SURF 特 征 提 取 分析 背 景 引 言 计 算 机 视 觉 中 ， 引 入 尺 度 不 变 的 特 征 ， 主 要 的 思 想 是 每 个 检 测 到 的 特 征 点 都 伴 随 着 对 应 的 尺寸 因 子 。 当 我 们 想 匹 配 不 同 图 像 时 ， 经 常 会 遇 到 图 像 尺 度 不 同 的 问 题 ， 不 同 图 像 中 特 征 点 的距 离 变 得 不 同 ， 物 体 变 成 不 同 的 尺 寸 ， 如 果 我 们 通 过 修 正 特 征 点 的 大 小 ， 就 会 造 成 强 度 不 匹配 。 为 了 解 决 这 个 问 题 ， 提 出 一 个 尺 度 不 变 的 SURF 特 征 检 测 ， 在 计 算 特 征 点 的 时 候 把 尺度 因 素 加 入 之 中 。 SURF 与 SIFT 算 法 相 似 ， SIFT 算 法 比 较 稳 定 ， 检 测 特 征 点 更 多 ， 但 是复 杂 度 较 高 ， 而 SURF 要 运 算 简 单 ， 效 率 高 ， 运 算 时 间 短 一 点 。 相 关 SIFT 算 法 请 详 见 博文 【 图 像 分 析 】 尺 度 不 变 特 征 变 换 (SIFT)特 征 提 取 分 析 。 本 节 介 绍 SURF 算 法 相 关 知 识 。 基 本 介 绍 首 先， 我 们 引 用[3]中 对 SURF 描述为 ：“SURF (Speeded Up Robust Features)isa robust local feature detector, first presented by Herbert Bayet al. in 2006, that can be used in computer vision tasks likeobject recognition or 3D reconstruction. It is partly inspired by the SIFT descriptor.The standard version of SURF is several times faster than SIFT and claimed by its authors to be more robust against different image transformations than SIFT. SURF is based on sums of2D Haar wavelet responses and makes an efficient use ofintegral images.It uses an integer approximation to the determinant of Hessian blob detector, which can be computed extremely quickly with an integral image (3 integer operations). For features, it uses the sum of the Haar wavelet response...
