Zobrazení zdroje stránky SURF

[[Soubor:druhe derivace gaussovek disk.png|thumb|Aproximovaná a diskretizovaná gausovská jádra druhých parciálních derivací, s kterými metoda SURF pracuje. Zde o velikosti 9×9.]]
'''SURF''' ({{cizojazyčně|en|Speeded-Up Robust Features}})<ref>{{Citace periodika
 | příjmení = Bay
 | jméno = Herbert
 | příjmení2 = Ess
 | jméno2 = Andreas
 | příjmení3 = Tuytelaars
 | jméno3 = Tinne
 | spoluautoři = aj.
 | titul = Speeded-Up Robust Features (SURF)
 | periodikum = Computer Vision and Image Understanding
 | ročník = 110
 | číslo = 3
 | strany = 346–359
 | rok = 2008
 | issn = 1077-3142
 | doi = 10.1016/j.cviu.2007.09.014
 | url = ftp://ftp.vision.ee.ethz.ch/publications/articles/eth_biwi_00517.pdf
 }}{{Nedostupný zdroj}}</ref> je metoda, která dokáže popsat [[digitální obraz|obrázek]] pomocí deskriptorů. Jedná se novější obdobu metody [[Scale Invariant Feature Transform|SIFT]]. Popis pomocí deskriptorů vygenerovaných metodou SURF je [[invariant (matematika)|invariantní]] vůči [[rotace souřadnic|rotaci]] a vzdálenosti kamery od popisovaného objektu. 

Algoritmus SURF se využívá v mnoha aplikacích [[počítačové vidění|počítačového vidění]]. Je používán např. pro rekonstrukci 2D a 3D scén, klasifikaci obrázků a především pro rychlý popis obsahu obrázku. Míru podobnosti dvou obrázků lze měřit např. [[Eukleidovská norma|Eukleidovskou]] vzdáleností. 

Průběh metody SURF lze rozdělit na dvě fáze. V první fázi se hledají klíčové body obrázku, kterými mohou být rohy, skvrny nebo T-spoje. Druhou fází je výpočet deskriptoru z okolí klíčového bodu.

== Určení klíčových bodů ==
SURF využívá pro detekci klíčových bodů [[integrální obraz]]. Pomocí integrálního obrazu je možné získat údaj o intenzitě oblasti obrázku v konstantním čase s potřebou znát jen krajní body oblasti. K detekci významných bodů v obraze se využívá detektoru založeného na výpočtu [[determinant|determinantu]] [[Hessova matice|Hessovy matice]]. V tomto případě má Hessova matice následující tvar:

:<math>H(\textbf{x},\sigma)= \left[
  \begin{array}{cc}
    L_{xx}(\textbf{x},\sigma) & L_{xy}(\textbf{x},\sigma) \\
    L_{xy}(\textbf{x},\sigma) & L_{yy}(\textbf{x},\sigma) 
  \end{array}
  \right]
</math>

Kde <math>\textbf{x}\,\!</math> představuje bod ve vstupním obraze <math>I\,\!</math> a <math>L_{xx}(\textbf{x},\sigma)</math> je [[konvoluce]] druhé [[derivace]] [[Gaussova funkce|Gaussovy funkce]] <math>\frac{\partial^2}{\partial x^2}g(\sigma)</math> se vstupním obrázkem <math>I\,\!</math>.

== Reference ==
<references />

== Související články ==
* [[Scale Invariant Feature Transform|SIFT]] (Scale Invariant Feature Transform)

== Externí odkazy ==
* [https://github.com/herbertbay/SURF SURF on Github]
* http://www.vision.ee.ethz.ch/~surf/ – stránky na Computer Vision Laboratory, ETH

{{Pahýl}}

[[Kategorie:Zpracování obrazu]]