DAISY描述子简介

这篇文章我并没有完全看明白，先写篇博客把自己看懂的地方记下，不懂的地方等以后再回来填坑。

DAISY是面向稠密特征提取的可快速计算的局部图像特征描述子，它本质思想和SIFT是一样的：分块统计梯度方向直方图，不同的是，DAISY在分块策略上进行了改进，利用高斯卷积来进行梯度方向直方图的分块汇聚，这样利用高斯卷积的可快速计算性就可以快速稠密地进行特征描述子的提取。比较巧合的是，DAISY这种特征汇聚策略被一些研究者（Matthen Brown，Gang Hua，Simon Winder）通过机器学习的方法证明相对于其他几种特征汇聚策略（卡迪尔坐标下分块、极坐标下分块）是最优的。[1]

传统的SIFT方法，使用了加权的梯度幅值直方图，当待计算点平移或旋转，直方图的数值也会随之改变，在提取稠密特征的时候就需要反复计算梯度直方图，耗时很长。