opencv2.4.9源码分析——SIFT（必威体育精装版文档）.pdfVIP

opencv2.4.9源码分析——SIFT

赵春江

blog.csdn.net/zhaocj

一、SIFT算法

SIFT（尺度不变特征变换，Scale‐Invariant

Feature

Transform）是在计算机视觉领域中检测

和描述图像中局部特征的算法，该算法于1999年被David

Lowe提出，并于2004年进行了

补充和完善。该算法应用很广，如目标识别，自动导航，图像拼接，三维建模，手势识别，

视频跟踪等。不幸的是，该算法已经在美国申请了专利，专利拥有者为Lowe所在的加拿大

不列颠哥伦比亚大学，因此我们不能随意使用它。

用SIFT算法所检测到的特征是局部的，而且该特征对于图像的尺度和旋转能够保持不

变性。同时，这些特征对于亮度变化具有很强的鲁棒性，对于噪声和视角的微小变化也能保

持一定的稳定性。SIFT特征还具有很强的可区分性，它们很容易被提取出来，并且即使在低

概率的不匹配情况下也能够正确的识别出目标来。因此鲁棒性和可区分性是SIFT算法最主

要的特点。

SIFT算法分为4个阶段：

1、尺度空间极值检测：该阶段是在图像的全部尺度和全部位置上进行有哪些信誉好的足球投注网站，并通过应

用高斯差分函数可以有效地识别出尺度不变性和旋转不变性的潜在特征点来；

2、特征点的定位：在每个候选特征点上，一个精细的模型被拟合出来用于确定特性点

的位置和尺度。而特征点的最后选取依赖的是它们的稳定程度；

3、方向角度的确定：基于图像的局部梯度方向，为每个特性点分配一个或多个方向角

度。所有后续的操作都是相对于所确定下来的特征点的角度、尺度和位置的基础上进行的，

因此特征点具有这些角度、尺度和位置的不变性；

4、特征点的描述符：在所选定的尺度空间内，测量特征点邻域区域的局部图像梯度，

将这些梯度转换成一种允许局部较大程度的形状变形和亮度变化的描述符形式。

下面就详细阐述SIFT算法的这4个阶段：

1、尺度空间极值检测

特征点检测的第一步是能够识别出目标的位置和尺度，对于同一个目标在不同的视角下

这些位置和尺度可以被重复的分配。并且这些检测到的位置是不随图像尺度的变化而改变

的，因为它们是通过有哪些信誉好的足球投注网站所有尺度上的稳定特征得到的，所应用的工具就是被称为尺度空间

的连续尺度函数。

1

真实世界的物体只有在一定尺度上才有意义，例如我们能够看到放在桌子上的水杯，但

对于整个银河系，这个水杯是不存在的。物体的这种多尺度的本质在自然界中是普遍存在的。

尺度空间就是试图在数字图像领域复制这个概念。又比如，对于某幅图像，我们是想看到叶

子还是想看到整棵树，如果是树，那么我们就应该有意识的去除图像的细节部分（如叶子、

细枝等）。在去除细节部分的过程中，我们一定要确保不能引进新的错误的细节。因此在创

建尺度空间的过程中，我们应该对原始图像逐渐的做模糊平滑处理。进行该操作的唯一方法

是高斯模糊处理，因为已经被证实，高斯函数是唯一可能的尺度空间核。

图像的尺度空间用L(x,y,σ)函数表示，它是由一个变尺度的高斯函数G(x,y,σ)与图像

I(x,y)通过卷积产生，即

,,,,,

（1）

其中，表示在x和y两个方向上进行卷积操作，而G(x,y,σ)为

1

,,2

（2）

σ是尺度空间因子，它决定着图像模糊平滑处理的程度。在大尺度下（σ值大）表现的是图

像的概貌