我有一个关于Mikolajczyk等人介绍的Harris-Laplace检测器的问题。用Harris搜索每个特定尺度内的"角度"最大值，然后用Laplacian搜索比所发现的Harris点的尺度大一个和小一个的尺度上的"blobness"最大值。
为什么尺度上"膨胀"的最大化对角点有如此好的影响？我认为，搜索最大"角度"(例如，在尺度上找到Harris的最大值)来找到好的角点要好得多。
需要包含拉普拉斯算子以确保尺度不变性。
虽然刻度调整后的Harris检测器确实具有非常好的可重复性(就检测位置而言)，但刻度的选择仍然是一个问题。他们注意到
在我们的实验中，我们注意到自适应的Harris函数很少在3D空间中达到最大值。因此，我们建议使用不同的函数，拉普拉斯算子，用于尺度最大值检测。
(来自基于比例不变兴趣点的索引)
这在他的论文中有更详细的解释：
在我们的实验中(参见第3.2.4节)我们注意到在比例空间表示。如果检测到的兴趣点太少，不能可靠地表示图像。因此，我们放弃了搜索Harris函数的3D最大值的想法。此外实验表明，LoG函数使找到正确的特征尺度。因此，我们建议使用拉普拉斯算子为使用哈里斯探测器。Harris-Laplace检测器使用Harris函数(参见。方程4.1)来定位标度空间的每个级别中的点代表。接下来，它选择点高斯拉普拉斯算子(参见方程4.2)在规模通过这种方式，我们将这两种方法结合起来，以获得可靠的兴趣点检测器对显著尺度变化不变。
我没有任何直观的解释来解释为什么哈里斯函数在尺度上没有给出很多最大值，但从经验上看，他们发现情况确实如此。看起来没有什么能阻止你使用哈里斯尺度空间最大值，但你可能只会得到更少的检测。