SURF算法在积分图像上使用了盒子滤波器对二阶微分模板进行了简化，从而构建了Hessian矩阵元素值，进而缩短了特征提取的时间，提高了效率。其中SURF算法在每个尺度上对每个像素点进行检测，其近似构建的Hessian矩阵及其行列式的值分另为：

Happrox=[Dxx(σ)Dxy(σ)Dxy(σ)Dyy(σ)]
c(x,y,σ)=DxxDyy−(0.9Dxy)2
其中Dxx,Dxy和Dyy为利用盒子滤波器获得的近似卷积值。如果c(x,y,σ)大于设置的门限值，则判定该像素点为关键字。然后与SIFT算法近似，在以关键点为中心的3×3×3像素邻域内进行非极大值抑制，最后通过对斑点特征进行插值运算，完成了SURF特征点的精确定位。 图像中点特征检测算法的实现及其应用的研究(5):http://www.youerw.com/jisuanji/lunwen_32864.html