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。