②采用角点作为特征点

角点检测算法主要有三种,一种是基于模板匹配的方法,一种是灰度变换的方法,还有一种就是边缘检测的方法。其中Harris算法和SUSAN算法最具有代表性。

Harris算子为:3。4) ,其中,

               (3。5),其中,W为高斯平滑模板。

特点:计算比较简单,速度相对比较快。尤其是那些纹理信息非常丰富的图像,可以从中提取出大量的特征点。但当噪声比较大或干扰物比较多的时候,特征点将会大幅度增加,从而使得特征点匹配的运算量也显著增加。在信噪比相对比较高同时角度特征又相对比较明显的场合,这种方法最为适用。

    ③以闭合区域的质心作为特征点

选取合适的阈值做图像分割,对每个闭合的区域求它的质心,把质心作为选取的特征点。

特点:简单直观,运算量比较小,并且对噪声干扰比较不敏感。如果一幅图像中的目标比较大而且个数又相对比较少,当镜头的位置发生移动,那么扫描到的目标面积也逐渐随之发生改变,此时计算出的质心是不准确的,是发生过偏移的,这样对图像配准过程的进行是不利的。如果图像由大量的小目标组成,那么特征点提取的有效性就会变差。如果一幅图片的目标大小比较适中同时背景灰度差又比较明显,那么这种方法是非常适用的。如果图片不满足以上条件,可以先做边缘检测,寻找有闭合边界的区域,在这个区域内求质心。

3。2常用的特征点提取方法

①兴趣算子法

所谓兴趣点,指的就是相对于所在领域来说能够表现出某种奇异性的像素点,从而使得它容易被提取,对图像变换、信号噪声以及各种参数变化都具有良好的鲁棒性。最著名的兴趣点提取算子有Moravec算子、Forstner算子、Harris算子、SUSAN算子、SIFT算子等。

表3。1 采用不同的算法提取特征点时的误差

算法 RMSE/pits RMSEx/pits RMSEy/pits 时间/s

Moravec算子 1。8439 1。0488 1。5166 7。481

Forstner算子 0。7746 0。5477 0。5477 6。218

Harris算子 1。4491 1。0488 1。0000 1。292

SUSAN算子 1。8974 1。6125 1。0000 12。268

SIFT算子 4。4199 2。4082 3。7062 1。322

从表格我们不难看出,在几种算子中,精度最高的特征点提取算子是Forstner算子,接下来是Harris算子,精度最低的是SIFT算子;Harris算子速度最快,SIFT算子其次,SUSAN算子最慢。从整体适应性来看,SIFT算子、Harris算子、Forstner算子比SUSAN算子、Moravec算子优越。SIFT算法在处理图像发生几何形变方面具有性能优越并且稳定的优势。其中Harris算法的抗尺度缩放的性能比较差,但是抗旋转的性能却比较优越。SIFT算子最适合用于处理图像匹配、存在比较大的变形的图像的局部目标识别等任务,Harris算子在图像不涉及到尺度发生变化的情况下,性能也非常优越,尤其比较适合用于处理图像没有缩放并且只存在小量旋转的情况。论文网

上一篇:AT89S52单片机的火灾自动报警系统设计+电路图
下一篇:STC12C5A60S2单片机预付费电度表控制系统设计+电路图

依据市场某产品价格趋势...

西方电力产业监管制度的...

电力营销计量改造的重点...

电力营销电能计量现场作...

电力系统调度运行的危险...

电力系统中高压电气试验...

电力电缆线路工程的监理...

互联网教育”变革路径研究进展【7972字】

张洁小说《无字》中的女性意识

麦秸秆还田和沼液灌溉对...

我国风险投资的发展现状问题及对策分析

安康汉江网讯

LiMn1-xFexPO4正极材料合成及充放电性能研究

ASP.net+sqlserver企业设备管理系统设计与开发

老年2型糖尿病患者运动疗...

网络语言“XX体”研究

新課改下小學语文洧效阅...