基于SIFT特征的图像匹配算法研究Abstract-Scale-invariant特性变换（筛选）特性已被广泛接受为一个有效的地方关键点描述符的旋转不变性,规模、和照明变化图像。然而,它也是众所周知,筛选,这是来自定向敏感梯度场,不是翻转不变。在真实的应用程序中,翻转或flip-like转换通常观察到图像由于人工翻转，相反捕获的观点，或对称模式的对象。提出了一种新的描述符，名叫flip-invariant筛选（或F-SIFT）,保存的原始属性筛选而宽容的翻转。F-SIFT首先估计占主导地位的旋度的一块地方，然后由翻转几何规范化补丁前筛选的计算。我们展示的力量F-SIFT三个任务:大规模的视频拷贝检测，对象识别和检测。在复制检测，一个框架，它巧妙的翻转特性指数F-SIFT快速过滤和弱几何检查。F-SIFT不仅极大地提高了筛选的检测精度，但是也会导致超过50%的储蓄在计算成本。在物体识别，我们证明F-SIFT的优越性在处理翻转转换通过比较其他七个描述符。在目标检测中，我们进一步显示F-SIFT描述对称物体的能力一致的改善在不同种类的关键点检测器观察F-SIFT超过最初的筛选。指数T
