SURF—点局部特征原理

一.尺度空间构造

SIFT&SURF尺度空间构造：

SIFT：Filter大小的不变，σ增大。其中降采样使减小图像大小，构造尺度空间。
SURF：图像大小不变，改变Filter大小，构造尺度空间。
首先计算高斯函数（Filter）与图像卷积的卷积，然后求每个像素点的二阶微分和偏微分，得到Hessian矩阵。（利用Hessian矩阵行列式det(H)可以判断邻域极值点。即：H为正定、负定、不定矩阵==>点(x, y)为极小、极大、非极值点。其中，det(H)>0,极值点。det(H)<0,非极值点。）
卷积和求微分可以交换，即先计算高斯函数的二阶微分得到模板(Filter)金字塔，再利用其卷积图像。

重要的是：高斯二阶微分模板又可以利用盒式滤波器等价。即：

左侧二图为高斯二阶微分模板，右侧二图为何时滤波器等价。虽然其中有误差，但这样的计算可以大大加速运算。
最后计算Hessian矩阵的行