SIFT | SURF |
| |
尺度空间 | DOG与不同尺度的图片卷积 | 不同尺度的box filters与原图片卷积 | |
特征点检测 | 先进行非极大抑制,再去除低对比度的点。再通过Hessian矩阵去除边缘的点 | 先利用Hessian矩阵确定候选点,然后进行非极大抑制 | |
方向 | 在正方形区域内统计梯度的幅值的直方图,找max对应的方向。可以有多个方向。 | 在圆形区域内,计算各个扇形范围内x、y方向的haar小波响应,找模最大的扇形方向 | |
特征描述子 | 16*16的采样点划分为4*4的区域,计算每个区域的采样点的梯度方向和幅值,统计成8bin直方图,一共4*4*8=128维 | 20*20s的区域划分为4*4的子区域,每个子区域找5*5个采样点,计算采样点的haar小波响应,记录∑dx, ∑dy, ∑|dx|,∑|dy|,一共4*4*4=64维 |
Surf算法优势:
尺度不变性,旋转不变性,对光照变化,仿射、透视变换具有部分不变性。Surf计算速度约是Sift的3倍。
积分图像:
在一幅灰度图像中,积分图像中任意一点(x,y)的值是指从图像的左上角到这个点所构成的矩形区域内所有点的灰度值之和。