文章目錄

• 1 算法提出的背景
• 2 算法思想
• 3 SIFT算法實現物體識別主要有三大工序

1 算法提出的背景

成像匹配的核心問題是將同一目標在不同時間、不同分辨率、不同光照、不同位姿情況下所成的像相對應。傳統的匹配算法往往是直接提取角點或邊緣，對環境的適應能力較差，急需提出一種魯棒性強、能夠適應不同光照、不同位姿等情況下能夠有效識別目標的方法。1999年British Columbia大學大衛.勞伊（ David G.Lowe）教授總結了現有的基于不變量技術的特征檢測方法，并正式提出了一種基于尺度空間的、對圖像縮放、旋轉甚至仿射變換保持不變性的圖像局部特征描述算子－SIFT（尺度不變特征變換），這種算法在2004年被加以完善。

2 算法思想

將一幅圖像映射（變換）為一個局部特征向量集；特征向量具有平移、縮放、旋轉不變性，同時對光照變化、仿射及投影變換也有一定不變性。

算法實現步驟簡述：

SIFT算法的實質可以歸為在不同尺度空間上查找特征點（關鍵點）的問題。

3 SIFT算法實現物體識別主要有三大工序

• 提取關鍵點；
• 對關鍵點附加詳細的信息（局部特征）也就是所謂的描述器；
• 通過兩方特征點（附帶上特征向量的關鍵點）的兩兩比較找出相互匹配的若干對特征點，也就建立了景物間的對應關系。

每個關鍵點有三個信息：位置，所處尺度、方向，由此可以確定一個SIFT特征區域。

直方圖的峰值則代表了該關鍵點處鄰域梯度的主方向，即作為該關鍵點的方向。

總結

以上是生活随笔為你收集整理的SIFT算法简介的全部內容，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。