《surf算法原理总结ppt课件.pptx》由会员分享，可在线阅读，更多相关《surf算法原理总结ppt课件.pptx（14页珍藏版）》请在三一办公上搜索。
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.cpp data =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, )是高斯滤波后图像g()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,next octave 是由 first octave 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,
