一点一滴完全突破KAZE特征检测算法，从各向异性扩散滤波开始（1）

ECCV2012中出现了一种比SIFT更稳定的特征检测算法KAZE。尽管，这个算法是几个法国人提出的，但是算法却有一个日文的名字。KAZE是日语‘风’的谐音，最近宣布退休的宫崎骏所拍摄的影片“起风了”，那个主题曲里就不停的反复出现KAZE这个发音。传统的SIFT和SURF核心算法都被申请了专利，在实际应用中存在一定障碍。KAZE现在还不知道有否被申请专利保护，不过就算法而言，这个算法的表现也更加稳定，效果良好，笔者准备发一系列连载的文章把相关的知识一点一滴的详细的说来，争取让各位读者能够做到“彻底理解”。

本文是该系列文章的第一节。我们要从一个物理模型开始说起。因为KAZE特征检测是在图像域中进行非线性扩散处理的过程。所以要想理解KAZE，必须得先理解，什么是非线性扩散处理。要说到什么是非线性扩散处理，也称为各向异性扩散，也就需要搞懂各向异性扩散中最基础的算法，也就是Perona-Malik方程。Perona-Malik方程在KAZE中也有用到，所以，理解Perona-Malik方程是必须的（如果读者已经对此比较理解，可以跳过此部分内容）。要想完全理解Perona-Malik方程，就必须从物理上的扩散方程（也叫热传导方程）开始。本节就先向各位介绍热传导方程的推导。对于学物理的人来说，这部分内容非常基础，对于学计算机的人来说，可能了解不多。如果有学过“应用偏微分方程”方面的课程，这部分内容也是非常EASY的。

（抱歉，因为公式太多，我只能贴图了）