SIFT算法:DoG尺度空间生产

本文介绍了SIFT算法中DoG(Difference of Gaussians)尺度空间的生成及其在特征点检测中的作用。DoG通过相邻尺度的高斯图像相减,近似于尺度归一化的Laplacian of Gaussian,提供了尺度不变性。SIFT算法利用DoG图像进行非极大值抑制来定位特征点,避免了高斯二阶微分的运算,提高了效率。同时,文章讨论了尺度空间的选择,包括尺度值的产生和每层octave生成图像的数量。
摘要由CSDN通过智能技术生成

SIFT算法:DoG尺度空间生产 
SIFT算法:KeyPoint找寻、定位与优化
SIFT算法:确定特征点方向 
SIFT算法:特征描述子

【注】未经允许,本博客所有文章不得用于任何商业用途。转载请注明出处http://www.cnblogs.com/JiePro/


目录:

1、高斯尺度空间(GSS - Gauss Scale Space)

2、高斯差分(DOG - Difference of Gauss)

  2.1 生产DoG

  2.2 为什么用DoG来检测特征点

3、GSS尺度选择

  3.1 GSS中尺度值的产生

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值