图像匹配是计算机视觉中许多领域的基础， 特征提取则是图像匹配的基础， 其中不变量特征是一 个重要的理论。S I F t 是最有效的尺度、 旋转、 亮度不变量局部特征之一， 但算法复杂、 计算时间长。分析 了S I F t的计算时间分配， 通过计算关键点的邻域梯度直方图时动态修改采样步长， 大大提高了S Wr的 计算速度。分析了基于S I F t特征的图像匹配算法， 提出了双向匹配算法， 提高了图像匹配的准确率。实 验结果表明所提出的方法是有效的。
David G.Lowe在2004年总结了现有的基于不变量技术的特征检测方法的基础上,提出的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特征匹配算法。SIFT特征是图像的局部特征,该特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。SIFT特征匹配算法分两个阶段来实现:第1阶段是SIFT特征的生成,即从多幅待匹配图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量;第2阶段是SIFT特征向量的匹配。
