SIFT算法的一些看法

1.鼻祖：David G. Lowe

     1999年British Columbia大学大卫.劳伊（DavidG. 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。

     David G. Lowe               

      Computer Science Department
      2366 Main Mall
      University of British Columbia
      Vancouver, B.C., V6T 1Z4, Canada

      E-mail: [e-mail]

 

  

 

2.局部不变形

      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。

 

 

 

3.SIFT 主要思想

  SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。SIFT算法步骤：

1）检测尺度空间极值点

2）精确定位极值点

3）为每个关键点指定方向参数

4）关键点描述子的生成

参考网址：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html

http://blog.csdn.net/abcjennifer/article/details/7639681

 

 

4.SIFT算法可以解决的问题:

       目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决：

•目标的旋转、缩放、平移（RST）

•图像仿射/投影变换（视点viewpoint）

•光照影响（illumination）

•目标遮挡（occlusion）

•杂物场景（clutter）

•噪声

       其中对RST效果很好，viewpoint变换、illumination影响、object occlusion cluster、噪声效果不是特别好，放射变化效果不是特别理想。

 

5．SIFT发展历程

      SIFT算法由D.G.Lowe1999年提出，2004年完善总结。

      PCA-SIFT是将其描述子部分用PCA代替直方图的方式，通过降维技术，可有效化简SIFT算子的128维描述子，是由Y.Ke在2004年提出。

       CSIFT（Colored scale invariant feature transform）彩色尺度特征不变变换，可以针对彩色图像进行图像的不变特征提取。由 Farag 2006年提出。

       SURF（SURF Speeded Up Robust Features），号称是SIFT算法的增强版，SURF算法的计算量小，运算速度快，提取的特征点几乎与SIFT相同，由Bay 2006年提出。

       ASIFT（Affine-SIFT）抗仿射SIFT变换，主要思想是两个向量空间之间的一个仿射变换或者仿射映射由一个线性变换接上一个平移组成。ASIFT可以抵抗强仿射情况，提取的特征点远多于SIFT算法，由J.M. Morel 2009年提出。

 

 

---------------------------------------------------------------------------------------------------------------------------------------

Reference:

Lowe SIFT 原文：http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf

SIFT 的C实现：https://github.com/robwhess/opensift/blob/master/src

MATLAB 应用Sift算子的模式识别方法：http://blog.csdn.net/abcjennifer/article/details/7372880

http://blog.csdn.net/abcjennifer/article/details/7365882

http://en.wikipedia.org/wiki/Scale-invariant_feature_transform#David_Lowe.27s_method

http://blog.sciencenet.cn/blog-613779-475881.html

http://www.cnblogs.com/linyunzju/archive/2011/06/14/2080950.html

http://www.cnblogs.com/linyunzju/archive/2011/06/14/2080951.html

http://blog.csdn.net/ijuliet/article/details/4640624