SIFT关键点位置答案

【问题标题】：SIFT Keypoint LocationSIFT关键点位置
【发布时间】：2012-04-22 00:08:42
【问题描述】：

我目前在SIFT工作，我已经生成了高斯和极值图像层的差异。谁能给我解释一下如何使用 Hessian 矩阵来消除低对比度的关键点？

【问题讨论】：

您可能想更好地解释一下自己。没有多少人专注于简历。此外，正确标记您的问题有助于其他人更好地找到您的问题。
我目前正在研究图像特征提取以形成我的模式匹配描述符。
Hessian 矩阵用于消除沿边/线而不是low contrast keypoints 的特征。参见维基百科上的related section of the SIFT entry。这是一个相当简单的操作。
我发现这篇文章对 SIFT 的解释和实施非常清楚 aishack.in/2010/05/sift-scale-invariant-feature-transform 也许这篇文章会对你有所帮助：aishack.in/2010/05/sift-scale-invariant-feature-transform/5
以上链接失效。现在有：aishack.in/tutorials/… 和 aishack.in/tutorials/…

【解决方案1】：

一个好的关键点是一个角。这首先来自 Harris 的角工作和 Good features to track (KLT) 论文，然后由 Mikolajczyk and Schmid paper 强调。

直观地说，角是一个很好的特征，因为它是两条线的交点，而单个线段可以沿其方向移动，从而导致定位精度降低。线段是一条边，即一阶导数（梯度）。角是突然改变其方向的边缘。这是通过二阶导数来衡量的，因此使用了包含方向二阶导数值的 Hessian 矩阵。

【讨论】：