特征點提取作為影像匹配的基礎環(huán)節(jié),直接決定著低空攝影測量遙感影像的精確程度。文章通過研究5種特征點提取算法,目的在于檢測不同特征點提取算法的優(yōu)劣性,從而有助于提高低空攝影測量遙感影像特征點提取的效果。實驗結果表明,基于灰度信息豐富的低空遙感影像,Forstner特征點提取算法的精度最高,而檢測時間最長;SIFT具有尺度不變性;另外Harris特征點提取的時間最快。因此這3種方式在低空攝影測量影像的特征點提取上具有較好的應用效果。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1提取特征點結果

文章通過使用上述5種算法對3幅圖像進行實驗，3幅圖的特點都不一樣，第1幅為幾何圖形，其中存在較多的角點，第2幅為檸條塔礦區(qū)域的遙感衛(wèi)星影像，第3幅同樣是對檸條塔礦區(qū)域為拍攝地，只是使用動力三角翼遙感拍攝的影響。5種算法拍攝的圖像結果如圖1所示。圖1提取特征點結果

圖1提取特征點結果

圖1提取特征點結果需要對每種算法進行評價其精度，采用的方式為將檢測的特征點坐標（xi,yi）和實際坐標（xi,yi）的整體均方根誤差RMSE評定精度，其中N為特征點總數(shù)，計算公式為：

圖2重復率結果

特征點會受到外界的影響，通過重復率可以對其穩(wěn)定性和不變性進行檢測，當重復率越大時，該算法的適應性就會越好，計算重復率的方式是通過計算出圖像的單應性矩陣[8]。于是文章將會計算出原始低空影像的重復率。首先將圖像順時針旋轉90°，在原始圖像中加入0到0.1濃度的噪音，調整圖像對比度，....

本文編號：3918430