关于SIFT算法原理

SIFT算法原理：

尺度空间极值检测

尺度空间连续变化尺度参数获得多尺度下的尺度空间表示序列，对这些序列进行尺度空间主轮廓的提取，以主轮廓作为一种特征向量，实现边缘、角点检测和不同分辨率上的特征提取等。，相当于一个图片需要获得多少分辨率的量级。如果把一个单尺度图像，对其分辨率不断减少，然后将这些图片摞在一起，更容易获取图像的本质特征。可以看成一个四棱锥的样式，这个东西就叫做图像金字塔。计算机无法分辨一个景物的尺度信息。而人眼不同，除了人大脑里已经对物体有了基本的概念，尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟人在距离目标由近到远时目标在视网膜上的形成过程。人眼在距离物体近时，能够获得物体足够多的特性，在距离物体远时，能够或略细节。

                                                       

表示:

在SIFT当中，利用了一个叫做高斯核的方程来构建尺度空间，高斯核函数是唯一多尺度空间的核。原理就是利用高斯分布的特性，高斯核函数的参数有三个G(x,y,σ),在以某一个点为中心要进行以某一个