SIFT 中的边缘响应去除

Question

在 Lowe 的论文第 4.1 节中，使用 Hessian 矩阵的主曲率比用于消除可能属于边缘的点。

论文没有具体说明Hessian矩阵是在原图还是DoG上计算的。在Rob Hess's implementation 中，它以指定的八度和间隔应用于DoG。

我的问题是为什么要在 DoG 上应用 Hessian 矩阵来识别潜在边缘点？

我从Utkarsh's tutorial 了解到，Hessian 应该类似于 Harris 角点检测。不同之处在于 Hessian 矩阵是二阶导数。所以我得出结论，应该将 Hessian 应用于原始图像。

您能否向我指出解释如何使用 Hessian 的相关资源？

Answer 1

关于SIFT的论文表明，Hessian矩阵计算的输入确实是DoG。 DoG 不是边缘图，因为它不是二进制的。但是，它消除了噪音并突出了 DoG 级别中出现的功能。因此，从本质上讲，DoG 的高价值像素是该级别需要处理的最重要的特征。

谢谢。