面向遥感影像匹配的特征点检测算子性能评估

在基于特征点的匹配方法中,特征点检测是非常关键的步骤,直接影响到匹配的效果.为了确立遥感影像匹配过程中特征点算子的选择依据,本文从光谱、时相和尺度（分辨率）3个方面,选择不同类型的遥感影像作为实验数据,以特征点重复率作为评估标准,对当前主流的Harris-Laplace、Hessian-Laplace、DoG和MSER 4种特征点检测算子进行性能评估,并分析了每一种算子的优缺点和适用范围.实验结果表明:在光谱和时相方面,Hessian-Laplace的平均重复率达到40%,性能最好,其次为Harris-Laplace和DoG,而MSER的性能相对较弱;而对于尺度方面,MSER表现出最好的性能,平均重复率达到35%,其次为Hessian-Laplace,而Harris-Laplace和DoG的性能较弱.