Рассмотрен способ сопоставления изображений по ключевым точкам путем извлечения отличительных, инвариантных относительно масштаба и вращения характеристик. Описан алгоритм извлечения характеристик для эффективного сопоставления различных позиций объекта при значительном диапазоне искажения, изменении в 3D-поле зрения, наличии шума и при изменении освещенности. Приведен метод масштабно-инвариантного преобразования характеристик (SIFT) для сопоставления изображений. Предложены способы реализации метода на примере построения пирамиды гауссианов и пирамиды разностей гауссианов. Рассмотрен алгоритм нахождения точки локального экстремума, выделения ключевых точек, построения вектора признаков и сопоставлены локальные дескрипторы для дальнейшего сравнения пары изображений в условиях вращения объектов, перекрытий, изменения масштаба, точки съемки и освещенности

This article describes an image-matching algorithm using key points to extract distinctive features invariant to scale and rotation. My work presents a feature extraction algorithm for reliable comparison of the different positions of the object or scene with a significant distortion range, changes in the 3D view, presence of noise and illumination changes. The scale-invariant feature transform (SIFT) method was used for matching images. The paper offers method implementation based on the pyramid of Gaussians and the Difference of Gaussian (DoG). The algorithm provides an oportunity to find the local extreme point, to detect key points, to build a feature vector and to compare local descriptors for further image pair matching under conditions of rotation, overlap, scale, change in point of shooting or lighting