从今天开始,尝试着将自己学习图像局部特征的内容纪录下来。
学习过程主要参考的是王永明老师编写的《图像局部不变性特征与描述》,同时也参看了各方面的博客主页。
- 尺度:个人觉得尺度就是观察图像内容的一种度量,通俗来讲就是距离场景的远近,书中在描述尺度时,举例说以长度单位cm,来描述一棵树是比较合适的,mm和km其实在这种情况下也是尺度,只是这个尺度不是最合适的,我们在图像局部特征检测以及描述时,期待的是寻找到最适合的尺度,这样我们在进行特征点匹配时,对应点都是在最适合的尺度下进行的描述,那边对应点对应的描述子描述的信息就更加贴近,也就具有了尺度不变性。
尺度空间:直观意义就是图像在所有尺度下的描述,这个所有尺度个人觉得可以是连续的,也可以的离散值。
在建立尺度空间这个问题上,有两种方式:金字塔多分率表达和尺度空间表达式 。
正如上图所示,金字塔多分率表达就是对图像进行固定的高斯模糊然后进行降采样,所以其计算和存储性能较好,但是这种方式没有理论基础,无法对图像中的局部特征进行分析。
而尺度空间表达式利用的是原始图像与高斯核函数卷积得到。因为是高斯核函数,故也称为高斯尺度空间。故尺度空间表达式是关于空间位置x和尺度t的函数。
两者对比可以发现,后者利用的是不同的高斯核平滑得到,在所有尺度上都具有相同的分辨率&#x