图像局部显著性—点特征

   基于古老的Marr视觉理论，视觉识别和场景重建的基础即第一阶段为局部显著性探测。探测到的主要特征为直觉上可刺激底层视觉的局部显著性——特征点、特征线、特征块。

       SalientDetection 已经好就没有复习过了，DNN在识别领域的超常表现在各个公司得到快速应用，在ML上耗了太多时间，求职时被CV的知识点虐死...

点探测总结（SIft、PCA-SIft、Surf、GLOH）

          原文链接（SIFT）：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html ，文章有修改！为个人意见。

一、Sift特征点生成的主要步骤 

      1)、尺度空间的生成；

      2)、检测尺度空间极值点；

      3)、精确定位极值点；

      4)、为每个关键点指定方向参数；

      5)、关键点描述子的生成。

 

 1.尺度空间：在一个合适的范围内，使用高斯卷积核模拟图像的多尺度化

 

 

　　　　　　　　　　　　　 L(x,y,σ), σ= 1.6 a good tradeoff

 

　　　　　　　　　　　　   D(x,y,σ), σ= 1.6 a good tradeoff

 

 

　   关于尺度空间的理解说明：图中的2是必须的，尺度空间是连续的。

       在 Lowe的论文中 ，  将第0层的初始尺度定为1.6，图片的初始尺度定为0.5. 在检测极值点前对原始图像的高斯平滑以致图像丢失高频信息，所以 Lowe 建议在建立尺度空间前首先对原始图像长宽扩展一倍，以保留原始图像信息，增加特征点数量。尺度越大图像越模糊。
   

                        next octave 是由 first octave 降采样得到（如2）

　　　　　　　　　 ，

　　　　　　　　　　  尺度空间的所有取值，s为每组层数，一般为3~5

2、检测空间极值点