计算机视觉：使用高斯金字塔进行模式匹配

Question

我计划使用相关性作为匹配指标来实现模式匹配算法。

我知道我将要使用的模板（如果存在）在目标图像中具有不同的大小。大小的间隔可能类似于：原始模板大小的 x 0.5 、 x 0.75 、 x 1.0 、 x 1.25 、 x 1.5 、 x 2.0。

为了加快搜索速度，各种文章都建议构建模板和目标搜索图像的高斯金字塔。

但是我无法以任何有意义的方式关联要创建的金字塔八度音阶和级别的数量（对于模型和目标）、如上所述的对象比例以及高斯滤波器 sigmas（在创建金字塔时使用） ！

有人能解释一下吗？

例如，金字塔的 1 个八度将图像的分辨率降低 2 ：这与说图像已缩放 0.5 是一样的吗？

-1 的金字塔八度音阶（应该使图像变大 x 2.0）怎么样：是否应该在上采样之前应用任何过滤？

可以在给定所需图像比例的情况下推导出比例空间金字塔的高斯滤波器 sigma，即：如果我知道模板图像在目标图像中可以显得更大或更小，假设我可以推断出 x 1.25 或 x 0.75由此得出用于高斯平滑内核的 sigma。

位于金字塔八度音阶之间的对象比例（例如 x 1.25）可以用金字塔等级表示吗？

感谢任何可以提供一些见解/参考的人， 托多尔

Answer 1

你问的是SIFT算法做的事情。

他们使用了以下方法： 开始 sigma 1.2（实验） 步长因子 sqrt(2)（实验性）

为什么他们使用八度音阶...性能！ 如果他们继续增长 sigma，他们最终会出现无法实时卷积图像的问题（非常好的时间），这就是他们将处理分成八度音阶的原因。

当它们填充每个八度音阶时（当它们将比例加倍时）它们将图像大小减半并再次对调整大小的图像进行卷积。

另一篇论文衡量参数的质量：sigma、每八度音阶的音阶、八度音阶数： http://www.bmva.org/bmvc/2010/workshop/paper5/paper5.pdf

简而言之： 构建输入图像的高斯金字塔和因子比例为 2 的模板，并使用一些小的 sigma 模糊每个级别。

Matching:
   match at the highest level (smallest images), then match the already matched object in lower level (in some area) just to improve precision.

 I do not think you need octaves since you are not going to convolve images with large sigmas (needed for blob detection like in SIFT)