一、尺度不变性
1.1 尺度不变性
找到一个函数,实现尺度的选择特性。

1.2 高斯偏导模版求边缘

1.3 高斯二阶导
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(给定方差可以算出窗宽)
当图像与二阶导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(权值求和不是1)?

解决:所以乘以σ,消去后进行补偿
对于拉普拉斯乘以
下图中的信号应该选择σ=8的高斯模版

二、高斯二阶导
要有最大响应


信号宽度与零平面垂直,卷积结果越大(面积越大)越合适

零平面的圆的方程,圆的半径就是尺度

三、不同的尺度去卷积
变换高斯二阶导的核(选择不同的σ去卷积),响应最大的点(σ=4.8左右),


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,找出极值(绘画出很多圆)?
解决:非最大化抑制(在所有里面最大)

四、Harris和Laplacian结合

五、SIFT特征
详细讲解:
DOG 两个高斯差分

图片在不同尺度空间里的极值就是图片中的特征点


