总结SIFT(更新版).docxVIP

平台：OpenCV 依赖：GSL OpenCV 1 影像处理 图像滤波 几何图像变换及其他图像变换 直方图 结构分析和形状描述 运动分析与对象跟踪 特征检测 目标检测 2 高级别的图形用户界面和媒体文件读写 用户界面 图像和视频的读写 Qt上的使用 3 视频分析 运动分析与对象跟踪 4 摄像机标定及三维重建 摄像机标定及三维重建 5 2D功能框架 特征检测和描述：特征检测器、描述符提取器、描述符匹配、通用描述符匹配器 关键点匹配的绘制 对象分类 6 目标检测 级联分类 Latent SVM （支持向量机算法(Support Vector Machine, SVM)） 7 机器学习 统计模型 普通贝叶斯分类器 K-近邻 支持向量机 决策树 Boosting 梯度Boosted树 随机树 极随机树 期望最大化 神经网络 MLData 8 多维空间中的聚类和搜索 快速近似最近邻搜索 FLANN 聚类 9 GPU加速计算机视觉 影像处理 矩阵减少 目标检测 特征检测和描述 图像滤波 摄像机标定及三维重建 视频分析 10 计算摄影学 图像修补 去噪 11 图片拼接 拼接管道 相机 特征查找和图像匹配 旋转估计 自动校准 图像扭曲 缝估计 曝光补偿 图片调和 其他 12 其他 立体匹配 人脸识别 运动分析 期望最大化 直方图 平面细分（C API） OpenCL的加速计算机视觉 Android API  GNU Scientific Library Mathematical Functions Complex Numbers Polynomials Special Functions Vectors and Matrices Permutations Combinations Multisets Sorting BLAS Support Linear Algebra Eigensystems Fast Fourier Transforms Numerical Integration Random Number Generation Quasi-Random Sequences Random Number Distributions Statistics Histograms N-tuples Monte Carlo Integration Simulated Annealing Ordinary Differential Equations Interpolation Numerical Differentiation Chebyshev Approximations Series Acceleration Wavelet Transforms Discrete Hankel Transforms One dimensional Root-Finding One dimensional Minimization Multidimensional Root-Finding Multidimensional Minimization Least-Squares Fitting Nonlinear Least-Squares Fitting Basis Splines Physical Constants IEEE floating-point arithmetic 数学函数 复数 多项式 特殊功能 向量和矩阵 排列 合并 多集 排序 基本线性代数子程序（BLAS）支持 线性代数 Eigensystems 快速傅立叶变换 数值积分 随机数生成器 准随机序列 随机分布 统计 直方图 N-元组 蒙特卡罗积分 模拟退火算法 常微分方程 插值 数值微分 切比雪夫逼近 系列加速度 小波变换 离散汉克尔变换 一维求根 一维最小化 多维求根 多维最小化 最小二乘法拟合 非线性最小二乘法拟合 基础样条曲线 物理常数 IEEE浮点运算  sift.h文件参考 检测SIFT图像功能。 #include“cxcore.h” 算法步骤： 1.建立尺度空间 为了让尺度体现其连续性，在简单降采样的基础上加上了高斯滤波。一幅图像可以产生几组（octave）图像，一组图像包括几层（interval）图像。 2.寻找极值点 3.去除不稳定的极值点（低对比度） 利用公式 确定精确定位后的极值点的像素值，进行对比度的检测。若像素值满足大于contr_thr / intvls（程序中为0.04/3），则该点才能最终确定为极值点。 4.去除边界影响点 使用Hessian矩阵去除边界影响点： 如果该点满足则保留，否则被排除 α为最大特征值， β为最小的特征值 ,在程序中r=10. 5.特征点方向 计算公式