SURF网格化特征点提取算法流程(三)
相关：
SURF网格化特征点提取算法流程(一)
SURF网格化特征点提取的算法流程(二)
第三部分：SURF网格化特征点提取
1、SURF 网格化特征点提取的算法思路
基于SURF算法的特征点提取，对其极值点的检测进行优化。优化的思路如下：
1.当计算出尺度金字塔中每一组每一层的Hessian矩阵行列式的值，生成所有的兴趣点以后，根据所期望的切割网格数对每一层的图像进行网格划分；
2.分别在尺度空间里对每个网格进行局部区域的极值点检测，同样也需要采用三维线性插值法得到亚像素级的特征点；
3.当得到每一个网格的特征点后，还需要判断每个网格内提取到的特征点数量是否满足所设定的阈值，若不满足，则将Hessian矩阵的阈值降为原来的一半，再进行局部区域的极值点检测，不断迭代直至满足条件为止；
4.最终将得到每一层图像所提取到的特征点。
之后特征点方向的分配和特征描述子仍然按照原来的思路。
2、SURF网格化处理前后的对比实验
对比SURF进行网格化处理前后的特征点提取的效果，从结果可以看到，对SURF进行网格化处理后，能够提取到更多的特征点，并且也相对比较均匀。
参考资料：
https://blog.csdn.net/CXP2205455256/article/details/41311013
https://blog.csdn.net/dcrmg/article/details/52601010
https://blog.csdn.net/streamchuanxi/article/details/50924549
https://blog.csdn.net/luoshixian099/article/details/47905681
《图像局部不变性特征与描述》