基于圖像灰度點(diǎn)特征提取算子的比較研究及改進(jìn)*

王啟春 郭廣禮 查劍鋒 劉 神

(1)中國(guó)礦業(yè)大學(xué)國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪局重點(diǎn)實(shí)驗(yàn)室，徐州 221116 2)中國(guó)礦業(yè)大學(xué)江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室，徐州 221116 3)中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，徐州221116)

基于圖像灰度點(diǎn)特征提取算子的比較研究及改進(jìn)*

王啟春1，2，3)郭廣禮1，2，3)查劍鋒1，2，3)劉 神3)

(1)中國(guó)礦業(yè)大學(xué)國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪局重點(diǎn)實(shí)驗(yàn)室，徐州 221116 2)中國(guó)礦業(yè)大學(xué)江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室，徐州 221116 3)中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，徐州221116)

現(xiàn)階段常用的基于圖像灰度的點(diǎn)特征算子有Moravec算子、Harris算子、Forstner算子和Forstner改進(jìn)算子，不同算子的提取速度、定位準(zhǔn)確性、穩(wěn)定性存在一定的差異。通過(guò)人造測(cè)試影像和真實(shí)拍攝影像測(cè)評(píng)各算子的提取速度、定位準(zhǔn)確性、穩(wěn)定性、參數(shù)自適性，比較得出各算子的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上提出一種改進(jìn)算子。研究結(jié)果表明:改進(jìn)算子具有穩(wěn)定性強(qiáng)、定位精度高和自動(dòng)設(shè)置閾值的特點(diǎn)。

點(diǎn)特征提取;Moravec算子;Harris算子;Forstner算子;改進(jìn)算子

1 引言

特征提取是影像分析和影像匹配的基礎(chǔ)，也是單張影像處理的最重要任務(wù)，廣泛應(yīng)用于圖像的識(shí)別、分割、配準(zhǔn)、拼接等各方面，因此具有重要的意義。特征提取算子可分為點(diǎn)特征提取算子與線特征提取算子?，F(xiàn)階段點(diǎn)特征提取算子發(fā)展比較成熟，并易于程序?qū)崿F(xiàn)，在數(shù)字影像提取工作中得到了廣泛的應(yīng)用［1］。目前點(diǎn)特征提取算子大致可分為兩類:基于模板匹配的方法和基于幾何特征的方法?；谀０迤ヅ涞姆椒?如SUSAN算子)計(jì)算耗時(shí)長(zhǎng)，不適用于大量特征點(diǎn)的提?。?］，所以在數(shù)字?jǐn)z影測(cè)量中運(yùn)用得較少?；趲缀翁卣鞯姆椒ㄓ种饕譃閮深?基于圖像邊緣的方法和基于圖像灰度的方法?；趫D像邊緣的方法往往需要對(duì)圖像邊緣進(jìn)行編碼，這在很大程度上依賴于圖像的分割和邊緣提取，具有相當(dāng)大的難度和計(jì)算量;基于圖像灰度的方法是通過(guò)計(jì)算點(diǎn)的曲率及梯度來(lái)檢測(cè)點(diǎn)，避免了對(duì)圖像邊緣進(jìn)行編碼的缺陷，是目前數(shù)字?jǐn)z影測(cè)量研究的重點(diǎn)［3］。

現(xiàn)階段常用的基于圖像灰度的點(diǎn)特征提取算子有Moravec算子、Harris算子、Forstner算子和Forstner改進(jìn)算子等，目前對(duì)它們的系統(tǒng)性的比較研究較少，如余晨等人［2］的基于灰度信號(hào)的點(diǎn)特征提取方法比較研究缺少對(duì)幾種算子穩(wěn)定性的比較，張春美等人［4］的幾種特征點(diǎn)提取算法的性能評(píng)估及改進(jìn)缺少對(duì)幾種算子參數(shù)自適性的比較，因此非常有必要對(duì)幾種算子作一個(gè)系統(tǒng)性的比較研究。本文通過(guò)人造測(cè)試影像和真實(shí)拍攝影像綜合測(cè)評(píng)各算子的性能得出了各算子的優(yōu)缺點(diǎn)，在此基礎(chǔ)上提出基于Forstner算子加權(quán)中心化的Harris改進(jìn)算子，提高了Harris算子的定位精度，并通過(guò)區(qū)域特征點(diǎn)興趣值的均值作為閾值的方法，實(shí)現(xiàn)了興趣值閾值的自動(dòng)檢測(cè)，提高了特征點(diǎn)的提取效率。

2 點(diǎn)特征提取算子

根據(jù)算法原理的不同，基于圖像灰度的點(diǎn)特征提取方法可分為兩類:一是基于圖像梯度的點(diǎn)特征提取方法，如Moravec算子、Forstner算子，描述局部灰度信號(hào)的變化情況，對(duì)各類特征點(diǎn)均有響應(yīng)，因此廣泛應(yīng)用于航空攝影測(cè)量中的點(diǎn)特征提取;二是基于圖像的亮度對(duì)比關(guān)系的點(diǎn)特征提取方法，如基于灰度自相關(guān)函數(shù)的Harris算子。由于Forstner算子的計(jì)算較復(fù)雜，張祖勛等人［1］對(duì)其進(jìn)行了改進(jìn)，本文中的Forstner改進(jìn)算子是根據(jù)該方法實(shí)現(xiàn)的。

在數(shù)字?jǐn)z影測(cè)量中最佳的點(diǎn)特征算子提取出的特征點(diǎn)應(yīng)滿足［5］:

1)確定性:一個(gè)好的特征點(diǎn)應(yīng)該與背景有明顯的區(qū)別，并且在局部領(lǐng)域中是唯一的;

2)不變性:特征點(diǎn)的選擇及其位置的確定，對(duì)于可能存在的幾何和輻射畸變應(yīng)該是不變的，不變性的程度直接影響到基于點(diǎn)特征匹配的精度和可靠性;

3)穩(wěn)定性:所選的特征點(diǎn)應(yīng)該在另一張影像上出現(xiàn)，因此特征點(diǎn)的篩選應(yīng)該具有穩(wěn)定性，對(duì)于噪聲和粗差不敏感;

4)唯一性:確定性保證特征點(diǎn)能夠區(qū)別于局部范圍的其他點(diǎn)。除了局部確定性外，特征點(diǎn)還應(yīng)該具有某種程度上的整體唯一性;

5)可理解性:特征點(diǎn)應(yīng)該有明顯的意義，以使得特征點(diǎn)便于用于相關(guān)分析和更高級(jí)的影像解譯。

對(duì)于實(shí)時(shí)匹配來(lái)說(shuō)，點(diǎn)特征算子的提取速度是一個(gè)重要的指標(biāo)。在點(diǎn)特征提取時(shí)不應(yīng)提取平坦區(qū)域的點(diǎn)作為特征點(diǎn)，并要保證特征點(diǎn)的唯一性，本文將特征點(diǎn)的確定性和唯一性概括為定位準(zhǔn)確性，所以定位準(zhǔn)確性也是點(diǎn)特征算子評(píng)估的重要指標(biāo)。在近景攝影測(cè)量中，連續(xù)拍攝的立體像對(duì)受旋轉(zhuǎn)角、對(duì)比度和噪聲的影響較大，為了較好點(diǎn)特征匹配需要在立體像對(duì)中提取相同的特征點(diǎn)，因此評(píng)估點(diǎn)特征算子的穩(wěn)定性顯得更加重要。各算子提取的結(jié)果跟各自參數(shù)選擇有關(guān)，評(píng)估各算子的參數(shù)自適性，有利于各算子自動(dòng)設(shè)置參數(shù)的研究。

3 點(diǎn)特征提取算子測(cè)試的結(jié)果分析

通過(guò)一幅包括多種類型角點(diǎn)的人造測(cè)試影像(圖1)和一幅真實(shí)拍攝的影像(圖2)綜合測(cè)評(píng)各算子的提取速度、定位準(zhǔn)確性、穩(wěn)定性、參數(shù)自適性等。

4種點(diǎn)特征提取算子對(duì)人造測(cè)試影像的測(cè)試結(jié)果如圖1所示，其中圖1(a)為Moravec算子的測(cè)試結(jié)果，其閾值T=10 000;圖1(b)為Harris算子的測(cè)試結(jié)果，其閾值T=10 000，k=0.05，d=0.5;圖1 (c)為Forstner算子的測(cè)試結(jié)果，其中Tq=0.7，f= 1;圖1(d)為Forstner改進(jìn)算子的測(cè)試結(jié)果，其閾值T=20，Tq=0.5。

4種點(diǎn)特征提取算子對(duì)真實(shí)拍攝影像的測(cè)試結(jié)果如圖2所示，其中圖2(a)為Moravec算子的測(cè)試結(jié)果，其閾值T=20 000;圖2(b)為Harris算子的測(cè)試結(jié)果，其閾值T=100 000，k=0.05，d=0.5;圖2 (c)為Forstner算子的測(cè)試結(jié)果，其中Tq=0.6，f= 0.8;圖2(d)為Forstner改進(jìn)算子的測(cè)試結(jié)果，其閾值T=30，Tq=0.4。

3.1 提取速度測(cè)試

實(shí)時(shí)運(yùn)算中時(shí)間的節(jié)約至關(guān)重要，所以評(píng)價(jià)一種算子時(shí)提取速度是一個(gè)重要的性能，本文通過(guò)如圖1(分辨率為256×256)和圖2(分辨率為225× 231)兩幅影像進(jìn)行測(cè)試，用4種算子提取了遙感特征點(diǎn)的平均時(shí)間，其測(cè)試結(jié)果如表1所示。其中測(cè)試的軟件為Matlab 7.1，測(cè)試的計(jì)算機(jī)處理器為Genuine Intel(R)，主頻1.8 GHZ，內(nèi)存1G。

圖1 4種點(diǎn)特征算子對(duì)人造測(cè)試影像的測(cè)試結(jié)果Fig.1 Test results by use of four kinds of interest point detect operators to the artificial test image

圖2 4種點(diǎn)特征算子對(duì)真實(shí)拍攝影像的測(cè)試結(jié)果Fig.2 Test results by use of four kinds of interest point detect operators to the really taken image

表1 4種點(diǎn)特征提取算子的提取速度比較(單位：毫秒)Tab.1 Comparison among speeds of four kinds of interest point detect operators(unit：ms)

由表1可得:Forstner改進(jìn)算子的提取速度最快，而Forstner算子的提取速度最慢。由于Forstner算子較復(fù)雜，所以其提取速度較慢;Moravec角點(diǎn)提取算子是一個(gè)相對(duì)簡(jiǎn)單的算子，它最顯著的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單快速，所以其提取速度也相對(duì)較快。Forstner改進(jìn)算子其最大的改進(jìn)就是計(jì)算速度變快，不但比Forstner算子快，甚至要比Moravec算子更快。

3.2 定位準(zhǔn)確性測(cè)試

定位準(zhǔn)確性是判斷提取的特征點(diǎn)位置是否接近正確的角點(diǎn)位置及判斷角點(diǎn)的定位精度［6］。本文將人造測(cè)試影像裁減部分角點(diǎn)作為定位準(zhǔn)確性測(cè)試影像(圖3)。該測(cè)試影像中的10個(gè)角點(diǎn)利用Matlab 7.1中的Date cursor工具確定其準(zhǔn)確位置，以正左上方的角點(diǎn)為起點(diǎn)，順時(shí)針得出各角點(diǎn)的坐標(biāo)為(31，15)、(226，15)、(226，24)、(127，24)、(127，74)、(224，76)、(170，132)、(224，187)、(42，131)、(31，75)。角點(diǎn)定位的精度主要以提取的特征點(diǎn)坐標(biāo)與響應(yīng)的已知特征點(diǎn)坐標(biāo)之間的整體均方根誤差δ、行方向均方根誤差δx和列方向均方根誤差δy3個(gè)量來(lái)判斷。設(shè)(xi，yi)為實(shí)際提取特征點(diǎn)的坐標(biāo)，(Xi，Yi)為已知特征點(diǎn)坐標(biāo)。以下是計(jì)算3個(gè)量的公式:

圖3 定位準(zhǔn)確性測(cè)試影像Fig.3 Accuracy test image

由表2可得，F(xiàn)orstner算子和Forstner改進(jìn)算子的提取精度都較高，其定位精度達(dá)到了亞像素級(jí); Harris算子提取特征點(diǎn)的精度其次，Moravec算子提取特征點(diǎn)的精度最差。分析其主要原因:Forstner算子采用了微分加權(quán)的方法對(duì)特征點(diǎn)進(jìn)行精確定位，在理想情況下，其理論精度可達(dá)0.6個(gè)像素;而Harris算子只能在單一尺度下進(jìn)行檢測(cè)，尺度的選擇影響特征點(diǎn)的定位精度，所以使其定位精度一般;由于Moravec算子的算法較簡(jiǎn)單，只考慮了45°方向的平移，并導(dǎo)致其角點(diǎn)響應(yīng)不是各方向同性的(如圖1 (a)所示)，所以對(duì)斜線邊緣的反應(yīng)很強(qiáng)，導(dǎo)致其定位精度較低。

表2 4種點(diǎn)特征提取算子的精度比較Tab.2 Comparison of accuracy of four kinds of interest point detect operators

3.3 穩(wěn)定性測(cè)試

穩(wěn)定性主要判斷提取的特征點(diǎn)對(duì)影像的旋轉(zhuǎn)變化、對(duì)比度變化和噪聲影響的反應(yīng)程度，而反應(yīng)程度與提取特征點(diǎn)的重復(fù)度率有關(guān)，所以測(cè)試算子的穩(wěn)定性即是檢測(cè)算子提取特征點(diǎn)的重復(fù)率，重復(fù)率越高的算子穩(wěn)定性越好。本文以真實(shí)拍攝的影像作為穩(wěn)定性測(cè)試影像，并以圖2中各算子提取的特征點(diǎn)為基礎(chǔ)，分別測(cè)試各算子的旋轉(zhuǎn)變化、對(duì)比度變化、噪聲影響的重復(fù)率，其中重復(fù)率即是影像經(jīng)變化后提取的特征點(diǎn)坐標(biāo)與圖2中對(duì)應(yīng)算子提取的特征點(diǎn)坐標(biāo)之間的誤差在限定范圍之內(nèi)(一般為1.5 pits)的特征點(diǎn)數(shù)量和影像中特征點(diǎn)總數(shù)量之比［7］。

1)旋轉(zhuǎn)變化測(cè)試

將影像進(jìn)行逆時(shí)針0°～90°旋轉(zhuǎn)，每隔10°統(tǒng)計(jì)特征點(diǎn)數(shù)的重復(fù)率(表3)。

由表3可得:Harris算子檢測(cè)旋轉(zhuǎn)變化的重復(fù)率最高，即Harris算子的旋轉(zhuǎn)不變性最強(qiáng);Forstner改進(jìn)算子檢測(cè)旋轉(zhuǎn)變化的重復(fù)率高于Forstner算子檢測(cè)旋轉(zhuǎn)變化的重復(fù)率，表明Forstner改進(jìn)算子提高了Forstner算子的旋轉(zhuǎn)不變性;Moravec算子檢測(cè)旋轉(zhuǎn)變化的重復(fù)率最低，表明Moravec算子的旋轉(zhuǎn)不變性最差。Harris算子的旋轉(zhuǎn)不變性最強(qiáng)的原因是:Harris算子使用的是特征點(diǎn)附近區(qū)域灰度二階矩陣，而二階矩陣可以表示成一個(gè)橢圓，橢圓的長(zhǎng)短軸正是二階矩陣平方根的倒數(shù)值，當(dāng)橢圓旋轉(zhuǎn)時(shí)，特征值并不發(fā)生變化，并判斷特征點(diǎn)的特征值也不發(fā)生變化，所以Harris算子的旋轉(zhuǎn)不變性最強(qiáng)［3］。

2)對(duì)比度變化測(cè)試

利用Matlab 7.1中的對(duì)比度增強(qiáng)函數(shù)(imajust)進(jìn)行測(cè)試，其中g(shù)amma的取值范圍為0.5～1.5，每隔0.1統(tǒng)計(jì)特征點(diǎn)數(shù)的重復(fù)率(表4)。

由表4可得:Harris算子檢測(cè)對(duì)比度變化的重復(fù)率最高，即 Harris算子的對(duì)比度不變性最強(qiáng); Forstner算子和Forstner改進(jìn)算子的對(duì)比度不變性其次;而Moravec算子的對(duì)比度不變性最差。分析Harris算子對(duì)比度最強(qiáng)的原因:Harris算子提取特征點(diǎn)時(shí)使用了微分算子對(duì)影像進(jìn)行了微分運(yùn)算，而微分運(yùn)算對(duì)影像密度的拉升或收縮不敏感，即對(duì)比度的仿射變換不改變Harris算子興趣極值的響應(yīng)位置。

3)抗噪影響測(cè)試

利用Matlab7.1中的imnoise函數(shù)給影像加入椒鹽噪聲進(jìn)行測(cè)試，其中噪聲的濃度取值范圍為0.02～0.2，每隔0.02統(tǒng)計(jì)特征點(diǎn)數(shù)的重復(fù)率(表5)。

由表5可得:幾種算子在抗噪方面都不夠理想，加入少量噪聲后，各算子的重復(fù)率都急劇下降，雖然Harris算子檢測(cè)的重復(fù)率最高，但對(duì)噪聲還是相當(dāng)敏感，所以建議在點(diǎn)特征提取之前需對(duì)數(shù)字影像進(jìn)行去噪處理。比較Forstner改進(jìn)算子和Forstner算子的重復(fù)率可以看出，F(xiàn)orstner改進(jìn)算子適當(dāng)提高了Forstner算子的抗噪性。在幾種算子中Moravec算子的抗噪性最差，分析其主要原因是該算子檢測(cè)的窗口函數(shù)是二值的，并且為矩形窗口，所以導(dǎo)致其角點(diǎn)響應(yīng)對(duì)噪聲敏感。

表3 4種點(diǎn)特征提取算子檢測(cè)旋轉(zhuǎn)變化的重復(fù)率Tab.3 Repetition rates of points detecting the rotation changes with four kinds of interest point detect operators

表4 4種點(diǎn)特征點(diǎn)提取算子檢測(cè)對(duì)比度變化的重復(fù)率Tab.4 Repetition rates of points detecting the contrast changes with four kinds of interest point detect operators

表5 4種點(diǎn)特征提取算子檢測(cè)噪聲影響的重復(fù)率Tab.5 Repetition rates of points detecting the noise changes with four kinds of interest point detect operators

綜上穩(wěn)定性的測(cè)試，分析得出:Harris算子的穩(wěn)定性較強(qiáng)，F(xiàn)orstner算子的穩(wěn)定性一般，而Moravec算子的穩(wěn)定性較差，其中Forstner改進(jìn)算子適當(dāng)提高了Forstner算子的穩(wěn)定性，但效果不明顯。

3.4 參數(shù)自適性測(cè)試

參數(shù)自適性主要是判斷提取的特征點(diǎn)對(duì)設(shè)置參數(shù)的反應(yīng)程度，即是參數(shù)變化對(duì)特征點(diǎn)提取的影響程度。以下是通過(guò)真實(shí)拍攝影像(圖2)進(jìn)行測(cè)試各算子的參數(shù)自適性。

1)Moravec算子

Moravec算子提取特征點(diǎn)時(shí)需要設(shè)置的參數(shù)只是興趣值的閾值，其閾值一般取值為5000～50000，其測(cè)試結(jié)果見(jiàn)表6。

表6 Moravec算子對(duì)參數(shù)自適性測(cè)試Tab.6 Test results on parameters’suitability of Moravec operator

由表6可得:興趣值的閾值對(duì)提取的特征點(diǎn)數(shù)的影響較大，表明Moravec算子的參數(shù)自適性較弱。在測(cè)試中發(fā)現(xiàn)當(dāng)閾值小于10 000時(shí)提取了部分房子和窗戶的紋理點(diǎn)，為了減少此種因素得到的偽角點(diǎn)，可以將閾值取大一點(diǎn)，當(dāng)閾值為20 000時(shí)，幾乎能提取大部分角點(diǎn)(圖2(a))。

2)Harris算子

Harris算子提取特征點(diǎn)時(shí)需要設(shè)置的參數(shù)為興趣值的閾值和常數(shù)k，其測(cè)試結(jié)果見(jiàn)表7。

由表7可得:興趣值的閾值對(duì)提取的特征點(diǎn)數(shù)有一定的影響，但影響不大，而常數(shù)k對(duì)提取的特征點(diǎn)數(shù)的影響較小，表明Harris算子的參數(shù)自適性一般。圖2(b)為經(jīng)過(guò)大量反復(fù)實(shí)驗(yàn)測(cè)試得出的較好效果圖。

3)Forstner算子

Forstner算子提取特征點(diǎn)時(shí)需要設(shè)置興趣值的閾值和權(quán)值的比例系數(shù)f，其測(cè)試結(jié)果見(jiàn)表8。

表7 Harris算子對(duì)參數(shù)自適性測(cè)試Tab.7 Test results on parameters’suitability of Harris operator

表8 Forstner算子對(duì)參數(shù)自適性測(cè)試Tab.8 Test results on parameters＇suitability of Forstner operator

由表8可得:興趣值的閾值和常數(shù)f對(duì)提取的特征點(diǎn)數(shù)的影響都很小，表明Forstner算子的參數(shù)自適性較強(qiáng)，其中常數(shù)f的影響程度大于興趣值的閾值的影響程度。圖2(c)為經(jīng)過(guò)大量反復(fù)實(shí)驗(yàn)測(cè)試得出的較好效果圖。

4)Forstner改進(jìn)算子

Forstner改進(jìn)算子需要確定兩個(gè)閾值:一個(gè)是初選差分的閾值T，另一個(gè)是興趣值的閾值Tq。其測(cè)試結(jié)果見(jiàn)表9。

表9 Forstner改進(jìn)算子對(duì)參數(shù)自適性測(cè)試Tab.9 Test results on parameters’suitability of Forstner improved operator

由表9可得:初選差分的閾值對(duì)提取的特征點(diǎn)數(shù)的影響較大，而興趣值的閾值對(duì)提取的特征點(diǎn)數(shù)的影響較小，表明Forstner改進(jìn)算子的參數(shù)自適性一般。對(duì)于有些對(duì)比度小的影像，若閾值設(shè)置過(guò)大，則提取出的點(diǎn)數(shù)量過(guò)少，在后續(xù)的特征匹配中無(wú)法得到足夠的匹配點(diǎn)對(duì);對(duì)于對(duì)比度較大的影像，若閾值設(shè)置得過(guò)小，則提取的特征點(diǎn)數(shù)量又會(huì)過(guò)多，為特征匹配帶來(lái)嚴(yán)重的運(yùn)算負(fù)擔(dān)。因此，要實(shí)現(xiàn)基于Forstner改進(jìn)算子的全自動(dòng)點(diǎn)特征匹配時(shí)，應(yīng)根據(jù)圖像對(duì)比度設(shè)置初選閾值，提高其適應(yīng)性，則能充分發(fā)揮其優(yōu)勢(shì)。經(jīng)過(guò)反復(fù)測(cè)試，對(duì)于人造測(cè)試影像，初選差分的閾值取28～40效果最好，興趣值閾值取0.45～0.55之間;對(duì)于真實(shí)拍攝的影像，初選差分閾值范圍在20～30之間，興趣值閾值取0.33～0.45之間，圖2(d)為經(jīng)過(guò)反復(fù)實(shí)驗(yàn)測(cè)試得出的較好效果圖。

綜上測(cè)試結(jié)果:Moravec算子的算法較為簡(jiǎn)單，其提取速度較快，而定位精度一般，對(duì)影像旋轉(zhuǎn)、對(duì)比度變化、噪聲影響的反應(yīng)程度較大使其穩(wěn)定性較差，同時(shí)受閾值的影響較大，其參數(shù)自適性較弱; Harris算子雖然在提取速度和參數(shù)自適性方面一般，但是其具有較強(qiáng)的穩(wěn)定性，對(duì)影像旋轉(zhuǎn)、對(duì)比度變化、噪聲影響的反應(yīng)程度較小;Forstner算子的明顯優(yōu)勢(shì)就是其定位精度較高和參數(shù)自適性較強(qiáng)，然而其算法較為復(fù)雜導(dǎo)致運(yùn)算速度較慢，并且對(duì)影像的對(duì)比度變化和噪聲影響的反應(yīng)程度較大使其穩(wěn)定性一般;Forstner改進(jìn)算子的最大改進(jìn)就是提高了Forstner算子的運(yùn)算速度，其運(yùn)算速度在幾種算子中最快，同時(shí)也適當(dāng)?shù)奶岣吡薋orstner算子的旋轉(zhuǎn)不變性和抗噪強(qiáng)度。

4 改進(jìn)算子

根據(jù)綜合測(cè)試得:Harris算子具有較強(qiáng)的穩(wěn)定性，但定位精度一般，其定位精度只能達(dá)到像素級(jí)，然而Forstner算子的定位精度較高，所以可以將兩種算子結(jié)合進(jìn)行特征點(diǎn)提取。由于Harris算子的參數(shù)自適性一般，其中興趣值的閾值對(duì)提取的特征點(diǎn)數(shù)有一定的影響，然而興趣值的閾值是通過(guò)經(jīng)驗(yàn)值手動(dòng)調(diào)整得到的，其提取效率較低，勞動(dòng)強(qiáng)度較大，為了提高Harris算子的參數(shù)自適性，本文通過(guò)區(qū)域特征點(diǎn)興趣值的均值作為興趣值閾值的方法，實(shí)現(xiàn)了自動(dòng)檢測(cè)興趣值的閾值，提高特征點(diǎn)的提取效率。以下是改進(jìn)算子的計(jì)算步驟:

1)提取區(qū)域特征點(diǎn)。以7×7的像素窗口將整幅影像進(jìn)行分割，得到每個(gè)小區(qū)域，然后在每個(gè)小區(qū)域里通過(guò)Harris算子檢測(cè)該區(qū)域興趣值R最大的像素點(diǎn)，作為該區(qū)域的特征點(diǎn);

2)提取整幅影像的特征點(diǎn)。求取區(qū)域特征點(diǎn)興趣值的平均值作為Harris算子的閾值，將大于該閾值的區(qū)域特征點(diǎn)作為整幅影像的特征點(diǎn);

3)特征點(diǎn)的亞像素定位。采用Forstner算子加權(quán)中心化的方法［8］，以局部最大特征值的Harris算子提取特征點(diǎn)作為中心，在一定大小的窗口(如3× 3窗口)范圍內(nèi)，將原像素坐標(biāo)改為以最大權(quán)點(diǎn)為原點(diǎn)的獨(dú)立坐標(biāo)，然后利用該窗口內(nèi)所有點(diǎn)的特征值R擬合二次曲面，求解二次曲面中特征值R的最大點(diǎn)位，并作為特征點(diǎn)亞像素精度的坐標(biāo)點(diǎn)位，由此將特征點(diǎn)的精度提高到亞像素級(jí)。

利用如圖3所示的影像測(cè)試改進(jìn)算子的定位精度，其測(cè)試結(jié)果如表10所示，根據(jù)測(cè)試結(jié)果可得改進(jìn)算子提高了Harris算子的定位精度，具有較高的定位精度。利用如圖2所示的影像測(cè)試改進(jìn)算子的參數(shù)自適性，其測(cè)試結(jié)果如表11所示。根據(jù)測(cè)試結(jié)果得出:通過(guò)檢測(cè)區(qū)域特征點(diǎn)興趣值的平均值作為閾值的方法，具有較強(qiáng)的參數(shù)自適性，并且避免了特征點(diǎn)聚簇的現(xiàn)象和手動(dòng)設(shè)置閾值的不確定性。雖然改進(jìn)算子的提取速度一般，但是其具有Harris算子較強(qiáng)的穩(wěn)定性，并且具有較高的定位精度和較強(qiáng)參數(shù)自適性，所以該算子在數(shù)字近景攝影測(cè)量中具有較強(qiáng)的可行性。幾種點(diǎn)特征提取算子的比較結(jié)果見(jiàn)表12。

表10 Harris算子與改進(jìn)算子的精度比較Tab.10 Comparison between accuracies of Harris operators and improved operator

表11 改進(jìn)算子的參數(shù)自適性測(cè)試Tab.11 Test results on parameters’suitability of improved operator

表12 幾種點(diǎn)特征提取算子的比較Tab.12 Comparison among several kinds of interest point detect operators

5 結(jié)論

分別利用一幅包括多種類型角點(diǎn)的人造測(cè)試影像和一幅真實(shí)拍攝的影像測(cè)評(píng)各算子的提取速度、定位準(zhǔn)確性、穩(wěn)定性、參數(shù)自適性，比較得出各算子的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上提出了一種改進(jìn)算子，經(jīng)過(guò)實(shí)驗(yàn)測(cè)試結(jié)果表明:改進(jìn)算子具有較強(qiáng)的穩(wěn)定性和較高的定位精度，同時(shí)具有自動(dòng)設(shè)置閾值的特點(diǎn)，避免了手動(dòng)設(shè)置閾值的不確定性，提高了特征點(diǎn)的提取效率，所以其在數(shù)字近景攝影測(cè)量中具有較強(qiáng)的可行性。

1 張祖勛，張劍清.數(shù)字?jǐn)z影測(cè)量學(xué)［M］.武漢:武漢大學(xué)出版社，2002.(Zhang Zuxun and Zhang Jianqing.Digital photogrammetry［M］.Wuhan:Wuhan University Press，2002)

2 余晨，金飛，石娟.基于灰度信號(hào)的點(diǎn)特征提取方法比較研究［J］.測(cè)繪信息與工程，2009，34(6):44-45.(Yu Chen，Jin Fei and Shi Juan.Several intensity based methods for image feature point extraction［J］.Journal of Geomatics Dec，2009，34(6):44-45.)

3 王永明，王貴錦.圖像局部不變性特征與描述［M］.北京:國(guó)防工業(yè)出版社，2010.(Wang Yongming and Wang Guijin.Image local invariant features and descriptors［M］.Beijing:National Defense Industry Press，2010)

4 張春美，龔志輝，黃艷.幾種特征點(diǎn)提取算法的性能評(píng)估及改進(jìn)［J］.測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2008，25(3):231-234.(Zhang Chunmei，Gong Zhihui and Huang Yan.Performance evaluation and improvement of several feature point detectors［J］.Journal of Geomatics Science and Technology，2008，25 (3):231-234)

5 Rodehorst V and Koschan A.Comparison and evaluation of featrue point detectors［A］.Proc.5th International Symposium Turkish-German Joint Geodetic Days“Geodesy and Geoinformation in the Service of our Daily Life”［C］.Technical University of Berlin，2006:8-15.

6 張春美.特征點(diǎn)提取及其在圖像匹配中的應(yīng)用研究［D］.解放軍信息工程大學(xué)，2008.(Zhang Chunmei.Study on feature point detecting and its application image matching［D］.PLA Information Engineering University，2008)

7 Schmid C，Mohr R and Bauck hage C.Evaluation of interest point detectors［J］.International Journal of Computer Vision，2000，37(2):151-172.

8 耿則勛，張保明，范大昭.數(shù)字?jǐn)z影測(cè)量學(xué)［M］.北京:測(cè)繪出版社，2010.(Geng Zexun，Zhang Baoming and Fan Dazhao.Digital photogrammetry［M］.Beijing:Surveying and Mapping Press，2010)

COMPARATIVE STUDY ON INTEREST POINT DETECT OPERATORS BASED ON IMAGE’S GRAY AND IMPROVEMENT

Wang Qichun1，2，3)，Guo Guangli1，2，3)，Zha Jianfeng1，2，3)and Liu Shen3)

(1)China University of Mining and Technology，Key Laboratory for Land Environment and Disaster Monitoring of SBSM，Xuzhou 221116 2)China University of Mining and Technology，Jiangsu Key Laboratory of Resources and Environmental Information Engineering，Xuzhou 221116 3)China University of Mining and Technology，Shool of Environment Science and Spatal Informatics，Xuzhou 221116)

This method based on image’s gray to detect the interest pointis mainly includes Moravec operator，Harris operator，F(xiàn)orstner operator and the improved Forstner operator nowadays，and there are some differences in the detect speed，positioning accuracy，stability between different operators.In this paper the detect speed，positioning accuracy，stability and parameters’suitability of each operator are evaluated by testing a artificial test image and a really taken image，and the test results show the advantages and disadvantages of each operator.A improved operator is proposed based on the test results.The study results show that the improved operator has the characteristics of strong stability，high positioning accuracy and auto-setted threshold.

interest point detect;Moravec operator;Harris operator;Forstner operator;improved operator

1671-5942(2012)02-0148-07

2011-10-28

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(50834004);國(guó)家自然科學(xué)基金青年基金(41104011)

王啟春，男，1987年生，碩士研究生，主要研究方向?yàn)閿?shù)字?jǐn)z影測(cè)量與變形監(jiān)測(cè).E-mail:wqcls@cumt.edu.cn

P207

A