【计算机视觉】SIFT原理

1、SIFT概述

  SIFT，全称为尺度不变特征变换(Scale-invariant feature transform）。由David Lowe提出，SIFT特征包括兴趣点检测器和描述子，SIFT描述子具有非常强的稳健性。SIFT描述符经常和许多不同的兴趣点检测器相结合使用，有时甚至在整幅图像上密集的使用。SIFT特征对于尺度，旋转和亮度都具有不变性，因此，它可以用于三维视角和噪声的可靠匹配。

SIFT可以解决的问题

  • 目标的旋转、缩放、平移（RST）

  • 图像仿射/投影变换（视点viewpoint）

  • 弱光照影响（illumination）

  • 部分目标遮挡（occlusion）

  • 杂物场景（clutter）

  • 噪声

2、SIFT算法实现步骤

2.1 尺度空间极值检测

高斯核是唯一的线性核，尺度空间理论的主要思想是利用高斯核对原始图像进行尺度变换，获得图像多尺度下的尺度空间表示序列，对这些序列进行尺度空间特征提取，二维高斯函数为

  在图像位置和尺度变化下,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点.。