sift特征提取--笔记

1）采用高斯差分金字塔，来近似高斯拉普拉斯算子，是为了在平滑滤波后依然保持尺度不变性，即在不同尺度下的特征不变。

2）采用不同的尺度下的高斯差分图像，是为了在不同尺度下，比较图像之间的特征点。如果一张图像比另一张放大了或缩小了，那么可以比较它们的不同尺度下的特征点。

3）特征点的要素：极值点；其它手段，如：阈值、曲率等等用于剔除不合条件的点；拟合用于提取最大值位置；

4）特征点的描述：该关键点附近的各个点的幅度和角度，组成向量，128维最佳；对于角度，要统计主方向，然后将特征向量旋转到主方向，这样，向量特征都是从主方向算起，能保证旋转不变性。

5）特征点的比较和匹配：计算两个特征点向量之间的欧式距离，A与A'的距离 除以 A与任意B'的距离 要小于一个临界值（threshold），那么A与A'就是匹配的。

6）surf 特征提取，是其改进方法，更适合计算。