在圖像配準中應用想法_第1頁
在圖像配準中應用想法_第2頁
在圖像配準中應用想法_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、在圖像配準中，數字圖像的角點一般被選為特征點，它是圖像中輪廓線上曲率的局部極大值點，是數字圖像中非常重要的特征31。有兩種算法用于數字圖像中角點的檢測： 一是基于圖像灰點的算法，這種角點檢測算法主要是通過計算在局部范圍內的圖像灰度和梯度變化極大值點來作為角點；另一個是基于圖像邊緣的算法，這種角點檢測算法要先檢測圖像的邊緣， 再將邊緣方向有突變的那些點選取作為檢測出的角點。計算曲率以及梯度的算法時這類角點檢測需要用的，因為它不用檢測圖像邊緣， 計算時間就有所縮短， 因而被廣泛用于實際操作中。數字圖像中角點為重要圖像特征，作為配準特征在圖像配準中常被使用。為了對角點特征了解的更多，本節重點介紹幾種

2、常用的角點檢測算法32：式中，det 表示矩陣的行列式；trace 表示矩陣的跡(也就是矩陣對角線元素的和)；k 代表常數，通常為 0.04。角點就是 CRF 處于局部極大值的點。下面就是詳細操作步驟：針對灰度圖像 I 中的每一個像素，對其x 方向以及 y 方向分別計算一階導數，還要將兩個一階導數相乘。計算時采取的具體計算法和卷積類似，使用的模板分別為:在圖像 I 上不斷移動， 在移動至每一位置都進行模板對應中心像素梯度值的計算，從而得到處于兩個方向上的兩幅梯度圖像。然后再將每個像素所對應得兩個方向上的梯度相乘，第三幅圖像就形成了，三幅圖像中的每一像素分別表示 Ix，Iy 和 IxIy。分別對

3、通過步驟計算所得的三幅圖像進行標準差為的高斯濾波。具體來說就是對這三幅圖像分別運用高斯模板進行卷積。將原始圖像上的角點響應函數值計算出來。計算法有以下兩種：其一為經典的Harris 算法。式(3-16)代表 CRF 定義：此時，角點和 CRF 的局部極小值點相對應。因為經典的Harris 算法其角點響應函數要求公式中k 值必須要確定，因此本算法中的角點響應函數采用的是 Nobel的。圖像中有很多局部極值點，角點的數目的提取要通過 CRF 門限限制的設置來進行。下面分析Harris 角點檢測算法的性能：1) 在圖像中 Harris 角點具有各向同性的特點，圖像即使旋轉，檢測角點不會受到影響；2) Harris 角點檢測算法中對圖像一階導數有要求，因此光強對檢測角點無影響；3) 當比例發生變換，Harris

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論