特征的提取演示文件修改版.pptVIP

特征的提取与定位算法 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].