基于图像分割和Harris的低空影像匹配

合集下载

harris方法

harris方法Harris方法是一种计算机视觉中常用的角点检测算法，它可以用于图像特征提取和图像匹配等任务。

该方法由Chris Harris和Mike Stephens于1988年提出，被广泛应用于计算机视觉领域。

Harris方法的核心思想是通过计算图像中每个像素点的灰度值变化来判断其是否为角点。

角点是图像中灰度值变化较大的区域，而平滑区域和边缘区域的灰度值变化较小。

因此，通过检测灰度值变化较大的像素点，我们可以找到图像中的角点。

Harris方法的计算过程如下：首先，我们需要对图像进行灰度化处理，将彩色图像转换为灰度图像。

然后，对每个像素点计算其相邻像素的灰度值变化，通常使用Sobel算子或Scharr算子来计算像素点的梯度。

接着，利用梯度计算出每个像素点的角点响应函数R，该函数用于度量像素点的角点程度。

角点响应函数的计算公式如下：R = det(M) - k * (trace(M))^2其中，det(M)表示M的行列式，trace(M)表示M的迹，k是一个经验参数，用于调节角点响应函数的灵敏度。

计算完所有像素点的角点响应函数后，我们需要对其进行非极大值抑制，以保留具有最大角点响应值的像素点。

非极大值抑制的过程是，对每个像素点，比较其角点响应值与其邻域像素点的角点响应值，如果大于所有邻域像素点的角点响应值，则保留该像素点作为角点。

Harris方法的优点是简单易实现，并且对图像的尺度和旋转变化具有一定的不变性。

此外，它还可以用于图像配准、目标跟踪等应用中。

然而，Harris方法也存在一些局限性。

首先，对于存在噪声的图像，角点的检测可能会受到干扰。

其次，Harris方法对于具有纹理模式的区域也容易将其误判为角点。

此外，Harris方法在存在图像尺度变化较大的情况下，检测效果可能会受到影响。

为了克服Harris方法的局限性，后续的研究提出了许多改进的角点检测算法，如SIFT、SURF和FAST等。

这些算法在角点检测的灵敏度、速度和鲁棒性等方面都有所提升，广泛应用于计算机视觉和图像处理领域。

分块的基于Harris角点检测的图像配准方法

．
ｉｆｒｓｔ，ｉｔｂｌｏｃｋｓｔｈｅｉｍａｇｅｓ，ｓｏｒｔｓｃｏｒｒｅｓｐｏｎｄｉｎｌｇｙ，ａｎｄｅｘｒｔａｃｔｓＨａｒｒｉｓｃｏｍｅｒａｃｃｏｒｄｉｎｇｔｏｌｏｃｌａｔｈｒｅｓｈｏｌｄ，ｈｔｅｎｉｎｉｉｔａｌｌｙａｔｍｃｈｅｓｔｈｅｉｍａｇｅｓｔｈｒｏｕｇｈｔｈｅｒａｉｔｏ
熬
Ｄ吲
潮
【本文献信息】常丽萍，冀小平，赵梁．分块的基于Ｈａｒｒｉｓ角点检测的图像配准方法［Ｊ］．电视技术，２０１３，３７（１）．
分块的基于Ｈａｒｒｉｓ角点检测的图像配准方法
常丽萍，冀小平，赵梁
（太原理工大学信息工程学院，山西太原０３００２４）
一【关键词】Ｈａ源自ｒｉｓ角点；图像配准；图像分块【中图分类号】ＴＮ９１１．７３
【文献标志码】Ａ
ＢｌｏｃｋＩｍａｇｅＲｅｇｉｓｔｒａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄＯｎＨａｒｒｉｓＣｏｒｎｅｒＤｅｔｅｃｔｉｏｎ
ｉｎｔｈｅｉｍａｇｅｏｆｃｏｍｅｒｄｅｔｅｃｔｉｏｎ。ｅｓｐｅｃｉａｌｌｙｉｎｌａｒｇｅｒｉｍａｇｅｓ．Ａｎｅｗｉｍａｇｅｒｅｇｉｓｒｔａｔｉｏｎｂａｓｅｄｏｎｍｕｌｉ－ｔｓｃｌｅａＨａｒｉｓｒｄｅｔｅｃｔｏｒｉｓｒｅｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｅｒＡｔｐ

基于Harris角点的图像匹配算法

Ａｂｓｔｒａｃｔ：Ａｎｅｗｈｉｇｈ－ｓｐｅｅｄｉｍａｇｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄＯｉｌｆｅａｔｕｒｅｐｏｉｎｔｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｃｏｍｂｉｎｅｓｃｏｉｎｅｒｆｅａｔｕｒｅｓｗｉｔｈｇｒａｙｖａｌｕｅｆｅａｔｕｒｅｓ．Ｈａｒｒｉｓｃｏｒｎｅｒｐｏｉｎｔｂａｓｅｄｏｎｔｈｅｇｒａｙｖａｌｕｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｓｄｅｆｉｎｅｄ．Ｉｔｔａｋｅｓｆｕｌｌａｄｖａｎｔａｇｅｏｆｇｒａｙｖａｌｕｅｏｆｔｈｅｃｏｒｎｅｌ ’ｐｏｉｎｔａｎｄｇｒａｙｖａｌｕｅａｒｏｕｎｄｔｈｅｃｏｒｎｅｒｐｏｉｎｔａｎｄｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｔｏｍａｔｃｈ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｈｏｗｓ
摘要：提出了新的基于特征点的高速图像匹配算法。该算法把角点特征和灰度值特征结合起
来，定义了一种基于Ｈａｒｒｉｓ角点的灰度值特征，并充分利用角点灰度值以及角点周边灰度值和位置信

基于图像分割的低空影像预处理与匹配

基于图像分割的低空影像预处理与匹配
梁日裕;黄留波
【期刊名称】《中国新技术新产品》
【年(卷),期】2024()7
【摘要】为解决当前低空影像匹配准确率低,影响图像资源利用价值的问题,本文基于图像分割研究低空影像匹配。

在匹配前,须预处理低空拍摄的影像。

在此基础上,提取影像特征点与特征面,描述并匹配低空影像,提出一种新的低空影像匹配方法。

试验结果说明,图像分割后,新的匹配方法准确率明显提高,有效提升低空影响资源利用价值。

【总页数】3页(P15-17)
【作者】梁日裕;黄留波
【作者单位】广西路桥工程集团有限公司
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于图像分割和Harris的低空影像匹配
2.基于点特征的低空遥感影像多级高效率匹配方法研究
3.基于邻域投票和Harris-SIFT特征的低空遥感影像匹配
4.基于无人机低空航测的地面目标影像匹配方法研究
5.基于降采样处理的低空遥感影像SIFT特征匹配分析
因版权原因，仅展示原文概要，查看原文内容请购买。

基于邻域投票和Harris-SIFT特征的低空遥感影像匹配

基于邻域投票和Harris-SIFT特征的低空遥感影像匹配胡小青;程朋根;陈晓勇;何海清;聂运菊【摘要】文中提出一种基于邻域投票和改进的 Harris-SIFT特征的低空遥感影像匹配方法.首先用NMS算法提取多尺度的 Harris-SIFT特征并对其进行方向描述 ,然后根据最近邻与次近邻特征点距离之比确定初始匹配点对 ,最后通过近邻域选择投票的方法剔除候选点中的虚假匹配点 ,进而实现低空遥感影像的配准.实验表明该算法在获得充足匹配点且保证匹配精度的同时 ,明显提高影像匹配的效率.%Based on the neighborhood selection algorithm and improved Harris-SIFT features ,a method for low-altitude remote sensing matching is presented .Firstly ,it extracts Harris-SIFT features using NMS algorithm and generates feature descriptors ,then uses ratio method to get initial matching .Finally ,it uses neighborhood selection algorithm to eliminate errors and achieves accurate matching .Experiments show the algorithm can get adequate matching points ,ensure accuracy and improve the matching efficiency .【期刊名称】《测绘工程》【年(卷),期】2016(025)002【总页数】5页(P33-37)【关键词】Harris-SIFT特征;邻域选择;特征匹配【作者】胡小青;程朋根;陈晓勇;何海清;聂运菊【作者单位】东华理工大学测绘工程学院,江西南昌 330013;东华理工大学测绘工程学院,江西南昌 330013;广西空间信息与测绘重点实验室,广西桂林 541004;东华理工大学测绘工程学院,江西南昌 330013;东华理工大学测绘工程学院,江西南昌 330013;东华理工大学测绘工程学院,江西南昌 330013【正文语种】中文【中图分类】P237影像匹配即通过一定的匹配算法在两幅或多幅影像之间识别同名点的过程。

基于Harris和SIFT的特征匹配算法

价值工程0引言立体匹配是三维重建中一个至关重要且最为复杂的一个环节，按匹配基元的不同，立体匹配可分为区域匹配、特征匹配和相位匹配。

文章重点讨论特征匹配。

目前，根据特征空间，相似性度量，搜索空间和搜索策略的不同，已经形成了许许多多各具特色的特征匹配算法[1～3]，但如何合理提取图像的特征点并对其进行高精度匹配，仍然是计算机视觉技术的一个瓶颈，至今还未完全得到解决。

文章提出了一种基于Harris [4]和SIFT [5]的特征匹配算法，算法基于在特征匹配方面取得了显著进展、性能得到了充分肯定的Harris 特征和SIFT特征描述子，对基于尺度不变特征的Harris 角点提取算法提取出的特征点进行SIFT 特征描述，然后利用最近邻欧式距离以及阈值判决来进行双向匹配，能有效解决传统的特征匹配算法对图像尺寸和旋转比较敏感的问题。

1算法基本原理特征匹配实质上就是在一幅图像中给定一点，寻找另一幅图像中的对应点的过程。

其基本步骤就是特征点提取，特征描述以及特征匹配。

算法的基本流程如图1所示，首先用基于尺度不变特征的Harris 特征检测算法提取标准图像和待匹配图像中的特征点，通过改进的SIFT 描述子并利用多维向量对各个特征点进行描述，通过立体视觉理论中的极线约束将匹配特征点的———————————————————————基金项目：国家自然科学基金重大专项项目（90820302）；国家博士点基金资助项目（200805330005）。

作者简介：罗桂娥（1962-），女，湖南株洲人，中南大学电子科学与技术研究所，教授，主要研究信息融合技术，数字图像处理，智能仪器开发；李鹏（1983-），男，湖南益阳人，中南大学电子科学与技术研究所，硕士研究生，主要研究数字图像处理。

基于Harris 和SIFT 的特征匹配算法Features Matching Algorithm Based on Harris and SIFT罗桂娥Luo Guie ；李鹏Li Peng（中南大学电子科学与技术研究所，长沙410083）（School of Electronic Science and Technology ，Central South University ，Changsha 410083，China ）摘要：为了克服传统的局部特征匹配算法对图像的尺寸和旋转比较敏感的缺点，文章提出了一种基于Harris 和SIFT 的特征匹配算法。

基于Harris和GA的航空遥感海上溢油图像配准的开题报告

基于Harris和GA的航空遥感海上溢油图像配准的
开题报告
一、选题背景
海上溢油事件一旦发生，对人类社会和自然环境都将造成严重影响。

为
了及时有效地处理海上溢油事件，现代技术已经开发了各种遥感传感器，如雷达、卫星图像等。

海上溢油图像处理是一项重要的技术，主要涉及
图像的增强、分割和配准等方面。

其中，图像的配准是关键环节之一，
其旨在将多个海上溢油图像准确定位到同一坐标系下，方便观测者对海
上溢油事件的全面把握。

二、研究目的
本文将基于Harris角点检测和遗传算法，探讨如何对海上溢油图像进行
自动配准，提高图像配准的准确性和自动化程度，为海上溢油事件的检
测和处理提供有效的技术支持。

三、主要研究内容
1. 阐述海上溢油图像配准的意义和研究现状。

2. 介绍Harris角点检测算法，探讨如何应用该算法在海上溢油图像中检
测图像特征点。

3. 介绍遗传算法，确定合适的配准模型参数，使多幅海上溢油图像能够
准确匹配。

4. 实验阶段，根据所述算法，对多幅海上溢油图像进行配准，并进行相
应的研究与分析。

四、预期结果和意义
通过该研究，可以实现海上溢油图像的自动配准，避免了人工干预的主
观性，提高了图像配准的准确性和自动化程度。

此外，对于海上溢油事
件的应对措施，如溢油区域的定位、溢油量的估算等提供了重要的技术支持。

SUFT算法与改进的Harris算法相结合的图像匹配方法

ＦＴ算法与改进的Ｈａｒｒｉｓ算法相结合的图像匹配方法
郭鲁魏颖（沈阳工学院，辽宁抚顺１１３１１２）
摘要：本文提出了改进的Ｈａｍｓ算法与ｓｕＦＴ算法相结合的图像匹配方法，用稳定的ｓｕＦＴ算法检测提取尺度空间极值点作为特征候选点，根据灰度的“ 相似度” 的原则进行Ｈａｍｓ特征提取，实验结果表明，使用改进后的算法进行遥感图像配准能有效去除误配点，使候选点数量更少，特征点更稳定，使得匹配的效率更高，准确性更高。关键词：ＳＩＦＴ；Ｈａｍｓ；图像匹配图像匹配是对从同一区域不同时间、不同的观测角度，得到的图像进行对准的过程。ＳＵＦＦ算法用于遥感图像配准具有更好的鲁棒性和更高的效率。但由于图像通常包含较多的重复特征，进行配图１图２准时容易产生误配，导致图像匹配不精确。针对该问题，本文提出先用稳定的ｓｕＦｒ算法检测提取尺度空间极值点作为特征候选点，再＼＼妊翦｝Ｉ・｜Ｔ ‘ 。和￥１１￣１ｇ改进ｌ－ｌｍ－ｔｌｍ和ＳＵＦＴ下一步精确定位筛选时结合改进的Ｈａｒｒｉｓ算法，根据灰度的“ 相似匹配的总点数和６８度” 的原则进行Ｈａｒｒｉｓ特征提取。实验结果表明，该方法提高了特征８８３．５误匹鼍点数点提取速度和降低计算复杂度，在保持良好的匹配率的同时明显提匹配睾８０．Ｓ％８８９％高算法效率和匹配速度ｌ】１。１ＳＵＦＴ算法特征点的提取过程匹配总时间（ｓ）．６８５．０６ＳＵＲＦ是在ＳＩＦＴ算法的基础上提出的一种快速鲁棒特征提取图３的配准算法。ＳＵＲＦ算法不仅对于图像旋转、平移、缩放和噪声影响１， △（ｉ＋ｘ，ｊ＋ｙ） ≤ｔ具有较好的鲁棒性，并在计算中引入了积分图像和箱式滤波器，使０， △（ｉ＋ｘ＋ｙ）＞ｔ得配准时间得到较好的改善。从定义中可以看出：０ ≤ｎｌｉｋｅ（ｉ，ｊ） ≤８，现在讨论ｎｌｉｋｅ（ｉ．ｊ）值的含ＳＵＲＦ算法主要包括三个步骤：兴趣点检测、兴趣点描述及兴义。趣点匹配。（１）ｎｌｉｋｅ（ｉ．ｊ）＝８，表示当前中心像素点的８邻域范围内都是与之相１．１基于Ｈｅｓｓｉａｎ矩阵的兴趣点的检测及定位似的像素点，排除此类像素点。ＳＵＲＦ的兴趣点检测是基于Ｈｅｓｓｉａｎ矩阵行列式的局部最大值（２）ｎｌｉｋｅ（ｉ，ｊ）＝０，表示当前中心像素点的８邻域范围内没有与之相定位兴趣点位置。当Ｈｅｓｓｉａｎ矩阵行列式局部最大时，所检测出的比似的像素点，排除此类像素点。周围区域更亮或更暗的一个小区域。（３）ｎｌｉｋｅ（ｉ．ｊ）＝７，可归结为两者情况，可能的角点是中心像素点的对于图像Ｉ中某点ｘ＝（ｘ，ｙ），在ｘ点的尺度上的Ｈｅｓｓｉａｎ矩阵定正上方的那个像素点，也可能是中心像素点右上方的那个像素点，义：Ｉｔ（ｘ，）Ｌ（ｘ，盯）ｌ排除此类像素点。【盯）｝￡，（ｘ，）Ｌ（ｘ，）ｌ（１）（４）２ ≤ｎｌｉｋｅ（ｉ，Ｊ） ≤６，情况比较复杂，根据若目标像素点为角点，则其ｎ值应为３×３窗口内最小值但反之不能确定该点一定是角点，其Ｌ中，ｋ（，）表示高斯二阶偏导在ｘ处与图像Ｉ的卷积。其他情况下目标像素的ｎ值与该窗口内最小值相等则保留为候选ｋ（ｘ，口）、（Ｘ，具有相似的含义。点，不等则剔除［２１。在每个３ｘ３ × ３的局部区域里，进行非最大值抑制。只有比临近３图像匹配的２６个点的响应值都大的点才被选为兴趣点。然后利用３维２次在经过上述选定特征点后，就要开始进行特征点匹配，分两步函数拟合方法对兴趣点精确定位。使兴趣点具有亚像素和亚尺度级来实现匹配的精度。的精度。在ＳＵＲＦ匹配中，本文以特征向量之间的欧氏距离作为特征点１．２基于Ｈａｒｒ小波响应的兴趣点的描述匹配的相似度准则。假设需要对图像Ｉ和Ｉ：图像进行匹配。Ｐ为图对于ＳＵＲＦ兴趣点的特征向量提取是在与主方向平行的，以一像Ｉ中的特征点，要计算特征点Ｐ在Ｉ：图像中的匹配点，可以求出个兴趣点为中心的方形区域中进行的。首先先确定一个２０的方形图像Ｉ。中与特征点Ｐ欧氏距离最近的前两个距离ｄ。和ｄ。。当ｄ。比区域，并且需要旋转该方形区域使之与兴趣点的主方向平行，目的ｄ小很多时，说明ｄ，对应的特征点是匹配点的概率较大；当ｄ。与ｄ：是保证提取到特征向量具有旋转不变性。然后将这个方形区域再均相差不大时，没有合适匹配点的概率较大。匀细分成４Ｘ４的子区域，在统计的过程中，仍用以兴趣点为中心４实验结果分析的高斯函数进行赋权处理。如此每个子区域有一个４维的描述子实验中用两幅图像，分别用Ｈａｒｒｉｓ与ＳＩＦＴ相结合的算法对两幅（ ∑ｄｘ， ∑ ， ∑Ｉｄｘｌ， ∑Ｉ＋１），整个区域就有４ × ４Ｘ４＝６４维的特征向图像进行匹配和改进的Ｈａｒｉｒｓ与ＳＵＦＴ相结合的算法对两幅图像进量【 “ 。行匹配相比较，其结果如图１、图２所示。两种算法仿真的分析结果２改进的Ｈａｒｒｉｓ算法如图３所示。本文提出图像区域像素的相似度的概念，如果邻域内点的灰度实验结果表明，ＳＵＦＴ进行改进的算法进行配准时能有效去除值与中心点Ｉｍａｇｅ（ｉ，ｉ）的灰度值之差的绝对值在一个阈值ｔ范围内，误配点，提高配准精度。大大提高了特征点提取速度；在保持良好的那就认为这个点与中心点是相似的。本文选择３＊３的检测窗口，计匹配率的同时明显提高了算法效率和匹配速度。算该范围的像素点与中心像素点的灰度值之差的绝对值 △，如果参考文献该值小于等于设定的阈值ｔ，则认为该像素点与目标像素点相似。【１］石雅笋．改进的ｓｕＫｒ算法的图像配准算法研究【Ｍ】．大连：大连理在Ｉｍａｇｅ（ｉ，ｊ）点的ｎ邻域全部被遍历一个过程后，就能得到在这个ｚ－￣ｋ学，２００８，３２（１）：１６３ — １６９．邻域范围内与中心点相似的点个数的统计值ｎｌｉｋｅ（ｉ，Ｊ）。根据ｎｌｉｋｅ（ｉ，［２１－－＊－－葳，唐一平，任娟莉．一种改进的Ｈａｒｒｉｓ角点提取算法【Ｊ］．光学精ｊ）的大小，判断这个中心点是否可能为角点。密工程，２００８．１６（１０）：１９９５ — ２００１．ｎｌｉｋｅ（ｉ，ｊ）＝ｓｕｍ（Ｒ（ｉ＋ｘ，ｊ＋ｙ））（２）ｆ３】邱建国，张建国，李凯．基于Ｈａｒｉｒｓ与ｓｉｔ的图像匹配方法［ｆＪ１．测试技（一１ ≤ｘ ≤１，－１ ≤ｙ ≤１，且Ｘ ≠０，ｙ ≠ｏ），术学报，２００９，２３（３）：２７１ — ２７４．其中：

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｏｆｌｏｗ— ｌｅｖｅｌｉｍａｇｅｍａｔｃｈｉｎｇｂａｓｅｄｏｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ
ＺｈａｎＸｉａｏｋａｎｇＳｈａＹｕｅｊｉｎ
（ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ，ＳｏｕｒｅｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）
中图分类号：Ｐ２３１文献标志码：Ａ文章编号：１００１ — ０５０５（２０１３）￥２－０４４０－０６
Ａｅｒｉａｌｉｍａｇｅｍａｔｃｈｉｎｇ
ｂａｓｅｄｏｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｎｄＨａｒｒｉｓａｌｇｏｒｉｔｈｍ
ｗｈｉｃｈｉｓａｍｕｌｔｉ — ｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎｍｅｈｏｔｄ，ａｎｄｈｅｔｄｉｓｃｏｎｎｅｃｔｅｄａｒｅａｓａｒｅｅｘｔｒａｃｔｅｄｂｙｈｅｔｍａｈｅｔｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙｍｅｈｏｔｄ．Ｔｈｅｓｅｒｅｇｉｏｎｓｃａｎｂｅｍａｔｃｈｅｄｂａｓｅｄｏｎｈｅｔｉｒｓｈａｐｅｆｅａｔｕｒｅｓ．Ｓｅｃ — ｏｎｄｌｙ，ｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｒｅａｅｘｒａｔｃｔｅｄｂｙｈｅｔＨａｒｒｉｓｏｐｅｒａｔｏｒ．Ａｃｃｏｒｄｉｎｇｔｏｈｅｔｏｎｅ — ｔｏ－ｏｎｅｃｏｒｒｅ — ｓｐｏｎｄｅｎｃｅｂｅｔｗｅｅｎｔｈｅｒｅｇｉｏｎｓ，ｆｅａｔｕｒｅｐｏｉｎｔｓｃａｎｂｅｄｉｖｉｄｅｄｉｎｔｏｓｏｍｅｐｏｉｎｔｓｅｔｓｗｈｉｃｈｂｅｌｏｎｇｔｏ
第４３卷增刊（ＩＩ）
２０１３年１１月
东南大学学报（自然科学版）
ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
ｈｅｔｓｐｅｃｉｆｉｃｒｅａａｓ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｌａｔｉｏｎｓｈｉｐｓａｒｅｅｓｔａｂｌｉｓｈｅｄａｍｏｎｇｔｈｅｐｏｉｎｔｓｅｔｓ．Ｆｉｎａｌｌｙ，ｐｏｉｎｔｆｅａｔｕｒｅｓａｒｅｄｅｓｃｉｂｒｅｄｗｉｔｈｄｉｓｔｎｃａｅａｎｄｃｏｏｒｄｉｎａｔｅａｚｉｍｕｈｔｂｅｔｗｅｅｎｈｅｔｃｅｎｔｅｒｐｏｉｎｔ
ａｎｄｔｈｅＨａｒｒｉｓｏｐｅｒａｔｏｒ．Ｆｉｒｓｔ，ｉｍａｇｅｓａｒｅｓｅｇｍｅｎｔｅｄｂｙｕｓｉｎｇｔｈｅｆｕｚｚｙＣ — ｍｅａｎｓａｌｇｏｉｒｔｈｍ（ＦＣＭ），
占小康沙月进
（东南大学交通学院，南京２１００９６）
摘要：针对低空影像提出一种基于图像分割和Ｈａｒｒｉｓ算子的影像匹配方法．该方法首先利用模
糊Ｃ均值方法进行图像的多阈值分割，利用数学形态学方法提取独立特征面，并根据形状特性
Ｖｏ１．４３
Ｓｕｐ（ＩＩ）
Ｎｏｖ．２０１３
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１— ０５０５．２０１３．Ｓ２．０４７
基于图像分割和Ｈａｒｒｉｓ的低空影像匹配
进行影像间的面匹配．然后用Ｈａｒｒｉｓ算子提取影像的特征点，并根据已一一对应的特征面，将特征点划分为属于各个特征面的点集，因而特征点集间也形成了对应关系．最后，以特征点与邻域角点的距离和坐标方位角来描述特征点，并通过建立、比较特征向量达到影像间同名点匹配的目的．实验证明，对于数据量大、左右影像间重叠度变化大的低空影像，单纯依靠点特征几乎无法找到正确的匹配点集，而结合特征面、点共同匹配的方法匹配正确率可达１００％．关键词：图像分割；Ｈａｒｒｉｓ算子；面匹配；特征点匹配