147rt
尺度空间理论的基本思想是：在图像信息处理模型中引⼊⼀个被视为尺度的参数，通过连续变化尺度参数获得多尺度下的尺度空间表⽰序列，对这些序列进⾏尺度空间主轮廓的提取，并以该主轮廓作为⼀种特征向量，实现边缘、⾓点检测和不同分辨率上的特征提取等。尺度空间中各尺度图像的模糊程度逐渐变⼤，能够模拟⼈在距离⽬标由近到远时⽬标在视⽹膜上的形成过程。尺度空间满⾜视觉不变性。该不变性的视觉解释如下：当我们⽤眼睛观察物体时，⼀⽅⾯当物体所处背景的光照条件变化时，视⽹膜感知图像的亮度⽔平和对⽐度是不同的，因此要求尺度空间算⼦对图像的分析不受图像的灰度⽔平和对⽐度变化的影响，即满⾜灰度不变性和对⽐度不变性。另⼀⽅⾯，相对于某⼀固定坐标系，当观察者和物体之间的相对位置变化时，视⽹膜所感知的图像的位置、⼤⼩、⾓度和形状是不同的，因此要求尺度空间算⼦对图像的分析和图像的位置、⼤⼩、⾓度以及仿射变换⽆关，即满⾜平移不变性、尺度不变性、欧⼏⾥德不变性以及仿射不变性。
关于尺度空间的理解说明：2kσ中的2是必须的，尺度空间是连续的。在 Lowe的论⽂中 ，将第0层的初始尺度定为1.6（最模糊），图⽚的初始尺度定为0.5（最清晰）. 在检测极值点前对原始图像的⾼斯平滑以致图像丢失⾼频信息，所以 Lowe 建议在建⽴尺度空间前⾸先对原始图像长宽扩展⼀倍，以保留原始图像信息，增加特征点数量。尺度越⼤图像越模糊。 尺度空间表⽰
⼀个图像的尺度空间L(x,y,σ)定义为⼀个变化尺度的⾼斯函数G(x,y,σ)与原图I(x, y)的卷积:
其中：
m和n表⽰⾼斯模板的维度，由(6σ+1)x(6σ+1)确定，σ是尺度空间因⼦。σ值越⼩表⽰图像被平滑的越少，相应的尺度也就越⼩。⼤尺度对应于图像的概貌特征，⼩尺度对应于图像的细节特征。现有人口
禁播水浒⾼斯⾦字塔构建
尺度空间在实现时⽤⾼斯⾦字塔表⽰，⾼斯⾦字塔的构建分为两部分：1. 对图像做不同尺度⾼斯模糊； 2. 对图像做降采样(隔点采样)。
竹塑
图像的⾦字塔模型是指，将原始图像不断降阶采样，得到⼀系列⼤⼩不⼀的图像，由⼤到⼩，从下到上构成的塔状模型。原图像为⾦⼦塔的第⼀层，每次降采样所得到的新图像为⾦字塔的⼀层(每层⼀张图像)，每个⾦字塔共n层。⾦字塔的层数根据图像的原始⼤⼩和塔顶图像的⼤⼩共同决定。
DOG算⼦(⾼斯差分尺度空间)
LOG算⼦（⾼斯+拉普拉斯）
该算法⾸先对图像做⾼斯滤波，然后再求其拉普拉斯（Laplacian）⼆阶导数。
从图中可以看出，DOG算⼦和LOG算⼦的图像相似，所以，可以⽤DOG算⼦近似LOG算⼦。
如图所⽰，在实际计算时，使⽤⾼斯⾦字塔每组中相邻上下两层图像相减，得到⾼斯差分图像。
红磷
空间极值点检测
为了寻尺度空间的极值点，每⼀个采样点要和它所有的相邻点⽐较，看其是否⽐它的图像域和尺度域的相邻点⼤或者⼩。如图所⽰，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点⽐较，以确保在尺度空间和⼆维图像空间都检测到极值点。⼀个点如果在DOG尺度空间本层以及上下两层的26个领域中是最⼤或最⼩值时，就认为该点是图像在该尺度下的⼀个特征点。
在极值⽐较的过程中，每⼀组图像的⾸末两层是⽆法进⾏极值⽐较的，为了满⾜尺度变化的连续性，
我们在每⼀组图像的顶层继续⽤⾼斯模糊⽣成了 3 幅图像，⾼斯⾦字塔有每组S+3层图像。DOG⾦字塔每组有S+2层图像. 上图所⽰S为3.
>含泪劝告
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议