正文按照《SIFT》总结主要步骤来总结。蓝色链接表示有.PDFVIP

SIFT 原理与编程总结 作者: 北京理工大学 自动化学院导航制导与控制专业 郝志会 Email: hzhbit@ 0-1 前言 根据David G.Lowe 的经典著作《Distinctive Image Features from Scale-Invariant Keypoints》（下面简称《SIFT》）以及SIFT8 程序，总结一下SIFT 算法流程和编程方 法，以便今后的改进和移植。 正文按照《SIFT》总结的主要步骤来总结。 蓝色链接表示有附录详述。 红色字体表示不确定或者需要考证。 0-2 目录 1 Scale-space Extrema Detection 图1-6 各Octave的尺度坐标 2 Keypoint localization 3 Orientation assignment 4 Descriptor 5 关键点匹配 附录A 尺度空间及高斯卷积算法 附录B difference-of-Gaussian函数 郝志会@BIT6#701 Page 1 7/11/2009 SIFT 原理与编程总结 1 Scale-space Extrema Detection 1.1 尺度空间的Octave [A] 寻找具有Scale-Invariant性质的点，可以通过在尺度空间 中寻找稳定的特征来实 现。一个图像的尺度空间，用Gauss函数和图像卷积生成： L (x ,y , ) G (x ,y ) I (x ,y ) σ ∗ σ 为此，首先在尺度空间中构建由若干尺度（即 等于具体值，对具体的图像来说就 σ 是高斯图像）构成的Octave （图像金字塔）。图1-1 的2 个Octave 各由5 个尺度构成 的。 图1-1 Octave 在SIFT 算法中，要构建3 个Octave。 每个Octave 包含的尺度数量记为S。通过实验（《SIFT》3.2 节），Lowe 选取S=3， 即每个Octave 有3 个尺度，因为： (1) S=3 时，keypoints 有最高的repeatablity。