尺度不變特徵轉換(Scale-invariant feature transform,SIFT)是一種在計算機視覺領域廣泛套用的特徵提取算法，它能夠檢測和描述圖像中的局部特徵，這些特徵具有尺度不變性、旋轉不變性和光照不變性等特點。SIFT算法的核心在於在不同的圖像尺度上尋找極值點，並提取出這些極值點的位置、尺度及旋轉不變數。
SIFT算法的主要步驟包括：
尺度空間極值檢測：在所有圖像上搜尋特徵點，使用高斯差分函式識別出特徵點，這些特徵點具有尺度不變性和旋轉不變性。
改進特徵點位置精度：在每個極值點處擬合一個內插函式，利用內插函式尋找精度更高的極值點。
確定特徵點方向：根據圖像局部性質，為每個特徵點分配一個方向，使用特徵點的尺度來確定高斯平滑圖像，以尺度不變的方式執行方向的計算。
特徵點描述符：計算每個特徵點的特徵向量，包括尺度、旋轉不變數等信息。
SIFT特徵具有很強的魯棒性，對仿射失真、三維視點變化、噪聲和光照變化具有很強的魯棒性，因此適用於目標識別、自動導航、圖像拼接、三維建模、手勢識別、視頻跟蹤等多個領域。