实战掌握尺度不变特征提取与匹配技巧：从例程到实现

例程4-9：主函数

上述主函数所调用的子函数的具体内容见随书电子素材。

在最新的MATLAB2012中，可以调用计算机视觉系统工具箱中（Computer Vision System Toolbox）的detectSURFFeatures（）函数来检测输入灰度图像的SURF特征，其具体使用方法如下：

功能：用于检测灰度图像的SURF特征。

输入：I-待检测的灰度图像。

Name，Vakue-′MetricThreshold′：矩阵阈值，只有大于该阈值的才能确定为SURF

特征点，默认值为1000。

-′NumOctaves′：组数（Octaves），默认值为3。

-′NumScaleLevels′：每组的尺度层数，默认值为4。

输出：POINTS-返回的一个对象，其中包含着SURF特征点的信息。(www.xing528.com)

当获得一幅图像的SURF特征点的信息后，可以调用extractFeatures（）函数获取SURF特征向量。

extractFeatures（）函数的具体使用方法如下。

功能：提取特征点的特征向量。

输入：I-灰度图像；

输出：POINTS：特征点信息。

FEATURES：特征描述向量。

VALID_POINTS：有效特征点坐标。

经验分享：尺度不变特征的应用

尺度不变特征在目标跟踪和图像拼接领域有着广泛的应用。由于待检测图像与目标图像之间、待拼接图像之间往往存在变化和干扰，若采用尺度不变特征的特征向量进行跟踪匹配和拼接匹配，会提高匹配精度和误检率。但如何提高尺度不变特征检测及匹配的实时性是一个亟待解决的问题。