SURF的提取过程和代码逻辑过程

surf的特征检测和描述子的形成过程

1. 首先进行极值点检测，构造hessian矩阵，用盒子滤波器近似相应的高斯模板，然后将hessian矩阵的行列式简化，构造高斯金字塔
2. 图像大小不变，模板大小改变，尺度变化，根据层数和组数定义模板尺寸，同样进行26个点的对比，并设置行列式的阈值进行筛选。
3. 计算特征点的主方向，以特征点为中心，计算半径6个尺度值内的的邻域的x，y方向的harr小波响应，然后对计算结束的值进行方差为2个尺度值的高斯加权，以特征点为中心，进行60度扇形滑动，计算最长矢量方向作为主方向。
4. 最后构造特征描述子，在特征点周围取正方形，边长为20个尺度值，现将方向转至主方向，正方形分为16个子区域，每个区域再统计区域内25个像素的水平和垂直的harr特征，得到4个值，水平方向之和，垂直方向之和，垂直方向绝对值之和，水平方向绝对值之和。最后得到4* 4* 4= 64维向量。

surf特征提取和描述子形成的代码逻辑

1. 开始将灰度图转为积分图像，通过hessian矩阵寻找特征点，遍历组和层初始化模板的大小，计算每个元素经过盒子滤波器之后的值，储存盒子滤波器的值，以及根据层数和组数进行尺寸的拓展，遍历元素，使每个元素和盒子滤波器进行卷积计算，最后得到每个元素的行列和迹，并行计算所有层的极值点，设置边界进行遍历元素，比较阈值后进行26个值的比较，判断极大值，对得到的结果再进行插值处理。
2. 最后形成描述子，设置计算方向的半径范围，以及权值矩阵，还有邻域范围的权值矩阵，以及方向和邻域的高斯模板，设置harr小波的模板，从范围内找出特征点对应的最大尺寸，计算对应的20倍尺寸大小，重新定义4倍尺寸小波模板大小，计算加权后的特征点的dx和dy
3. 转换坐标系为极坐标，滑动扇形区域，统计邻域的dx，dy的最大值并计算方向，旋转特征点转为左上角的坐标系，20个尺度的正方形窗口进行旋转，用2个尺度的harr小波模板，对邻域得到加权的dx，dy，最终得到64维的描述子