文档介绍：SIFT特征
编辑ppt
1
主要内容
SIFT简介
SIFT原理
SIFT研究现状
SIFT图像中的应用
参考文献
编辑ppt
2

1999年David 、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－尺度不变特征变换（Scale Invariant Feature Transform，SIFT ），2004年得到完善。
编辑ppt
3

SIFT算法的实质可以归为在不同尺度空间上查找特征点（关键点）的问题。
关键点，就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。
尺度空间理论是通过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主轮廓的提取，并以该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。
编辑ppt
4

尺度空间的极值点检测
建立高斯金字塔
建立DOG金字塔
DOG空间极值点检测
关键点的精确定位
确定关键点的主方向
生成SIFT特征矢量（生成关键点的描述算子）
编辑ppt
5

尺度空间的极值点检测
一个图像的尺度空间定义为原始图像
与一个可变尺度的2维高斯函数卷积运算。
编辑ppt
6

建立高斯金字塔
高斯金子塔的构建过程可分为两步：
1）对图像做高斯平滑；
2）对图像做降采样。
根据不同的尺度，一幅图像可以产生几组(octave)图像，一组图像包括几层(interval)图像。
编辑ppt
7

建立高斯金字塔
高斯金字塔共O组，每组S层，则有：
——尺度空间坐标；
s——sub-level层坐标；
——初始尺度；
S——每组层数。
组内相邻两层的尺度
组间相邻两层的尺度
组内和组间尺度可归纳为
编辑ppt
8

降采样

上一组图像的底层是由前一组图像的最后一层图像隔点采样生成的。
编辑ppt
9

建立DOG金字塔
在尺度空间中有效检测关键点的位置，对图像使用可变的高斯差分函数求尺度空间中的极值。
每组检测S个极值点，DOG金字塔每组需要S+2层，高斯金字塔每组需要S+3层。
编辑ppt
10