vlfeat dense sift理解

一、Dense SIFT Sampling

DSIFT在寻找显著点时不是尝试使用一个分类器判断是否是显著点，而是为了简化，所有显著点是均匀分布（equally dense across ）在图像的各个区域的。在采样时有个涉及不同尺度下采样步长（pixel stride）是否应该相同的问题。窗口移动同样的步长，在更大的尺度下，窗口要大些，这会使得相邻窗口的重叠区域面积比率变大，从而使得采样的冗余较小尺度下的冗余要大。当前流行的多尺度采样方法倾向的就是这种策略。DSIFT也是使用这种策略，因为要简单得多。

二、Dense SIFT计算过程

1）读入一副灰度图像（彩色图像要转成灰度图像），DSIFT算法首先要将图像等分成一个个小的像素块（frames）。
2）然后每个像素块再分成更小的块，比如4*4=16块，代表中心keypoint，在vlfeat中对应numBinX和numBinY。计算每个块在8个方向上的梯度直方图，在vlfeat中对应numBinT。这16个块每个块的大小有binSize指定。同时根据窗口移动步长StepX和StepY移动窗口。

3）计算出每个小块中心像素的梯度后，可以采用两种方法计算出descriptor，一种是各个位置等权重方式，一种是高斯核函数方式。两种方式都可以使用卷积来实现。
4）根据卷积窗口参数，与卷积梯度，得到descriptor。

计算的值主要是如下两种卷积窗口：

三、DSIFT的相关参数计算

1)frame个数(D)的计算。frame的水平宽度为$binSizeX*numBinX$，垂直高度为$binSizeY*numBinY$，计算方式如下：

2）每个8*8大小的块对应的descriptor就是一个4*4*8维数的向量，整个图像如果分成D个块的话，那么DSIFT特征的维数就是D*4*4*8。一副图像特征的维数为：$D*numBinT*numBinX*numBinY$。