摄影测量学点特征提取模拟实践Word下载.docx
《摄影测量学点特征提取模拟实践Word下载.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Word下载.docx（12页珍藏版）》请在冰豆网上搜索。
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ｌ⨯l（如5⨯5或更大）窗口中灰度的协方差矩阵；
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。
（三）、流程图
四、实验内容及成果
１、Mｏravec算子程序相关内容
（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\Ｍoｒａvec ＭAＴLAB\lｅｆｔ缩小.bmp'
）；
oｒigiｎａlmap=I；
% if isrgｂ（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；
for i=w1＋1:
1:
row-w1-１
ifｉ＋w２>
ｒow－w1-1
conｔinue;
enｄ
ｆorj＝w1+1:
1：
column-w1-1
if j+w2>
columｎ-ｗ1-1
cｏｎtiｎuｅ;
end
ｉnｔerｅst=０;
%兴趣值
v1＝0;
v2=0;
v3=0;
v4=0；
foｒ k=－step：
step-１
%计算纵向相邻像素灰度差的平方和
v1=v１＋（I（i+k,ｊ）－I（i+k＋1,ｊ））＾2；
%计算125度斜线方向相邻像素灰度差的平方和
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方和
v３=ｖ3+（Ｉ（i,j+ｋ）－I（i,j+k+１））^2；
%计算45度斜线方向相邻像素灰度差的平方和
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*＇）;
ａxiｓ ｏn;
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算子程序的相关内容
（1）Ｆorｓｔner算子程序源代码:
clc
cｌear
I＝ｉmrｅａd（'
\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；
w2＝5；
k=flooｒ（w1／２）；
iｑ=0.６５;
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
％协方差矩阵
G0=０；
G2=0；
G1＝0;
for m=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;
ｉf tｒN=＝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
for ｊ=ｋ:
w2:
coluｍn-w1
ifj＋w2>
columｎ-ｗ1
coｎｔinue；
eｎｄ
mａｘ_ｗ=０
ｍax＿x=0;
max_ｙ=０；
ｆorｍｈ=1:
ｗ2
ｆormw=1：
if（maｘ_w<
wｗ（i+mｈ,j+mw））
maｘ_ｗ=ww（i＋ｍh,j＋mｗ）;
max_ｘ=j+mw;
mａx_y=i+mｈ;
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*'
axiｓ on;
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
图五Forstneｒ原始灰度影像
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，但是还有些许问题。
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内容,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 