SIFT

SIFT：Scale-Invariant Feature Trainsform即尺度不变特征变换，这是一种图像处理以及计算机视觉领域里面对图像的局部特征描述的常用方法。SIFT提取图像的局部特征，在尺度空间寻找极值点，并提取出其位置尺度和方向信息。

SIFT算法的实质是在不同的尺度空间上查找关键点（特征点），计算关键点的大小方向以及尺度信息，利用这些信息组成关键点对特征点进行描述的问题。SIFT算法所查找的关键点都是一些十分突出，不会因光照仿射变换和噪声等因素而变换的“稳定”的特征点，匹配的过程就是对比这些特征点的过程：

算法特征提取和匹配的具体步骤：

1、生成高斯差分金字塔，尺度空间构建

尺度空间：人的眼睛能自动调节分辨率，近距离看一个人脸能看到毛孔，距离远了看不到毛孔。但是在图片信息当中，分辨率是固定的，要想得到类似人眼的效果，就要把图片弄成不同的分辨率，制作成图像金字塔来模拟人眼的功能，从而在其他图片中进行特征识别时，能像人的眼睛一样，即使要识别的物体尺寸变大或者变小，也能够识别出来。例如：观察一棵树，如果观察的是一整棵树（相当于大尺度情况下观察），那么就应该去除图像的细节部分，如果观察的是树叶（小尺度下观察），那么就应该观察局部细节特征。

图像金字塔：把一个图片从原始分辨率不停的对其分辨率进行减少，然后将这些图片摞在一起，可以看成一个四棱锥的样式，这个东西就叫做图像金字塔。

图像金字塔是一种以多分辨率来解释图像的结构，通过对原始图像进行多尺度像素采样的方式，生成N个不同分辨率的图像，把具有最高级别分辨率的图像放在底部，以金字塔形状排列，往上是一系列像素逐渐降低的图像，一直到金字塔的顶部只包含一个像素点的图像。

获得图像金字塔的步骤：

1）利用滤波器平滑图像（高斯滤波）

2）对平滑图像进行抽样（采样）：上采样是分辨率逐渐升高，下采样相反

高斯金字塔：高斯金字塔并不是一个金字塔，而是很多组金字塔构成，并且每组金字塔都包含若干层。高斯金字塔是图片在不同尺寸下进行高斯模糊操作后的图片。下图中的金字塔分为好几组，最下面一组是用不同大小的高斯核对原图像进行卷积操作得到的一组图片，倒数第二组的图片是对刚才的第一组的第三层的图片进行降采样，降采样后图片尺寸缩小了，缩小后再用不同尺度的高斯核进行卷积操作，然后得到图中倒数第二组的一组图片。金字塔的其他层以此类推得到高斯金字塔。

金字塔模拟近处物体大，远处物体小的情况，用高斯核进行卷积操作模拟的是近处物体清晰，远处物体模糊。