Susan、Harris和Moravec三大点特征提取算法比较利用点特征提取算法对建筑物角点提取实习报告.pdf

Susan、Harris和Moravec三大点特征提取算法的比较及利用点特征提取算法对建筑物角点的提取杨昊翔,李佳瑞,向泓铭武汉大学遥感信息工程学院武汉430079摘要:点特征算法指包含Susan算法、Harris算法和Moravec算法等在内的多种对图像中特征点提取的算法,本文讨论了这三种算法的比较以及主要应用改进Susan算法对建筑物角点的提取。关键词:Susan算法、Harris算法、Moravec算法、建筑物。Abstract:The characteristics of point algorithm which contains Susan algorithm, Harris algorithm Moravec algorithm and so on, is a variety of algorithm extracting image feature points . This paper discusses the comparison of the three algorithms and the main application ,and improves Susan algorithm to extract the corner : Susan algorithm, Harris algorithm, Moravec algorithm, 、生动性的描述或写真,是人类社会活动中最常用的信息载体。图像点特征提取技术是20世纪50年代在国内外迅速发展起来的一种图像处理技术,是图像识别中的一个关键问题。点特征选择和提取的基本任务是如何从众多图像边缘中找出最有效的特征点。图像点特征选择提取在工业生产中有着重要的应用。?如何提取图像的特征点?图像的点特征提取算法有什么应用?、Harris算法、Moravec算法进行相关介绍,然后对三种算法对于角点提取进行比较。同时改进Susan算子的模板为可变大小并进行了代码的实现,利用不同模板大小对角点进行提取,以比较不同模板大小对于点特征提取效果。最后将点特征提取算法应用于对建筑物的提取已经对建筑物提取的改进。,在此基础上阐述了图像点特征提取的流程,并讨论了基于VS2010实现图像点特征提取几种基本且重要的提取方式的算法实现。然后对几种算法进行对比,最后是点特征算法在建筑物提取中的应用。2算法描述图像中的特征点即为图像边缘直线形成夹角而成的角点。图像中较突出的尖锐点和其它有特殊意义的点,这些点反映了地物的特征,对研究具有重要意义。在点特征提取的算法中,主要包含了Susan算法、Harris算法和Moravec算法,这些算法可以对图像中角点进行提取,从而应用于实践生产中,例如对建筑物角点提取,人脸中眼睛部位角点的提取。下面介绍三种算法具体的内容和实现重要代码。 ( Small univalue segment assimilating nucleus) 算子是一种基于灰度的特征点获取方法, 适用于图像中边缘和角点的检测, 可以去除图像中的噪声, 它具有简单、有效、抗噪声能力强、计算速度快的特点。SUSAN 算子的模板与常规卷积算法的正方形模板不同, 它采用一种近似圆形的模板, 用圆形模板在图像上移动, 模板内部每个图像像素点的灰度值都和模板中心像素的灰度值作比较, 若模板内某个像素的灰度与模板中心像素(核)灰度的差值小于一定值, 则认为该点与核具有相同(或相近)的灰度,由满足这一条件的像素组成的区域称为吸收核同值区(Univalue Segment Assimilating Nucleus, USAN)。当圆形模板完全处在背景或目标中时,USAN 区域面积最大;当模板移向目标边缘时,USAN 区域逐渐变小;当模板中心处于边缘时,USAN 区域很小;当模板中心处于角点时,USAN 区域最小。如图1。因此,可以通过计算每1 个像素的USAN 值,并与设定的门限值进行比较,如果该像素的USAN 值小于门限值,则该点可以认为是1 个边缘点。[1]即:g-n(r0) if n(r0)<gR(r0)= 0 otherSusan算法实现的重要代码://x方向37*37的模板intoffSetX[37]={-1,0,1,-2,-1,0,1,2,-3,-2,-1,0,1,2,3,-3,-2,