5.2 5.3特征的提取.pptVIP

主要内容 特征的提取 ? 特征点的提取算法 ? 特线的检测方法 特征的定位算法 各种算子比较 (1)Roberts算子边缘定位精度较高，但容易丢失一部分边缘，对噪声敏感。适应于边缘明显而且噪声较少的图像。 (2)Sobel算子和Prewitt算子都是加权平均，有一定的噪声抑制能力。但是Sobel算子和Prewitt算子对边缘的定位不如Roberts算子。而且边缘并不是完全连通的，由一定程度的断开 (3)log算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。 (4)Canny算子具有方向性（并不只是简单的进行梯度运算来决定像素是否为边缘点，在决定一个像素是否为当前边缘点时，需要根据当前像素及前面处理过的像素来进行判断。）由于Canny算子具有独特的性能，使得其边缘检测和定位的结果要优于上述提到的其他的任何算子。 Hough变换步骤 对影像进行预处理提取特征并计算其梯度方向. 将(?，?)参数平面量化，设置二维累计矩阵H(?i，?j). 边缘细化，即在边缘点的梯度方向上保留极值点而剔除那些非极值点. 对每一边缘点，以其梯度方向?为中心，设置一小区间[?-?o，?+?o]. Wong-Trinder圆点定位算子 利用二值图像重心对圆点进行定位 . 利用阈值T＝（最小灰度值十平均灰度值）/2将窗口中的影像二值化 . 计算目标重心坐标（x，y）与圆度 r. Canny Laplacian of Gaussian Sobel Roberts Prewitt Canny Laplacian of Gaussian 原始图像 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 （?，?） 取累计矩阵中备选点中的极大值点为所需的峰值点，即所检测直线的参数。 Hough变换 对累计矩阵进行阈值检测，将大于阈值的点作为备选点. 定位算子 数字影像上明显目标主要是指地面上明显地物在影像上的反映，或者是数字影像自身的明显标志，例如道路、河流的交叉口、田角、房角、建筑物上的明显标志、影像四角上的框标、地面人工标志点等等 内定向 p＋q阶原点矩与中心矩 Wong-Trinder圆点定位算子 当r小于阈值时，目标不是园；否则园心为（x，y） Trinder 改进算子 算子受二值化影响，误差可达0.5像素。 定位精度可达0.01像素，这种算法只对圆点定位 原始灰度 * * 点特征提取算法 点特征主要指明显点，提取点特征的算子称为兴趣算子或有利算子 点特征的灰度特征 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 综上所述，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。 Forstner算子 计算各像素的Robert’s梯度和像素（c，r）为中心的一个窗口的灰度协方差矩阵，在影像中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 Forstner算子步骤 （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 q是像素（c,r）对应误差椭圆的圆度 a,b中任意一个为零，则q=0，表明该点可能位于边缘上； a=b，则q=1，表明为一个圆 (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 线特征提取算子 线特征是指影像的“边缘”与“线” 边缘：可定义为影像局部区域特征不相同的那些区域间的分界线 常用方法有差分算子、拉普拉斯算手、LOG算子等 线：可以认为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 房屋的提取 道路的提取 线的灰度 特征 一、微分算子 1．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 二阶差分算子 1．方向二阶差分算子 i, j i, j 方向二阶差分算子 i, j 拉普拉斯