参考自:
https://blog.csdn.net/zddblog/article/details/7521424
https://blog.csdn.net/dcrmg/article/details/52561656
1.尺度不变性
使用不同方差(不同的尺度空间)的LoG (高斯拉普拉斯算子),这样进行卷积具有尺度不变的性质,但是计算量很大,证明DoG(高斯差分算子)可以近似替代。
具体的过程是:制造高斯金字塔(1.简单降采样+2.不同方差的高斯滤波),然后在每个组octave内,进行上下差分,得到的差值就是DoG。
右下图中,为高斯金字塔图像效果,分别是第1组的4层和第2组的4层(可以看到不同的组不同的层,尺度都不一):
尺度空间的概念:在高斯金字塔中一共生成O组L层不同尺度的图像,这两个量合起来(O,L)就构成了高斯金字塔的尺度空间,也就是说以高斯金字塔的组O作为二维坐标系的一个坐标,不同层L作为另一个坐标,则给定的一组坐标(O,L)就可以唯一确定高斯金字塔中的一幅图像。
然后就在高斯金字塔中找极值点,上下本层都比,如果是最值,就找到了。
2. 旋转不变性的原因
方向直方图的峰值则代表了该特征点(所在尺度空间内)邻域梯度的方向,创造了36段(0~360),以此做直方图,以直方图中最大值作为该关键点的主方向。为了增强匹配的鲁棒性,只保留峰值大于主方向峰值80%的方向作为该关键点的辅方向。然后,将坐标轴旋转为关键点的方向,以确保旋转不变性
旋转后邻域内采样点的新坐标为: