Sift与Surf的区别

       surf是在sift的基础上改进而生，不仅提高了计算速度，而且更加安全鲁棒性，两者的实现原理很相似，对于两者的区别，也极大程度地体现在了他们的实现步骤上，为了更好地理解两者，可以结合实现方法来分析它们之间的不同。

     1.构造图像金字塔尺度空间：

       sift：计算高斯差分图像（DoG），用于find特征点；金字塔图像中，由于同一个octave中，图像的大小（尺寸）一样但模糊程度（尺度）不同，而不同octave中图像的尺度和尺寸均不一样，所以为了得到不同size的图像，在sift中需要进行下采样操作，也因此在进行高斯模糊时，无需改变卷积模板的尺寸。当然同一层而言，模板的尺度也是不同的。

         surf：基于高斯图像，计算每一个像素点的Hessian矩阵行列式，利用该行列式近似得到变换图像，用于find特征点；与sift正好相反，surf里去掉了下采样这一过程，取而代之的是：不同octave层，改变模板的尺寸，但图片size一直保持不变；

     2.利用非极大值抑制粗定位特征点

     3.利用插值得到亚像素特征，进而精准定位特征点

     4.确定特征点的主方向：

         sift：对于sift而言，在sift特征点邻域内进行Histogram of Gradient统计，找到最大的bin方向或者大于80%处最大bin的多个方向作为特征点的主方向，这样一个特征点就有可能有不止一个的主方向；

         surf：与sift不同，surf是统计特征点邻域内的Histogram of Haar wavelet responses，从一个扇形方向开始，每次以固定步长进行旋转，找到其中最大响应的扇形，将其方向作为主方向；这里的haar特征主要计算水平和垂直两个方向的haar小波响应累加值；

      5.确定特征描述子：

          这里两者是一样的，不同的只是描述子的维数；在特征点周围取16*16的邻域，将其划分成每块size为4*4的小区域，共有4*4个，对于每一个小区域，根据方向梯度的不同，决定了最后得到的描述子的不同。

          sift：由于采用8方向作为主方向，所以描述子的维度为4*4*8=128；

          sur：只有水平和垂直两个方向的haar小波响应，但是考虑到the polarity of intensity images，同时还要计算两个方向haar响应的绝对值的累加，这样一来，每个小区域就有4维，所以最后得到的描述子维度为4*4*4=64；不难看出surf将描述子的长度由sift的128个浮点数精简到了64个浮点数，更加简洁了，因此计算速度就提升了。

       6.利用L1范数归一化descriptor

详细的关于sift和surf可以参考博文：http://www.cnblogs.com/tornadomeet/archive/2012/08/16/2643168.html