成立网站有什么要求,网站构成的作用是什么,怎么查看网站外链效果,如何做自动网站介绍这个算法的网上的博客很多#xff0c;这个百度一下就有很多篇#xff0c;我写一下我的认识。 前面考虑的一个图像的特征点是角点#xff0c;这边提出了#xff0c;图像的特征点可以是一个斑点#xff0c;就像 明显的就是部分向日葵的原型就是一个特征#xff0c;而这… 介绍这个算法的网上的博客很多这个百度一下就有很多篇我写一下我的认识。 前面考虑的一个图像的特征点是角点这边提出了图像的特征点可以是一个斑点就像 明显的就是部分向日葵的原型就是一个特征而这样的特征就是斑点。不过在谈这个斑点检测的时候我们先说一下边缘检测边缘检测中比较有名的是Canny算法这个这边不说主要引出斑点检测。我们看下面一副图 我们可以知道的对于一维的我们画一条线边缘点是横坐标为线的长度纵坐标为线上的每个点对应的像素值则边缘点也就是像素突兀最大的那个点也就是一阶导数的极大值点。 好我们首先要给图像作一个预处理高斯平滑然后求一阶导数。 σ指的是当前尺度这边就涉及到尺度的概念。而很多人都证明了高斯核是实现尺度变换的唯一核这边证明没有看懂 一阶导数的极大值点 其中图像梯度向量 梯度幅值表示边缘的强弱 梯度方向代表灰度变化最快的方向 我们再看一看一维的图 对于二阶求导使用拉普拉斯算子这个就有点不太懂了为什么它只是对x的二阶导对y的二阶导而没有其他项呢 二阶导数的过零点 拉普拉斯算子 图如下 而对于斑点可以认为是两个相邻的边缘组成。然后采用高斯的二阶导数跟图像进行卷积。即 图像先进行高斯卷积即高斯平滑然后进行二阶求导 我们再看一下一维斑点的情况 斑点信号与高斯二阶导数卷积1的响应 发现尺寸为2的斑点在卷积后响应值取得最大且斑点尺寸正好等于高斯函数方差的2倍大小 但是发现高斯二阶导数随着方差的增大呈阶梯衰减现象然后为了去除方差导致的衰减现象对其进行了尺度规范化处理 为什么规范化处理就是这个样子是实验得到的呢还是证明得到怎么个证明法这边不是太懂 Lindeberg在文献《Scale-space theory: A basic tool for analysing structures at different scales》也指出尺度规范化的LoG算子具有真正的尺度不变性。没看得懂 LoG算子即Laplacion of Gaussian 尺度规范化的LoG算子 然后呢David G. Lowe 发现 根据差分公式 移项发现 由于常数k-1并不会影响极值点的位置即关键点中心的位置。 于是David G. Lowe 引入了一种新的算子DoGDifference of Gaussians即高斯差分算子。 因此对斑点检测不要用规范化的LoG算子进行计算而是通过相邻尺度高斯平滑后图像相减因此简化了计算。 转载于:https://www.cnblogs.com/fengbing/archive/2013/05/13/3075507.html
