数字摄影测量实习报告.docx
《数字摄影测量实习报告.docx》由会员分享，可在线阅读，更多相关《数字摄影测量实习报告.docx（11页珍藏版）》请在冰豆网上搜索。
数字摄影测量实习报告
数字摄影测量实习报告书
学号：
20111000684
班级序号：
113112-05
姓名：
舒超
指导老师：
宋妍
成绩：
中国地质大学（武汉）
信息工程学院遥感科学技术系
2014年6月
目录
实习一：
Moravec算子点特征提取3
1.1实习目的：
3
1.2实习原理：
3
1.3实习步骤以及代码分析：
4
1.4结果分析：
8
实习二：
边缘提取算法10
2.1实习目的：
10
2.2实习原理：
10
2.3实习步骤以及代码：
10
2.4结果分析：
12
实习总结13
实习一：
Moravec算子点特征提取
1.1实习目的：
用程序设计语言（VisualC++或者C语言）编写一个完整的提取点特征的程序，通过对提供的图像数据进行特征点提取，输出提取出的点特征坐标。
本实验的目的在于让学生深入理解Moravec算子原理。
通过上机调试程序加强动手能力的培养，通过对实验结果的分析，增强学生综合运用所学知识解决实际问题的能力。
1.2实习原理：
Moravec角点检测算法是最早的角点检测算法之一。
该算法将角点定义为具有低“自相关性”的点。
算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。
这种相关性通过两个patch间的平方差之和（SSD）来衡量，SSD值越小则相似性越高。
如果像素位于平滑图像区域内，周围的patch都会非常相似。
如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。
而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。
Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点。
1.3实习步骤以及代码分析：
步骤流程图如下：
程序实现以及相关关键代码：
voidCMy2010302590183cylView:
:
OnMoravec（）//读取图像以及相关算法
{
//TODO:
Addyourcommandhandlercodehere
CMmoravecDlgdlg;
dlg.DoModal（）;
CMy2010302590183cylDoc*pDoc=GetDocument（）;
LPSTRm_pDIB=（LPSTR）:
:
GlobalLock（（HGLOBAL）pDoc->hdib）;//得到句柄内存起始地址存放位图数据hdib句柄变量存放BMP位图
:
:
GlobalUnlock（（HGLOBAL）pDoc->hdib）;
LPBITMAPINFOm_pBMP;//指向BITMAPINFO结构的指针
m_pBMP=（LPBITMAPINFO）:
:
GlobalLock（pDoc->hdib）;
//获取指向BITMAPINFO结构的指针
:
:
GlobalUnlock（（HGLOBAL）pDoc->hdib）;
intBitCount=m_pBMP->bmiHeader.biBitCount;
DWORDWidth=:
:
DIBWidth（m_pDIB）;//获取位图宽
DWORDHeight=:
:
DIBHeight（m_pDIB）;//获取位图高
LPBYTElpData=（LPBYTE）:
:
FindDIBBits（m_pDIB）;//定义字符指针变量,原位图指针
intWidthBytes=WIDTHBYTES（Width*BitCount）;//获取字节
DWORDpixelCount=WidthBytes*Height;
intck1=dlg.c1;
intck2=dlg.c2;
doubleyz=dlg.m_yuzhi;
DWORDr,c;
INTh;
double*xx=newdouble[Width*Height];
intk;
k=INT（ck1/2）;
for（r=ck1/2;rfor（c=ck1/2;c{
doublemin,v[4]={0.0};
for（h=0;h<=ck1-1;h++）{
v[0]+=pow（（double）（*（（BYTE*）（lpData+r*WidthBytes+（c-k+h）））-*（（BYTE*）（lpData+（r）*WidthBytes+（c-k+1+h））））,2）;//0°方向
v[1]+=pow（（double）（*（（BYTE*）（lpData+（r-k+h）*WidthBytes+（c+k-h）））-*（（BYTE*）（lpData+（r-k+h+1）*WidthBytes+（c+k-h-1））））,2）;
//45°方向
v[2]+=pow（（double）（*（（BYTE*）（lpData+（r-k+h）*WidthBytes+（c）））-*（（BYTE*）（lpData+（r-k+1+h）*WidthBytes+（c））））,2）;
//90°方向
v[3]+=pow（（double）（*（（BYTE*）（lpData+（r-k+h）*WidthBytes+（c-k+h）））-*（（BYTE*）（lpData+（r-k+1+h）*WidthBytes+（c-k+h+1））））,2）;
//135°方向
}
min=min（min（min（v[0],v[1]）,v[2]）,v[3]）;
//求出v1,v2,v3,v4中的最小值
if（min>yz）
xx[r*Width+c]=min;
}
bool*bMatrix=newbool[Width*Height];
memset（bMatrix,0,Width*Height*sizeof（bool））;
DWORDx,y;
doublemax2;
boolb=false;
inttempX（0）,tempY（0）;
for（x=ck2/2;x{
for（y=ck2/2;y{
max2=0;
for（DWORDm=（x-ck2/2）;m<（x+ck2/2）;m++）
{
for（DWORDn=（y-ck2/2）;n<（y+ck2/2）;n++）
if（xx[m*Width+n]>max2）
{
max2=xx[m*Width+n];
tempY=m;
tempX=n;
b=true;
}
}
if（b）
{bMatrix[tempY*Width+tempX]=1;}
}
}
intsum=0;//特征点总数
for（DWORDi=0;ifor（DWORDj=0;j{
if（bMatrix[i*Width+j]）
{
*（（BYTE*）（lpData+i*WidthBytes+j））=0;
*（（BYTE*）（lpData+i*WidthBytes+j+1））=0;
*（（BYTE*）（lpData+i*WidthBytes+j-1））=0;
*（（BYTE*）（lpData+（i+1）*WidthBytes+j））=0;
*（（BYTE*）（lpData+（i-1）*WidthBytes+j））=0;
*（（BYTE*）（lpData+i*WidthBytes+j+2））=0;
*（（BYTE*）（lpData+i*WidthBytes+j-2））=0;
*（（BYTE*）（lpData+（i+2）*WidthBytes+j））=0;
*（（BYTE*）（lpData+（i-2）*WidthBytes+j））=0;
sum++;
}
}
if（sum<4000）
{
CStringstrInfo;
strInfo.Format（"特征点数%d\n",sum）;
MessageBox（strInfo,"提示",MB_OK）;
}
else
{
CStringstrInfo;
strInfo.Format（"特征点数较多，请设置合理参数"）;
MessageBox（strInfo,"提示",MB_OK）;
}
Invalidate（）;
}
1.4结果分析：
按照提示，对老师所给数据进行分析，当窗口大小设置为5*5,，阈值设置为5000的时候，对右核线影像进行分析，得到特征点43个，同时图像分析，得出如下结果：
调整阈值和窗口大小，程序能够正常运行，且经过测试，结果精确度有较好的保证。
实习二：
边缘提取算法
2.1实习目的：
熟悉Matlab环境下的编程，熟悉边缘提取算法。
2.2实习原理：
Sobel算子实现思路如下：
对输入图像分别使用水平和垂直模板做卷积计算，对得到的两个处理结果求平方和，该平方和与阈值的平方比较。
只有当某点的两种卷积的平方大于阈值的平方，且水平占优（水平模板卷积结果大于垂直模板卷积的结果，且该点的卷积平方大于其左右两点的卷积平方和）或者垂直占优（垂直模板卷积的结果大于水平模板卷积的结果，且该点的卷积平方和大于其上下两点的卷积平方和）时，该点的输出结果为255，否则为0。
输出的结果为二值图像。
第一行和最后一行本来就是图像边界，不包括可用信息，因此相应的输出为0，按照这个思路课题编写了相应的Sobel算子实现程序
2.3实习步骤以及代码：
2.4结果分析：
原图像sobel边缘提取
实习总结
本次实习过程中，根据自身实际情况，我选择使用vc环境下的编程完成实习，而没有采用Matlab环境下的编程。
在实习过程中，我熟悉了sobel算法以及Moravec算子，在程序调试的过程中，我认识到任何算法都有其局限性，比如说本次实习过程中，sobel算子的边缘提取就将许多的噪音提取了出来，导致边缘特征提取的不准确性。
本次实习让我认识到了编程能力的重要性，学会编写基本的代码来实现基本的算法，能让我们摆脱软件已有算法的束缚，更多的按照需要来实现一些步骤。
总体来说，本次实习还是很成功的，让我认识到，在以后的学习生活中,我认识到,应该把理论和实践结合起来,多锻炼自己的动手能力,好好把握住每一次实习的机会.
升级会员 