Algorithm SURF工作原理概述

我试图弄清楚冲浪特征检测是如何工作的。我想我已经取得了一些进展。我想知道我离真正发生的事情有多远

• 已存储的模板图像和真实图像 根据“关键点”或一些重要特征进行比较 在这两幅图中

• 相同点之间的最小欧几里德距离构成 很般配

• 什么构成重要的特征或关键点？角落
  （边缘相交）或斑点（强度急剧变化）

• 冲浪使用水滴

• 它使用Hessian矩阵进行斑点检测或特征提取。
  Hessian矩阵是二阶导数矩阵：这是to
  找出与a强度相关的最小值和最大值
  图像中的给定区域

---

筛选/冲浪等有3个阶段：

再次查找可能在同一对象的不同图像中找到的特征/关键点（surf使用框式过滤器）。如果可能的话，这些特征应该是缩放和旋转不变的。角点、斑点等都很好，通常以多个比例搜索

找到该点的正确“方向”，这样，如果图像根据该方向旋转，两个图像都将与该单个关键点对齐

计算“描述符”，该描述符包含关键点邻域在正确比例下的外观信息（方向后）

现在，欧几里德距离计算仅在描述符上完成，而不是在关键点位置上完成

---

重要的是要知道，第一步不是固定的冲浪。SURF实际上是第2-3步，但作者给出了如何完成第1步以与第2-3步产生协同作用的建议。协同作用是，第1步和第3步都使用积分图像来加快速度，因此，积分图像只需计算一次。

afair SURF使用盒过滤图像比例差近似Hessian水滴检测器的行列式进行检测。您要求检测，但随后谈到涉及描述的特征匹配，这就是为什么我要取消删除我的答案，因为它更多的是描述而不是检测。谢谢你的答案。老实说，我不是在寻找一个非常具体的答案。我只是想知道方向。你给了我一个