OpenCV中SURF特征点检测原理与实现

SURF，全称是Speed Up Robust Features.是一种尺度旋转不变的特征检测方法。主要思想与SIFT类似。但是，运算速度比SIFT提高了5至10倍。

相对于SIFT，SURF能够大幅提升运算速度主要体现在三方面：

*使用了积分图像完成图像卷积，极大的加快了运算速度。

*将特征向量为64维，而SIFT为128维。

*SIFT用图像金字塔和尺寸不变的卷积核来实现尺度不变性，而SURF则使用相 同的图像和尺寸改变的卷积核来实现尺度不变性。（因为SURF使用了积分图技术， 对于尺寸改变的卷积核只需要三步加减法运算即可得到结果）

 

1综述

1.1任务

我们目标是找到两幅图像中相同的部分或物体。而且这种匹配要对尺度和旋转具有不变性，而且对于光照和噪声也有很好的鲁棒性。

1.2 步骤

SURF算法主要分为三步：

(1)选出兴趣点并分别标注在图像上，例如拐角、斑块和T型连接处。

(2)用特征向量描述兴趣点的邻域。

(3)在不同的图片之间匹配特征向量。

 

2兴趣点检测

2.1积分图

积分图IΣ(X)在位置X = (x, y)处代表I在X之前的矩形区域像素值的和。