文章目录
1 算法提出的背景
成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘，对环境的适应能力较差，急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。1999年British Columbia大学大卫.劳伊（ David G.Lowe）教授总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、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－SIFT（尺度不变特征变换），这种算法在2004年被加以完善。
2 算法思想
将一幅图像映射（变换）为一个局部特征向量集；特征向量具有平移、缩放、旋转不变性，同时对光照变化、仿射及投影变换也有一定不变性。
算法实现步骤简述：
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。
3 SIFT算法实现物体识别主要有三大工序
- 提取关键点；
- 对关键点附加详细的信息（局部特征）也就是所谓的描述器；
- 通过两方特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，也就建立了景物间的对应关系。
每个关键点有三个信息：位置，所处尺度、方向，由此可以确定一个SIFT特征区域。
直方图的峰值则代表了该关键点处邻域梯度的主方向，即作为该关键点的方向。