数字影像特征提取与定位概要.ppt

数字摄影测量学 Digital Photogrammetry §3.1 概述(Introduction) §3.2 误差椭圆(Error Ellipse) §3.3 点特征的提取(Feature Point Extraction) §3.4 线特征的提取(Edge Extraction) §3.5 Hough变换(Hough Transform) §3.6 特征定位(Positioning Features) §3.4 线特征的提取(Edge Extraction) 变换域中一条曲线上的n个点对应于空间域具有一个公共点的n条直线 每一对 对应的空间域直线为： ？ §3.4 线特征的提取(Edge Extraction) 注意： §3.4 线特征的提取(Edge Extraction) 显然，当x=α时，y=β 即点（ α， β ）在每一条直线上 3、基于Hough变换的边缘提取过程 §3.4 线特征的提取(Edge Extraction) 对影像进行预处理，提取特征并计算梯度方向； 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 将参数平面量化，设置累计矩阵； §3.4 线特征的提取(Edge Extraction) §3.4 线特征的提取(Edge Extraction) 边缘细化，即在边缘点的梯度方向上保留极值点，剔除那些非极值点； 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 §3.4 线特征的提取(Edge Extraction) 对每一边缘点，以其梯度方向 为中心 ，设置一小区间，在此小区间上以 为步长，按式对每一个区间中的 量化值计算相应的 值，并给相应的累计矩阵元素增加一个单位值； 阈值的选定 §3.3 点特征的提取(Feature Point Extraction) 其中 为权平均值； 为权的中值。 当qTq同时 时，该像元为待选点。 F rstner算子 计算步骤 §3.3 点特征的提取(Feature Point Extraction) 计算各像素的Robertˊs梯度。 计算窗口中灰度的协方差矩阵。 计算兴趣值q和w。 确定待选点。 选取极值点。 实际考虑 §3.3 点特征的提取(Feature Point Extraction) 利用差分算子提取初选点； §3.3 点特征的提取(Feature Point Extraction) 在以初选点(c,r)为中心的窗口中按F?rstner算子法计算协方差矩阵与误差椭圆的圆度； 给定阈值选择备选点; 以权值为依据，选取一适当窗口中的极值点为特征点。 §3.4 线特征的提取(Edge Extraction) 基本原理(Basic Principle) 差分边缘算子(Difference Edge Operator) LOG算子(Laplacian of Gaussian Operator) Hough变换(Hough Transform) 基于小波变换的边缘提取(Wavelet Based) §3.4 线特征的提取(Edge Extraction) 基本原理(Basic Principle) §3.4 线特征的提取(Edge Extraction) §3.4 线特征的提取(Edge Extraction) Conclusions: 一阶导数的极值点或二阶导数零交叉点可以检测出阶梯状边缘； 一阶导数的零交叉点或二阶导数极值点可以检测出屋顶状边缘； 差分边缘算子(Difference Edge Operator) §3.4 线特征的提取(Edge Extraction) 由前边的分析知道，一阶导数取极值可以检测出阶跃状边缘。由此可以设计出梯度算子、Roberts剃度算子等。 1、函数的梯度 对一个灰度函数g(x,y)，其梯度定义为一个向量： 它的两个重要的特性是： §3.4 线特征的提取(Edge Extraction) 向量G[g(x,y)]的方向是函数g(x,y)在（x,y）处变 化最快的方向； G[g(x,y)]的模为最大变化率； 2、梯度算子 在离散数字影像中，导数的计算通常用差分予以近似，则梯度算子即差分算子为: 对于一给定的阈值T，当 时，则认为像素（i,j）是边缘上的点。 为了简化运算，通常用差分绝对值之和进一步近似为 ： §3.4 线特征的提取(Edge