SIFT中的尺度空间和DOG

1、尺度空间

模拟图像的多尺度特征，可以检测出不同尺度下共同的特征点，实现算法的尺度不变。

1.1高斯模糊

使用高斯滤波得到高斯模糊图像。经过高斯滤波后的图像，会去除掉纹理或次要细节，保留并强调了边缘或形状等重要特征。为了确保这些特征与尺度无关，就需要创建尺度空间。尺度空间是同一张图像不同尺度下构成的集合。
定义图像I(x,y)的尺度空间：

其中在这里插入图片描述
为尺度参数，随着尺度参数连续变化，
构成图像尺度空间。

1.2高斯金字塔

图像金字塔是将原始图像不断降采样得到一系列大小不一的图像。
高斯金字塔是在降采样的基础上加上高斯滤波。每层（octave）含有多张高斯模糊图像。
降采样：高斯金字塔上一组图像的初始图像(底层图像)是由前一组图像的倒数第三张
图像隔点采样得到的。

例如：在这里插入图片描述

2、DOG

高斯差分尺度空间（DOG）：

左侧五张图像具有相同的比例，在前一个图像上应用高斯模糊来创建后一个图像。