surf算法原理总结.ppt

surf算法特征点提取

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
第一页，共13页。
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
第二页，共13页。
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
第三页，共13页。
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
第四页，共13页。
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-*(Dxy*Dxy))
第五页，共13页。
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
第六页，共13页。
next octave 是由 first octave 降采样得到
第七页，共13页。
第八页，共13页。
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
第九页，共13页。
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）
第十页，共13页。