2023学年完整公开课版点特征()

数字摄影测量知识点点特征对一幅数字影像，我们最感兴趣的是那些非常明显的目标，而要识别这些目标，必须借助于提取构成这些目标的所谓影像的特征。特征提取是影像分析和影像匹配的基础，也是单张影像处理的最重要的任务。特征提取主要是应用各种算子来进行。特征提取算子又可分为点特征提取算子与线特征提取算子，而面状特征主要是通过区域分割来获取。知识点：点特征对数字影像中的明显目标，我们不仅要识别它们，还需要确定它们的位置。在数字摄影测量中，特征的定位是利用特征定位算子进行的，它分为圆状特征点的定位算子与角点的定位算子，这就是自动化的“单像量测”。知识点：点特征1.影像信息量与特征

信息或不确定性，是基本随机事件发生概率的实值函数。通常，信息测度也称为熵。影像的熵就是它的信息量的度量。熵有多种定义，常用的四种分别就是Shannon-Wiener熵、条件熵、平方熵与立方熵。1.1信息量知识点：点特征1.影像信息量与特征1.1信息量其中fi为灰度gi的频数；N为影像像素的总数，即灰度值总数；k是一适当的常数。对一个具有n个灰度值g1，g2，…，gn的数字影像，灰度gi出现的概率为pi，该数字影像的Shannon-Wiener熵定义为其中灰度概率pi可近似取为灰度的频率：

pi=fi/N知识点：点特征1.影像信息量与特征一幅影像的熵是整副影像的信息度量，它可用于影像的编码，从而对影像进行压缩，而不能对影像的特征进行描述。但是影像局部区域的熵（可称为影像的局部熵）是该局部区域信息的度量，可反映影像的特征存在与否。1.1信息量知识点：点特征由于在影像数字化时，像元灰度量化为256个灰度等级，即8个比特，比特分割就是用于确定那几位比特是信号，那几位是噪声。

比特分割：就是将量化后的数据分成不同的比特位，依次取出某一比特位上的值（0或1）形成二值图像。1.影像信息量与特征1.2比特分割知识点：点特征1.影像信息量与特征1.2比特分割比特分割的具体步骤直方图分析1）灰度值移位和压缩2）比特分割3）排出量化噪音5）比特合成4）知识点：点特征理论上，特征是影像灰度曲面的不连续点。

在实际影像中，由于点扩散函数的作用，特征表现为在一个微小邻域中灰度的急剧变化，或灰度分布的均匀性，也就是在局部区域中具有较大的信息量，则认为该像素是一个特征。1.影像信息量与特征1.3特征知识点：点特征1.影像信息量与特征1.3特征点特征边缘特征知识点：点特征1.影像信息量与特征1.3特征

◆点特征主要指明显点，如角点，原点等。

◆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，也就是距离很小的一对边缘构成一条线。知识点：点特征2.点特征提取算子提取点特征的算子称为兴趣算子或有利算子，即运用某种算法从影像中提取我们所感兴趣的，即有利于某种目的的点。现已提出了一系列算法各异，且具有不同特色的兴趣算子，比较知名的有Moravec算子、Hannsh算子等。知识点：点特征2.点特征提取算子

Moravec算子于1977年提出利用灰度方差提取点特征的算子，其步骤为：（1）计算各像元的兴趣值IV。在以像素（c,r）为中心的w×w的影像窗口中，计算四个方向相邻像素灰度差的平方和。（2）给定一经验阀值，将兴趣值大于该阀值的点（即兴趣值计算窗口的中心点）作为候选点。Moravec算子（3）选取候选点中极值点作为特征点，在一定大小的窗口内将候选点中兴趣