Image processing 筛选关键点位置

我目前在SIFT工作，我已经生成了高斯和极值图像层的差异。有人能给我解释一下如何使用Hessian矩阵来消除低对比度的关键点吗？

一个好的关键点是一个角点。这来自哈里斯角的工作和良好的特点，跟踪（KLT）文件首先，然后强调了

直观地说，角点是一个很好的特征，因为它是两条直线的交点，而单个线段可以沿其方向移动，从而导致定位精度较低。

---

线段是一条边，即一阶导数（梯度）。角点是突然改变其方向的边。这是通过二阶导数来测量的，因此使用了包含方向二阶导数值的Hessian矩阵。

您可能需要更好地解释自己。没有多少人专门研究简历。此外，正确标记您的问题有助于其他人更好地找到您的问题。我目前正在进行图像特征提取，以形成模式匹配的描述符。Hessian矩阵用于消除边缘/线条上的特征，而不是

低对比度关键点

。请参阅维基百科上的。这是一个相当简单的操作。我发现这篇文章在解释和实现SIFT时非常清晰，也许这篇文章会帮助你：上面的链接不起作用。现在有：和