SURF算法特征点的定位过程和SIFT算法一致，都是将经过Hessia

SURF 알고리즘의 특징점의 위치 결정 프로세스는 SIFT 알고리즘과 일치하며, Hessian 행렬 (즉, 각 픽셀의 Hessian 행렬 판별 값)에 의해 처리 된 각 픽셀이 획득되고 이미지 도메인 (동일한 크기 이미지) 및 스케일 도메인의 모든 인접 점 (인접한 축척 공간)이 비교됩니다. 모든 인접 점보다 크거나 작은 경우이 점이 극단 점입니다. 아래 그림에서 볼 수 있듯이 중간 감지 지점은 이미지의 3 × 3 부근에 8 픽셀, 상하 층의 인접한 3 × 3 부근에 18 픽셀, 총 26 픽셀로 수행해야합니다. 비교. 특징점을 처음으로 찾은 경우 에너지가 약하고 위치가 잘못된 주요 점이 필터링을 통해 필터링되므로 안정적인 원하는 특징점을 최종적으로 선택할 수 있습니다

SURF 알고리즘 특징점의 위치 지정 프로세스는 Hessian 행렬에 의해 처리된 각 픽셀 포인트(즉, 각 픽셀 점에 대한 헤시안 행렬 고유 값)와 이미지 도메인(동일한 크기의 이미지)과 눈금 도메인(인접 한 축척 공간) 사이의 모든 인접 지점을 비교하는 SIFT 알고리즘과 일치하며, 이는 모든 점보다 크거나 인접한 경우 극단적인 점입니다. 다음 이미지에 도시된 바와 같이, 중간의 검출 지점은 이미지의 3x3 근린에 있는 8픽셀과 인접한 상부 및 하부 3x3 근린의 18픽셀과 총 26픽셀을 비교한다. 형상점이 처음 배치되면 약한 에너지와 오보의 핵심 점을 필터링하여 최종 원하는 안정성 특징점을 필터링할 수 있습니다.

The process of locating feature points of surf algorithm is the same as that of SIFT algorithm, which is to compare every pixel processed by Hessian matrix (i.e. to obtain Hessian matrix discriminant value of every pixel) with all neighboring points between its image domain (image of the same size) and its scale domain (adjacent scale space) When it is larger (or smaller) than all the adjacent points, this point is the extreme point. As shown in the figure below, the middle detection point is to be compared with 8 pixel points in the 3 × 3 neighborhood of the image where it is located, and 18 pixel points in the 3 × 3 neighborhood of the upper and lower layers adjacent to it, a total of 26 pixel points. After the feature points are located for the first time, the key points with weak energy and wrong location can be filtered through filtering, so that the final stable feature points can be filtered out<br>