一个关于SIFT的尺度空间的极值点检测的疑问

首先，摘录自iJuliet的心得:

3.1.2 尺度空间的极值点检测

在高斯差分金子塔构建完成之后，进行差分尺度空间的极植点检测，以初步确定关键点位置和所在尺度，如图 3.3 所示：

图 3.3 DoG 尺度空间局部极值检测

图中标记为 X 号的像素点，需要与同一尺度，上下相邻两尺度内的相邻的 26 个像素点进行比较，以确保在二维图像空间和尺度空间都检测到局部极值。

 

一个核心问题是, DoG近似于2阶导, 2阶导数对于边缘, (从1次方程上来说就是拐点)， 零交叉点(Zero-crossing)是最好的响应。从下图可以直观的看出这点 :

 

结果建好了DoG金字塔，却莫名其妙的用了 " 非极值抑制 Non Maximum Suppression "
零是绝对的， 很好找，零交叉点也很方便，就算 0 在非连续函数上无法得到，找"接近0的值"应该也没什么复杂的。而极值不好定义，也容易出错(假极值点)。而且2阶导的极值有两个，分别是edge的两个边。从上图也可以直观的看出来。既然麻烦不精确又会有两个点，为什么许多人偏偏用了NMS呢?

其实许多早期的文献，用到2阶导Laplacien找的都是零交叉点，

是什么时候开始大家忽然都用 "Non Maximum suppression"了?
对于1阶导，用NMS还有点道理，毕竟找的就是极值点, 是梯度(gradient)最大的地方。

可为什么连2阶导Laplacien map都用NMS?

 

哪位高人能解答这个问题呢?