本文转自:http://blog.csdn.net/chgm_456d/article/details/8100513
我一开始以为
尺度空间(scale space)理论 要理解多尺度,首先要知道什么是尺度空间。xiaowei一文中提到,自然界中的物体呈现出不同的形态,需要不同的尺度观测。比如,建筑物用“米”测量,原子用“纳米”。比较形象的是,在平常使用的Google地图,可以滑动鼠标来改变地图的尺度;照相机通过调焦,将景物拉近拉远。尺度空间中各尺度图像的模糊程度逐渐变大,模拟了景物由近到远在视网膜形成过程。 为什么要讨论尺度空间?因为计算机在不知道图像尺寸的情况下,需要考虑多尺度以获取兴趣物体的最佳尺度。同时,在一幅图像的不同尺度下检测出相同的关键点来匹配,即尺度不变性。 尺度空间表达——高斯模糊 David Lowe 2004年 在Int. Journal of Computer Vision 的经典论文(Distinctive Image Features from Scale-Invariant Keypoints)中,对尺度空间的定义: “It has been shown by Koenderink (1984) and Lindeberg (1994) that under a variety of reasonable assumptions the only possible scale-space kernel is the Gaussian function. Therefore, the scale space of an image is defined as a function, L(x, y, σ), that is produced from the convolution of a variable-scale Gaussian, G(x, y, σ), with an input image, I (x, y)." 抽取要点: 1. 高斯核是唯一可以产生多尺度空间的核; 2. 一幅图像的尺度空间 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。 即尺度空间形式表示为:
其中,
(金字塔)多分辨率表达——降采样 图像金字塔化一般包括两个步骤:使用低通滤波器平滑图像;对图像进行降采样(通常是水平,竖直方向1/2),从而得到一系列尺寸缩小的图像。对于二维图像,每一层图像由上一层分辨率的长、宽各一半,也就是四分之一的像素组成。
多尺度和多分辨率的区别 |
|