维向量的形式进行表示；

5）生成特征点对应的描述子，即关键点描述子的构造；

6）