摄影测量学点特征提取模拟实践.docx
《摄影测量学点特征提取模拟实践.docx》由会员分享，可在线阅读，更多相关《摄影测量学点特征提取模拟实践.docx（12页珍藏版）》请在冰点文库上搜索。
摄影测量学点特征提取模拟实践
工程技术大学
模拟实践
教学单位测绘学院
专业测绘工程
名称点特征提取模拟实践
班级测绘13-3
组长小茜
组员柳少冬倪贺星建琪
指导教师辛超
一、目的
理解影像中每个像素灰度值的概念；理解点特征在灰度面的特点；掌握常用的点特征提取算子，及其对应的点特征提取法，包括：
Moravec算子、Forstner算子。
二、要求
运用VC++、C#、MATLAB其中一种自己擅长的语言，实现两种点特征提取算法。
三、法与步骤
（一）Moravec算子提取过程
a.读取灰度影像，得到影像的灰度矩阵；
b.计算各像元的兴趣值IV：
c.给定一经验阈值，将兴趣值（
）大于阈值的点作为候选点；
d.选取候选点中的极值点作为特征点；
e.将特征点在原始图像上进行标记、展示。
（二）Forstner算子提取过程
a.计算各像素的Robert’s梯度；
b.计算ll（如55或更大）窗口中灰度的协差矩阵；
其中：
c.计算兴趣值q与w；
式中：
DetN代表矩阵N之行列式，trN代表矩阵N之迹。
d.确定待选点；
当
同时
，该像元为待选点。
e.选取极值点。
即在一个适当窗口中选择最大的待选点。
f.将特征点在原始图像上进行标记、展示。
（3）、流程图
4、实验容及成果
1、Moravec算子程序相关容
（1）Moravec算子程序源代码：
clc
clear
%I=imread（'C:
\Users\LBS\Desktop\MoravecMATLAB\girl.bmp'）;
I=imread（'C:
\Users\Administrator\Desktop\点特征提取\MoravecMATLAB\left缩小.bmp'）;
originalmap=I;
%ifisrgb（I）
%I=rgb2gray（I）;%将彩色图像转换为灰度图像
%end
I=double（I）;%转换为双精度图像
[row,column]=size（I）;
w1=floor（5/2）;%确定窗口大小
w2=5;
step=w1;
ir=10000;%设置阈值
num=0;
%得到特征点的坐标
xc=[];
yc=[];
tic;
fori=w1+1:
1:
row-w1-1
ifi+w2>row-w1-1
continue;
end
forj=w1+1:
1:
column-w1-1
ifj+w2>column-w1-1
continue;
end
interest=0;%兴趣值
v1=0;v2=0;v3=0;v4=0;
fork=-step:
step-1
%计算纵向相邻像素灰度差的平和
v1=v1+（I（i+k,j）-I（i+k+1,j））^2;
%计算125度斜线向相邻像素灰度差的平和
v2=v2+（I（i+k,j+k）-I（i+k+1,j+k+1））^2;
%计算横相邻像素灰度差的平和
v3=v3+（I（i,j+k）-I（i,j+k+1））^2;
%计算45度斜线向相邻像素灰度差的平和
v4=v4+（I（i+k,j-k）-I（i+k+1,j-k-1））^2;
end
%取v1,v2,v3,v4中最小者作为像素（c,r）的兴趣值
interest=min（[v1,v2,v3,v4]）;
ifinterest>ir%//最大兴趣值与阈值比较
num=num+1;
pointx（num）=j;
pointy（num）=i;
yc=[yc,i];
xc=[xc,j];
end
end
end
%图像中显示特征点
figure（4）;
imshow（originalmap）;
holdon;
plot（xc,yc,'R*'）;
axison;
title（'图像中显示特征点'）;
xlabel（'图像的列数'）;
ylabel（'图像的行数'）;
toc;
t=toc;
disp（['本程序的运行时间为',num2str（t）,'秒。
']）;
图一Moravec算子程序的相关截图
（2）原始灰度影像
图二原始灰度影像
（3）程序运行结果
图三Moravec算子程序运行结果
2、Forstner算子程序的相关容
（1）Forstner算子程序源代码：
clc
clear
I=imread（'C:
\Users\Administrator\Desktop\点特征提取\MoravecMATLAB\left缩小.bmp'）;
%I=imread（'C:
\Users\LBS\Desktop\Lenna.bmp'）;
originalmap=I;
%ifisrgb（I）
%I=rgb2gray（I）;%将彩色图像转换为灰度图像
%end
I=double（I）;%转换为双精度图像
[row,column]=size（I）;
w1=5;%确定窗口大小
w2=5;
k=floor（w1/2）;
step=w1;
iq=0.65;%设置阈值
ir_w=2.5;
num=0;
%得到特征点的坐标
xc=[];
yc=[];
tic;
sum_w=0;
count_w=0;
fori=k+1:
row-k
forj=k+1:
column-k
%协差矩阵
G0=0;G2=0;G1=0;
form=i-k:
i+k-1
forn=j-k:
j+k-1
G0=G0+（I（m+1,n+1）-I（m,n））^2;
G2=G2+（I（m,n+1）-I（m+1,n））^2;
G1=G1+（I（m+1,n+1）-I（m,n））*（I（m,n+1）-I（m+1,n））;
end
end
DetN=G0*G2-G1*G1;
trN=G0+G2;
iftrN==0
ww（i,j）=0;
q（i,j）=0;
else
ww（i,j）=DetN/trN;
q（i,j）=DetN*4/trN/trN;
end
sum_w=sum_w+ww（i,j）;
count_w=count_w+1;
end
end
avg_w=sum_w/count_w;
fori=k:
w2:
row-w1
ifi+w2>row-w1
continue;
end
forj=k:
w2:
column-w1
ifj+w2>column-w1
continue;
end
max_w=0
max_x=0;max_y=0;
formh=1:
w2
formw=1:
w2
if（max_wmax_w=ww（i+mh,j+mw）;
max_x=j+mw;
max_y=i+mh;
end
end
end
if（max_w>ir_w*avg_w&&q（i+mh,j+mw）>iq）%//最大兴趣值与阈值比较
num=num+1;
pointx（num）=max_x;
pointy（num）=max_y;
yc=[yc,max_y];
xc=[xc,max_x];
end
end
end
figure;
imshow（originalmap）;
holdon;
plot（xc,yc,'R*'）;
axison;
title（'图像中显示特征点'）;
xlabel（'图像的列数'）;
ylabel（'图像的行数'）;
图四Forstner算子程序相关截图
（2）原始灰度影像
图五Forstner原始灰度影像
（3）程序运行结果
图六Forstner程序运行结果
五、实验体会
柳少冬：
此次实验让我对Forstner算子以及Moravec算子实现过程有了进一步了解，对这两种点特征提取算法有了更深刻的认识。
Forstner和Moravec程序的大致流程看了看，但是还有些问题。
这两个程序需要修改的不多，只改了改两种算子所用图片的路径以及部分容，总体操作比较顺利，结果也容易得到。
这次实验通过程序运行，得到经两种点特征提取的图片，从照片中可以清晰对比不同。
总之，此次实验比较顺利。
升级会员 