在构建图像尺度空间的过程中,唯一使用的核函数是高斯核,这一点被T Lindeber在文献《Scale-space theory: a basic tool for analyzing structures at different scales》中证明,高斯核是唯一可以产生多尺度空间的核。
相信大家在使用高斯金字塔的过程中,应该都反复看过上面的话,这句话如何证明的呢?
今天找了论文,发现英文和数学太薄弱,看不懂(也没人翻译成中文,唉!):
我就不列举了,想看的,我把网址贴出来:
但我不知道,为什么脑壳开了窍,突然有了证明的思路,或许和近期一些思考相关吧:
我们前面的博客也猜测过,高斯应该也是受到这个公式的启发,搞定了正态分布。
那么我们证明高斯核是产生尺度的唯一核呢?你有怎样的思路?
你看看,改变了尺度,还能保持图像特征不变,什么东西有这样的魅力,就是上面这个微分方程的解,这个解和高斯函数脱不了关系,高斯函数和e^x脱不了关系,e^x的一阶二阶三阶导数都和自己相关,这个e^x是函数的特征,是不是也是保证了图像的特征不变。
其实,我认为,也可以从sinx+cosx的组合下手,因为它和e^x脱不了关系。
20230701补充:
1,一幅图像连续两次高斯是什么意思?我们做个对比:位移针对时间t的两次作用是什么意思?加速度,加速度是什么意思,就是位移针对时间t的二次导数。
2,一副图像连续高斯后的图像,每相邻的两幅之间的差值是什么意思?消失或失去的是什么?这个很重要
3,是不是细节剔除,保留了大特征?(即低频部分保留,而高频消失了)
4,这是不是人眼由近及远看时的规律?
5,为什么要求导?求导才能看到特征,那么看的是细特征,还是粗略特征?
6,我们怎样求导,才能看图像的粗略特征?
7,我们能不能先猜测一个结果试试?
还是计算机好,我们可以把高斯函数反复求导的图像画出来,或许灵感就隐藏在这里头,
真不敢想象,那个计算机不发达的年代,这些复杂函数不画图,怎么有直观的直觉呢?