式的近似表达式为-semiconductor devices physics and technology
图3.1高斯二阶导数的近似表示使用该滤波器后(2)式的近似表达式为( ) 2 det( ) 0.9approx xx yy xyH D D D= ∗ − ∗ (3-4)在尺度空间上寻找极值点，SURF使用了与SIFT不同的方式构建尺度空间。传统的方式是不断改变图像尺度来建立图像金字塔，而SURF是采用改变高斯滤波器的大小，再与图像进行卷积的方式。这样能够使用积分图像进行加速计算。这个过程是在不同的图像尺度上进行的，对特征点进行精确定位后，我们可以得到SURF特征点的坐标。 3.2.2建立特征描述符对提取到得每一个特征点，需要对其建立特征描述符。SURF描述符的构造类似SIFT方法，不同的是使用积分图像和Haar小波来增强鲁棒性和计算时间。其中Haar小波是一种简单而高效的滤波器，用来求图像在x和y方向上的梯度。对特征向量的构建是在尺度σ上进行的[18]。 (1)主方向分配：以特征点为圆心，在x和y方向上计算半径为6σ圆内点的Haar小波响应系数，Haar小波模板的边长为4σ，并对这些系数进行以特征点为中心的高斯加权；然后选取60°的扇形区域，求水平和垂直方向上加权后的小波响应系数之和得到一个新向量，转动扇形遍历整个圆，选择具有长模值的向量作为特征点的主方向，如下图3.2所示。 21
文件大小：7.91MB
评论区