数字影像线特征提取ppt课件.ppt

1 什么是点特征 2 试述Moravec算子 Forstner和SUSAN算子的原理 计算过程和各自特点 3 分别给出Moravec Forstner和SUSAN算子的程序框图 并编程实验 数字摄影测量Digitalphotogrammetry 什么是线特征 如何提取线特征 3 3线特征提取 一 数字影像线特征的特点 二 一阶差分算子 三 二阶差分算子 六 特征分割法 四 Laplace算子 LOG算子 五 Canny算子 一 数字影像线特征的特点 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 线特征提取算子 1 线特征 线特征提取算子 1 线特征 重要性 线特征存在于目标与背景 目标与目标 区域与区域之间 因此它是图像分割所依赖的重要特征 也是纹理特征的重要信息源和形状特征的基础 一 数字影像线特征的特点 线特征提取算子 1 线特征 特性 沿边缘走向的灰度变化平缓 而垂直于边缘走向的灰度变化剧烈 边缘 线 是具有幅值 强度 magnitude 和方向 direction 的矢量 vectorvariable 一 数字影像线特征的特点 线特征提取算子 1 线特征 三种类型 阶跃型 房顶型和线条型 脉冲型 一 数字影像线特征的特点 3 3线特征提取算子 2 线特征提取算子 定义 线特征提取算子是指运用某种算法使图像中的 线 更为突出的算子 通常也称边缘检测算子 一 数字影像线特征的特点 3 3线特征提取算子 2 线特征提取算子 线特征提取算子的类型 1 使用近似图像函数一阶导数的算子 2 基于图像函数二阶导数过零点的算子 3 将图像函数与边缘的参数模型相匹配的算子 根据使用的技术方法分为三类 一 数字影像线特征的特点 3 3线特征提取算子 二 一阶差分算子 对一个灰度函数g x y 其梯度定义为一个向量 它的两个重要的特性是 1 向量G g x y 的方向是函数g x y 在 x y 处最大增加率的方向 2 G g x y 的模为 就等于最大增加率 1 梯度算子 3 3线特征提取算子 1 梯度算子 在数字影像中 导数的计算通常用差分予以近似 则梯度算子即差分算子为 为了简化运算 通常用差分绝对值之和进一步近似为 对于一给定的阈值T 当时 则认为像素 i j 是边缘上的点 i j 二 一阶差分算子 2 Roberts梯度算子 Roberts梯度定义为 容易证明其模为 用差分近似表示导数 则有 3 3线特征提取算子 i j 二 一阶差分算子 3 3线特征提取算子 北 如果仅对某一方向的边缘感兴趣 可利用以下所示的方向差分算子进行边缘检测 3 方向差分算子 二 一阶差分算子 3 3线特征提取算子 北 东 南 西 东北 东南 西南 西北 3 方向差分算子 二 一阶差分算子 3 3线特征提取算子 4 Prewitt算子 二 一阶差分算子 3 3线特征提取算子 5 Sobel算子 二 一阶差分算子 3 3线特征提取算子 1 方向二阶差分算子 提取 线 此时二阶差分算子为 相应于纵向与两个对角方向的二阶差分算子为 三 二阶差分算子 3 3线特征提取算子 1 方向二阶差分算子 提取 线 需要在纵横方向同时检测时的算子为 三 二阶差分算子 3 3线特征提取算子 再加上两个对角方向同时检测的二维算子为 三 二阶差分算子 1 方向二阶差分算子 提取 线 3 3线特征提取算子 1 拉普拉斯算子 拉普拉斯 Laplace 算子定义为 若g x y 的傅立叶变换为G u v 则的傅立叶变换为 四 Laplacian算子 LOG算子 故拉普拉斯算子实际上是一高通滤波器 3 3线特征提取算子 1 拉普拉斯算子 四 Laplacian算子 LOG算子 3 3线特征提取算子 四 Laplacian算子 LOG算子 同理可得 3 3线特征提取算子 算子是一高通滤波器 得证 四 Laplacian算子 LOG算子 3 3线特征提取算子 1 拉普拉斯算子 对于数字影像 拉普拉斯算子定义为 通常将上式乘以 1 则拉普拉斯算子即成为原灰度函数与矩阵 称为卷积核或掩膜 的卷积 然后取其符号变化的点 既通过零的点的边缘 四 Laplacian算子 LOG算子 3 3线特征提取算子 1 拉普拉斯算子 Laplace算子是各向同性的导数算子 具有旋转不变性 四 Laplacian算子 LOG算子 3 3线特征提取算子 2 高斯 拉普拉斯算子 LOG算子 在提取边缘时 利用高斯函数先进行低通滤波 然后再利用拉普拉斯算子进行高通滤波并提取零交叉点 这就是高斯 拉普拉斯算子或称为LOG算子 高斯滤波函数为 则低通滤波结果为 再经拉普拉斯算子处理得 四 Laplacian算子 LOG算子 3 3线特征提取算子 2 高斯 拉普拉斯算子 LOG算子 不难证明 即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点 四 Laplacian算子 LOG算子 3 3线特征提取算子 1 Canny算子是最优的阶梯型边缘检测算子 它给出了判断边缘提取方法性能的标准 1 检测标准不丢失重要的边缘 不应有虚假的边缘 2 定位标准实际边缘与检测到的边缘位置之间的偏差最小 3 单边缘响应标准将多个边缘响应降低为单个边缘响应 五 Canny算子 3 3线特征提取算子 2 基本原理先利用高斯函数对图像进行低通滤波 然后对图像中的每个像素进行处理 寻找边缘的位置及在该位置的边缘法向 并采用一种称之为 非极值抑制 的技术在边缘法向寻找局部最大值 最后对边缘图像做滞后阈值化处理 消除虚假响应 五 Canny算子 3 3线特征提取算子 F沿方向n的一阶导数为 边缘的法向n可以按下式估计 边缘位于Fn与图像g卷积在方向n的局部最大位置处 2 基本原理 五 Canny算子 3 3线特征提取算子 1 将图像g x y 与高斯函数F做卷积 2 对每个像素进行处理 估计边缘的位置和法向 3 在法向上寻找二阶导数的零交叉点 确定边缘的位置 4 对边缘图像做滞后阈值化处理 消除虚假响应 3 提取过程 五 Canny算子 3 3线特征提取算子 将Canny三个准则结合起来可以获得最优的检测算子 因此Canny算子具有很好的边缘检测性能 算法中具体通过2个阈值来分别检测强边缘和弱边缘 当且仅当弱边缘与强边缘连接时 弱边缘才被输出 所以 Canny算法不容易受噪声的干扰 能够在噪声和边缘检测间取得较好的平衡 于是能检测出真正的弱边缘 五 Canny算子 4 Canny算子的优点 3 3线特征提取算子 3 3线特征提取算子 3 3线特征提取算子 四 特征分割法 影像段 由灰度度梯度最大点和两个 突出点 梯度很小 组成 z s1 s2 3 3线