我计划使用相关作为匹配度量来实现模式匹配算法。
我知道我要使用的模板（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，我们在各种文章中建议建立模板和目标搜索图像的高斯金字塔。
然而，我无法以任何有意义的方式关联金字塔八度音阶的数量和创建的等级（对于模型和目标），对象如上所述进行缩放，以及高斯滤波器sigmas（在创建金字塔时使用） ！
有人可以对此有所了解吗？
例如，金字塔的1个八度音程将图像的分辨率降低2：这与说图像缩放0.5相同吗？
如果金字塔八度为-1（应该使图像更大x 2.0）：在上采样之前是否应该应用任何滤波？
在给定所需的图像比例的情况下，可以推导出用于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，那么我可以推导出x 1.25或x 0.75从这个sigma用于高斯平滑核。
落在金字塔八度之间的物体尺度（例如x 1.25）可以用金字塔等级表示吗？
感谢能够提供一些见解/参考的人， 托多尔
答案 0 :(得分：0)
你在问什么是由SIFT算法完成的。
他们使用以下方法： 开始西格玛1.2（实验） 步因子sqrt（2）（实验）
为什么他们使用八度音......表演！ 如果他们继续增长sigma，他们最终会遇到无法实时卷积图像的问题（很好的时间），这就是他们将处理分成八度的原因。
当他们填充每个八度音阶时（当他们将音阶加倍时），他们将图像尺寸减半，并再次对调整后的图像进行卷积。
另一篇文章衡量参数的质量：西格玛，每八度音阶，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尺度为2的模板，并用一些小的西格玛模糊每个级别。
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)