图像局部特征学习（笔记1之图像尺度）

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。

1. 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。

2. 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。

3. 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