图像处理特征不变算子系列之DoG算子(五)..docxVIP

图像处理特征不变算子系列之DoG算子（五）时间?2013-09-12 00:24:07??CSDN博客原文?/kezunhai/article/details像处理特征不变算子系列之DoG算子（五）kezunhai@/kezunhai?在前面分别介绍了：?图像处理特征不变算子系列之Moravec算子（一）、?图像处理特征不变算子系列之Harris算子（二）?、?图像处理特征不变算子系列之SUSAN算子（三）?和?图像处理特征不变算子系列之FAST算子（四）?。今天我们将介绍另外一个特征检测算子DoG算子， DoG算子是由?Lowe D.G.?提出的，对噪声、尺度、仿射变化和旋转等具有?很强的鲁棒性，?能够提供更丰富的局部特征信息，本文将对DoG算子进行详细地分析。?在开始介绍DoG之前，?有必要对尺度空间有一定的了解?。尺度空间最早是由?Tony Lindeberg?提出的，并不断的发展和完善。日常生活中，我们自觉或不自觉的在使用尺度的概念。举个我们个人自觉的经历，当我们读小学的时候，同学间互相询问来自哪个组；当我们读中学的时候，同学们互相询问自哪个村；当我们读高中的时候，同学们互相询问来自哪个镇；当读大学的时候，同学们互相询问来自哪个省？这里的组、村、镇、省就是我们不自觉使用的尺寸。还有一个例子，当我们打开google地图的时候，随着鼠标的滚动，地图会由五大洲逐渐定位到国家--》省》市》区》街道办等，这也是尺度的表现。? 1）尺度空间?在尺度空间中，?尺度越大图像就越模糊?，尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟目标由远及近人对目标的感知过程。那为什么要讨论尺度空间呢？因为在用机器视觉系统分析未知场景时，机器并不知道图像中物体的尺度，只有通过对图像的多尺度描述，才能获得对物体?感知的最佳尺度?。如果在不同尺度上，对输入的图像都能检测到相同的关键点特征，那么在不同尺度下也可以实现关键点的匹配，从而实现关键点的?尺度不变特性?。?尺度空间描述的就是图像在不同尺度下的描述?，如果对尺度空间有兴趣，请参考?Tony Lindeberg的论文：Scale-Space。?2）金字塔多分辨率?常常有人会将DoG与图像金字塔弄混，从而导致对SIFT算法第一步构造DoG不甚理解。?这里首先介绍下金字塔多分辨率?。金字塔是早起图像多尺度的表示形式，图像金字塔一般包括2个步骤，分别是使用低通滤波平滑图像；对图像进行降采样（也即图像缩小为原来的1/4，长宽高缩小为1/2），从而得到一系列尺寸缩小的图像。金字塔的构造如下所示：图像金字塔也正如其名，是以一个降采样的形式来表示图像的多分辨率，类似一个金字塔形状。??3）高斯平滑滤波?高斯核是唯一可以产生多尺度空间的核，细节分析可以参考：?Scale-space theory: A basic tool for analysing structures at different scales?。一个图像的尺度空间L(x,y,σ) ,定义为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ)卷积运算。?二维空间高斯函数：尺度空间表示为：高斯模版是圆对称的，且卷积的结果使原始像素值有最大的权重，距离中心越远的相邻像素值权重也越小。高?斯模糊另一个重要的性质就是线性可分，使用二维矩阵变换的高斯模糊可以通过在水平和竖直方向各进行一维高斯矩阵变换相加得到?。??4）多尺度与多分辨率?尺度空间表达和金字塔多分辨率表达之间最大的不同是：??（1）尺度空间表达是由不同高斯核平滑卷积得到，在所有尺度上有相同的分辨率；? （2）金字塔多分辨率表达每层分辨率减少固定比率。?所以，金字塔多分辨率生成较快，且占用存储空间少；而多尺度表达随着尺度参数的增加冗余信息也变多。多尺度表达的优点在于图像的局部特征可以用简单的形式在不同尺度上描述；而金字塔表达没有理论基础，难以分析图像局部特征。? 5）拉普拉斯金字塔?结合尺度空间表达和金字塔多分辨率表达，就是在使用尺度空间时使用金字塔表示，在计算机视觉中最有名莫过于拉普拉斯金字塔。?对于拉普拉斯不清楚的可以参考：?http://homepages.inf.ed.ac.uk/rbf/HIPR2/log.htm?。这里简单介绍下介绍下?高斯拉普拉斯金字塔。?拉普拉斯金字塔顾名思义就是通过对图像进行拉普拉斯操作，然后进行一个降采样的过程。具体来说就是：原始图像作为金字塔的底层，也即0层，称为g0，对0层图像g0进行进行?拉普拉斯金操作，得到第一层图像g1；接着对第一层图像进行?拉普拉斯操作，得到第二层图像g2，依次类推，并进行一个降采样，如此构造高斯金字塔。这里只是做简单的介绍，如果还要了解更多细节信息，请参考论文：?The Laplacian pyram