第二节点特征提取算法.ppt

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 5.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 Hough变换步骤 提取特征并计算其梯度方向. 设置累计矩阵H(?i，?j). 边缘细化， 设置一小区间[?-?o，?+?o] 将大于阈值的点作为备选点. 取累计矩阵中备选点中的极大值点为所需的峰值点. 第二节点特征提取算法 主要内容 一.Moravec算子 二.Forstner算子 1.点特征 点特征主要指明显点， 提取点特征的算子称为兴趣算子 2.点特征的灰度特征 3.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 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。 4. Forstner算子 Robert’s梯度和灰度协方差矩阵，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 （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 (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 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