SIFT是传统CV中的一种获取特征点的方法，这里仅做简单的了解即可。
利用高斯滤波生成不同尺度下的图像，以构建高斯图像金字塔，如图所示，
可以看到，高斯金字塔分为多层，每层都是一个octave图层，高层octave是由低层octave中的图片下采样得到的。所以不同层octave的区别就是分辨率不同。
为了在每组中检测S个尺度的极值点，则DoG金字塔每组需S+2层图像，而DoG金字塔由高斯金字塔相邻两层相减得到，则高斯金字塔每组需S+3层图像，实际计算时S在3到5之间。
这一过程即是高斯金字塔生成DoG金字塔（即高斯差分金字塔）的过程。
利用三张尺度相邻的DoG图像生成空间极值点的图像，具体来说，针对于空间点(x,y)，取其3*3的领域（即9个点），加上上下相邻的两个尺度图像中对应的邻域，共有27个点，比较这27个点的值，取其极值（极小值和极大值），作为新图像的值，则生成了极值点图像，其示意图如下，
对于n张DoG图像的话，经过极值点检测则会获得n-2张极值点图像数据。
