SIFT学习--近似LoG
来源:互联网 发布:有哪些相亲软件 编辑:程序博客网 时间:2024/06/06 03:13
上一节创建了尺度空间,现在我们用模糊处理过的图像来创建另一个图像集合(高斯差分 Difference of Gaussians,DoG)。高斯差分图片可以很好地查找出关键点。
1. 高斯拉普拉斯算子
高斯拉普拉斯算子是这样的,你拿到一个图像,对它进行模糊处理(高斯),然后你计算它每个像素的二阶导数(拉普拉斯),它能很好的表示出边界和角点,因为二阶导数对噪声非常敏感,所以模糊处理可以抚平噪声。但问题是,计算所有二阶导数是对计算是一个沉重的负担,所以我们决定近似的拟合它。
2. DoG
为了更快的产生拉普拉斯图像,我们使用了尺度空间。我们计算两个相邻尺度间的差分,也就是高斯差分(DoG),下图可以很好地说明这一点:
转换成数学公式如下:
DoG实际上是一个尺度归一化的LoG算子的近似
下面是一个运用DoG算子的例子:
- SIFT学习--近似LoG
- SIFT第二步:Laplacian of Gaussian近似
- 快速近似SIFT特征提取(提升篇)
- sift学习
- SIFT中LoG和DoG比较
- SIFT学习--产生SIFT特征描述
- sift学习备注
- sift学习备注2
- sift学习备注3
- sift学习备注5
- SIFT算法学习小记
- SIFT算法学习
- SIFT算法学习小记
- 学习sift特征总结
- Sift算法学习小记
- sift算法学习
- SIFT算法学习小记
- SIFT算法学习小记
- 设计模式——抽象工厂
- 又跳槽了。。。
- 【C++专题】static_cast, dynamic_cast, const_cast探讨
- 基于S3C2440的Ethercat实现
- 第6周实验报告4
- SIFT学习--近似LoG
- 第六周作业
- hdoj1003
- DSS转发live555提供的数据
- 在VBox中使用Micro Cloud Foundry
- jQuery UI中的日历插件,有了它,你就不需要再找其他的了
- 转换图片
- error LNK2019: 无法解析的外部符号
- Linux程序设计——shell