SURF特征检测

SIFT使用LOG的简化算法DOG以提升检测效率，SURF（speeded up robust features）则是对DOH进行简化。

虽然SIFT被认为是最有效和最常用的特征提取算法，但因为计算较为复杂，很难达到实时的速度；SURF将DOH的高斯二阶微分模板进行了近似简化，引入了积分图像的概念，将卷积运算简化为几个简单的加减运算，实验表明SURF较SIFT要快3倍左右。

1. 理论

与SIFT类似，SURF也需要建立尺度空间金字塔：将空间分为若干（默认5）个Octave，每个Octave包含若干层（默认4），每层的图像是用不同尺度的滤波模板计算得到的（SIFT在这里首先做高斯卷积，然后用相邻层相减来模拟LOG；SURF试图模拟的是DOH），但相邻Octave的图片不再是降采样的关系（节省了降采样的计算），而是通过一组增大的采样步长值计算得到（因为下一组Octave的模板半径增大，因此相应增加模板移动步长也是合理的）；

与SIFT最大不同是，滤波时不再采用卷积的方式：

（1）首先回顾下DOH用到的Hessian矩阵：对于图像每个点 f(x,y)，有，一般做偏导前先做不同尺度的高斯模糊；我们都知道，卷积操作是计算量很大的，SURF对x，y的二阶偏导和xy的二阶偏导做了近似处理（图1-1）：