數(shù)字?jǐn)z影測(cè)量論文典型點(diǎn)特征提取算法研究(存儲(chǔ)版)
【正文】 （圖 假設(shè)局部灰度圖） 上圖假設(shè)為某影像上的一個(gè)小區(qū)域示意，可以知道最好的角點(diǎn)提取結(jié)果是圖中藍(lán)色五角星所在的位置。對(duì)于上圖而言，藍(lán)色點(diǎn)處的 IV值就會(huì)大于其余三個(gè)點(diǎn)處的 IV值，最終就可以準(zhǔn)確的定位出紅色點(diǎn)的特征點(diǎn)。最終表現(xiàn)的結(jié)果就是對(duì)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。因此，同前面兩個(gè)算子一樣，需要通過(guò)閾值判斷來(lái)確定候選點(diǎn)，閾值的選擇合理性會(huì)影響到最后的提取特征點(diǎn)的數(shù)目。 3 結(jié)束語(yǔ) 在本次試驗(yàn)中，對(duì)三種常見(jiàn)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(duì)三種算子做了算法的實(shí)現(xiàn)。 上面的問(wèn)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。 三種算子對(duì)測(cè)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(lái)講， Moravec算子是三種算子最簡(jiǎn)單的，在提取結(jié)果中會(huì)對(duì)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(jiǎn)化，它對(duì)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(zhǎng)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(duì)噪聲的抵抗性也較差。通過(guò)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。 （ 2）一定程度的抗噪能力。 考慮到圖像是一種信號(hào)的記錄，而離中心點(diǎn)不同距離的信號(hào)對(duì)中心點(diǎn)的影響是不同的。這樣做的結(jié)果就是角點(diǎn)的定位不準(zhǔn)確（一般最大會(huì)偏移一個(gè)像素）。但是在 Moravec算子的機(jī)制下，要想找到一個(gè)通用的閾值選擇方法是很麻煩的，所以一般需要人工不斷的更改閾值以得到對(duì)于一幅影像較為合理的閾值。 （圖 Moravec算子提取效果） 從圖中可以發(fā)現(xiàn)在高對(duì)比度處的幾種基本類型的角點(diǎn)都被提取出來(lái)，但在一些低對(duì)比度的小區(qū)域中典型的角點(diǎn)沒(méi)有被提取出來(lái)。首先確定 n*n的影像窗口，對(duì)窗口中像素點(diǎn)進(jìn)行一階差分運(yùn)算，求得梯度值。根據(jù)經(jīng)驗(yàn)閾值，選取出候選點(diǎn)。 Forstner 算子 Forstner算子也是屬于第三類利用灰度選取特征點(diǎn)的算子，作為一個(gè)可以用于精確定位的特征提取算子， Forstner算子的理論更偏向于誤差處理，整體計(jì)算過(guò)程比 Moravec算子要復(fù)雜一些。 Moravec算子通過(guò)計(jì)算各像素四個(gè)主要方向（即： 0度方向、 45度方向、 90度方向、 145度方向（如圖 ））上面灰度的差平方和，并且選取灰度差平方和中的最小值為該點(diǎn)的角點(diǎn)響應(yīng)函數(shù)值或稱興趣值（ IV），然后通過(guò)一定的閾值判斷，選取興趣值 IV中大于閾值的點(diǎn)做為候選點(diǎn)，最后通過(guò)一定的窗口，選擇窗口中備選
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1