第四章数字影像与特征提取.pptVIP

数字摄影测量学 数字影像采样与重采样 点特征提取算法 线特征提取算子 定位算子 数字影像采样与重采样 影像的灰度 数字影像采样 影像重采样理论 核线的重排列（重采样） 影像的灰度 影像的灰度又称为光学密度。透明像片(正片或负片)上影像的灰度值。反映了它透明的程度，即透光的能力。设投影在透明像片上的光通量为F0，而透过透明像片后的光通量为F。 影像的灰度 人眼对明暗程度的感觉是按对数关系变化的。为了适应人眼约视觉，在分析影像的性能时，不直接用透过率或不透过率表示其黑白程度，而用不透过率的对数值表示。 数字影像采样 采样 对实际连续函数模型离散化的量测过程 样点 被量测的“点”是小的区域----像素 采样间隔 矩形（或正方形）的长与宽通常称为像素的大小 量化 将像素灰度转换成离散的整数值的过程叫量化。 解析内定向 W11＝W(x1)*W(y1) W12＝W(x1)*W(y2) W11＝W(x2)*W(y1) W11＝W(x2)*W(y2) W(x1)=1-△x W(x2)=△x W(y1)=1-△y W(y2)=△y 其中 △x＝x-INT(x) △y=y-INT(y) 代入公式得： I（P）＝W11I11+ W12I12+ W21I21+ W22I22 = (1-△x)( 1-△y) I11+ (1-△x) △yI12+ △x ( 1-△y) I21+ △x △yI22 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]. Hough 变换举例 Wong-Trinder园点定位算子 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. 特征分割法 将特征定义为一个“影像段”，它由三个特征点组成：一个灰度梯度最大点Z，两个“突出点”（梯度很小）S1，S2 在提取特征时，所用算子不仅应顺次地提取出一个特征上三个特征点的像素序号（点位），而且还应保留两个突出点S1，S2之灰度差。将三个特征点的像素号与作为描述此特征的四个参数——特征参数。 之特征 为正特征， 之特征为负特征。 特征分割法 Hough变换 用于检测图像中直线、圆、抛物线、椭圆等 对于影像空间直线上任一点（x，y），Hough变换将其映射到参数空间(?，?)的一条正弦曲线上。 参数空间内的一点(u0,v0)，对应图像空间内的一条直线。图像空间内共直线的一系列点，对应参数空间内一族直线。 x y y = u0 x + v0 u0 v0 u v y = ax + b b = -xa + y 图像坐标空间 参数坐标空间 在参数空间内所有过同一点的直线，对应图像空间内共线的点 图像中直线上的点在参数空间中的映射 （?，?） 取累计矩阵（即参数空间）中备选点中的极大值点为所需的峰值点，这些点所对应的参数空间的坐标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 具有代表性的定位算子是Medioni－Yasumoto、基于小面元模型的定位算子、矩不变定位算子、Wong-Trinder园点定位算子、Mikhail定位算子、Forstner定位算子与高精度角点与直线定位算子 相对定向 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 （1）计算各像元的兴趣值 IV Moravec算子 （2）给定一经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。 Moravec具体步骤 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。 Moravec 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