數字圖像處理學習筆記（二）：SIFT（尺度不變特征變換）算法

一、概述：

提到特征點算法，首先就是大名鼎鼎的SIFT算法了。SIFT的全稱是Scale Invariant Feature Transform，尺度不變特征變換，2004年由加拿大教授David G.Lowe提出的。SIFT特征對旋轉、尺度縮放、亮度變化等保持不變性，是一種非常穩定的局部特征。

SIFT算法分為以下五個過程：
1）尺度空間的搭建；（高斯差分金字塔的構建）

2）尺度空間中候選極值點的檢測；（ LoG近似DoG找到關鍵點<檢測DOG尺度空間極值點>）

3）對上一過程中得出的候選極值點進行篩選，去除低對比度的點和不穩定的邊緣響應點，得到真正的特征點；（除去不好的特征點，本質上要去掉DoG局部曲率非常不對稱的像素）

4）特征點方向分配；（給特征點賦值一個128維方向參數）

5）特征點描述。（關鍵點描述子的生成）

6）根據SIFT進行Match

二、參考博客

原版的英文文獻：Distinctive Image Features from Scale-Invariate Keypoints

• SIFT算法詳解（高贊回答）

• SIFT特征提取分析（高贊回答）

• SIFT特征點提取（含源碼描述，這篇把SIFT算法的整個過程描述的很清楚）

• SIFT四部曲之——高斯濾波(高斯濾波，有利于對生成高斯差分尺度空間的理解）

• SIFT特征匹配算法介紹——尋找圖像特征點的原理

• SIFT算法：確定特征點方向（對理解特征點方向分配很有幫助）

• SIFT特征點描述子生成（生成特征向量）（幫助對SIFT特征點描述子生成的理解）

• 小白學習教程 之 理解SIFT（一些基本概念）

• 自己看SIFT（尺度不變特征變換）算法的一點總結

總結

以上是生活随笔為你收集整理的数字图像处理学习笔记（二）：SIFT（尺度不变特征变换）算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。