3.1    SIFT特征点介绍    10
3.2    SIFT特征点提取算法原理    10
3.3    SIFT特征点提取算法的步骤    11
3.4    本章小结    23
4    系统的设计及实现    24
4.1    总体结构设计    24
4.2    系统的实现    24
4.3    SIFT的应用    60
4.4    本章小结    61
5    实验结果分析    62
5.1    SIFT特征点提取结果    62
5.2    实验结果分析    66
5.3    SIFT算法优点    66
5.4    SIFT的一些缺点    67
5.5    本章小结    67
6    总结与展望    68
6.1    总结    68
6.2    展望    68
致谢    69
参考文献    70
1    绪论
1.1    课题研究的背景和意义
二十一世纪的社会是信息社会，人们进入一个信息大爆炸的时代，获取的信息的方式也呈现出多样性，早已不仅仅局限在符号、数字还有文本等信息，越来越多的信息是以图像的信息在传递，所以图像在信息领域占据了非常重要的地位，图像具有信息量大、吸引人、理解简单等等优点人们已经从一个读字的时代逐渐在迈向一个读图时代。图像匹配是图像信息领域之中的一项重要技术，同时也是其它一些图像分析技术，如立体视觉、运动分析数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生使得匹配算法的研究逐步走向深入[1]。因此，急需展开对现有匹配方法的研究与改进，提高匹配算法的精确度与效率，这对图像信息的发展有着至关重要的意义。
基于SIFT算法的图像匹配技术是1999年British Columbia大学大卫.劳伊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图像局部特征描述算子－SIFT，并在2004年被加以完善。
点特征是图像最基本的特征,它是指那些灰度信号在二文图像上都有明显变化的点,如角点、圆点等。点特征可以应用于诸如图像的配准与匹配,目标描述与识别, 光束计算,运动目标跟踪、识别和立体像对3D建模等众多领域[2]。使用点特征进行处理,可以减少参与计算的数据量,同时又不损害图像的重要灰度信息,在匹配运算中能够较大的提高匹配速度,因而受到人们的关注[3]。提取特征点的算子叫做兴趣算子或有利算子，即从图像中提取出一些能代表图像信息的特征点，运用这些特征点来对图像进行处理，以便达到目的。根据不同的目的，提取不同的特征点。
特征的提取是图像匹配技术的最重要组成部分，一幅图像中可以检测到多个关键点，我们需要消除一些不需要的点，保留特征性较强的点，用这些点来进行图像匹配。最后消除错误的匹配点。
图像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘，对环境的适应能力较差，急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。基于SIFT算法的图像匹配技术在图像处理技术中起着十分关键的作用，它是图像处理技术得以发展的一个重要基础。它推动着图像处理技术在医学、生物、信息处理和其他很多高科技领域内的应用，它已渐渐发展成社会生活中不可分离的一种技术，对于图像处理技术发展及应用具有重要意义。 图像中点特征检测算法的实现及其应用的研究(2):http://www.youerw.com/jisuanji/lunwen_32864.html