在特征匹配算法中，全局特征检测算法主要用于提取图像中的全局特征信息，以用于后续的特征匹配任务。下面是一些常用的全局特征检测算法：

  1. SIFT（尺度不变特征转换）：SIFT算法通过寻找图像中的关键点和计算关键点的特征描述子来进行特征匹配。它具有旋转、缩放、亮度变化等尺度不变性，并且对于视角变化、局部遮挡等情况具有一定的鲁棒性。

  2. SURF（加速稳健特征）：SURF算法是对SIFT算法的改进，通过构建尺度空间、计算图像的Hessian矩阵来提取特征点，并使用快速Haar小波变换来计算特征描述子。SURF算法具有更快的计算速度和更好的尺度不变性。

  3. ORB（Oriented FAST and Rotated BRIEF）：ORB算法是一种旋转不变性和旋转尺度不变性的特征检测算法。它采用了FAST角点检测算法和BRIEF特征描述子，并进行了改进以实现旋转不变性和旋转尺度不变性。

  4. AKAZE（加速的KAZE）：AKAZE算法是对KAZE算法的加速版本，采用了特征点检测方法、特征点描述子计算方法和匹配阶段的改进，提高了计算速度和鲁棒性。它对旋转、缩放和仿射畸变具有较好的不变性。

  5. BRISK（Binary Robust Invariant Scalable Keypoints）：BRISK算法采用了二进制描述子和尺度空间极值点检测算法，具有较好的旋转不变性和尺度不变性。它的主要特点是速度快且具有较高的鲁棒性。

  这些算法在特征匹配任务中已经被广泛应用，并且都具有一定的优势和适用场景。在实际应用中，可以根据具体的要求选择合适的算法进行全局特征检测。