數(shù)字?jǐn)z影測量論文典型點(diǎn)特征提取算法研究(文件)
【正文】 算子的機(jī)制下都可以成為候選點(diǎn)，甚至于圖中的綠色點(diǎn)和黃色點(diǎn)也可以成為候選點(diǎn)。 考慮到圖像是一種信號的記錄，而離中心點(diǎn)不同距離的信號對中心點(diǎn)的影響是不同的。 （圖 Forstner算子提取效果） 從圖中可以看到，在對比度較大的區(qū)域里明顯的特征點(diǎn)都成功提取出來，但在對比度較小的圖像區(qū)域（左方的灰度梯度區(qū)域）也沒有任何的特征點(diǎn)被提取出來還可以看到提取結(jié)果中并沒有像 Moravec算子一樣在傾斜邊緣上出現(xiàn)很多的提取結(jié)果。 （ 2）一定程度的抗噪能力。 （圖 Harris算子提取效果） 從圖中可以看到， Harris算子對圖中的特征點(diǎn)基本上全部提取出來了。通過上面的效果圖可以發(fā)現(xiàn) Harris算子有以下特點(diǎn)： （ 1）經(jīng)驗(yàn)閾值影響大。在結(jié)果圖中可以看到 Harris提取的特征點(diǎn)在 L型角點(diǎn)處定位準(zhǔn)確，都是在最佳的角點(diǎn)位置處；包括在傾斜的邊緣處提取出來的那些特征點(diǎn)很多也是因?yàn)長型的角點(diǎn)而被提取出來的。 三種算子對測試圖像提取的耗費(fèi)時(shí)間如下表： 表一 三種算子特征提取情況統(tǒng)計(jì) 特征提取算子 耗費(fèi)時(shí)間（ ms） 提取點(diǎn)數(shù)（個(gè)） Morave 125 280 Forstner 94 51 Harris 561 152 整體上來講， Moravec算子是三種算子最簡單的，在提取結(jié)果中會對鋸齒狀噪聲非常敏感； Forstner算子整個(gè)結(jié)構(gòu)比較復(fù)雜，但是在本文中，只是考慮了其確定最佳窗口的實(shí)現(xiàn)，因而整個(gè)算法被簡化，它對噪聲有一定的抵抗，提取的特征點(diǎn)結(jié)果都是非常典型的角點(diǎn)，定位精度比 Moravec算子高； Harris算子比本文中前兩個(gè)算子都要復(fù)雜一些，因?yàn)槎嗔艘粋€(gè)高斯濾波的步驟，計(jì)算時(shí)間是三個(gè)算子中最長的一個(gè)，提取結(jié)果中 L型角點(diǎn)的定位精度是三種算子里面最好的，但是其它角點(diǎn)定位誤差較大，對噪聲的抵抗性也較差。在試驗(yàn)中還發(fā)現(xiàn)了一些問題： （ 1）對于 Moravec算子的灰度差平方 和可以做加權(quán)改進(jìn)，這樣可以提高算子定位的準(zhǔn)確度。 上面的問題，都只是做了一些初步的實(shí)驗(yàn)，還需要進(jìn)一步的分析和研究。 （ 3）對于三種算子都涉及到最佳經(jīng)驗(yàn)閾值的選擇問題。 3 結(jié)束語 在本次試驗(yàn)中，對三種常見的點(diǎn)特征提取算法進(jìn)行了討論，由于某些原因本文只是按照最原始的理論對三種算子做了算法的實(shí)現(xiàn)。 Moravec算子基于灰度差平方和作為特征點(diǎn)提取的測度； Forstner算子基于 Robert梯度構(gòu)成的灰度協(xié)方差矩陣，引入誤差橢圓的概念作為特征點(diǎn)提取的測度；而 Harris算子則是通過相關(guān)矩陣作為點(diǎn)特征的提取測度。因此，同前面兩個(gè)算子一樣，需要通過閾值判斷來確定候選點(diǎn)，閾值的選擇合理性會影響到最后的提取特征點(diǎn)的數(shù)目。在圖中某些傾斜的邊緣上也有一些點(diǎn)被提取出來，但特征點(diǎn)的數(shù)量少于 Moravec算子提取出來的結(jié)果。最終表現(xiàn)的結(jié)果就是對于鋸齒狀的邊緣而產(chǎn)生的偽特征點(diǎn)有一定的抗噪能力。通過上面的結(jié)果可以看到 Forstner算子有以下特點(diǎn)： （ 1）經(jīng)驗(yàn)閾值影 響
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1