彼の論文 (スケール不変のキーポイントからの特徴的な画像の特徴) で、Lowe は「低コントラストのキーポイント」を取り除く方法を説明しています。これは、二次項までのテイラー展開を使用して行われます。
極値 (xhat) は、導関数を取得し、それをゼロに設定することによって検出されます。
関数 D, xhat を入力として与えることにより、極値点の値を決定し、しきい値によって、点 xhat を保持または破棄することができます。
D(xhat) 方程式から始めます: 私の理解では、逆行列はヘッセ行列 (xhat 方程式の最初の部分) から取られます。この場合は 2x2 行列です - 2 番目の部分は一次導関数です。 x 座標と y 座標に変換され、2x1 の行列です。問題は、すべての潜在的なキーポイントを反復処理して逆数を取ると、それらのいくつかが特異になることです!
D(X): 調査される値は、D(0,0) にオリゴがあり、D は 3x3 行列であると仮定しています。D が他の項に追加されると、それはどのように理解されますか? 私の計算によると、D を除くすべての項が追加されると、1 つの値が表示されます。マトリックス）？
方程式は、SIFT 論文の 11 ページに記載されています。