影像特征的提取與定位

特征的提取與定位算法1整理ppt主要內(nèi)容

特征的提取?特征點的提取算法?特線的檢測方法特征的定位算法://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有2整理ppt點特征提取算法點特征主要指明顯點，提取點特征的算子稱為興趣算子或有利算子://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有3整理ppt點特征的灰度特征://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有4整理pptMoravec算子

Moravec于1977年提出利用灰度方差提取點特征的算子

rc://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有5整理ppt〔1〕計算各像元的興趣值IV://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有6整理ppt〔2〕給定一經(jīng)驗閾值，將興趣值大于閾值的點作為候選點。確定窗口大小://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有7整理ppt

綜上所述，Moravec算子是在四個主要方向上，選擇具有最大――最小灰度方差的點作為特征點?！?〕選取候選點中的極值點作為特征點。://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有8整理pptForstner算子

計算各像素的Robert’s梯度和像素〔c，r〕為中心的一個窗口的灰度協(xié)方差矩陣，在影像中尋找具有盡可能小而接近圓的誤差橢圓的點作為特征點。://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有9整理ppt〔l〕計算各像素的Robert’s梯度Forstner算子步驟://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有10整理ppt〔2〕計算ll〔如55或更大〕窗口中灰度的協(xié)方差矩陣://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有11整理ppt〔3〕計算興趣值q與wDetN代表矩陣N之行列式trN代表矩陣N之跡://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有12整理ppt(4〕確定待選點當同時，該像元為待選點〔5〕選取極值點即在一個適當窗口中選擇最大的待選點://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有13整理ppt線特征提取算子

線特征是指影像的“邊緣〞與“線〞“邊緣〞可定義為影像局部區(qū)域特征不相同的那些區(qū)域間的分界線，而“線〞那么可以認為是具有很小寬度的其中間區(qū)域具有相同的影像特征的邊緣對常用方法有差分算子、拉普拉斯算手、LOG算子等://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有14整理ppt房屋的提取://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有15整理ppt道路的提取://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有16整理ppt線的灰度特征://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有17整理ppt一、微分算子1．梯度算子://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有18整理ppt差分算子對于一給定的閾值T，當時，那么認為像素〔i，j〕是邊緣上的點。近似-11-11://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有19整理pptRoberts梯度算子-11-11://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有20整理ppt方向差分算子

直線與邊緣的方向://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有21整理ppt

Sobel算子考察它上下、左右鄰點灰度的加權(quán)差。與之接近的鄰點的權(quán)大：i,j://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有22整理ppt-101-101-101-1-1-1000111Prewitt算子與Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪聲Prewitt算子Sobel算子://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有23整理ppt二階差分算子1．方向二階差分算子i,ji,j://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有24整理ppt方向二階差分算子i,j://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有25整理ppt拉普拉斯算子〔Laplace〕i,j://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有26整理ppt拉普拉斯算子〔Laplace〕卷積核掩膜

取其符號變化的點，即通過零的點為邊緣點，因此通常也稱其為零交叉〔zero-Crossing〕點://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有27整理ppt高斯一拉普拉斯算子〔LOG〕首先用高斯函數(shù)先進行低通濾波，然后利用拉普拉斯算子進行高通濾波并提取零交叉點，高斯函數(shù)低通濾波邊緣提取://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有28整理ppt高斯一拉普拉斯算子〔LOG〕LOG算子以為卷積核，對原灰度函數(shù)進行卷積運算后提取零交叉點為邊緣

://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有29整理pptSobel邊緣檢測算子比較結(jié)果://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有30整理pptRobertsPrewitt31整理pptCannyLaplacianofGaussian://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有32整理pptSobelRobertsPrewittCannyLaplacianofGaussian原始圖像://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有33整理pptHough變換

用于檢測圖像中直線、圓、拋物線、橢圓等

圖像空間://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有34整理ppt對于影像空間直線上任一點(x，y〕變換將其映射到參數(shù)空間(，)的一條正弦曲線上://othermap/“測繪信息網(wǎng)〞網(wǎng)友搜集,版權(quán)歸原權(quán)利人所有35整理ppt圖像空間參數(shù)空間正弦曲線共線映射正弦曲線36整理pptHough變換步驟

對影像進行預處理提取特征并計算其梯度方向.將(，)參數(shù)平面量化，設置二維累計矩陣H(i，j).邊緣細化，即在邊緣點的梯度方向上保存極值點而剔除那些非極值點.對每一邊緣點，以其梯度方向為中心，設置一小區(qū)間[-o，+o].37整理ppt〔，〕取累計矩陣中備選點中的極大值點為所需的峰值點，即所檢測直線的參數(shù)。Hough變換

對累計矩陣進行閾值檢測，將大于閾值的點作為備選點.38整理ppt定位算子

數(shù)字影像上明顯目標主要是指地面上明顯地物在影像上的反映，或者是數(shù)字影像自身的明顯標志，例如道路、河流的交叉口、田角、房角、建筑物上的明顯標志、影像四角上的框標、地面人工標志點等等39整理pptWong-Trinder園點定位算子

利用二值圖像重心對圓點進行定位.利用閾值T＝〔最小灰度值十平均灰度值〕/2將窗口中的影像二值化.計算目標重心坐標〔x，y〕與園度r.40整理ppt內(nèi)定向41整理pptp＋q階原點矩與中心矩

Wong-Trinder園點定位算子

當r小于閾值時，目標不是園；否那么園心為〔x，y〕42整理pptTrinder改進算子算子受二值化影響，誤差可達0.5像素。

定位精度可達0.01像素，這種算法只對圓點定位

原始灰度43整理pptForstner定位算子

Forstner定位算子是攝影測量界著名的定位算子最正確窗口由Forstner特征提取算子確定

以原點到窗口內(nèi)邊緣直線的距離為觀測值，梯度模之平方為權(quán)，在點(x,y)處可列誤差方程：44整理pptForstner定位算子

最正確窗口選擇最正確窗口內(nèi)加權(quán)重心化窗口內(nèi)像元的加權(quán)重心45整理ppt高精度角點與直線定位算子

梯度算子的誤差隨機誤差

Roberts梯度

梯度方向代替直線方向存在不容無視的模型誤差，Hough變換等使用梯度方向的方法不可能到達很高的精度。46整理ppt

數(shù)學模型高精度角點與直線定位算子

一維邊緣的成像為刀刃曲線線擴散函數(shù)

影像的梯度

線性化誤差方程

47整理ppt其中

該平差模型不采用梯度的方向，而是采用梯度的模為觀測值

高精度角點與直線定位算子

a0,k0,

0與

0為參數(shù)的近似值48整理pptRoberts梯度

高精度角點與直線定位算子

誤差

單位權(quán)中誤差為

噪聲誤差

49整理ppt

初值Hough變換確定直線參數(shù)初值

0，

0。

(x0,y0)為直線附近