点特征提取算法

第二节点特征提取算法主要内容一.Moravec算子二.Forstner算子1.点特征•点特征主要指明显点，•提取点特征的算子称为兴趣算子2.点特征的灰度特征3.Moravec算子Moravec于1977年提出利用灰度方差提取点特征的算子rc121,1,4121,,3121,1,212,1,1)()()()(kkiiricirickkiircirckkiiricirickkiricricggVggVggVggV（1）计算各像元的兴趣值IV},,,min{4321,VVVVIVrc（2）给定一经验阈值，将兴趣值大于阈值的点作为候选点。确定窗口大小Moravec算子是在四个主要方向上，选择具有最大――最小灰度方差的点作为特征点（3）选取候选点中的极值点作为特征点。4.Forstner算子Robert’s梯度和灰度协方差矩阵，寻找具有尽可能小而接近圆的误差椭圆的点作为特征点（l）计算各像素的Robert’s梯度jijivjijiuggvggggugg,11,,1,1（2）计算ll（如55或更大）窗口中灰度的协方差矩阵1221vuvvuuggggggNQ))(()()(,11,,111,12,1111,22,111,12jijijikckcikrkrjjivujikckcikrkrjjivjikckcikrkrjjiugggggggggggg（3）计算兴趣值q与wNNQtrDettr12)(4trNDetNqDetN代表矩阵N之行列式trN代表矩阵N之迹(4）确定待选点)5()5.1~5.0(75.0~5.0ccfwfTTcq当同时，该像元为待选点qTqwTw（5）选取极值点即在一个适当窗口中选择最大的待选点第三节线特征提取算子1.线特征“边缘”影像局部区域特征不相同的区域间的分界线“线”是具有很小宽度的其中间区域具有相同的影像特征的边缘对差分算子、拉普拉斯算手、LOG算子等房屋的提取道路的提取2.线的灰度特征主要内容一.微分算子二.二阶差分算子三.Hough变换3.微分算子•梯度算子ygxgyxgG),(2122)()(),(ygxgGmagyxG•差分算子2121,,2,1,,)(jijijijijiggggG1,,,1,,jijijijijiggggG对于一给定的阈值T，当时，则认为像素（i，j）是边缘上的点。近似-11-11•Roberts梯度算子vurggvgugyxgG),(2122)(),(vurggyxG2121,,2,1,,)(jijijijijiggggG-11-11•方向差分算子西北西西南南东南东东北北111121111111121111111121111111121111111121111111121111111121111111121111直线与边缘的方向•Sobel算子考察它上下、左右邻点灰度的加权差。与之接近的邻点的权大：121000121101202101yxGG10-120-210-1-1-2-100012132198722),(ggggggjiSyg1g2g3g4g5g6g7g8g910-120-210-1-1-2-100012197643122),(ggggggjiSx10-120-210-1-1-2-1000121-101-101-101-1-1-1000111Prewitt算子与Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪声Prewitt算子Sobel算子4.二阶差分算子•方向二阶差分算子]121[121][)()(,1,,1,1,,,1ijjijijijijijijiijgggggggggi,j121121][)()(1,,1,,1,,,1ijjijijijijijijiijgggggggggi,j1111811111211210101410101D010141010121121Di,j•拉普拉斯算子（Laplace）22222ygxggjijijijijijijijijijijijijiijgggggggggggggg,1,1,,1,11,,,1,,1,,,124)()()()(010141010i,j010141010卷积核掩膜取其符号变化的点，即通过零的点为边缘点，通常也称其为零交叉点0-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-10•高斯一拉普拉斯算子（LOG）)2exp(),(222yxyxf),(),(),(yxgyxfyxG)],(*),([),(2yxgyxfyxG高斯函数低通滤波边缘提取),()],([),(2yxgyxfyxG)2exp(2),(42222222yxyxyxfLOG算子为卷积核，对原灰度函数进行卷积运算后,提取零交叉点为边缘)],(*),([),(2yxgyxfyxGSobel边缘检测算子比较结果RobertsPrewittCannyLaplacianofGaussianSobelRobertsPrewittCannyLaplacianofGaussian原始图像5.Hough变换用于检测图像中直线、圆、抛物线、椭圆等sincosyx图像空间对于影像空间直线上任一点(x，y）变换将其映射到参数空间(，)的一条正弦曲线上sincosyx图像空间参数空间正弦曲线共线映射正弦曲线Hough变换步骤提取特征并计算其梯度方向.设置累计矩阵H(i，j).边缘细化，设置一小区间[-o，+o]将大于阈值的点作为备选点.取累计矩阵中备选点中的极大值点为所需的峰值点.ij