SURF如何工作的總結

Question

我想弄清SURF特徵檢測是如何工作的。我想我已經取得了一些進展。我想知道我是如何從真正發生的事情。

• 你已經得到了存儲模板圖像和真實世界圖像 的「關鍵點」或一些重要的特性 兩個圖像的基礎上進行比較。

• 相同點之間的最小歐式距離構成 良好匹配。

• 構成重要特徵或關鍵點的是什麼？角落
  （邊緣相交）或斑點（強度急劇變化）。

• SURF使用斑點。

• 它使用Hessian矩陣進行斑點檢測或特徵提取。
  Hessian矩陣是二階導數的矩陣：這是
  找出與圖像中給定區域的強度相關聯的最小值和最大值。

Answer 1

篩/衝浪等有3個階段：

1. 查找特徵/關鍵點有可能在同一個對象的不同的圖像再次被發現（衝浪使用盒形過濾器AFAIR）。如果可能的話，這些特徵應該是比例和旋轉不變的。角落，斑點等都很好，並且通常以多種比例進行搜索。

2. 找到該點的正確「方位」，以便如果圖像根據該方位旋轉，則兩個圖像都將對齊該單個關鍵點。

3. 計算「描述符」，該描述符具有關鍵點的鄰域在正確比例下（方向之後）的外觀。

現在您的歐氏距離計算僅在描述符上完成，而不是在關鍵點位置上完成！

重要的是要知道步驟1對於SURF不是固定的。 SURF實際上是第2-3步，但作者給出了一個建議，可以如何執行第1步與第2-3步有一些協同作用。協同作用是，步驟1和步驟3都使用積分圖像來加快速度，因此積分圖像必須只計算一次。