特征提取算法（4）——LoG特征提取算法

目录

1、介绍

2、LoG原理

3、数学原理

4、模板性质

---

 

1、介绍

LoG（DoG是一阶边缘提取）是二阶拉普拉斯-高斯边缘提取算法，先高斯滤波然后拉普拉斯边缘提取。

Laplace算子对通过图像进行操作实现边缘检测的时，对离散点和噪声比较敏感。于是，首先对图像进行高斯卷积滤波进行降噪处理，再采用Laplace算子进行边缘检测，就可以提高算子对噪声抗干扰能力, 这一个过程中高斯-拉普拉斯（Laplacian of Gaussian(LOG)）边缘检测算子就诞生了。

2、LoG原理

底层是二阶微分算子，就是对原始图像求二次微分的边缘定位算法，使用二阶微分算子的时候，其边缘对应的响应是一个零交叉，而且能够判断出高灰度方向，但二阶微分对噪声的敏感度过高，需要先平滑预处理。

Marr和Hildreth【Marr和Hildreth，1980】证明了以下两个观点：

（1）灰度变化与图像尺寸没有关系，因此检测需要不同尺度的算子
（2）灰度的突然变化会在一阶导数中引起波峰和波谷，或者二阶导数中一起零交叉

所以可以提出一种能变换尺寸的（当时用的是标准Sobel等那些，固定尺寸的，当时Sobel还没有扩展），在各种大小的图像上都能起作用的，可以检测模糊的相对较大的边缘，也可以检测细小的锐度集中的精细细节，当然这种算子也必须对全图所有像素点其作用。Marr和Hildreth证明LoG算子是满足上述条件的最满意的算子。

3、数学原理

LoG算子∇²G就是对一个标准高斯函数（未归一化）进行二次偏微分：</