SIFT特征提取：
角點檢測：
Morvavec角點檢測算子：基於灰度方差的角點檢測方法，該算子計算圖像中某個像素點沿水平、垂直方向上的灰度差異，以確定角點位置
Harris角點檢測算子：不止考察水平，垂直4個方向上的灰度差異，而是考察了所有方向上的灰度差異，並且具有旋轉不變性和部分放射變換的穩定性。
Shi-Tomasi角點檢測算子：通過考察自相關矩陣M的兩個特征值中的較小者來確定角點，大部分情況下，有比Harris更好的檢測效果。
FAST算子：通過考察像素點與其鄰域內16個像素點的差異來確定特征點（角點），並且通過分割測試算法對檢測效率做了極大的提升。
SIFT算子（Scale Invariant Feature Transform）:尺度不變特征變換（尺度不變：按比例縮放）
基於尺度空間的，對圖像縮放，旋轉，甚至仿射變換保持不變性的圖像局部特征描述算子。SIFT提取圖像的局部特征，在尺度空間中尋找極值點，並提取出其位置，尺度，方向信息。
算法實質：在不同的尺度空間中查找關鍵點（特征點），計算關鍵點的大小，方向，尺度信息，利用這些這些信息組成關鍵點對特征點進行描述，sift所查找的關鍵點都是十分突出，不會因為光照，仿射和噪聲等因素而變換的穩定的特征點。匹配的過程就是匹配關鍵點（特征點）的過程。流程如下：
參考博客：https://blog.csdn.net/hxg2006/article/details/80398701
Dense-SIFT
圖像識別問題之所以采用密集采樣，是因為密集采樣后的點，會通過訓練后的分類器進行進一步的篩選。在研究目標圖像表示或者理解時，dense sift 更好，因為即使密集采樣的區域不能夠被准確匹配，這塊區域也包含了表達圖像內容的信息。
sif提取特征
輸入：一張圖像,設置的長寬的最大值
每次移動長度的參數
1.圖像轉換為double類型，如果為rgb，先轉成灰度圖像，再轉換為double類型，否則直接轉為double類型
2.讀取圖像的長寬，是否大於輸入的圖像的最大值，如果大於，則按比例縮小圖像
I = imresize(I, maxImSize/max(im_h, im_w), 'bicubic');
[im_h, im_w] = size(I);
3.使用稠密sift提取特征
1）將三維轉換成兩維：i=mean（i，3）
2）歸一化：i=i /max(i(:)) max(i(:))所有點的最大值
3）在0到2π之間截取16段，每一段長度：angle_step = 2 * pi / num_angles
angle_step = 2 * pi / num_angles;
angles = 0:angle_step:2*pi;
angles(num_angles+1) = []; % bin centers
4）生成高斯低通濾波器
f_wid = 4 * ceil(sigma) + 1; % ceil：向上取整
G = fspecial('gaussian', f_wid, sigma);G是5×5大小的矩陣
[GX,GY] = gradient(G);求梯度
GX = GX * 2 ./ sum(sum(abs(GX)));%2與矩陣中對應元素相除
GY = GY * 2 ./ sum(sum(abs(GY)));%得到了GX,GY,分別為5×5的
5）根據濾波器GX,GY，在水平方向和垂直方向對圖像I進行濾波（濾波之后和原來圖像大小相同）
https://blog.csdn.net/sxj0820/article/details/79883233（filter2方法講解）
I_X = filter2(G_X, I, 'same'); % vertical edges
I_Y = filter2(G_Y, I, 'same'); % horizontal edges
計算反正切
I_theta = atan2(I_Y,I_X);
去除I_theta中不是數據的情況 I_theta(find(isnan(I_theta)))=0
6）計算網格：
采樣的圖像塊，64×64
移動16個像素
網格大小27×37
收集的塊個數：999個
grid_x = patch_size/2:grid_spacing:wid-patch_size/2+1;（37）
grid_y = patch_size/2:grid_spacing:hgt-patch_size/2+1;（27）
7）計算方向圖片
計算每一個方向通道
% compute each orientation channel
tmp = (cosI*cos(angles(a))+sinI*sin(angles(a))).^alpha;
tmp = tmp .* (tmp > 0);
% weight by magnitude
I_orientation(:,:,a) = tmp .* I_mag;
% Outputs:
[grid_x,grid_y] = meshgrid(grid_x, grid_y);
[nrows, ncols, cols] = size(sift_arr);
規范化sift描述符
sift_arr = reshape(sift_arr, [nrows*ncols num_angles*num_bins*num_bins]);
sift_arr = normalize_sift(sift_arr);
sift_arr = sift_arr';
大佬對sift算法的解讀
https://blog.csdn.net/molihong28/article/details/89296677
http://www.doc88.com/p-3758093643565.html