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.。