數(shù)字攝影測量論文典型點特征提取算法研究-文庫吧資料
2025-06-14 00:52本頁面
【正文】 離的信號對中心點的影響是不同的。 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。假設(shè)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。 （圖 假設(shè)局部灰度圖） 上圖假設(shè)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(jié)果是圖中藍色五角星所在的位置。這樣做的結(jié)果就是角點的定位不準(zhǔn)確（一般最大會偏移一個像素）。 （ 3）不能準(zhǔn)確定位。所以，可以得到結(jié)論： Moravec算子并不是具有斜向邊緣敏感性的特征提取算子。在提取的結(jié)果中還有一個明顯的特點：對某 些斜向的邊緣線敏感。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。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。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。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。 （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。在一定大小的窗口內(nèi)（一般不同于興趣值計算的窗口大?。┻x取 I 值中最大的點作為特征點。給定一定的閾值，選取候選點。計算出與自相關(guān)函數(shù)相聯(lián)系的矩陣 M， M陣的特征值是自相關(guān)函數(shù)的一階曲率。首先確定 n*n的影像窗口，對窗口中像素點進行一階差分運算，求得梯度值。本文中，對經(jīng)典的 Harris算法加入了一個閾值選擇的步驟。 Harris 算子 Harris算子也屬于第三類利用灰度選取特征點的算子，通過計算與 自相關(guān)函數(shù)相聯(lián)系的的矩陣 M， M矩陣的兩個特征值是自相關(guān)函數(shù)的一階曲率，然后計算兩個曲率值，如果兩個曲率值都大，則認為該點為特征點。 （ 4）選取極值點。根據(jù)經(jīng)驗閾值，選取出候選點。 其中： DetN 表示矩陣 N的行列式； trN表示矩陣 N的跡。 其中：分別表示窗口中各像素點的 Robert梯度值。 Forstner算子通過計算各像素的 Robert梯度和以像素為中心的一個窗口的灰度協(xié)方差矩陣，在影像中尋找盡可能小而接近于圓的誤差橢圓的點作為特征點。 Forstner 算子 Forstner算子也是屬于第三類利用灰度選取特征點的算子，作為一個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，整體計算過程比 Moravec算子要復(fù)雜一些。 （ 3）極大值濾波，選出特征點。給定一個經(jīng)驗閾值，將上一步中的到的興趣值大于該閾值的點作為候選點。在以像素（ c， r）為中心的 w*w的窗口中，計算該像
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1