低空摄影测量遥感影像特征点提取算法研究

发布时间：2024-03-03 22:15

　　特征点提取作为影像匹配的基础环节,直接决定着低空摄影测量遥感影像的精确程度。文章通过研究5种特征点提取算法,目的在于检测不同特征点提取算法的优劣性,从而有助于提高低空摄影测量遥感影像特征点提取的效果。实验结果表明,基于灰度信息丰富的低空遥感影像,Forstner特征点提取算法的精度最高,而检测时间最长;SIFT具有尺度不变性;另外Harris特征点提取的时间最快。因此这3种方式在低空摄影测量影像的特征点提取上具有较好的应用效果。

【文章页数】：5 页

【部分图文】：

图1提取特征点结果

文章通过使用上述5种算法对3幅图像进行实验，3幅图的特点都不一样，第1幅为几何图形，其中存在较多的角点，第2幅为柠条塔矿区域的遥感卫星影像，第3幅同样是对柠条塔矿区域为拍摄地，只是使用动力三角翼遥感拍摄的影响。5种算法拍摄的图像结果如图1所示。图1提取特征点结果

图1提取特征点结果

图1提取特征点结果需要对每种算法进行评价其精度，采用的方式为将检测的特征点坐标（xi,yi）和实际坐标（xi,yi）的整体均方根误差RMSE评定精度，其中N为特征点总数，计算公式为：

图2重复率结果

特征点会受到外界的影响，通过重复率可以对其稳定性和不变性进行检测，当重复率越大时，该算法的适应性就会越好，计算重复率的方式是通过计算出图像的单应性矩阵[8]。于是文章将会计算出原始低空影像的重复率。首先将图像顺时针旋转90°，在原始图像中加入0到0.1浓度的噪音，调整图像对比度，....

本文编号：3918430