SURF-金字塔搭建（忧郁版）

SURF 算法（Speed Up Robust Features）是一种对尺度、旋转不变的检测子和描述子，其最大的特点是速度快，匹配精确度高，鲁棒性好，对光照、旋转、缩放等具有不变性，它是由 Herbert Bay 等人在 2006 年提出的[26]。SURF 算法用到的主要思想是：图像卷积的积分图、Hessian 矩阵的检测子、Haar 小波。

1. 构建金字塔

SURF将尺度空间分为若干组（octaves），每一组又有若干层。那么这些组合层是怎么样确定的呢？

（1）高斯卷积

首先要知道什么是高斯卷积核：

其中的σ就是传说中的尺度因子，它的值越大，那么图片的模糊程度就越大。

 

什么卷积模板呢？

卷积模板一般都是奇数，这样就有一个中心点！

 

就是把一个窗口和图片相乘，然后把乘积相加，就是中间一个值，经过卷积之后的一个像素大小。比如3*3的卷积模板，与6*8的大小的像素做卷积，那么图片的大小，就会发生变化，由6*8变成4*6.

 

（2）金字塔搭建

 

假设原图像尺寸为X*Y大小。

就是在第一组中的第一层使用9*9大小的像素的的卷积模板，和图像进行卷积。然后，你会发现图片尺寸变小了，长和宽都少了8个像素点，图像大小变成了（X-8）*（Y-8）。第二层，又使用了15*15大小像素的卷积模板，然后图像变成（X-14）*（Y-14）。依次类推，第三层变成了（X-20）*（Y-20）。

第二组呢？其实和第一组一样的啦！！仅仅是第二组的第一层的卷积模板的大小为15*15而已，图像经过卷积之后变为（X-14）*（Y-14）。然后第二层变为（15+12）*（15+12）。。。。。。以此类推啦！

第三组，我就不絮叨了。。。。。。第四组的最后一层图像的大小为（X-194）（Y-194）。

这样子，每一组的第一层的图像的大小就是不一样的啦，每一组中的每一层大小也是不一样的啦！

 

（3）高斯尺度值变化

上一步少说了一点，就是高斯尺度值在每一组每一层都是不一样的啦！

 

N就是高斯卷积的大小啦！比如，第一组的第一层的高斯卷积核大小为9*9，那么高斯尺度直就是（1.2/9）* 9 = 1.2。

 

2 特征点的确定

金字塔构建完毕，现在要确定其特征点的具体位置了！

这时候，传说中的海森矩阵（Hessian）就横空出世了！

 

   其实就是传说中的二元函数求二阶导嘛！

不过，在这里的求Hessian矩阵，是在金字塔里面进行计算的！上面的每一个点都是在已经处理好的金字塔中。

 

 

这个就是啊，在已经经过高斯卷积之后搭建金字塔，上金字塔中进行hessian矩阵处理的表达而已！

 

上面这个式子就是寻找金字塔中的哪一个为特征点。上面的Dxx也就是Lxx，一一对应的!若是det（Happrox）的值大于0，且上面的hessian矩阵的特征值为同号，那么这个点为极值点！！

其中w的值大小，基本上就是取09！因为要保证高斯核和近似高斯核的能量守恒！！