SIFT算法

特征点匹配——SIFT算法详解

一、SIFT算法综述

  （Scale-Invariant Feature Transform）SIFT算法即尺度不变换特征算法，可以解决以下这种问题：图像在缩放、平移、旋转后会出现特征损失现象。需要注意的是，SIFT并不检测关键点（关键点可以由Difference of Gaussians即DoG检测），但SIFT会通过一个特征向量来描述关键点周围区域的情况，这个特征向量就是SIFT算子。

SIFT（Scale Invariant Feature Transform）全称尺度不变特征变换，是1999年Lowe提出的一种局部特征描述算子，在2004年得到了改善。
SIFT算子是把图像中检测到的特征点用一个128维的特征向量进行描述，因此一幅图像经过SIFT算法后表示为一个128维的特征向量集，该特征向量集具有对图像缩放，平移，旋转不变的特征，对于光照、仿射和投影变换也有一定的不变性，是一种非常优秀的局部特征描述算法。
SIFT算法的流程分别为：

1. 尺度空间极点检测
2. 关键点精确定位
3. 关键点的方向确定
4. 特征向量的生成

下面将会依次对这几步进行介绍。

二、

尺度空间极点检测

2.1 尺度空间

       特征点的检测就需要知道特征点的位置和尺度，需要位置的原因显而易见，而需要尺度的原因则是因为真实世界中的物体只有在一定尺度下才有意义。我们寻找的特征点就是要找到在连续的尺度空间下位置不发生改变的点。

    &nbs