版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、<p><b> 摘 要</b></p><p> 圖像處理是一門很有價值的學(xué)科,在科學(xué)技術(shù)不斷發(fā)展的今天它的技術(shù)已趨于成熟。同時圖像之間的處理, 在實(shí)際應(yīng)用中也顯的越來越重要。本課程設(shè)計的主要任務(wù)是實(shí)現(xiàn)對數(shù)字圖像的頻譜特性的分析,觀察結(jié)果,并進(jìn)行結(jié)果分析。本課程設(shè)計的系統(tǒng)開發(fā)平臺為MATLAB,程序運(yùn)行平臺為Windows98/2000/XP</p><p
2、> 在圖像理解、圖像匹配、三維重建及模式識別等領(lǐng)域中,特征點(diǎn)的檢測具有十分重要的意義。特征點(diǎn)在保留圖像中物體的重要特征信息的同時有效地減少了信息的數(shù)據(jù)量,使得對圖像處理時運(yùn)算量大大減少。特征點(diǎn)的的定義有多種不同的表述,如圖像中灰度值和像素劇烈變化的點(diǎn)、圖像邊界上具有較高曲率的點(diǎn)等。對于特征點(diǎn)的定義決定了特征點(diǎn)的特性,同時也決定了所檢測出的特征點(diǎn)的檢測所采用的方法。</p><p> SUSAN(Smal
3、lest Univalue Segment Assimilating Nucleus)算法是上世紀(jì)九十年代中期提出的一種邊角點(diǎn)檢測算法,該算法是一種基于圖像局部灰度特征,利用一個圓形的模板對圖像進(jìn)行掃描,比較模板內(nèi)部的點(diǎn)與模板中心點(diǎn)的灰度值,如果灰度差值小于一定的閾值,就認(rèn)為該點(diǎn)與中心點(diǎn)的灰度相同,否則就認(rèn)為該點(diǎn)與中心點(diǎn)有明顯的差異。統(tǒng)計模板內(nèi)部與中心點(diǎn)灰度相同的點(diǎn)的個數(shù),與一個全局閾值進(jìn)行比較,判斷該點(diǎn)是否屬于角點(diǎn),從而實(shí)現(xiàn)對圖像特征
4、點(diǎn)的檢測。</p><p> 本文采用matlab語言實(shí)現(xiàn)了SUSAN特征點(diǎn)監(jiān)測并利用模擬圖像和真實(shí)圖像對算法進(jìn)行了驗(yàn)證,實(shí)驗(yàn)表明SUSAN特征點(diǎn)檢測算法能有效提取圖像中的特征點(diǎn)。與傳統(tǒng)的角點(diǎn)檢測算法相比,SUSAN算法是一種基于圖像灰度比較的算法,不涉及梯度的計算。具有速度快、抗干擾能力強(qiáng)等特點(diǎn)。</p><p> 關(guān)鍵字: SUSAN算法;邊緣檢測;角點(diǎn)檢測;matlab</
5、p><p><b> 目 錄</b></p><p><b> 1課程設(shè)計目的1</b></p><p><b> 2課程設(shè)計要求2</b></p><p> 3特征點(diǎn)檢測的原理及方法3</p><p> 3.1 SUSAN算法基本原理3&
6、lt;/p><p> 3.2 SUSAN算法的實(shí)現(xiàn)6</p><p> 3.2.1讀入圖像6</p><p> 3.2.2 SUSAN算法顯示邊緣圖6</p><p> 4.matlab程序代碼7</p><p> 5.算法的應(yīng)用12</p><p> 6.算法的評價14&l
7、t;/p><p> 6.1算法的改進(jìn)14</p><p> 6.2參數(shù)對角點(diǎn)的影響14</p><p> 6.2.1去除真角點(diǎn)附近的偽角點(diǎn)14</p><p> 6.2.2邊緣輪廓上的偽角點(diǎn)處理15</p><p> 6.3 Harris與SUSAN算法的比較15</p><p>
8、; 6.3.1 Harris基本原理15</p><p> 6.3.2實(shí)驗(yàn)分析變化17</p><p> 6.4 Harris與SUSAN小結(jié)18</p><p><b> 結(jié)論19</b></p><p><b> 參考文獻(xiàn)20</b></p><p>
9、<b> 1課程設(shè)計目的</b></p><p> ?。?)學(xué)習(xí)并了解 Matlab軟件的實(shí)用,并了解Matlab在數(shù)字圖像中的應(yīng)用。學(xué)會編寫Matlab程序并調(diào)試、運(yùn)行。</p><p> ?。?)了解圖像的檢測運(yùn)算在數(shù)字圖像處理中的初步應(yīng)用。</p><p> ?。?)體會圖像特征檢測過程和處理前后圖像的變化。</p>&l
10、t;p><b> 2課程設(shè)計要求</b></p><p> ?。?)了解Matlab軟件的實(shí)用,在Matlab環(huán)境下學(xué)會用軟件對圖像進(jìn)行處理,并獲得預(yù)期的結(jié)果。</p><p> (2)了解圖像特征檢測的原理和作用。</p><p> (3)對比處理后的圖像與原圖像,得出處理后的結(jié)論。</p><p> 3
11、特征點(diǎn)檢測的原理及方法</p><p> 3.1 SUSAN算法基本原理</p><p> SUSAN算法是由Simth SM和Brady JM首先提出的一種低層次圖像處理小核值相似區(qū)的方法SUSAN(Small Univalue Segment Assimilating Nucleus)即小核值相似區(qū)。該算法直接利用像素的灰度進(jìn)行角點(diǎn)檢測。而不考慮曲率等復(fù)雜的角點(diǎn)特征。SUSAN檢測
12、算子的基本原理是通過統(tǒng)計某一像素局部區(qū)域內(nèi)與該像素等灰度值近似的的點(diǎn)的個數(shù),實(shí)現(xiàn)角點(diǎn)檢測。</p><p> 該算法一般利用一個37像素的圓形模板來實(shí)現(xiàn)的,如圖2.1所示。圖2.2中圓形模板e的圓心稱為核心,假如模板中的某些像素的亮度與核心相同或相似,就定義這些像素組成的區(qū)域?yàn)閁SAN(核值相似區(qū))區(qū)域。圖2.3顯示出了不同位置的USAN區(qū)域面積大小。USAN區(qū)域包含了圖像結(jié)構(gòu)的以下信息:在a位置,核心點(diǎn)在角點(diǎn)
13、上,USAN面積達(dá)到最小:在b位置,核心點(diǎn)在邊緣線上時,USAN區(qū)域面積接近最大值的一半;在 c、d位置,核心點(diǎn)處于黑色矩形區(qū)域之內(nèi),USAN區(qū)域面積接近最大值。因此,可以根據(jù)USAN區(qū)的面積大小檢測出角點(diǎn)。</p><p> 圖3.1 包含37個像素的圓形模板</p><p> 圖3.2 簡單圖像中的四個圓形模板</p><p> 圖3.3 不同位置USAN
14、區(qū)域面積的大小</p><p> 具體檢測時,是用圓形模板掃描整個圖像,比較模板內(nèi)每一像素與中心像素的灰度值。并給定閾值來判別該像素是否屬于USAN區(qū)域,式2.1是SUSAN算法的原始相似比較函數(shù)。式2.2是在實(shí)際應(yīng)用中比較常用的相似比較函數(shù) : </p><p><b> ?。?.1) </b></p><p><b> ?。?
15、.2) </b></p><p> 用于計算以每個像素點(diǎn)為核心的USAN區(qū)的像素個數(shù);是模板中心像素(核)的灰度值;為模板內(nèi)其他任意像素的灰度值;t是區(qū)分特征目標(biāo)與的一個重要閾值,一般取25。</p><p> 圖像中某一點(diǎn)USAN區(qū)域大小可由下式2.3表示:</p><p><b> ?。?.3)</b></p>
16、<p> 式中,是以為圓心的模板。</p><p> 在得到每個像素的USAN區(qū)域后。再由下式2.4角點(diǎn)響應(yīng)函數(shù)(Corner- Response Function,CRF )產(chǎn)生角點(diǎn)初始響應(yīng):</p><p> ?。?.4) </p><p> 式中,g是抑制噪聲的幾何閾值 ,它決定了輸出角點(diǎn)的USAN區(qū)域的
17、最大值。同時它還決定了所檢測到的角點(diǎn)的尖銳程度。g取得越小,所檢測到的角點(diǎn)越尖銳。用這種原理,取不同的幾何門限,不但能檢測角點(diǎn).還可以檢測交點(diǎn)、邊緣等特征。</p><p> SUSAN算子計算簡單,不需要用導(dǎo)數(shù)求邊緣強(qiáng)度及方向梯度,增強(qiáng)了抗噪能力;且計算時間明顯減少,易于硬件實(shí)現(xiàn)。然而SUSAN算法并不能完全消除孤立噪聲點(diǎn)及由于模糊導(dǎo)致而致立體匹配誤差率較高。SUSAN算法流程圖如圖4.4所示。</p&
18、gt;<p> 圖3.4 SUSAN算法流程圖</p><p> 3.2 SUSAN算法的實(shí)現(xiàn) </p><p><b> 3.2.1讀入圖像</b></p><p> 關(guān)閉所有窗口(程序運(yùn)行產(chǎn)生的,不包括命令窗,editor窗和幫助窗),清除所有工作空間中的變量,讀入圖像并顯示原始圖像。</p><p
19、> 3.2.2 SUSAN算法顯示邊緣圖</p><p> 構(gòu)造半徑為3個像素的圓型模板,遍歷圖像的每一個點(diǎn)。當(dāng)像素位于模板內(nèi)時,根據(jù)公式(10)求c 和n(n的最大值為37),</p><p> ?。?.5) </p><p> 其中,為掩模核在圖像中的坐標(biāo),(x,y)為掩模區(qū)域其它點(diǎn)的坐標(biāo)。、I(x,y)分別為點(diǎn)和的灰度值。閾值決定了兩個點(diǎn)相
20、似的最大差異。C為輸出的結(jié)果。其中:為USAN中象素個數(shù),它給出了USAN值。將與某固定閾值相比較,得到SUSAN算法對圖像角點(diǎn)的響應(yīng)函數(shù)(2.5):其中,(為的最大值),恰好是理想邊緣的USAN區(qū)大小,而對于實(shí)際有噪聲影響的圖像,邊緣的USAN區(qū)一般都大于。并以n為基礎(chǔ)創(chuàng)建一個新的窗口figure(2)并顯示結(jié)果為圖像的邊緣。</p><p> 4.matlab程序代碼</p><p>
21、; clc,clear;</p><p> harris_result=[];</p><p> %----保存圖像所有信息、讀取圖像-----</p><p> FileInfo=imfinfo(' F:\0.jpg');</p><p> Image=imread(' F:\0.jpg');<
22、;/p><p> %-----轉(zhuǎn)換為灰度值圖像---------</p><p> if(strcmp('truecolor',FileInfo.ColorType)==1)</p><p> Image=im2uint8(rgb2gray(Image));</p><p><b> end</b>&
23、lt;/p><p> %------------------計算圖像的方向?qū)?shù)------------------</p><p> %-----橫向Prewitt差分模板</p><p> dx=[-1 0 1;</p><p><b> -1 0 1;</b></p><p><b&
24、gt; -1 0 1];</b></p><p> Ix2=filter2(dx,Image).^2;</p><p> Iy2=filter2(dx',Image).^2;</p><p> Ixy=filter2(dx,Image).*filter2(dx',Image);</p><p> %---
25、-----------------計算局部自相關(guān)矩陣----------------</p><p> %----生成9*9的高斯窗口(窗口越大,探測到的角點(diǎn)越少)</p><p> h=fspecial('gaussian',9,2);</p><p> A=filter2(h,Ix2);</p><p> B=fi
26、lter2(h,Iy2);</p><p> C=filter2(h,Ixy);</p><p> %---------------矩陣Corner用來保存候選角點(diǎn)位置------------</p><p> nrow=size(Image,1);</p><p> ncol=size(Image,2);</p>&l
27、t;p> Corner=zeros(nrow,ncol);</p><p> %-----------------相似性篩選------時間優(yōu)化------------</p><p> %-----參數(shù)t:點(diǎn)(i,j)八鄰域的“相似度參數(shù)”,中心點(diǎn)與鄰域其他八個點(diǎn)的像素值之差在</p><p> %------------(-t,+t)之間,則確認(rèn)他
28、們?yōu)橄嗨泣c(diǎn)</p><p><b> t=20;</b></p><p> boundary=8; %---去除邊界上boundary個像素</p><p> for i=boundary:1:nrow-boundary+1</p><p> for j=boundary:1:ncol-boundary+1<
29、;/p><p> nlike=0; %----相似點(diǎn)的個數(shù)</p><p> if Image(i-1,j-1)-Image(i,j)>-t&&Image(i-1,j-1)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b>&
30、lt;/p><p> if Image(i-1,j)-Image(i,j)>-t&&Image(i-1,j)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b></p><p> if Image(i-1,j+1)-Image
31、(i,j)>-t&&Image(i-1,j+1)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b></p><p> if Image(i,j-1)-Image(i,j)>-t&&Image(i,j-1)-Image(i,j
32、)<t</p><p> nlike=nlike+1;</p><p><b> end</b></p><p> if Image(i,j+1)-Image(i,j)>-t&&Image(i,j+1)-Image(i,j)<t</p><p> nlike=nlike+1;&l
33、t;/p><p><b> end</b></p><p> if Image(i+1,j-1)-Image(i,j)>-t&&Image(i+1,j-1)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b&g
34、t;</p><p> if Image(i+1,j)-Image(i,j)>-t&&Image(i+1,j)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b></p><p> if Image(i+1,j+1)-Im
35、age(i,j)>-t&&Image(i+1,j+1)-Image(i,j)<t</p><p> nlike=nlike+1;</p><p><b> end</b></p><p> if nlike>=2&&nlike<=6</p><p> Cor
36、ner(i,j)=1;</p><p><b> end</b></p><p><b> end</b></p><p><b> end</b></p><p> %-----------計算角點(diǎn)響應(yīng)函數(shù)值---corness = det(u) - k*trace(
37、u)^2-------</p><p> CRF=zeros(nrow,ncol);</p><p> CRFmax=0; %----圖像中角點(diǎn)響應(yīng)函數(shù)的最大值,作閾值用</p><p><b> k=0.05;</b></p><p> for i=boundary:1:nrow-boundary+1<
38、;/p><p> for j=boundary:1:ncol-boundary+1</p><p> if Corner(i,j)==1</p><p> M=[A(i,j) C(i,j);</p><p> C(i,j) B(i,j)];</p><p> CRF(i,j)=det(M)-k*(trace(M)
39、)^2;</p><p> if CRF(i,j)>CRFmax</p><p> CRFmax=CRF(i,j);</p><p><b> end</b></p><p><b> end</b></p><p><b> end</b&g
40、t;</p><p><b> end</b></p><p> %--------判定當(dāng)前位置是否為角點(diǎn)------------</p><p> count=0;%----角點(diǎn)個數(shù)</p><p><b> t=0.01;</b></p><p> for i=
41、boundary:1:nrow-boundary+1</p><p> for j=boundary:1:ncol-boundary+1</p><p> if Corner(i,j)==1</p><p> if CRF(i,j)>t*CRFmax&&CRF(i,j)>CRF(i-1,j-1)...</p><
42、p> &&CRF(i,j)>CRF(i-1,j)&&CRF(i,j)>CRF(i-1,j+1)...</p><p> &&CRF(i,j)>CRF(i,j-1)&&CRF(i,j)>CRF(i,j+1)...</p><p> &&CRF(i,j)>CRF(i+1,j
43、-1)&&CRF(i,j)>CRF(i+1,j)...</p><p> &&CRF(i,j)>CRF(i+1,j+1)</p><p> count=count+1;</p><p><b> else</b></p><p> Corner(i,j)=0;</
44、p><p><b> end</b></p><p><b> end</b></p><p><b> end</b></p><p><b> end</b></p><p> figure,imshow(Image);&
45、lt;/p><p><b> hold on;</b></p><p> for i=boundary:1:nrow-boundary+1</p><p> for j=boundary:1:ncol-boundary+1</p><p> column_ave=0;</p><p> ro
46、w_ave=0;</p><p><b> k=0;</b></p><p> if Corner(i,j)==1</p><p> for x=i-3:1:i+3</p><p> for y=j-3:1:j+3</p><p> if Corner(x,y)==1</p>
47、<p> row_ave=row_ave+x;</p><p> column_ave=column_ave+y;</p><p><b> k=k+1;</b></p><p><b> end</b></p><p><b> end</b><
48、/p><p><b> end</b></p><p><b> end</b></p><p><b> if k>0</b></p><p> harris_result=[harris_result;round(row_ave/k) round(column_a
49、ve/k)];</p><p> plot(column_ave/k,row_ave/k,'b.');</p><p><b> end</b></p><p><b> end</b></p><p><b> end</b></p>&
50、lt;p><b> 5.算法的應(yīng)用</b></p><p> 為了更好地驗(yàn)證本文中所提出算法的有效性,利用復(fù)雜模擬圖像和真實(shí)圖像對算法進(jìn)行了檢測。輸入真實(shí)的樓房圖像如圖6.1所示:</p><p><b> 圖5.1 原始圖</b></p><p> 提取了角點(diǎn)后的圖如5.2所示:</p>&l
51、t;p> 圖5.2 提取了角點(diǎn)后的圖像</p><p> 因?yàn)楦鱾€圖形的角點(diǎn)離其他圖形很近,且在一張圖內(nèi),各個角點(diǎn)相距較遠(yuǎn),所以使用較大的抑制窗口,如果兩個真角點(diǎn)在同一個抑制窗口內(nèi)就會有一個不剔除。實(shí)驗(yàn)結(jié)果表明本算法可以有效提取圖像中好的角點(diǎn),并使角點(diǎn)均勻的分布在圖像上。</p><p><b> 6.算法的評價</b></p><p&
52、gt;<b> 6.1算法的改進(jìn)</b></p><p> 本文通過在灰度圖像上尋找SUSAN算子的極值提取特征點(diǎn),使用matlab語言編程實(shí)現(xiàn)了SUSAN特征點(diǎn)檢測算法,首先構(gòu)造一個圓形模板遍歷整個圖像利用相似比較函數(shù)得出的結(jié)果與閾值t進(jìn)行比,然后計算出USAN區(qū)域的大小n與閾值g比較得到角點(diǎn)的相應(yīng)函數(shù),與原來的SUSAN算法相比,為了得到正確的角點(diǎn)對檢測出的角點(diǎn)群利用非極大值抑制函數(shù)
53、(NMS)方法篩選出具有局部最大角點(diǎn)響應(yīng)值的候選點(diǎn),并把它們確認(rèn)為最終的角點(diǎn)檢測結(jié)果。NMS法的范圍選定在以被檢測點(diǎn)為中心的方形鄰域內(nèi),最大值抑制使偽角點(diǎn)大大減少。</p><p> 6.2參數(shù)對角點(diǎn)的影響</p><p> 在運(yùn)用SUSAN 研究發(fā)現(xiàn),在使用基本SUSA算法提取角點(diǎn)時經(jīng)常會提取到兩種不相關(guān)的點(diǎn),一種是真角點(diǎn)附近的點(diǎn),另外一種是邊緣輪廓上的點(diǎn),這些點(diǎn)成為偽角點(diǎn)被一起提取
54、出來。針對兩種偽角點(diǎn)的產(chǎn)生原因分別提出兩種簡潔的方法進(jìn)行處理,達(dá)到較好的效果。</p><p> 6.2.1去除真角點(diǎn)附近的偽角點(diǎn)</p><p> 算法對圖像進(jìn)行處理時,很難對一些曲率較高的角點(diǎn)進(jìn)行單像素精度的提取這是因?yàn)楫?dāng)進(jìn)行USAN區(qū)域面積與門限值g的對比時,一些曲率較大的角點(diǎn),其周圍一些邊緣點(diǎn)或內(nèi)部點(diǎn)同樣滿足USAN面積小于g的條件因此,在角點(diǎn)提取時這些點(diǎn)同時被提取出來并成為偽
55、角點(diǎn)。原則上可以令g取較小的值而避免這些偽角點(diǎn)的出現(xiàn),但這樣同時造成對曲率較大的角點(diǎn)提取失敗的結(jié)果。</p><p> 在SUSAN算法中,可以根據(jù)不同的情況,即根據(jù)圖像邊緣的形狀,以及目標(biāo)和背景的灰度對比度,選擇合適的門限t和g。</p><p> 6.2.2邊緣輪廓上的偽角點(diǎn)處理</p><p> 有時候在提取角點(diǎn)時發(fā)現(xiàn)一些邊緣上經(jīng)常會產(chǎn)生大量的偽角點(diǎn)。這
56、主要是因?yàn)閳A形模板面積過小而導(dǎo)致閾值g的選取過于粗糙,而若對所有像素都采用大模板進(jìn)行覆蓋處理,則必將大大降低處理速度。因此,在進(jìn)行一輪小的模板提取角點(diǎn)后,針對邊緣上的偽角點(diǎn)進(jìn)行第二輪的角點(diǎn)提取。主要算法思路是選取更大的模板(例如11×11的模板)對第一輪檢測到的所有角點(diǎn)進(jìn)行覆蓋,同時選擇合適的閾值g剔除不滿足閾值要求的偽角點(diǎn)。</p><p> 6.3 Harris與SUSAN算法的比較</p&
57、gt;<p> 和SUSAN算法一樣,Harris算法也是基于灰度圖像特征點(diǎn)檢測的算法suansan算法原理在第二章已論述過不再贅述,下面介紹Harris基本原理。</p><p> 6.3.1 Harris基本原理</p><p> Harris角點(diǎn)檢測算法是由Chris Harris和MikeStephens 在1988年提出該算法是在Moravec算法的基礎(chǔ)上發(fā)展
58、起來的Moravec算法是研究圖像中一個局部窗口在不同方向進(jìn)行少量的偏移后考察窗口內(nèi)圖像亮度值的平均變化需要考慮下面三種情況:</p><p> (1) 如果窗口內(nèi)區(qū)域圖像的亮度值恒定那么所有不同方向的偏移幾乎不 發(fā)生變化。</p><p> (2) 如果窗口跨越一條邊那么沿著這條邊的偏移。幾乎不發(fā)生變化 但是與邊垂直的偏移會發(fā)生很大的。</p><p>
59、 (3) 如果窗口包含一個孤立的點(diǎn)或者角點(diǎn)那么所有不同方向的偏移會發(fā)生很大的變化。</p><p> 下面介紹Moravec算法以及Harris算法在其基礎(chǔ)上做出的一些改進(jìn)</p><p> (1)計算像素點(diǎn)的自相關(guān)值的時候只考慮了像素點(diǎn)的8個方向Harris等通過區(qū)域變化擴(kuò)展將一些灰度強(qiáng)度變化比較小的體現(xiàn)出來 如式(11)所示:</p><p> ?。?.1)
60、 這里一階導(dǎo)數(shù)可以近似為:</p><p><b> ?。?.2)</b></p><p> 因此灰度強(qiáng)度變化比較小的情況可以寫成:</p><p><b> (6.3)</b></p><p><b> 其中</b></p><p><b&
61、gt; (6.4)</b></p><p> ?。?)Moravec算法沒有對圖片進(jìn)行降噪處理所以對噪聲比較敏感Harris算法使用平移的圓形窗口對圖像進(jìn)行預(yù)處理來降噪這里使用了高斯窗口:</p><p> ?。?.5)(3)Moravec算法對邊緣響應(yīng)比較敏感解決方法灰度變化比較小時</p><p> 可以精確寫為,式中M為:</p>
62、<p><b> ?。?.6)</b></p><p> 為了避免求M的特征值使用TrM和Det(M):</p><p><b> ?。?.7)</b></p><p> 定義角點(diǎn)響應(yīng)函數(shù)(CRF)為:</p><p><b> (6.8)</b></p
63、><p> 上式中角點(diǎn)響應(yīng)函數(shù)R在角點(diǎn)的區(qū)域是正值在邊界的區(qū)域是負(fù)值不變化的區(qū)域是很小的值在圖像角點(diǎn)檢測的過程中如果R值大于某個給定的閾值則這個點(diǎn)為角點(diǎn)。</p><p> 總體來說Harris算法是一種非常有效的角點(diǎn)檢測算法優(yōu)點(diǎn)主要表現(xiàn)在以下兩個方面:</p><p> (1) 提取的角點(diǎn)比較穩(wěn)定只要不是在大尺度狀態(tài)下提取的角點(diǎn)Harris算法提取出來的角點(diǎn)是比
64、較穩(wěn)定的。</p><p> (2) Harris 算法提取的角點(diǎn)比較均勻合理根據(jù)實(shí)驗(yàn)可以得出在紋理信息比較豐富的區(qū)域Harris算法可以提取出比較多的有用的角點(diǎn)而在紋理信息比較少的區(qū)域提取的角點(diǎn)則比較少。</p><p> 6.3.2實(shí)驗(yàn)分析變化</p><p> 通過某計算機(jī)立體視覺系統(tǒng)分別獲取模型汽車的單幅影像與立體影像對,在matlab7.8平臺上編程
65、實(shí)現(xiàn)對SUSAN、Harris算子的點(diǎn)特征提取,并采用基于匹配支持度的松弛匹配算法對立體影像對進(jìn)行匹配比較。</p><p> 對于單幅影像,由于Harris算子點(diǎn)特征提取操作是通過確定圖像中所能提取的最大可能的特征點(diǎn)數(shù)目來選擇值最大的若干象素點(diǎn)作為特征點(diǎn),因此,當(dāng)采用Harris算子提取同一目標(biāo)物影像中的特征點(diǎn)時,可設(shè)置不同數(shù)目的來觀察提取特征點(diǎn)的分布和數(shù)量。 </p><p>
66、隨著的不同,提取出特征點(diǎn)的數(shù)量和分布在相應(yīng)不斷調(diào)整。在SUSAN算子特征提取中,包括掩模核與掩模區(qū)域中其它點(diǎn)灰度值最大差異的閾值,SUSAN算法對影像特征點(diǎn)響應(yīng)的閾值,排除影像孤立噪聲點(diǎn)干擾的閾值等多組閾值參數(shù)。相比之下,采用Harris算子提取影像中的特征點(diǎn),其閾值參數(shù)的選擇就要簡單的多,只需選擇確定影像中所能提取的最大可能的特征點(diǎn)數(shù)目,并可以此作為調(diào)整特征點(diǎn)分布的參考。 </p><p> 當(dāng)對大小為24
67、00×1600象元的航空影像分別采用上述兩種算子進(jìn)行點(diǎn)特征提取時,整幅影像中SUSAN算子有些房屋角點(diǎn)未能提取出,而Harris算子提出了幾乎所有角點(diǎn)特征。但SUSAN算子提取所用時間較Harris算子少近10倍。</p><p> 6.4 Harris與SUSAN小結(jié)</p><p> Harris算子是計算機(jī)視覺界使用較為廣泛的一種點(diǎn)特征提取算子,SUSAN算子是國際上新
68、近推出并已得到廣泛應(yīng)用的保持結(jié)構(gòu)算子。與傳統(tǒng)點(diǎn)特征算子比較,前者具有簡單、穩(wěn)定、易于實(shí)現(xiàn)的特點(diǎn)。由上述點(diǎn)特征提取與隨后的立體影像匹配結(jié)果分析可得出:利用Harris算子不需設(shè)置閾值,整個過程的自動化程度高,可以根據(jù)匹配結(jié)果,定量調(diào)整提取的特征點(diǎn)數(shù)。同時它抗干擾強(qiáng)、精度高。SUSAN算子提取特征點(diǎn)分布合理,較適合提取圖像邊緣上的拐點(diǎn),由于它不需對圖像求導(dǎo)數(shù),所以也有較強(qiáng)的抗噪聲能力,利用SUSAN算法提取圖像拐點(diǎn),閾值的選取是關(guān)鍵。它沒有
69、自適應(yīng)算法,也不象Harris算法可根據(jù)需要提出一定數(shù)目的特征點(diǎn)。但該算法編程容易,易于硬件實(shí)現(xiàn)。為克服影像灰度值分布不均對提取SUSAN算子角點(diǎn)的影響,可對影像采取二值化(或多值化)分割,以進(jìn)一步改進(jìn)提取效果。</p><p><b> 結(jié)論 </b></p><p> 本文用matlab語言實(shí)現(xiàn)了SUSAN角點(diǎn)算法,并著重分析了基本的SUSA算法在提取角點(diǎn)時出
70、現(xiàn)多余的偽角點(diǎn),并討論了真角點(diǎn)附近及邊緣輪廓上的偽角點(diǎn)的處理方法。經(jīng)實(shí)驗(yàn)證明,采用改進(jìn)的算法后,角點(diǎn)提取精度有較明顯的提高。對各種類型的角點(diǎn)都能能獲得較好的結(jié)果。但是SUSAN角點(diǎn)檢測存在不足有:</p><p> ?、俨捎霉潭ㄩ撝挡贿m合一般的情況,需要只有閾值g自適應(yīng),閾值t只能手動修改 </p><p> ②圖像中的噪聲對所提取的特征有較大影響,實(shí)驗(yàn)表明此算法可靠性稍差。</
71、p><p> 角點(diǎn)檢測算法的設(shè)計與實(shí)現(xiàn)涉及多方面的理論、方法和技術(shù),本算法還有許多新的問題需要解決,需要在實(shí)際應(yīng)用中不斷的積累和完善,在以下幾個方面還需要做進(jìn)一步的完善和開發(fā):</p><p> 能智能選取閾值t及檢測模版的大小,減少參數(shù)輸入的個數(shù)。</p><p> 能判斷角點(diǎn)的好壞,去除大量無用的偽角點(diǎn)。有效的減少噪點(diǎn)。能在復(fù)雜的圖像中有效剔除噪點(diǎn)。</
72、p><p> 通過這次的課程設(shè)計,我深深的感受到了自身的不足。進(jìn)行課程設(shè)計不但需要多方面的知識,同時還要考驗(yàn)一個人的獨(dú)立動腦能力和動手能力,這在課本上學(xué)不到的。另外,這還要求我們具有一定的自學(xué)能力,在面對多次錯誤時要能冷靜,并且還要有堅定的意志力。在這次課程設(shè)計中,我得到的不僅僅是知識的補(bǔ)充,更多的是問題分析能力的提高,雖然只有短短一周時間,卻給了我比平常更多的磨練,也讓我在鞏固書本知識的同時學(xué)到了更多的東西。在這
73、次的課程設(shè)計中,我看到了理論與實(shí)際相結(jié)合的重要性,同樣,我還感受到了將理論實(shí)現(xiàn)于現(xiàn)實(shí)的重大喜悅,當(dāng)代碼最終成功運(yùn)行并出現(xiàn)正確的仿真結(jié)果時,那種巨大的成就感是無法用言語來形容的。雖然本次課程設(shè)計已經(jīng)結(jié)束了,但是我不會忘記從中收到的感受與啟發(fā),相信在以后的學(xué)習(xí)中,我將更加認(rèn)真努力,爭取從知識以及動手能力方面都能更上一層樓!最后,向我的實(shí)驗(yàn)老師致以最真摯的謝意!</p><p><b> 參考文獻(xiàn)</
74、b></p><p> [1]田原,梁德群,吳更石.直接基于灰度圖像的多尺度角點(diǎn)檢測方法[J]信號處理,1998,14(7-11):6-9.</p><p> [2]楊莉,初秀琴,李玉山.最小亮度變化角點(diǎn)自適應(yīng)檢測算法研究[J].西安電子科技大學(xué)學(xué)報,2003,30(4):530-533.</p><p> [3]費(fèi)旭東,荊仁杰.基于知識的快速角點(diǎn)提取[
75、J].計算機(jī)學(xué)報,1994,17(1):30-36.</p><p> [4]G Giraudon,R Derich.On Corner and Vertex Detection[J].Com-puter Vision and Pattern Recognition,1991,3(6):650-655.</p><p> [5]肖茜,魯宏偉.基于高斯平滑的自適應(yīng)角點(diǎn)檢測[J].計算機(jī)輔
76、助設(shè)計與圖形學(xué)學(xué)報,2003,15(11):1358-1</p><p> [6]王展,黃埔堪,萬建偉.基于多尺度小波變換的二維圖像角點(diǎn)檢測技術(shù)[J].國防科技大學(xué)學(xué)報,1999,21(2):46-49.</p><p> [7]馮麗輝.DCS、FCS、CIPS的集成與應(yīng)用[J].工業(yè)儀表與自動化裝置,200- 2(2),7-12.</p><p> [8]戚
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)字圖像處理課程設(shè)計
- 數(shù)字圖像處理課程設(shè)計
- 數(shù)字圖像處理課程設(shè)計
- 數(shù)字圖像處理課程設(shè)計--數(shù)字圖像處理系統(tǒng)
- 數(shù)字圖像處理課程設(shè)計
- 數(shù)字圖像處理課程設(shè)計
- 數(shù)字圖像處理課程設(shè)計--基于matlab的數(shù)字圖像處理
- 數(shù)字圖像處理課程設(shè)計--基于matlab的數(shù)字圖像處理
- 數(shù)字圖像處理課程設(shè)計論文
- 數(shù)字圖像處理課程設(shè)計 (2)
- 數(shù)字圖像處理課程設(shè)計1
- 數(shù)字圖像處理課程設(shè)計--實(shí)現(xiàn)簡單的數(shù)字圖像處理功能
- 數(shù)字圖像處理課程設(shè)計--人臉檢測
- 圖像處理課程設(shè)計--基于matlab的數(shù)字圖像處理
- 數(shù)字圖像課程設(shè)計
- 數(shù)字圖像處理dct變換課程設(shè)計
- 2013數(shù)字圖像處理課程設(shè)計報告
- 數(shù)字圖像處理-課程設(shè)計報告-matlab
- 武漢紡織大學(xué)《數(shù)字圖像處理》課程設(shè)計
- 信息方向課程設(shè)計報告---數(shù)字圖像處理
評論
0/150
提交評論