四章 数字影像与特征提取.pptVIP

5.Hough变换 用于检测图像中直线、圆、抛物线、椭圆等 图像空间 二维： Discrete approximation to Gaussian function with ?σ=1.0 一维 * 设λ1、λ2是M的两个特征值，λ1、λ2局部自相关函数的主曲率成比例。 可以通过判断λ1和λ2 的值的情况来判断平坦区、角点和边沿，有以下3 种情况 * * 计算M阵 高斯滤波 计算兴趣值 计算梯度图像 选取一定数目的特征点 * Harris算法的优缺点 优点 计算简单，只是用到灰度的一阶差分（算法优劣2个判据） 提取的特征点均匀分布合理 可以定量的提取特征点 算法稳定 * 缺点 阈值难以判断（见程序不同的阈值结果） 对尺度变化敏感。 定位有偏差。只能达到像素级 检测速度较慢 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 主要内容 一.微分算子 二.二阶差分算子 三.Hough变换 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 g1 g2 g3 g4 g5 g6 g7 g8 g9 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 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 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 v = 某常数即表示某一核线 C=v 2.在“水平”影像上获取核线影像 u v (0,0) (m,0) (0,n) (m,n) (?u,c) (2?u,c) (3?u,c) u=k1? v= k2? 采样间隔 (?u,c) (2?u,c) (3?u,c) (x1,y1) (x2,y2) (x3,y3) 3.核线的重排列（重采样） 是否是采样点？ 水平相片 倾斜相片 同名核线的v坐标值相等 4.同名核线的确定 二.基于共面条件的同名核线几何关系 直接在倾斜影像上获取核线影像 A S1 S2 l1