Qual é a relação entre o sigma no Laplaciano de Gaussiano e os dois sigmas na Diferença de Gaussianos?

12

Entendo que um filtro de Laplaciano de Gaussiano pode ser aproximado por um filtro de Diferença de Gaussiano, e que a proporção dos dois sigmas para este último deve ser de 1: 1,6 para a melhor aproximação. No entanto, não tenho certeza de como os dois sigmas da Diferença de Gaussianos se relacionam com o sigma para o Laplaciano de Gaussiano. O sigma menor no primeiro é igual ao sigma do último? O sigma maior é? Ou o relacionamento é outra coisa?

visual-cinético
fonte
> Entendo que um filtro de Laplaciano de Gaussiano pode ser aproximado por um filtro de Diferença de Gaussiano, e que a proporção dos dois sigmas para este último deve ser de 1: 1,6 para a melhor aproximação. desculpe com que referência você sabia disso?
Olá, acho que essa pergunta se encaixaria aqui - area51.stackexchange.com/proposals/86832/… Também apoiaria a comunidade. Obrigado.
Royi 31/07/2015

Respostas:

10

Entendo que um filtro de Laplaciano de Gaussiano pode ser aproximado por um filtro de Diferença de Gaussiano, e que a proporção dos dois sigmas para este último deve ser de 1: 1,6 para a melhor aproximação

Em teoria, quanto menor a proporção entre dois sigmas, melhor a aproximação. Na prática, você receberá erros numéricos em algum momento, mas enquanto estiver usando números de ponto flutuante, valores menores que 1,6 fornecerão uma melhor aproximação.

Para ilustrar, plotamos uma seção transversal do LoG e DoG para alguns valores de k no Mathematica:

insira a descrição da imagem aqui

Como você pode ver, k = 1,6 não é uma aproximação ideal. Por exemplo, k = 1,1 daria uma aproximação muito mais próxima.

Mas você geralmente deseja calcular aproximações de LoG para uma série de sigmas. (Caso contrário, por que se preocupar com a aproximação de DoG? Calcular uma única imagem filtrada de LoG não é mais caro do que calcular uma única imagem filtrada de DoG.) Portanto, o valor de k geralmente é escolhido para que você possa calcular uma série de gaussianas filtradas imagens com sigmas s, s k, s k ^ 2, s * k ^ 3 ... e calcule as diferenças entre gaussianos adjacentes. Portanto, se você escolher um k menor, terá que calcular mais "camadas" de gaussianos para o mesmo intervalo sigma. k = 1.6 é uma troca entre querer uma aproximação aproximada e não querer calcular muitos gaussianos diferentes.

No entanto, não tenho certeza de como os dois sigmas da Diferença de Gaussianos se relacionam com o sigma para o Laplaciano de Gaussiano. O sigma menor no primeiro é igual ao sigma do último?

t=σ2σ2+Δtσ2-ΔtΔt0 0

σLaplace=σ1+k22

Niki Estner
fonte
me desculpe se estou errado, mas não é que calcular o LoG seja realmente mais caro que o DoG? desde gaussiana pode ser separado em 2 1D filtros, o que significa que a complexidade é linear S (2n) em vez de O polinomial (n ^ 2)
user1916182
@ user1916182: É verdade que um filtro LoG não é separável, por si só. Mas também não é um filtro do Dog. Mas ambos são somas de dois filtros separáveis ​​(dois gaussianos com escala diferente para o DoG, dois filtros derivativos gaussianos de segunda ordem para LoG). Você fazer a economizar tempo com o cão se você pode usar o "maior" das duas gaussianas para o nível de escala seguinte, então você tem que calcular n + 1 gaussianas para n escalas, em contraste com 2 * n filtros derivativos gaussianas para n escalas log .
Niki Estner
3

Talvez as fórmulas aqui possam ajudá-lo.

Como a representação do espaço da escala satisfaz a equação de difusão, o LoG pode ser calculado como diferença entre duas fatias do espaço da escala.

Portanto, ao derivar a fórmula de DoG, primeiro aproximamos o LoG com diferenciação finita. Penso que o rácio específico para sigma deriva do facto de ser dado um passo unitário na escala para aproximar o LoG em primeiro lugar.

Libor
fonte
Obrigado, mas já olhei para eles. Eles não parecem me dizer se sigma ou k * sigma é o valor correspondente ao parâmetro t (que é o mesmo que o valor sigma da equação Laplaciana de Gaussiana).
Visual-cinetic
1
Está em algum lugar no meio: s <t <k * s. Como a diferença (y (a) - y (b)) / (ba) se aproxima (quando b - a -> 0) da derivada em (a + b) / 2. No entanto, como você não está usando o limite de k-> 1, isso é apenas uma aproximação e você não pode realmente identificar o melhor sigma (a menos que você defina um critério de otimização específico).
Nimrodm