图像配准-尺度不变特征转换法(Scale-invariant feature transform，SIFT)详解（二）

摘要

本篇主要介绍Lawe教授在2004年对SIFT所做的改进(关键点峰值重采样定位)以及对其他部分内容的进一步阐释。

一、改进

相较于1998年的最初版算法^[1]，2004年论文^[2]的主体部分主要的区别除了多了一些数学证明和解释，最大的看点还是对峰值确定方法的修改。从原先的降采样区域中心作为关键点到使用泰勒展开式^[3]计算关键点，这一改进再一次提高了SIFT的识别精度。

二、对其他部分的阐述

三、 参考文献

---

1. D. G. Lowe, “Object recognition from local scale-invariant features,” in
   Proc. Int. Conf. Comput. Vis., 1999, pp. 1150–1157. ↩︎

2. D. G. Lowe, “Distinctive image features from scale-invariant keypoints,”
   Int. J. Comput. Vis., vol. 60, no. 2, pp. 91–110, Nov. 2004. ↩︎

3. Brown, M. and Lowe, D.G. 2002. Invariant features from interest
   point groups. In British Machine Vision Conference, Cardiff,
   Wales, pp. 656–665. ↩︎