【北邮鲁鹏老师计算机视觉课程笔记】07 Local feature-Blob detection
1 实现尺度不变性
不管多近多远，多大多小都能检测出来
找到一个函数，实现尺度的选择特性
2 高斯偏导模版求边缘 做卷积
3 高斯二阶导=拉普拉斯
看哪个信号能产生最大响应
高斯二阶模版检测尺度（用二阶过零点检测边缘）
高斯二阶导有两个参数：方差和窗宽
最后图表示当信号与高斯滤波核能匹配的时候，能产生一个极大值
准备一堆模版上去卷积，看看哪个能产生最大响应
但是随着信号变化发生了信号衰减
高斯偏导核
信号的总面积：随着方差的变大，会越来越小
所以乘以 σ \sigma σ，消去后进行补偿
对于拉普拉斯乘以 σ 2 \sigma^2 σ2
4 怎么进行多尺度检测-尺度与窗宽、高斯方差之间的关系
结论：要有最大响应，
信号宽度与零平面垂直
三种情况
零平面的圆的方程
圆的半径就是尺度
5 不同的尺度去卷积
每一个尺度有一个图像
看具体的一个像素点在图像中的变化
每三个尺度进行比较，只和上下尺度进行比较
如果不做NMS，周边的点也差不多
所以要做NMS，某个点与周边和上下的周边的26个点（同一尺度8个点，上下尺度各9个点）进行比较
6 Harris和Laplacian结合
在Harris角点附近看它有没有Laplacian特性
7 SIFT特征
DOG模版
改进效率问题
①构造高斯差分空间
与原空间只相差一个常数
用一样的卷积核，但是把图像缩小