python的SIFT、Harris实现及其在地理标记图像中的应用

一、SIFT算法原理

以下关于SIFT算法的说明内容来源于网络资料，并结合个人理解进行概括性描述，如需深入了解其原理，可参考以下网址：https://www.cnblogs.com/wangguchangqing/p/4853263.html

1.概述

SIFT算法的核心理念在于通过在尺度空间中寻找极值点，进而对这些极值点进行筛选，从而确定具有稳定性的特征点。随后，在每个稳定的特征点周围提取图像的局部特性，并生成局部描述子以用于后续的匹配过程。SIFT算法主要包含以下几个关键步骤：
（1）检测尺度空间中的极值点。
（2）完成特征点的精确定位。
（3）为特征点分配方向信息。
（4）构建特征点的描述子。

2.构建尺度空间

构建尺度空间的基本思路是通过改变原始图像的尺度，从而实现对图像中特征点的尺度不变性处理。
在所有可能的尺度空间中搜索图像，并利用高斯微分函数来识别那些对尺度和视角变化具有不变性的兴趣点。熟悉数字图像处理知识的人应当了解，将图像与高斯函数进行卷积运算可以实现不同程度的模糊效果，而高斯卷积核作为唯一能够实现线性尺度变换的核函数，在此过程中起到关键作用。因此，二维图像的尺度空间可以表示为函数L(x,y,σ)，其中G(x,y,σ)为具有可变尺度特性的高斯函数：

![在这里插入图片描述](https://cdl.i