点特征提取算法【荐】.pptVIP

主要内容 一.Moravec算子 二.Forstner算子 主要内容 一.微分算子 二.二阶差分算子 三.Hough变换 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. 高斯一拉普拉斯算子（LOG） 高斯函数 低通滤波 边缘提取 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 Sobel 边缘检测算子比较结果 Roberts Prewitt Canny Laplacian of Gaussian Sobel Roberts Prewitt Canny Laplacian of Gaussian 原始图像 5.Hough变换 用于检测图像中直线、圆、抛物线、椭圆等 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 图像空间 参数空间 正弦曲线共线 映射 正弦曲线 * * 第二节点特征提取算法 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 r c （1）计算各像元的兴趣值 IV （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 （2）计算l?l（如5?5或更大）窗口中灰度的协方差矩阵 （3）计算兴趣值q与w DetN代表矩阵N之行列式 trN代表矩阵N之迹 (4）确定待选点 当 同时 ，该像元为待选点 （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 3. 微分算子 梯度算子 差分算子 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 1 -1 1 -1 Roberts梯度算子 1 -1 1 -1 方向差分算子 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： -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 g9 g8 g7 g6 g5 g4 g3 g2 g1 -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 1 0 -1 1 0 -1 1 0 -1 1 1 1 0 0 0 -1 -1 -1 Prewitt算子与Sobel算子 1 0 -1 2 0 -2 1 0 -1 1 2 -1 1 0 -1 1 -2 -1 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 i, j i, j i, j 拉普拉斯算子（Laplace） i, j 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 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1 0 -1 0 0 -1 0 -1 4 -1