论文（设计）-基于点特征匹配的susan harris 算子比较

《论文（设计）-基于点特征匹配的susan harris 算子比较》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、拟建中的阜阳市中国XXXX国际服装城依托中国XX国际服装城，拟建成为皖西北地区规格最高、规模最大、商务及功能最优的现代化、国际化服装专业市场，建设规模占地约128亩，建筑面积约25万平方米，项目总投资约5亿元人民币。经过1--2年的开发建设，能达到正常运营期的中国XX.XX国际服装城将吸纳全国和世界各地的经销商、代理商企业物流总部等500—1000家，预计年交易额实现68亿元人民币，每年实现税收8000—10000万元人民币，每年实现利润1.68亿元人民币，实现就业和创业人员约2万以上。专业好文档基于点特征匹配的SUSAN、H

2、arris算子比较张春森(西安科技大学测量工程系西安)摘要：目的研究分析基于点特征的影像匹配中,SUSAN及Harris算子在特征提取和特征匹配两个方面的表现。方法根据对真实影像特征点提取的数量、分布及匹配有效性等方面的讨论,对上述两种算子在基于点特征匹配中的效果进行分析比较。结果编程实现SUSAN、Harris算子影像的点特征提取，基于匹配支持度的松弛匹配算法,从而获得研究实验数据。结论实验表明,两种算子在点特征提取及影像匹配等方面各有其独特的优势，且均具有操作简单、易于实现的特点。关键词：SUSAN算子Harris算子点特

3、征提取影像匹配中图分类号:TP722文献标识码:A从图像中提取特征点是基于点特征影像匹配的第一步，这里的特征点通常是指灰度变化剧烈的点，包括物体轮廓上的曲率变化最大的点、直线的交点、单调背景上的孤立点等。关于特征点的提取通常采用：（1）从图像中提取边缘，再在边缘组成的链上搜索曲率最大的，或采用通过精确得到组成交（角）点的两条边缘直线，求解边缘直线交点，从而确定交点特征的方法。（2）首先定义某种算子，通过在灰度图像上寻找该算子的极值提取特征点。（3）定义某种点模板，将模板与图像上同样大小的区域相匹配，把位于模板内图像的每个点乘以

4、模板的相应栅格中指示的数据，然后把结果相加，得到最大输出值的点的位置即为特征点坐标的位置。本文讨论方法(2)。需要说明的是本文所论述的点特征提取，主要是用于基于点特征的影像匹配，而不是用于影像分析和数字摄影测量中影像目标的精确定位。1SUSAN点特征提取算子SUSAN算法由SmithSM在1997年提出，SUSAN是“SmallestUnivalueSegmentAssimilatingNucleus”的缩写,即同化核分割最小值。图1圆形掩模图如图1所示,假设有一个圆形的区域,称其为掩模。它的中心有一个核,假设这个核的灰度值与

5、黑色区域的灰度值相近。在整个区域内移动这个掩模,它与黑色区域将有不同的接触情况。不失一般性,在图中表示了其中的四种情况：在掩模所处的区域内,这些点与掩模核的灰度值如果相近的话,就称这些点构成的区域是USAN(UnivalueSegmentAssimilatingNucleus),即同化核分割相同值区域。根据这一定义可知图1各种情况下，由设定的掩模所确定的USAN如图2所示:经济增长：在优化结构、提高效益和降低消耗的基础上，“十一五”期市GDP年均增长12%以上（现14%以上），2010年达到650亿元以上，人均GDP力争100

6、0美元；财政收入达到80亿元；规模以上工业销售达到550亿以上；全社会固定资产投资年均长20%，五年累计1000亿元；社会消费品销售额260亿元，年均增长20%，外贸进口总额2.5亿美元，年均增长15%；五年累计招商引资突破500亿元，力争达到600亿元9拟建中的阜阳市中国XXXX国际服装城依托中国XX国际服装城，拟建成为皖西北地区规格最高、规模最大、商务及功能最优的现代化、国际化服装专业市场，建设规模占地约128亩，建筑面积约25万平方米，项目总投资约5亿元人民币。经过1--2年的开发建设，能达到正常运营期的中国XX.XX国

7、际服装城将吸纳全国和世界各地的经销商、代理商企业物流总部等500—1000家，预计年交易额实现68亿元人民币，每年实现税收8000—10000万元人民币，每年实现利润1.68亿元人民币，实现就业和创业人员约2万以上。专业好文档图2USAN标识图图2是图1中相应掩模位置的USAN标识图,图中黑色区域即为USAN,可以看到USAN包含了图像结构的重要信息。掩模核及掩模完全包含在图像（黑色区域）中时，USAN的值最大；掩模核处在图像的一条直线边缘附近时，USAN值接近其最大值的一半；掩模核若在图像的一个角点处，则USAN值接近最大值

8、的四分之一。在一幅图像中搜索图像角点或边缘点，就是搜索USAN最小（小于一定值）的点，即搜索最小化同化核分割相同值。这样可得到特征点检测的SUSAN算法。①构造一个（圆形）掩模，遍历图像的每一个点。判断掩模所掩盖的区域内的点与掩模的相似程度，采用以下相似比较函数((1)其中，