surf算法原理总结.pptVIP

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 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 next octave 是由 first octave 降采样得到 尺度空间生成 4个octave层，不同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