尺度不变特征变换（scale invariant feature transform; SIFT），理学-计算机科学技术-计算机应用-多媒体计算-计算机视觉-低层视觉-特征描述，一种检测局部特征的算法。此算法由D.罗伊（David Lowe）在1999年所发表，于2004年总结完善。尺度不变特征变换通过求一幅图中的特征点，并对每个特征点计算其有关大小和方向的描述子得到特征，最终将特征应用于图像特征点匹配。为了实现尺度不变性，即改变旋转角度，图像亮度或拍摄视角不影响算法结果，此算法首先对尺度空间进行了构建，用以模拟图像数据的多尺度特征。在尺度空间的建立中，为了有效的在尺度空间检测到稳定的关键点，此算法提出了高斯差分尺度（DOG）空间的概念，并利用不同尺度的高斯差分核与图像卷积生成该空间。在建立的尺度空间基础上，此算法提取极值点作为其特征点。一个点如果在DOG尺度空间本层以及上下两层的26个领域中是最大或最小值时，该点则被认定为该图像在该尺度下的一个特征点。