Speeded-Up Robust Features (SURF)笔记

算法SURF和SIFT比较总结：
（1）在生成尺度空间方面，SIFT算法利用的是差分高斯金字塔与不同层级的空间图像相互卷积生成。SURF算法采用的是不同尺度的box filters与原图像卷积，保持尺寸不变。

（2）在特征点检验时，SIFT算子是先对图像进行非极大值抑制，再去除对比度较低的点。然后通过Hessian矩阵去除边缘的点。
而SURF算法是先通过Hessian矩阵来检测候选特征点，然后再对非极大值的点进行抑制

（3）在特征向量的方向确定上，SIFT算法是在正方形区域内统计梯度的幅值的直方图，找到最大梯度幅值所对应的方向。SIFT算子确定的特征点可以有一个或一个以上方向，其中包括一个主方向与多个辅方向。
SURF算法则是在圆形邻域内，检测各个扇形范围内水平、垂直方向上的Haar小波响应，找到模值最大的扇形指向，且该算法的方向只有一个。

（4）SIFT算法生成描述子时，是将1616采样点划分为44的区域，从而计算每个分区种子点的幅值并确定其方向，共计448=128维。
SURF算法在生成特征描述子时将2020s的正方形分割成44的小方格，每个子区域25个采样点，计算小波$$harr=[d_x,|d_x|,d_y,|d_y|]$$响应，一共444=64维。

综上，SURF算法在各个步骤上都简化了一些繁琐的工作，仅仅计算了特征点的一个主方向，生成的特征描述子也与前者相比降低了维数。

补充：
【特征匹配】SURF原理与源码解析（一）
SURF算法
surf算法原理-包你明白surf过程
【CV学习5】SURF算法详解