Apakah Anda benar-benar harus menggunakan sudut Harris? Ada banyak fitur yang dikembangkan setelah sudut Harris, dengan properti yang lebih baik. Tinjauan yang baik dapat ditemukan di artikel ini:
Berdasarkan artikel itu dan juga pengalaman pribadi saya, saya menyarankan untuk beralih ke MSER (Maximally Stable Extermal Areas) , atau bahkan menggabungkannya dengan DoG (Perbedaan Gaussians) - fitur yang pertama kali disajikan sebagai bagian dari pipa SIFT.
Jika masalahnya benar-benar kontras rendah , maka fitur MSER harus benar-benar membuat Anda bahagia: mereka (cukup) tidak berubah terhadap perubahan pencahayaan. Singkatnya, mereka terhubung daerah stabil gambar melalui serangkaian binarizasi ambang batas yang berbeda.
Proses ekstraksi fitur independen dari penghitungan deskriptor, jadi seharusnya tidak terlalu sulit untuk mengintegrasikan cara-cara baru ekstraksi fitur ke dalam proses Anda.
Juga, saya pernah mendengar (tetapi tidak pernah benar-benar bekerja dengan) sudut Multiscale Harris sebagai ekstensi ke sudut Harris. Saya tidak tahu banyak tentang mereka dan secara pribadi tidak bisa merekomendasikan bahan bacaan tentang topik ini, jadi saya meninggalkan pencarian artikel dan memilih bahan yang paling menarik bagi Anda.
Lebih jauh, mungkin saya menyarankan bahwa gambar yang Anda posting mungkin memiliki masalah lain selain kontras rendah . Dalam pengalaman pribadi saya, vegetasi seperti semak-semak atau mungkin bidang yang Anda miliki, serta awan bergelembung yang indah cenderung menghasilkan "fitur-fitur umum" - fitur yang cenderung memiliki deskriptor yang sama (atau berbeda) dengan banyak fitur lainnya.
Secara praktis, ini berarti bahwa ketika melakukan pencocokan fitur pada dua gambar dari perspektif yang berbeda, fitur yang diekstraksi dari jenis permukaan ini cenderung cocok secara salah. Saya telah melakukan tesis Master yang sebagian besar berkaitan dengan ekstraksi fitur untuk digunakan dalam pencocokan fitur yang selanjutnya digunakan untuk menghitung transformasi homografi antara dua gambar ketika saya menemukan masalah ini. Saya tidak menemukan artikel lain yang menjelaskan masalah ini pada saat itu, tetapi tesis saya mungkin bermanfaat untuk pendekatan Anda secara keseluruhan.
Terakhir, seperti yang telah Anda tetapkan, ambang batas dan teknik yang berfungsi baik pada sebagian besar gambar mengekstrak fitur kecil dalam gambar jenis ini, karena sebagian besar wilayahnya homogen. Gambar semacam ini menghadirkan masalah dalam pencocokan fitur (yang dapat diperluas ke penjahitan gambar), pengambilan gambar berbasis konten, dan saya akan menduga pelacakan serta aplikasi serupa. Tidak ada metode yang saat ini bekerja dengan baik pada mereka.
Metode yang bekerja dengan baik pada gambar semacam ini serta kasus-kasus khas sedang dieksplorasi dan diteliti saat ini, seperti pendekatan yang saya mulai kerjakan secara singkat dijelaskan dalam jawaban ini .