2
高斯，拉普拉斯和墨西哥帽小波之差有什么区别？
简历中使用了三种技术，它们看起来非常相似，但有细微的差别： 高斯的拉普拉斯算子：∇2[g（x ，y，t ）∗ f（x ，y）]∇2[g(x,y,t)∗f(x,y)]\nabla^2\left[g(x,y,t)\ast f(x,y)\right] 高斯差异：[ 克1个（x ，y，t ）∗ f（x ，y）] - [ g2（x ，y，t ）∗ f（x ，y）][g1(x,y,t)∗f(x,y)]−[g2(x,y,t)∗f(x,y)] \left[g_1(x,y,t)\ast f(x,y)\right] - \left[g_2(x,y,t)\ast f(x,y)\right] 用Ricker小波进行卷积：里克（x ，y，t ）∗ f（x ，y）Ricker(x,y,t)∗f(x,y)\textrm{Ricker}(x,y,t)\ast f(x,y) 据我目前了解：DoG是LoG的近似值。两者都用于斑点检测，并且两者本质上都充当带通滤波器。用墨西哥帽/里克小波进行卷积似乎可以达到几乎相同的效果。 我已将所有三种技术应用于脉冲信号（必须进行缩放以使幅度相似），结果非常接近。实际上，LoG和Ricker看起来几乎相同。我注意到的唯一真正的区别是使用DoG，我有2个免费的参数可以进行调整（和），而LoG和Ricker则为1。我还发现小波是最简单/最快的，因为它可以通过一次卷积（通过傅立叶空间乘以核的FT乘以完成）对DoG进行2次，对卷积进行卷积加Laplacian进行。 σ 1σ1个σ1\sigma_1σ1个σ1\sigma_1 每种技术的比较优点/缺点是什么？ 有不同的用例，其中一个优于另一个吗？ 我还凭直觉想到，在离散样本上，LoG和Ricker会退化为相同的操作，因为可以实现为内核 。[ - 1 ，2 ，- 1 ]∇2∇2\nabla^2[ − 1 ，2 ，− 1]要么⎡⎣⎢0− …