计算机视觉--SIFT特征

SIFT(scale invariant feature transform)尺度不变特征变换，具有尺度、选装、光照不变性。作为特征点检测的经典算法，思想和方法都具有相当大的借鉴，因此从该算法出发，开始展开关于计算机视觉的算法之路。

1、SIFT简介

1.1 SIFT算法具有的特点

   >图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变换、放射变换、噪声变换也保持一定程度的稳定性。

    >独特性好，信息量丰富，适用于海量特征点库的准确匹配。

    >多量性，即使是很少的几个物体也可以产生大量的SIFT特征

    >高速性，经优化的SIFT匹配算法甚至可以达到实时性

    >扩展性，可以方便的与其他的特征向量进行联合。

2、SIFT算法原理

2.1算法步骤

（1）尺度空间的极值检测，搜索所有尺度空间上的图像，通过高斯微分函数来识别潜在的尺度和选择不变的兴趣点。

（2）特征点定位 在每个候选的位置上，通过一个你和惊喜模型来确定位置尺度，关键点的选取依据他们的稳定程度。

（3）特征方向赋值 基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向，后续的所有操作都是对关键点方向、尺度和位置进行变换，从而提供这些特征不变性。

（4）特征点描述 在每个特征点周围的领域内，在选定的尺度上测量图像的局部梯度，这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变换。

#SIFT代码及库

====待补充====