数字影像的采样与重采样

数字影像的采样与重采样特征提取算法 点特征提取 摄影测量学 山东交通学院测绘教研室 利用数字灰度信号 采用数字相关技术量测同名像点 在此基础上通过解析计算 进行相对定向 绝对定向 建立数字立体模型 从而建立数字高程模型 绘制等高线 制作正射影像图以及为地理信息系统提供基础信息等 这就是数字摄影测量 由于整个过程都是以数字形式在计算机中完成 因而又称为全数字化摄影测量 数字摄影测量最基础的工作 影像的采样与重采样以及获取所需要的影像特征 识别目标 提取目标影像特征 点状特征 线状特征 面状特征 点特征提取算子 线特征提取算子 通过区域分割获取 确定目标位置 特征定位算子 角点定位算子 圆状特征点定位算子 主要内容 数字影像采样影像重采样理论特征提取算法 点特征提取 数字影像或数字化影像 数字影像表达形式 频率域 傅立叶变化 0 255 数字影像采样 采样对实际连续函数模型离散化的量测过程样点被量测的 点 是小的区域 像素采样间隔样点之间的距离矩形的长与宽通常称为像素的大小 采样定理 一维影像 有限带宽函数 采样过程 空间域中采样后函数 频率域中为经过变换后两个相应函数的卷积 也是空间域中采样后函数的傅里叶变换 采样间隔 x fl为截止频率 当采样间隔能使在函数g x 中存在的最高频率中每周期取有两个样本时 则根据采样数据可以完全恢复原函数g x 上述采样间隔只是理论上能够完全恢复原函数的最大间隔 但由于噪音和采样点为一区域 会产生混淆和其他复杂现象 所以噪音部分应在采样前过滤掉 且采样间隔最好是使在原函数g x 中存在的最高频率每周期至少取有三个样本 影像重采样理论 当欲知不位于矩阵 采样 点上的原始函数g x y 的数值时就需进行内插 此时称为重采样 resampling 不在采样点 影像重采样方法 数字影像 采样函数 影像中大于f1的频谱成分为零 双线性插值法 卷积核是一个三角形函数 11 12 21 22 p Y X y1 y2 a b y 1 y x 1 x x2 x1 双线性插值法示意图 双线性插值法 双线性插值法 加权平均值 双三次卷积法 卷积核可以利用三次样条函数 p 11 12 13 14 21 31 41 22 23 24 32 33 34 42 43 44 Y x 双三次卷积法示意图 y x 双三次卷积法 双三次卷积法 最邻近像元法 直接取与P x y 点位置最近像元N的灰度值为该点的灰度作为采样值 三种重采样方法比较 最邻近像元法最简单 计算速度快且能不破坏原始影像的灰度信息 但其几何精度较差 前两种方法几何精度较好 双三次卷积法重采样的中误差约为双线性内插法的1 3 但计算时间较长 特别是双三次卷积法较费时 在一般值况下用双线性插值法较宜 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 Moravec算子 Moravec于1977年提出利用灰度方差提取点特征的算子 r c 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 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 l 计算各像素的Robert s梯度 Forstner算子步骤 2 计算l l 如5 5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 a b为椭圆的长短半轴 若a b中任意一个为零 则q 0 表明该点可能位于边缘上 若a b 则q 1 表明为一个圆 W为该像元的权 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 Harris角点提取算子法 通过自相关矩阵的角点提取算法 又称Plessey算法 是受信号处理中自相关函数的启发 给出与自相关函数相联系的矩阵M M的特征值是自相关函数的一阶曲率 如果两个曲率值都高 可认为该点是角点特征 Harris算法提取