SIFT算法.docVIP

尺度不变特征转换(Scale-invariant feature transform 或 SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe 在1999年所发表，2004年完善总结。 Sift算法就是用不同尺度（标准差）的高斯函数对图像进行平滑，然后比较平滑后图像的差别，差别大的像素就是特征明显的点。 一、Sift算法的步骤Sift（Scale Invariant Feature Transform）是一个很好的图像匹配算法，同时能处理亮度、平移、旋转、尺度的变化，利用特征点来提取特征描述符，最后在特征描述符之间寻找匹配。该算法主要包括5个步骤进行匹配：1、构建尺度空间，检测极值点，获得尺度不变性； 2、特征点过滤并进行精确定位，剔除不稳定的特征点； 3、在特征点处提取特征描述符，为特征点分配方向值； 4、生成特征描述子，利用特征描述符寻找匹配点；以特征点为中心取16*16的邻域作为采样窗口，将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图，最后获得4*4*8的128维特征描述子。示意图如下： 5、计算变换参数。当两幅图像的Sift特征向量生成以后，下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中 关键点的相似性判定度量。取图1的某