为什么要用高斯核来生成尺度空间？

信号的尺度空间刚提出是就是通过一系列单参数、宽度递增的高斯滤波器将原始信号滤波得到到组低频信号。那么有一个疑问就是，除了高斯滤波之外，其他带有参数t的低通滤波器是否也可以用来生成一个尺度空间呢？

但翻看资料得知国外诸多学者都已经用精确的数学形式从可分性、旋转不变性、因果性等特性证明出高斯核就是实现尺度变换的唯一变换核。在图像处理中，需要对核函数进行采样，离散的高斯函数并不满足连续高斯函数的一些优良的性质。所以后面也出现了非线性的滤波器如B样条核函数来建立尺度空间。

而使用高斯滤波器对图像进行尺度空间金塔塔图的构建，可以让尺度空间具有如下的特性：

1：加权平均和有限孔径效应

        信号在尺度t上的表达可以看成是原信号在空间上的一系列加权平均，权重就是具有不同尺度参数的高斯核。

        信号在尺度t上的表达也对应于用一个无方向性的孔径函数（特征长度为σ=）来观测信号的结果。这时候信号中特征长度小于的精细结构会被抑制 [可以理解为一维信号上小于的波动会被平滑(模糊)掉。]

2：层叠平滑

        也叫高斯核族的半群（Semi-Group）性质：两个高斯核的卷积等同于另外一个不同核参数的高斯核卷积。

                                

        这个性质的意思是不同的高斯核对图像的平滑是连续的。

3：局部极值传递

        可以从人眼的视觉原理理解，比如人在看一物体时，离得越远，看到的细节越少，细节特征是在减少的，物体也就越模糊。

        高斯核对图像进行滤波具有压制局部细节的性质。

4：尺度伸缩不变性

        由公式推导而来，对原来的信号加一个变换函数，对变换后的信号再进行高斯核的尺度空间生成，新的信号极值点等特征是不变的。