特征的提取与定位算法课件

特征的提取与定位算法特征的提取与定位算法主要内容主要内容 特征的提取特征的提取 特征点的提取算法特征点的提取算法 特线的检测方法特线的检测方法特征的定位算法特征的定位算法点特征提取算法点特征提取算法点特征主要指明显点，提取点特征的算子称为兴趣算子或有利算子 点特征的灰度特征点特征的灰度特征Moravec算子算子 Moravec于1977年提出利用灰度方差提取点特征的算子 rc（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。Forstner算子算子 计算各像素的Roberts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Roberts梯度 Forstner算子步骤算子步骤（2）计算ll（如55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 线特征提取算子线特征提取算子 线特征是指影像的“边缘”与“线”“边缘”可定义为影像局部区域特征不相同的那些区域间的分界线，而“线”则可以认为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常用方法有差分算子、拉普拉斯算手、LOG算子等 房屋的提取道路的提取线的灰度线的灰度 特征一、微分算子一、微分算子1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-11-11Roberts梯度算子-11-11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：i,j-101-101-101-1-1-1000111Prewitt算子与算子与Sobel算子算子-101-202-101-1-21-101-121加大模扳抑制噪声Prewitt算子算子Sobel 算子二阶差分算子二阶差分算子1方向二阶差分算子i,ji,j方向二阶差分算子i,j拉普拉斯算子（Laplace）i,j拉普拉斯算子（Laplace）卷积核掩膜 取其符号变化的点，即通过零的点为边缘点，因此通常也称其为零交叉（zero-Crossing）点 高斯一拉普拉斯算子（LOG）首先用高斯函数先进行低通滤波，然后利用拉普拉斯算子进行高通滤波并提取零交叉点，高斯函数低通滤波边缘提取高斯一拉普拉斯算子（LOG）LOG算子以为卷积核，对原灰度函数进行卷积运算后提取零交叉点为边缘 SobelSobel边缘检测算子比较结果边缘检测算子比较结果RobertsRobertsPrewittPrewittCannyCannyLaplacian of GaussianLaplacian of GaussianSobelSobelRobertsRobertsPrewittPrewittCannyCannyLaplacian of GaussianLaplacian of Gaussian原始图像原始图像Hough变换变换 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 图像空间图像空间参数空间参数空间正正弦曲线共线曲线共线映射正正弦曲线曲线Hough变换步骤变换步骤 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.（，）取累计矩阵中备选点中的极大值点为所需的峰值点，即所检测直线的参数。Hough变换变换 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 Wong-Trinder园点定位算子园点定位算子 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）与园度 r.内定向内定向pq阶原点矩与中心矩 Wong-Trinder园点定位算子园点定位算子 当r小于阈值时，目标不是园；否则园心为（x，y）Trinder 改进算子算子受二值化影响，误差可达0.5像素。定位精度可达0.01像素，这种算法只对圆点定位 原始灰度Forstner定位算子定位算子 Forstner定位算子是摄影测量界著名的定位算子 最佳窗口由Forstner特征提取算子确定 以原点到窗口内边缘直线的距离为观测值，梯度模之平方为权，在点(x,y)处可列误差方程：Forstner定位算子定位算子 最佳窗口选择 最佳窗口内加权重心化 窗口内像元的加权重心高精度角点与直线定位算子高精度角点与直线定位算子 梯度算子的误差随机误差 Roberts梯度 梯度方向代替直线方向存在不容忽视的模型误差，Hough变换等使用梯度方向的方法不可能达到很高的精度。数学模型 高精度角点与直线定位算子高精度角点与直线定位算子 一维边缘的成像为刀刃曲线线扩散函数 影像的梯度 线性化误差方程 其中 该平差模型不采用梯度的方向，而是采用梯度的模为观测值 高精度角点与直线定位算子高精度角点与直线定位算子 a0,k0,0与0为参数的近似值Roberts梯度 高精度角点与直线定位算子高精度角点与直线定位算子 误差 单位权中误差为 噪声误差 初值Hough变换确定直线参数初值0，0。(x0,y0)为直线附近任一点的坐标 是梯度的最大值 高精度角点与直线定位算子高精度角点与直线定位算子 窗口 精确定位窗口在粗定位矩形窗口中确定。角点定位 高精度角点与直线定位算子高精度角点与直线定位算子 理论定位精度为0.02像素 理论精度 单位权中误差 直线参数，的协因素阵 两直线参数的协方差阵 Thank You世界触手可及世界触手可及携手共携手共进，齐创精品工程精品工程