1.SURF 全称 speed up robust feature 是加速版的SIFT
2.如何提取SURF特征？两步：检测和描述
3.什么样的点是特征点？
它首先是图像中得一个点，这个点具有这样一些特性：
- 容易被检测到，只要这个点所对应的那个物体还在摄像头的视野范围内，那么这个点就能被检测出来，比如角点，边界点，亮处的暗点，暗处的亮点等，遗言以蔽之，就是与周围有反差的点
- 不受明暗光线变化的影响
4.如何检测特征点？
- 构造尺度空间
- 在各个尺度计算Hessian 响应
- 设定阈值，将Hesiian响应小于阈值的设为0
- 求局部极值（相邻尺度空间构成的3x3x3（像素）的立方体，如果中心的值最大，那么中心位置为一个局部极值位置），局部极值是特征点的候选点
- 确定特征点位置
5.如何描述特征点？
- 每个特征点的描述有两部分组成，描述头和描述内容
- 描述头描述的是特征点的信息，描述内容描述的是特征点邻域信息
- 头中信息包括：特征点位置，特征点所在尺度，特征点Laplacian符号（0代表负，1代表正），特征点方向
- 描述内容：将邻域（20ß*20ß，假设ß代表尺度）等分成16块（4x4），每块内等间隔区25个点（5x5）,对这25个点分别求x,y方向的小波响应（其实就是求导），然后分别对这25个点的x,y方向的小波响应，以及小波响应的绝对值求和，得到四个数。这样我们就得到了64（4x4x4）个数，这64个数就用来描述特征点的邻域信息。
6.如何得到尺度空间
- 与传统（SIFT）获得尺度空间的方式不同，传统尺度变化是通过缩小图片和高斯模糊实现的，SURF的尺度空间直接跳大滤波器的尺度，不修改原图片
- 没有了
7.什么是Hessian 响应？
- 什么是Hessian矩阵? 如2.1所示，就是函数二阶偏导数所构成的方阵,可以表示这一点的曲率
-
- 这个矩阵的行列式就是Hessian响应
- 在SURF中，我们选择了一种加速计算Hessian响应的方法，这种方法叫盒式滤波器（估计Fxx等）
- 什么是盒式滤波器？
8.如何确定特征点方向
- 在6ß范围内计算所有点的小波响应，响应方向最多的方向为尺度方向
关于SURF ，这些事你必须清楚
原文：http://www.cnblogs.com/shikongwei/p/4492853.html
