刚入门的小白寻求一些有关SIFT和SURF的帮助

[shshshsjdjdbdvd]

刚刚开始研究SIFT和SURF这两个算法，查阅了一些资料，现在仍然存在一些可能是比较初级的疑问，问题应该不会很难，比较入门，所以希望有了解的朋友能够帮忙回答一下


1.SIFT中不同的octave层尺寸不同的原因是降采样，那么这个降采样具体是怎样操作的呢？我只通过查阅一些资料知道是通过隔点采样的方法提取而导致每层尺寸大小不同的，那这个隔点采样的标准又是什么呢？

2.查阅了一些有关SURF的资料，上面说它和SIFT算法中的一个不同是SURF算法在生成尺度空间的过程中图片的大小是始终不变的，但是也有不同的octave层，资料上说生成不同octave层的原因是改变高斯模糊尺寸大小得到的，那这个所谓的“高斯模糊尺寸大小”具体是指什么？是指SIFT中所谓的“尺度σ”吗？我是否可以理解为SURF中划分octave层的标准是尺度σ，而SIFT中划分octave层的标准是降采样？

3.SURF中提到它与SIFT相比运算速度加快的原因之一是“采用积分图像法求取像素I(x,y)”，资料中有详细介绍了SURF算法中求取图像中某区域像素值I(x,y)的方法，而SIFT算法中却没有提及像素值I(x,y)是怎么求取的，那具体是怎么求取出来的呢？

4.继续上一个问题，感觉这个问题有点低级，但还是没太弄懂...我想问一下在SIFT中获取尺度空间的时候是高斯函数G与图像像素I的卷积，那这个所谓的图像像素I，在公式里是具体指代某一点吗？然后所有点中的所有像素与该点的高斯函数都通过公式进行卷积得到对应点的尺度空间，是这个意思吗？简单点说是不是一个图像上有多少个点，就得运行多少次公式，把每点对应的L值求出来，从而形成一整张图像的尺度空间值？SURF也是如此吗？

[shshshsjdjdbdvd]

来人啊来人啊

[michaelxiao612]

这两个方法都是基于gaussian pyramid。gaussian pyramid有很多octave，从大到小的octave，它是先经过高斯处理过的，而且sigma是等比数列，比如说octave_1是1sigma，octave_2是2sigma，然后往上是4 sigma, 8sigma等。越往上的octave，尺寸越小，比如说octave_1是NxN,那么octave_2是隔点采样，边成了N/2xN/2。以此类推，再往上的就是N/4xN/4。因为采样前图形经过了高斯滤波处理，所以不用担心这样采样会出现aliasing的情况。一个octave中也有很多层，但是同一个octave，他们大小是一样的，但是sigma不一样。同一个octave中，sigma也成等比数列。比如说octave_1的第一层是1sigma，octave_2的第一层是2sigma。那么假设每个octave有4层，那么octave_1里面的1到4层的sigma分别是：1, 2^(1/4) , 2^(2/4) ,2^(3/4)。这样到octave_2的第一层就是 2^(4/4) = 2.

[michaelxiao612]

SURF中用到I(x,y)实际上很简单，是为了加速卷机的运算。它实际上就是加上所有坐标小于x和小于y的像素值。比如说你有一个方形，从上到下，从左到右，4个顶点分别是A,B,C,D。现在你想把方形的里面的像素都加起来，你可能会用2个for loop，从AC列到BD列，从AB行到CD行，逐个像素加起来。但是提前有了I(x,y)之后，那么你可以直接用 I(D)-I(B)-I(C)+I(A)就可以得到方向里面像素相加。注意他这样做的目的是为了和高斯卷机，而SURF新颖的一个地方就是他用的是一种接近高斯的滤波，这种滤波成 __--------__的形状。就是两边和中间都是平的，那么卷机就可以直接把像素相加然后乘上滤波平的部分的高度就行了。

[michaelxiao612]

我后面那个说错了，那个是为了接近LoG operator的滤波，而不是接近高斯的滤波。他大概是 1 1 1 -2 -2 -2 1 1 1 1 1 1 -2 -2 -2 1 1 1 1 1 1 -2 -2 -2 1 1 1 1 1 1 -2 -2 -2 1 1 1 1 1 1 -2 -2 -2 1 1 1 的形状