本文目录一览

1，关于sift算法中图像金字塔的建立

SIFT算法就是用不同尺度（标准差）的高斯函数对图像进行平滑，然后比较平滑后图像的差别，差别大的像素就是特征明显的点。

关于sift算法中图像金字塔的建立

2，影像金字塔结构的介绍

影像金字塔结构指在同一的空间参照下，根据用户需要以不同分辨率进行存储与显示，形成分辨率由低到高、数据量由小到大的金字塔结构。影像金字塔结构用于图像编码和渐进式图像传输，是一种典型的分层数据结构形式，适合于栅格数据和影像数据的多分辨率组织，也是一种栅格数据或影像数据的有损压缩方1。

影像金字塔结构的介绍

3，高斯图像金字塔的介绍

对于大小为 的图像 ，高斯金字塔 由 的几个分辨率减小的高斯图像 组成。其中，代表金字塔的级数。 图像 的大小为 。

高斯图像金字塔的介绍

4，图像金字塔除了sift算法之外还有什么应用

尺度空间的目的是『见森林又能见树木』，墨迹一点的解释就是，在低尺度下可以看清楚很多细节，在高尺度下可以看到轮廓。在目标检测领域，图像中的物体通常很可能是远近不一，大小不一的，可以利用金字塔来检测不同尺度下的物体。但同时你也可以使用不同大小的sliding window在原图上做检测。在SIFT提取的时候，因为template上的局部特征跟目标图像上的实际特征可能存在尺度上的差异，使用尺度空间是为了达到『尺度不变性』。我觉得前不久出来的DSP-SIFT其实也是进一步利用尺度空间来构造更强的descriptor的例子。在一些边缘检测算法里面，为了忽略比较弱的边，也会利用尺度空间来进行降采样（对，高斯滤波大部分时候被理解成某种去噪/平滑操作，其实也是尺度空间思想）。在一些基于特征的分类和识别问题里面，也有尺度空间的影子。比如基于高维LBP的人脸识别，其中LBP直方图的提取方式就蕴含有尺度空间的思想。尺度空间的想法其实非常直观（当然证明它为什么那样构造可能会比较费事），但是因为尺度空间的构造和操作往往也是算法里面比较费时的地方，所以针对性的优化也应该说一下。比如前面说的目标检测，有些情况下目标的变化尺度范围实际上是非常有限的，此时应该适当的设定尺度的数量，来减少不必要的计算量。比如你可以只降采样三次，你也可以降采样八次，去最上面的三个尺度。后者的好处是……快。比如OpenCV里SIFT的实现默认是上采样一次，降采样至无法再缩小为止。很多时候你其实不需要这么精细的特征点或这么high level的特征点，也许稍微改一下参数就可以优化一些速度回来。这里也需要提一下SURF的反向模拟尺度空间的思路，跟上面提到的高维LBP的思路如出一辙。在点特征里面，有时候你希望你的点在整个尺度空间里都是很强的，不是那种在最开始还是一个比较强的特征点，尺度高了之后这个特征点就消失了。你希望你只处理那些从始至终都比较坚挺的特征点，那你就可以在金字塔的顶层提取特征点，然后只是在下面的层进行局部搜索验证……这样你可以一边提取着非常鲁棒的descriptor，一边还快如闪电……视觉里面很多看似直观且简单的东西往往有层出不穷用法，除了这金字塔，还有比如直方图，比如二值化，比如卷积，比如积分图，比如距离变换……等等等等。虽然都不是什么高级的东西，一但用到巧处，也耐人寻味啊。

5，cad画三维金字塔

命令：PYRAMID，棱椎体建模。
很抱歉，回答者上传的附件已失效
建立正方形“面域”，将面域“拉伸”成正方体，然后用“刨切”。

6，影像金字塔

基本概念 影像金字塔是栅格数据集的简化的分辨率（Reduced Resolution）图像的集合，通过影像重采样方法，建立一系列不同分辨率的影像图层，每个图层分别存储，并建立相应的空间索引机制，从而提高缩放浏览影像时的显示速度。为减小影像的传输数据量和优化显示性能，有时需要为影像建立影像金字塔。 实现原理 影像金字塔是按照一定规则生成的一系列分辨率由细到粗的图像的集合。影像金字塔技术通过影像重采样方法，建立一系列不同分辨率的影像图层，每个图层分割存储，并建立相应的空间索引机制，从而提高缩放浏览影像时的显示速度。如下图所示的影像金字塔，底部是影像的原始最高分辨率的表示，为512×512图像分辨率，越往上的影像的分辨率越小，分别为256×256，128×128，顶部是影像金字塔的最低分辨率的图像64×64，因此这个影像金字塔共有4层，即4个等级的分辨率。显然影像的图像分辨率越高，影像金字塔的等级越多。对于图像分辨率为2a×2b的（a>b）影像，SuperMap中将会为其建立（b-6）+1层的金字塔。 为影像建立了影像金字塔之后，以后每次浏览该影像时，系统都会获取其影像金字塔来显示数据，当您将影像放大或缩小时，系统会自动基于用户的显示比例尺选择最合适的金字塔等级来显示该影像。 金字塔只能针对原始的数据进行创建。一次只能给一个数据集创建金字塔，如果想再次创建，需要将已创建的金字塔删除。浏览创建影像金字塔后的栅格数据集时，实际上时在访问已创建的金字塔。如下图所示在不同的比例尺下金字塔的建立过程。建立影像金字塔可以显著地提高影像缩放显示渲染的速度和性能，但是同时影像金字塔的建立会增加数据集的存储空间，即增大影像数据集所在数据源文件的大小，这是因为建立的影像金字塔实际上就是影像在不同分辨率下的图像的集合，这些不同分辨率下的图像都和数据一起存储在数据源文件中，从而增大了数据源文件的大小。而且栅格数据集数据量越大建立金字塔的时间越长，影像金字塔的存储空间也就越大，但是会为以后的影像浏览节约了更多的时间，所以对于海量影像数据，创建金字塔不失为一种优化效率的选择。 影像文件存储格式是集成了影像压缩及高效的影像金字塔技术的数据格式，因而可以超快速地显示影像数据，与影像数据大小基本无关，即使在很低配置的机器上也能非常流畅地对海量影像数据进行显示。

7，请教遥感影像金字塔是干嘛用的

遥感影像金字塔用于机器视觉和图像压缩，一幅遥感影像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的影像集合。金字塔的底部是待处理影像的高分辨率表示，而顶部是低分辨率的近似。当向金字塔的上层移动时，尺寸和分辨率就降低。如需详细，可参考“图像金字塔”

8，图像金字塔重构与增强

图像金字塔方法的原理是：将参加融合的的每幅图像分解为多尺度的金字塔图像序列，将低分辨率的图像在上层，高分辨率的图像在下层，上层图像的大小为前一层图像大小的1/4。层数为0,1,2……N。将所有图像的金字塔在相应层上以一定的规则融合，就可得到合成金字塔，再将该合成金字塔按照金字塔生成的逆过程进行重构，得到融合金字塔。这个总的思路就是一下所有基于金字塔融合的算法过程，不同点就在于分解构造的金字塔不同，每层的融合规则不一样，重构的方法不同而已。金字塔方法最先实现了这种思想，之后小波方法进一步完善和发展了这种多尺度融和的思想。 N为拉普拉斯金字塔顶层的层号LPl是拉普拉斯金字塔分解的第L层图像。由LP0，LP1、LP2…LPN构成的金字塔即为拉普拉斯金字塔。它的每一层L0图像是高斯金字塔本层G0图像与其高一层图像G1经内插放大后图像 G1的差，此过程相当于带通滤波，因此拉普拉斯金字塔又称为带通金字塔分解。 　　内插方法：opencv中有实现的函数pyrup。可以得到 G1。然后在两个函数作差，相减就可以得到拉普拉斯金字塔。 　　求得每个图像的拉普拉斯金字塔后需要对相应层次的图像进行融合，具体的融合规则有，取大、取小，等等。 图像拉普拉斯金字塔分解的目的是将源图像分别分解到不同的空间频带上，融合过程是在各空间频率层上分别进行的，这样就可以针对不同分解层的不同频带上的特征与细节，采用不同的融合算子以达到突出特定频带上特征与细节的目的。即有可能将来自不同图像的特征与细节融合在一起。 则其他层次图像的融合结果为： 在得到金字塔各个层次的融合图像LF1、LF2、LFN后。通过前面的重构，便可得到最终的融合图像。 　第二种融合规则： 采用最高层系数取平均，其余各层系数绝对值取大的融合策略进行融合。融合后图像的系数（灰度值）越接近较清晰图像的灰度值就说明融合效果好。

9，数学知道的做一下啦

将所截得的图像看成两部分（正金字塔、倒金字塔） 假设正方体边长为m 则：可算出两个金字塔体积=2*底面积*高*1/3=m3/6
这个题目出的不正规，相邻面的中心这个说法规范吗？面有中心吗？按照你的意思连夜不是八面体
八面体中心面是正方形 S=(√2a/2)^2=1/2a^2 上下两个四棱锥 H=a v=1/3sH=a^3/6

10，Halcon中creatshapemodel函数中金字塔的级数是什么意思 问

最朴素的图像匹配方法是，在目标图像中，逐点移动模版，并计算相似度（不考虑目标图像旋转、缩放、倾斜等情况）。这无疑是一个非常耗时的工作，因此，为了能够在图像中实时找到模板，有必要提出能够进一步提高搜索速度的方法。 为了得到一个更快的搜索策略，我们注意到模板匹配的运行时间的复杂度取决于需要检查的平移数量，也就是位姿的数量。另外，算法复杂度还取决于模板中点的数量，因此，为了提高算法速度，我们需要试图减少需要检查的位姿数量以及模板中点的数量。由于一般情况下模板非常大，因此其中一种提高速度的方法就是首先只考虑图像和模板中问隔为 i 的点集，此时可以得到模板的大概位姿．随后使用间隔更小的点集在这个大概的位姿周围进行进一步搜索得到更准确的结果。这种策略就相当于对模板和图像进行二次抽样。由于二次抽样可能导致锯齿效应，因此这并不是一个好的策略，它可能由于锯齿效应造成某些模板的实例的遗漏。必须利用平滑图像来消除锯齿影响。另外，一般情况下图像多次缩小2倍比直接缩小大于2倍的效果更好。将图像与模板多次缩小2倍建立起来的数据结构被称为图像金字塔。从附图中可以看出，为什么将这个数据结构用图像金字塔来命名：我们将图像从大到小依次向上堆放。由于每层图像的宽高都比上层减半，因此形成了金字塔形状。（无法上图，图像匹配的更详细内容参看《机器视觉算法与应用》http://baike.baidu.com/view/2018049.htm#1 ）
我。。知。。道加。。我。。私。。聊

文章TAG：图像金字塔  关于sift算法中图像金字塔的建立  
下一篇