特性提取和定位算法

特性提取和定位算法主要内容

特征的提取•特征点的提取算法•特线的检测方法特征的定位算法特性提取和定位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特性提取和定位算法点特征的灰度特征特性提取和定位算法Moravec算子

Moravec于1977年提出利用灰度方差提取点特征的算子

rc特性提取和定位算法（1）计算各像元的兴趣值IV特性提取和定位算法（2）给定一经验阈值，将兴趣值大于阈值的点作为候选点。确定窗口大小特性提取和定位算法

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。特性提取和定位算法Forstner算子

计算各像素的Robert’s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。特性提取和定位算法（l）计算各像素的Robert’s梯度Forstner算子步骤特性提取和定位算法（2）计算ll（如55或更大）窗口中灰度的协方差矩阵特性提取和定位算法（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之迹特性提取和定位算法

(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特性提取和定位算法线特征提取算子

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算子等特性提取和定位算法房屋的提取特性提取和定位算法道路的提取特性提取和定位算法线的灰度特征特性提取和定位算法一、微分算子1．梯度算子特性提取和定位算法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-11-11特性提取和定位算法Roberts梯度算子-11-11特性提取和定位算法方向差分算子

直线与边缘的方向特性提取和定位算法

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特性提取和定位算法-101-101-101-1-1-1000111Prewitt算子与Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪声Prewitt算子Sobel算子特性提取和定位算法二阶差分算子1．方向二阶差分算子i,ji,j特性提取和定位算法方向二阶差分算子i,j特性提取和定位算法拉普拉斯算子（Laplace）i,j特性提取和定位算法拉普拉斯算子（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

特性提取和定位算法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特性提取和定位算法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

特性提取和定位算法Sobel边缘检测算子比较结果特性提取和定位算法RobertsPrewitt特性提取和定位算法Hough变换

用于检测图像中直线、圆、抛物线、椭圆等

图像空间特性提取和定位算法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(，)的一条正弦曲线上特性提取和定位算法图像空间参数空间正弦曲线共线映射正弦曲线特性提取和定位算法Hough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].特性提取和定位算法（，）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

对累计矩阵进行阈值检测，将大于阈值的点作为备选点.特性提取和定位算法定位算子

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特性提取和定位算法Wong-Trinder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.特性提取和定位算法内定向特性提取和定位算法p＋q阶原点矩与中心矩

Wong-Trinder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）

特性提取和定位算法Trinder改进算子算子受二值化影响，误差可达像素。

定位精度可达像素，这种算法只对圆点定位

原始灰度特性提取和定位算法Forstner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：特性提取和定位算法Forstner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特性提取和定位算法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。特性提取和定位算法数学模型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

特性提取和定位算法其中

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

a0,k0,0与0为参数的近似值特性提取和定位算法Roberts梯度

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

特性提取和定位算法初值