surf算法原理总结

《surf算法原理总结》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、surf算法原理(1)构建Hessian矩阵(2)尺度空间生成(3)初步确定特征点(4)精确定位特征点(5)选取特征点主方向确定(6)构造surf特征点描述算子surf算法特征点提取extract_surf.cppdata=read_png_u8_gray读出灰度图记做I(x,y),图像像素函数预处理：图像积分squareConvolutionXY返回积分值构建Hessian矩阵Hessian矩阵描述函数的局部曲率记f(x,y)在M点处的黑塞矩阵为H(M)H(M)是正定矩阵，M处是一个局部的极小值H(M)是负定矩阵，M处是一个局部的极大值H(M)是不定矩阵，M处不是极值

2、特征点尺度无关性其中Lxx(x,σ)是高斯滤波后图像g(σ)的在x方向的二阶导数图像的二阶导数一维离散情况1维拉普拉斯运算可以通过1维卷积核[1,-2,1]实现二维离散情况f(x)=g(I(x)),I(x)为图像的灰度值Hessian矩阵判别式Dxx是盒子模板与图像卷积，近似代替Lxx代码中hessian(x,y)=(Dxx*Dyy-0.8317*(Dxy*Dxy))参数说明OCTAVE：尺度scale，图片尺寸，子八度，金字塔INTERVAL：模糊程度，高斯模板的大小模板不断增大nextoctave是由firstoctave降采样得到尺度空间生成4个octave层，不

3、同octave中图片尺寸大小不同每个octave层中4个INTERVAL图片，同一octave层中图片尺寸相同尺度（模糊程度）不同，用的高斯模板尺度不同尺度空间生成第一个子八度的scale为原图大小后面每个octave为上一个octave降采样的结果即原图的1/4（长宽分别减半）构成下一个子八度（高一层金字塔）确定特征点在3*3*3的邻域范围内寻找Hessian矩阵的行列式最大值每个像素点与其三维领域的26个点进行大小比较三维线性插值法去掉小于一定阈值(threshold)的点isMaximum选取特征点的主方向统计60度扇形内所有点的水平haar小波特征和垂直haar

4、小波特征总和然后60度扇形以一定间隔进行旋转，最后将最大值那个扇形的方向作为该特征点的主方向选取特征点的主方向服务理念中的“点点”◆理解多一点真情浓一点◆学习勤一点品质高一点◆理由少一点效率高一点◆处理问题灵活点工作过程用心点◆对待同事宽容点互相协作快乐点放映结束！敬请各位的批评指导！谢谢观看