一、文献综述
（一）国内外研究现状
计算机图形学是计算机中非常重要的领域,而图像匹配是该领域中非常关键的技术。图像匹配是指通过传感器获取不同条件下的待匹配图像，对获取的图像进行抽象处理，用抽象形式来代表图像,从而进行匹配。例如将图像建立高斯差分金字塔，从而得到所需的特征点，结合其数量和匹配正确率得到图像匹配结果图像匹配技术的完善性对计算机视觉的应用具有不可忽视的影响。当前来说，图像匹配技术已经融入了人们日常生活中，诸如在交通、医疗、气象、指纹支付、人脸支付、虚拟现实等多个领域得到成功应用。例如在流水线分拣的过程中，利用工业相机对流水线当中的产品图像进行截取，之后将其与通过训练的模板图像完成匹配，假如匹配顺利，那么就表明产品达标，否则就将其判定为残次品，通过特定的程序把它剔除。
不过,随着科技的发展,人们对图像匹配的要求更高了,不仅要正确的显示图像在不同位置的匹配情况,也要求一组图像经过缩放、旋转、模糊后能继续匹配成功。因此，为了进一步提升该算法的实用价值，本文要研究并理解SIFT算法的基本原理及其在图像处理中的应用效果，并展示局部特征SIFT在各种攻击下的稳定性。
图像匹配技术发展的时间相对较长，该技术诞生于上个世纪７０年代。最初在军事领域的多个方面发挥了不可忽视的作用，其中比较具有代表性的应用包括导弹巡航、末端制导等。随着互联网的普及和技术上的不断完善，它在其它领域的发展也受到了广泛的关注而发展迅速。
在2002年LOWE等研宄人员一起提出了SIFT算法,该算法在图像匹配的领域中做出了巨大的贡献,为图像匹配的发展提供了更多的可能性。SIFT算法通过构建了规范化的高斯差分金字塔，并在目标尺度空间内获取可靠的极值点，选取极值点周围１６块子像素区域统计其中方向信息得到主方向，进而得到尺度不发生任何改变的特征点利用欧式距离对得到的特征点进行匹配。SIFT算法在诸多领域都有所应用，并取到了比较理想的效果，这些正反馈又推动该技术的进一步发展。
综上所述，图像匹配技术在今天已经是一门比较成熟的技术了，而SIFT算法作为图像匹配技术中极为重要的一种技术，我们更要重视该算法。
（二）研究主要成果
Lowe及他的团队提出了一种方法，该方法通过从图像中提取独特的不变的特征值来用于同一对象在不同视图之中的可靠匹配。该特征对图像的尺度和旋转不变，并且在仿射变换、3D视点变化、噪声增加和光照变化的很大范围内提供了强健的匹配。这些特征有很高的独特性，即单个特征可以与来自许多图像的大量特征数据库进行高概率的匹配。本文还描述了一种方法将这些特征用于目标识别，该识别过程为使用快速最近邻算法将单个特征与已知目标的特征数据库进行匹配，然后通过霍夫变换识别属于一个单一目标的簇，最后通过最小二乘法对一致的姿态参数进行验证。该识别方法可以在杂波和遮挡中鲁棒地识别目标，同时达到接近实时的性能。
（三）发展趋势
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
