數(shù)字攝影測量論文典型點特征提取算法研究(編輯修改稿)
2025-07-12 00:52 本頁面
【文章內(nèi)容簡介】 提取效果 對測試圖像進行特征點提取，得到結果如下圖 。 （圖 Moravec算子提取效果） 從圖中可以發(fā)現(xiàn)在高對比度處的幾種基本類型的角點都被提取出來，但在一些低對比度的小區(qū)域中典型的角點沒有被提取出來。特別是在測試圖像的左方的灰度梯度區(qū)域，沒有提取出任何的角點。還可以發(fā)現(xiàn) Moravec對圖中某些斜向的邊緣非常敏感，在實心形體的幾條近 45度和 135度的邊緣上面提取出了 很多特征點。 效果分析 Moravec算子通過計算象元的四個方向的灰度差平方和來作為判斷是否特征點的條件。通過上面的提取效果圖我們可以發(fā)現(xiàn) Moravec算子的如下特點： （ 1）經(jīng)驗閾值影響大。通過算法的原理可以知道， Moravec算子提取的特征點是大于閾值的興趣值中的最大值點，閾值是會直接影響到做極大值濾波時的候選點數(shù)目。從上面的提取效果中也可以發(fā)現(xiàn)，圖像中灰度對比度較小的區(qū)域里的非常明顯的特征點也沒有提取出來。這并不是因為 Morave算子本身的缺陷，而是由于閾值設定所產(chǎn)生的問題。但是在 Moravec算子的機制下，要想找到一個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于一幅影像較為合理的閾值。 （ 2）噪聲敏感。在提取的結果中還有一個明顯的特點：對某 些斜向的邊緣線敏感。通過對比可以發(fā)現(xiàn)，在圖像中一個像素大小的斜向邊緣并不能引起 Moravec算子的高敏感性。所以，可以得到結論： Moravec算子并不是具有斜向邊緣敏感性的特征提取算子。通過對圖像放大，可以看到提取了很多特征點的傾斜邊緣實際上是由鋸齒狀的結構構成，而這些鋸齒結構就像一個一個獨立的噪聲點，使得計算出的 IV值有極大值出現(xiàn)，也即是引起了 Moravec的敏感性，最終提取出了很多的特征點。 （ 3）不能準確定位。 Moravec算子在計算四個方向灰度差平方和值時是將窗口中某一方向相鄰像素的差值直接平方相加 ，也即等權的相加。這樣做的結果就是角點的定位不準確（一般最大會偏移一個像素）。可以通過下圖 。 （圖 假設局部灰度圖） 上圖假設為某影像上的一個小區(qū)域示意，可以知道最好的角點提取結果是圖中藍色五角星所在的位置。采用 5*5的窗口（如 ）來計算 IV值，根據(jù)計算四方向值的原理可以知道，紅色點處的 IV = 255*255 ，藍色點處的 IV = 255*255。假設閾值取值為 255，那么也就是說圖中的紅色點和藍色點在 Moravec算子的機制下都可以成為候選點，甚至于圖中的綠色點和黃色點也可以成為候選點。在極大值濾波的過程中，如果按照順序搜索最大的情況來選擇最大值，那么無論怎樣計算都不可能正確的選擇出藍色點，而紅色點卻很容易被選當做特征點提取出來（偏移量為 1個像素）。 通過上述分析，可以清楚的看到 Moravec算子的定位不夠精確，特征點會被錯誤提取。因此，在很多論文中提到了通過增加 Moravec算子計算的方向的個數(shù)來提高結果的正確率，但增加方向的度量 不好確定，而且增加方向會幾
畢業(yè)設計相關推薦
鄂ICP備17016276號-1