SURF（Speeded Up Robust Features）是一種局部特徵描述子，旨在克服仿射變換、光照變化和三維視點變化等傳統幾何特徵描述的不足。它比SIFT（Scale-Invariant Feature Transform）算法具有更低的數據維度和更優的運算效率，廣泛套用於計算機視覺中的物體識別、圖像拼接、圖像配準以及3D重建等領域。
SURF算法的核心步驟包括：
斑點檢測：首先，為了確保尺度不變性，使用不同模板尺寸對格線進行盒式濾波，構建多尺度斑點回響的金字塔圖像。這通過Hessian矩陣的行列式近似值來實現，該矩陣用於識別潛在的對尺度和旋轉不變的興趣點。
特徵點分配主方向：對每個特徵點分配一個主方向，以保證旋轉不變性。這通過定義一個以特徵點為中心、0.2弧度為步長的60°扇形滑動視窗，統計視窗內每個點在水平和垂直方向的Haar小波回響來實現。特徵點的主方向即為小波特徵總和最大的方向。
特徵描述子：基於2D離散小波變換回響，構建特徵描述子。這些描述子不僅包含了特徵點的位置信息，還包含了尺度信息和方向信息，從而提高了特徵匹配的魯棒性。
積分圖像的套用：SURF算法中引入了積分圖像的概念，這大大加速了程式的運行時間。積分圖像中的任意一點像素值為原圖像左上角到該點的灰度值總和，使得區域計算變得高效。
SURF算法的提出者Bay在2006年首次提出了這一算法，它不僅保持了SIFT算法的尺度不變和旋轉不變的特性，而且對光照變化和放射變化同樣具有很強的魯棒性。