點特徵可以用來尋找一個不同影象中對應位置的稀疏集合，關鍵點的一個重要優點，能夠在出現擁擠、大的尺度和方向變化的情況下很好地匹配。

獲取特徵點及其對應關係的方法：

• 在一幅影象中尋找那些可以使用區域性搜尋方法來精確跟蹤的特徵，---------在影象以相近的視角或被快速地麗娜徐拍攝時更為合適
• 在所有考察的影象中獨立地檢測特徵點然後基於他們的區域性表現進行匹配。------------更適合於在影象中存在大量的運動或者表現變化的時候

 關鍵點檢測和匹配流水線 分為四個階段：
特徵檢測階段：在每一幅影象中尋找那些能在其他影象中較好匹配的位置。

特徵描述階段：把檢測到的關鍵點周圍的每一個區域轉化為一個更緊湊和穩定的描述子。

特徵匹配階段：在影象中高校地搜尋可能的匹配候選。

特徵跟蹤：只在檢測到的特徵點周圍一個小領域內尋找匹配。

1.1特徵檢測器

什麼是適合跟蹤的特徵？擁有較大對比度變化的，擁有至少兩個明顯不同方向梯度的影象塊最容易定位。

自相關函式：在一個小的位置變換區域內，通過與原影象快比較來計算這個匹配結果的穩定度，，當自相關函式有一個穩定的最小值時，則表明容易被定位

基於自相關矩陣關鍵點檢測器的步驟

1.通過使用高斯函式的導數對原始影象進行卷積啦計算影象在水平方向和垂直方向上的導數Ix Iy.

2.計算對應於這些梯度外積的三個影象

3.使用一個較大的高斯函式來對這些影象中的每一個進行卷積。

4.使用前面公式中的任意一個來計算一個標量興趣量。

5.尋找一定閾值之上的區域性最大值，並將他們作為檢測到的特徵點位置。

自適應非最大抑制（ANMS） ：特徵點檢測器尋找興趣函式的區域性最大值，通常會導致影象上特徵點的非均勻分佈。。根據特徵點的相應強度對其進行排序，然後通過不斷減小抑制半徑大小來建立第二個排序列表。

衡量可重複性：在一副影象中檢測到的關鍵點在另一幅變換過的影象中的對應位置的erta個畫素範圍內知道頻率

尺度不變：

旋轉不變和方向估計：

在檢測到的每一個關鍵點估計一個主導方向。一旦估計出一個關鍵點的區域性方向和尺度，就可以在檢測出的關鍵點附近提取出一個特定尺度和方向的

放射不變性：

2.特徵描述子

確定哪些特徵來自於不同影象中的對應位置。

偏差和增益規範化
 

尺度不變特徵變換

PCA-SIFT

梯度位置方向直方圖

3.特徵匹配

兩個階段 1.選擇一個匹配策略，用來確定哪些匹配將被傳到下一個階段進行進一步處理。2.設計出有效的資料結構和演算法來儘可能快的完成這個匹配。

4.特徵跟蹤