Более простым языком, как построить SIFT дескриптор?

На основе этой статьи: https://habrahabr.ru/post/106302/
Первые пункты понятны и просты
1) Гауссом проходим по изображению несколько раз. Сохраняем некоторые стадии размытия
2) Вычитаем "соседние" полученные изображения
3) Исследуем каждый пиксель на экстремум вместе с окружающими его точками самого изображения, а также изображений "выше" и "ниже"
Все это делаем для нескольких "октав", т.е. исходное изображение уменьшается вдвое и т.д.
И вот тут я перестаю понимать. Что значит "аппроксимирование функции DoG многочленом Тейлора второго порядка", в смысле, что именно делать с изображением в плане реализации, к примеру, на С#? Не понимаю нахождение производных в пикселях. Ну и остальные дальнейшие шаги

Заранее спасибо

0

Сообщение от Sacerdos Не понимаю нахождение производных в пикселях.

Производная "в пикселах" это просто разность яркости текущего пиксела и яркости предыдущего (по x или по y) пиксела:

dP(x, y)/dx = P(x, y) - P(x-1, y)

где P(x, y) яркость пиксела (x,y).

Сообщение от Sacerdos Что значит "аппроксимирование функции DoG многочленом Тейлора второго порядка"

Что касается аппроксимации. После того, как экстремум получен (то есть найден пиксел, яркость которого больше чем яркость всех соседей), нужно уточнить положение экстремума с субпиксельной точностью. Сами пикселы дискретны, и реальный экстремум может находиться где-то "между" пикселами. Для того что бы найти этот экстремум, пикселы апроксимируются кривой второго порядка:



Эта кривая находится с помощью разложения тейлора.
Затем находится экстремум этой кривой. На рисунке видно, что экстремум аппроксимации лежит где-то между 4 и 5 пикселами. Это и есть точка субпиксельного экстремума. Эта точка - дробное число (в отличие от координат самих пикселов).
Для нахождения экстремума, кривая дифференцируется и приравнивается к нуля, находится корень уравнения. Он и будет точкой экстремума.

Эти вычисления делаются как по x так и по y в результате чего получаем субпиксельный экстремум в двумерном пространстве.

0

Так-с, производную понял - "первая производная DoG — градиент, вторая производная DoG — матрица Гессе." Что со второй? И у меня все еще вопрос, как мы раскладываем по Тейлору в смысле работы с пикселями?

0

Так-с, с уточнением точек разобрался. А что с последующими пунктами?
m — величина градиента, theta — его направление : это нашел, что дальше?

Добавлено через 20 минут
Гистограмма, где нашел направление(их всего 36, по 10 градусов). Что дальше?

0