论文Harris和Sift算法在不同尺度下提取特征点分析，本文是有关提取论文范文数据库和Harris和Sift算法和提取有关专科毕业论文范文.
一、前言
图像特征的研究是图像处理中一个重要的研究方向,图像特征提取被广泛应用于图像匹配、摄像机标定等方面.作为图像的基本特征,点特征一般认为是指灰度信号在二维方向上有明显变化的点[1] ,如角点等. 点特征提取是最常采用的一种图像特征提取,也是数字摄影测量的关键技术之一,其定位精度在很大程度上影响数字摄影测量过程中相对定向和绝对定向的结果,因此点特征提取算法的研究对在摄影测量学中有重要意义.
近年来,学者们提出了多种点特征提取算法,C.Harris和M.J.Stephens（1998）[2] 在前人算法的基础上发展出一种通过自相关矩阵的角点提取算法—Harris 角点提取算法.SIFT算法由D.G.Lowe[3]1999 年提出,2004 年Did.Lowe 总结了已有基于不变量技术的特征检测方法,正式提出了一种基于尺度空间的,对图像平移、旋转甚至仿射变换保持不变性的图像局部特征,即Sift 特征.
本文将以常用的Harris 角点提取算法和Sift 算法为例,对点特征提取的坐标点进行分析比较,为点特征算法更精确应用提供参考.
二、算法原理
Harris 算法是在图像中设计一个局部检测窗口,当该窗口沿各个方向做微小移动时,根据窗口的平均能量变化,当该能量变化超过设定的阈值时,就将窗口的中心像素点提取为角点,它没有经过高斯模糊化这个过程, 所以在实验中受其它条件影响因素较小, 而Sift 算法是在不同的尺度空间上查找关键点,而尺度空间的获取需要使用高斯模糊来实现,那么在这个过程中相对就会丢失许多的特征点,比如因模板矩阵的关系而造成边缘图像缺失,从这个方面来说Harris 算法提取特征点相较于Sift 位置偏移量,丢失点会很小.Harris和Sift 的算法步骤如下所述.
1. Harris 算子
（1）Harris 算子用高斯函数代替二值窗口函数,对离中心点越近的像素赋予越大的权重,以减少噪声的影响.
（3）方向确定及关键点描述.基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,所有涉及的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性.上述所有涉及到的公式参阅文献[3].
三、实验及分析
下面我们以Lena 图像作为实验的标准图像,用Harris和Sift 算法分别提取其特征点坐标,然后对其坐标进行分析比较.
1. Harris 提取特征点.先提取原图像的特征点,在图像上以红色叉作标记,然后将图像在原图像的基础上变为原来的二分之一,提取此时图像的坐标点,并在图像上标出. 最后再在此图像的基础上将其恢复到原图像大小,同时将坐标点大小也放大二倍,在图像上重新标出,以此我们来比较恢复后的图像坐标和原图像提取的坐标点差异的大小.实验结果图像如下图1.
由实验图像我们可以看到,原图像上的坐标点和恢复成与原图大小相同后图像的坐标位置是有差异的,这说明了将一副图像缩小然后放大,其特征点坐标发生了变化.
由用MATLAB 进行数据分析我们可以看到,在保持其它情况不变的情况下,原图中提取的特征点的个数是40 个,缩小一半后,提取到的特征点个数是32 个,恢复成原图像大小后,坐标同时扩大二倍,其恢复原图的坐标差异在图像中能直观的看出.由此我们得出Harris 算法对于变化后的图像提取的特征点,前后特征点的变化还是存在些许差异的.下面我们用Sift 算法提取特征点,看图像变换前后特征点的变化是怎样的.
2. Sift 算法提取特征点.我们采用与Harris 算法提取特征点,图像的变化一致,先将图像变为原来一半,然后再恢复与原图大小相同,坐标点同时扩大二倍观察实验图像如下：
由实验图像我们可以看出,采用同样的方法后,Sift 算法提取的特征点变化明显,坐标点的差异较大,通过提取的坐标点更能清晰的反映出这种变化.这说明了Sift 算法在做一次图像变换之后,图像受尺度变换的影响相对较小,但在重新恢复原图大小之后,坐标就会有较大的偏移.
通过整个实验我们可以得出对图像在不同尺度下提取特征点时,Harris 算子更适用于图像相对较小,提取特征点精度要求较高的实验中,而Sift 算法提取的特征点不会受光照,仿射变换和噪音等因素影响而变化,稳定性较高,相较于Harris 算法,可以有效解决复杂场景如光照,遮挡,噪音等因素对提取特征点影响较大的场景.
四、结语
通过对Harris 算法和Sift 算法在不同尺度下所做的图像变换,我们可以看到Harris 算法在对图像做每一次变换之后特征点坐标位置差异相对较小,而Sift 算法在做第一次变换之后,坐标点的位置差异更小一些相对于Harris 第一次变换而言,但在第二次变换之后特征点坐标位置明显出现差异较大的现象.因此通过对Harris 和Sift 算法在不同尺度变换下特征点位置差异分析比较,可以对我们今后更好应用这两种算法起到一个很好的指引作用.H
该文总结,此文为一篇适合不知如何写Harris和Sift算法和提取方面的提取专业大学硕士和本科毕业论文以及关于提取论文开题报告范文和相关职称论文写作参考文献资料.
参考文献：
1、 Harris算法的改进 刘可欣 沈阳理工大学【摘要】 图像配准是图像拼接中非常重要的一个步骤,提高配准的精度和速率可以直接影响到图像拼接的准确度和速度 Harris 算法是经典的的角点算法,但是因其冗余点多并且阈值取值不固定.
2、 能否让算法定义社会传媒社会学视角下的新闻算法推荐系统 刘存地,徐 炜摘要互联网重塑了当代的媒体版图,新媒体已成为公众最重要的社会信息来源 同时,互联网也把人类带入了信息超载时代 作为对信息超载的应对,以大数据驱动的智能算法推荐系统席卷了互联网资讯平台 .
3、 渗透数学思想，促进算理和算法的有效融合 摘要对小学计算教学的目标是让学生在理解算理的基础上掌握算法 在教学过程中,教师要有意识地渗透数学思想,帮助学生理解算理,促进学生将算理与算法有效融合,从而提高学生的数学素养 关键词数学思想；算理；算法.
4、 高考作文含意的尺度把握 胡兴桥 写作是一项富有创造性的精神活动 虽然考场作文具有“遵命作文”的特质,但是高水平的考生依然要学会“戴着脚镣跳舞”,以期能在极短的时间内写出既符合.
5、 麦歌算法：这里是前沿科研新摇篮 “杭州雨林式”双创生态系统,是借鉴美国硅谷孵化器“全市场机制”和以色列孵化器的“私有化改革”经验,将市场机制和政策扶持的风险补偿.
6、 技术决定论视域下今日头条算法模式的现实困境和 摘要人民网2017年曾发表多篇评论文章,矛头直指以今日头条为代表的单纯靠算法推荐模式的问题,从技术的表象特征入手,深挖隐藏在背后的内涵,随即在学界和业界掀起了一股针对技术创新目前存在的现实困境的讨论狂.