sift学习备注2

如何定位关键点是一个大问题，lowe【2004】这部分有点看不懂。sample point

到底是一个什么样的概念？lowe【2004】的figure 2中是对3层26邻域计算极值点

。
lowe【1999】，第一步是获得同层8邻域极值（extrema），然后计算下一层

closest pixel 的location，这里为什么还要计算，而不是直接取同层的

location呢，下一层的location和本层的位置有偏差？并且它还要“taking

account of the 1.5 times resampling. ”或者是受1.5倍采样的影响。具体没

说怎么做。
lowe【2004】，则给出了一个泰勒展开式。
还是来看下代码吧
   c#的代码中是直接比较26领域获得极值点的，在搜寻极值前，比较当前点的值
是否小于dogthresh，如果小于的话，则抛弃这个点。搜寻极值后，则做过滤和定

位极值点（FilterAndLocalizePeaks函数）的操作。最后根据极值点生成

keyPoint。
    从FilterAndLocalizePeaks函数看，
    1.过滤极值点先做是否是边缘点检测IsTooEdgelike，这里有个参数

edgeRatio 等下说明，是否是边缘点用到hessian矩阵，下面补充点hessian矩阵

的知识，注意翻译成中文用黑塞矩阵，你可以wiki到，忘记的同学去看下。回到

low【2004】，page13，去除边缘点的原因是边缘点对噪声敏感 ，由于DOG函数的

边缘点在“across edge”方向有较大的主曲率，对应的垂线方向则有较小的主曲

率，而主曲率可以用hessian矩阵计算，事实上我们只需要用到edgeRatio,详见

lowe[2004]。
    2.然后是LocalizeIsWeak函数，这部分的内容在lowe【2004】，page10说明

。不过看的不是很懂，感觉这部分是最难懂的了。这部分内容在brown and lowe

[2002]中有详细说明。D的泰勒展开是尺度空间的近似。求得极值点的亚像素精度

位置，有利于提高匹配度和稳定性。不过这里的一阶偏导为什么加个转置符号T呢。

头大了，先看看后面的部分再说。