在计算机识别事物的过程中，通常需要将已知的图像与陌生图像的全部或者部分在空间上进行对准，根据已知的模式（通常是人们感兴趣的对象）的图像在一幅陌生图像中寻找对应该图像的子图像，这个过程我们称之为图像匹配。
而现在局部特征已被验证是解决部分图像匹配的一种有效手段，如何建立局部特征词典对匹配效果的影响很大，是目前非常值得研究的一个课题。本课题旨在研究基于SIFT的词典（树）建立，并提出一种有效的方法，同时实现一个局部特征图像匹配的演示系统，并基于该词典树进行图像匹配，进而实现了一个图像检索系统。
1．1  图像匹配概述
图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二文图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。
互联网中存在着大量的部分重复图像，部分重复图像的意思是指两个图像中有某些部分从视觉上是完全一致的，只是存在角度、大小、对比度的不同。而近年来部分重复图像的匹配技术是存在于图像版权监控、图像检索等多个领域的重要问题。
 
图1
例如我的电脑里有一张这样的图片（见图1），而我完全不了解这是什么标识，想要了解它，我们就可以通过有部分重复图像的匹配技术的搜索引擎来达到这一目的。通过搜索可以得到许多近似结果（见图2）。我们很容易就得到了结论，这个标识表示的是Mercedes-Benz的LOGO。当然，对于重复图像匹配技术的应用不仅仅局限于这点，这里只是为了更加直观的说明部分重复图像的匹配具体是指什么。
 
图2

1.2  图像匹配的分类
    图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。
1.2.1  灰度匹配
灰度匹配的基本思想:以统计的观点将图像看成是二文信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点。 　　灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。
1.2.2  特征匹配
特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。
基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。本课题旨在运用尺度不变特征来进行图像的匹配工作，以达到检索图像的功能。

2  SIFT算法
SIFI：Scale-invariant feature transform，尺度不变特征转换。
图像模式识别算法，按其特征可分为基于全局特征和基于局部特征．主流的图像匹配算法，是试图提取目标在某种条件下的不变量作为特征，在不同图像中匹配这些特征，以达到对目标进行识别的目的．不同尺度下提取的特征，可分为大尺度全局特征和小尺度局部特征两大类．最具代表性的是Lowe于1999年在ICCV上提出并于2004年发展成熟的SIFT算法．
2.1  SIFT算法的思想
SIFT特征（Scale-invariant feature transform，尺度不变特征转换)是一种计算机视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量， 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。在 Mikolajczyk 对包括SIFT算 子在内的十种局部描述子所做的不变性对比实验中，SIFT 及 其扩展算法已被证实在同类描述子中具有最强的健壮性。 部分重复图像匹配中局部特征词典建立研究(2):http://www.youerw.com/tongxin/lunwen_2484.html