描述
一、Sift算法简介
Sift算法是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。总体来说，Sift算子具有以下特性：
(1)Sift特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。
(2)独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。
(3)多量性，即使少数的几个物体也可以产生大量Sift特征向量。
(4)速度相对较快，经优化的Sift匹配算法甚至可以达到实时的要求。
(5)可扩展性强，可以很方便的与其他形式的特征向量进行联合。
其Sift算法的三大工序为：
(1)提取关键点；
(2)对关键点附加详细的信息(局部特征)也就是所谓的描述器；
(3)通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点，也就建立了景物间的对应关系。提取关键点和对关键点附加详细的信息(局部特征)也就是所谓的描述器可以称做是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量。
Sift特征的生成一般包括以下几个步骤：
(1)构建尺度空间，检测极值点，获得尺度不变性；