吴玲 朱宝忠


摘 要:文章结合特征点提取经典的Harris算子与Forstner算子,给出了Harris的改进算法;结合特征点的双向匹配算法,对基于区域的匹配算法有所改进,依据归一化互相关算法(NCC)计算相关灰度值来判断是否互为匹配点。
关键词:特征提取;特征点;匹配算法;灰度值
中图分类号:TP391.41 文献标识码:A 文章编号:1006-8937(2015)24-0083-02
1 特征提取
特征提取的目的是为了获取立体匹配时的图像特征,这些特征有点、线和区域等,这些提取特征的准确性对图像匹配的成功性有着直接的影响,因此,特征提取也是不容忽视的一个阶段。本文基于Harris算子简单、均匀及稳定的优势,考虑其只能定位单个像素的不足,结合Forstner算子对其作了一些改进。
2 Harris算子
2.1 Harris算子方法
Harris算子是一类典型的基于点特征的提取算子,它是由C.Harris和M.Stephens提出的为了简化运算,用一阶导数近似取代二阶导数的一种算法,而且提取到的特征点其准确性较高。图像的角点在水平和垂直方向上的导数值比较大,如果某一点是角点,则当该点向任意方向仅有一点点很小的偏移,都会引起图像灰度很大的变化。
2.2 Harris算子理念
Harris算子的理念是给出自相关矩阵,矩阵的特征值是通过计算图像像素点的相关函数的曲率构成,两个曲率都比较大的像素点则为角点。Harris算子的运算只用到灰度图像的一阶导数,因此该算子较简单且稳定。
3 Forstner算子
Forstner算子的基本思想是:选取图像上大小的窗口,并用Roberts算子对其进行滤波处理,确定最佳窗口并在包含每个像元的(影像单元,是数字化影像的最小组成单元)最佳窗口内加权中心化操作,从而确定特征点的坐标。……