Daisy算子

Daisy特征描述符是由Tola等 人提出的一种新型的图像局部特征描述符，其核心思想采用了一种将原始图像的若干个方向图与 数 个 尺 度 不 一 的 高 斯 滤 波 函 数 进 行 卷 积 的 方法，由于高斯滤波函数具有可分离性，因此该方法具有较高的效率，经常被用于立体视觉的稠密匹配过程中。 一般围绕中心点构成３层不同半径的同心结构，每层同心圆有８个采样点，以实心点表示，其分别以４５°为间隔分布在同心圆环上，每层同心圆环的采样点具有相同的高斯尺度值，高斯尺度值按照从中心向四周逐渐变大的规则排列。

注释：个人感觉就是在以特征点为中心开始选取一个大圆，然后再在大圈里面选取三个小圈，且排列在圆上有很多小圆，然后每一个圆环上面的圆的高斯尺度值是一样的，然后还有一个圆环上面有8个小圆。

注释：就是说对每一层圆进行高斯卷积，然后每一层上面又有很多个小圆每一个小圆上面的高斯卷积是一样的。小圆中有一个圆心，那么这个就是要作为描述特征点的采样值之一，每一个圆环上面的圆都可以有8个梯度，这个8个梯度就成了代表自己的描述子。然后一个特征点一共选取3层的圆环，每一个圆环有8个点，那么加上特征点本身就有25个点，每一个特征点有8个梯度方向值，那么一共就有了200个。真是不愧为稠密立体匹配啊，这样匹配点越多那么精度就越高了，在进行稠密点匹配的时候，就越不容易发生错误了。。。。精度高，但是速度应该很慢的！！