2019.1.5

today's learning

一、DOG（Difference of Gaussian）金字塔

1.1理论部分

DOG（Difference of Gaussian）金字塔

简述：DOG金字塔由高斯金字塔推算得出

高斯金字塔：

1、对图像进行高斯模糊，公式为对于参数σ，在Sift算子中取的是固定值1.6。

2、 每组的平滑系数：每组中L层对应的平滑系数分别为：0，σ，kσ，k^2σ,k^3σ……k^(L-2)σ。

3、不同组的尺度大小：第一组为将原图扩大两倍，第二组为第一组倒数第三层的1/2大小。组数总共O组，每组L层。

DOG金字塔：

高斯金字塔共O组，每组L层，则DOG金字塔共O组，每组L-1层。即DOG中的第O组的L层为高斯金字塔中的第O组的L+1层-L层。

最后：

对这些DOG图像进行归一化，可有很明显的看到差分图像所蕴含的特征，并且有一些特征是在不同模糊程度、不同尺度下都存在的，这些特征正是Sift所要提取的“稳定”特征：

来自：https://blog.csdn.net/dcrmg/article/details/52561656