特征的提取PPT学习教案

1、会计学1 特征的提取特征的提取 第1页/共55页 点特征提取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 第2页/共55页 第3页/共55页 点特征的灰度特征点特征的灰度特征 第4页/共55页 Moravec算子算子 Moravec于1977年提出利用灰 度方差提取点特征的算子 r c 第5页/共55页 （1）计算各像元的兴趣值 IV ,min 4321, VVVVIV rc 第6页/共55页 （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 第7页/共55页 综上所述，Moravec算子是 在四个主要方向上，选择具 有最大最

2、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。 第8页/共55页 Forstner算子算子 计算各像素的Roberts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 。 第9页/共55页 （l）计算各像素的Roberts梯度 Forstner算子步骤算子步骤 第10页/共55页 （2）计算ll（如55或更大）窗口 中灰度的协方差矩阵 1 2 2 1 vuv vuu ggg ggg NQ )( )( )( , 11, 11 1, 1 2 , 1 11 1, 2 2 , 11 1, 1 2 jijiji k

3、c kci kr krj jivu ji kc kci kr krj jiv ji kc kci kr krj jiu gggggg ggg ggg 第11页/共55页 （3）计算兴趣值q与w N N Qtr Det tr 1 2 )( 4 trN DetN q DetNDetN代表矩阵代表矩阵N N之行列式之行列式trNtrN代表矩阵代表矩阵N N之迹之迹 2 22 2 22 1 ba ba q q q是像素（是像素（c,rc,r）对应误差椭圆的圆度）对应误差椭圆的圆度 a,ba,b中任意一个为零，则中任意一个为零，则q=0q=0，表明该点，表明该点 可能位于边缘上；可能位于边缘上； a=b

4、a=b，则，则q=1q=1，表明为一个圆，表明为一个圆 第12页/共55页 (4）确定待选点 )5( )5.15.0( 75.05.0 cc fwf T T c q 当 同时 ，该像元为待选点 q Tq w Tw （5）选取极值点 即在一个适当窗口中选择最大的待选点 第13页/共55页 线特征提取算子线特征提取算子 线特征是指影像的“边缘”与“线 ” 边缘边缘：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 常用方法有差分算子、拉普拉斯算手、LOG算子 等 线线：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 第14页/共55页 房屋的提取 第15页/共55页 道路的提取

5、 第16页/共55页 线的灰度线的灰度 特征 第17页/共55页 第18页/共55页 第19页/共55页 一、微分算子一、微分算子 1梯度算子 y g x g yxgG),( 2 1 22 )()(),( y g x g GmagyxG 第20页/共55页 差分算子 2 1 2 1, 2 , 1, )( jijijijiji ggggG 1, 1, jijijijiji ggggG 对于一给定的阈值对于一给定的阈值T，当时，则认，当时，则认 为像素（为像素（i，j）是边缘上的点。）是边缘上的点。 近近 似似 -11 -1 1 第21页/共55页 Roberts梯度算子 v u r g g v

6、g u g yxgG),( 2 1 22 )(),( vur ggyxG 2 1 2 1, 2 , 1, )( jijijijiji ggggG -1 1 -1 1 第22页/共55页 方向差分算子 直线与边 缘的方向 第23页/共55页 二阶差分算子二阶差分算子 1方向二阶差分算子 121 1 2 1 )()( , 1, 1 , 1, 1 ijjijiji jijijijiij gggg ggggg i, j 1 2 1 1 2 1 )()( 1,1, , 1, 1 ijjijiji jijijijiij gggg ggggg i, j 第24页/共55页 111 181 111 1 2 1

7、 1 2 1 010 141 010 1 D 010 141 010 1 2 1 121 D 方向二阶差分算子 i, j 第25页/共55页 拉普拉斯算子（ Laplace） 2 2 2 2 2 y g x g g jijijijiji jijijiji jijijijiij ggggg gggg ggggg ,1,1,1,1 1,1, ,1,1 2 4 )()( )()( 010 141 010 i, j 第26页/共55页 010 141 010 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-Crossin

8、g）点 第27页/共55页 第28页/共55页 边缘检测算子比较结果边缘检测算子比较结果 第29页/共55页 第30页/共55页 第31页/共55页 第32页/共55页 第33页/共55页 Hough变换变换 用于检测图像中直线、圆、抛物线、椭圆等 sincosyx 图像空间 第34页/共55页 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 sincosyx 第35页/共55页 弦 映射 弦 第36页/共55页 i j 第37页/共55页 （，） 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变换变换 对累计矩阵进行阈

9、 值检测，将大于阈值 的点作为备选点. 第38页/共55页 第39页/共55页 定位算子定位算子 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 第40页/共55页 2 11 2 02200220 2 11 2 02200220 0001 0010 ) 2 ( 2 ) 2 ( 2 M MMMM M M MMMM M MM mmy mmx y x yx 第41页/共55页 内定向内定向 第42页/共55页 1 0 1 0 1 0 1 0 )2 , 1 ,

10、 0,()()( )2 , 1 , 0,( n i m j ij qp pq n i m j ij qp pq qpgyjxiM qpgjim pq阶原点矩与中心矩 Wong-Trinder圆点定位算圆点定位算 子子 当r小于阈值时，目标不是园；否则园 心为（x，y） 第43页/共55页 Trinder 改进算子 1 0 1 0 1 0 1 0 1 1 n i m j ijij n i m j ijij Wjg M y Wig M x 算子受二值化影响，误差可达0.5像素 。 1 0 1 0 n i m j ijijW gM 定位精度可达0.01像素，这种算法只对圆点定位 原始灰度 第44页/

11、共55页 Forstner定位算子定位算子 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： 22 2 00 ),( )sincos(sincos yx gggyx yxyxv 第45页/共55页 Forstner定位算子定位算子 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 第46页/共55页 高精度角点与直线定位算子高精度角点与直线定位算子 梯度算子的误差 1,(,12 1 ,1, 2 ),1,12 kk k k k kk k 2 2 2

12、2 g m g m 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。 第47页/共55页 数学模型 )sincos( 2 1 exp 2 1 ),( 2 2 yxyxS )sincos(exp),( 2 yxkyxg 43210 dddd),(ccckccyxv 高精度角点与直线定位算子高精度角点与直线定位算子 x dxxSxg)()( 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 第48页/共55页 ),()sincos(exp )cossin( )sincos(2 )sincos

13、( )sincos(exp 2 00004 0023 0000002 2 000001 2 00000 yxgyxkac yxcc yxckac yxcac yxkc 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高精度角点与直线定位算子 a0,k0,0与0为参数的近似值 第49页/共55页 1, 11, 1, 2 1, 1 2 ,1, 1 dcosdsindsindcosd )()(),( jijijiji jijijiji ggggg ggggjig Roberts梯 度 高精度角点与直线定位算子高精度角点与直线定位算子 2 22222222 2 2

14、 cossinsincos m mmmmm g 误差 mm2 0 单位权中误差为 噪声误差 第50页/共55页 初值 Hough变换确定直线参数初值0，0。 ),(max 0 yxga 2 00000 000 0 )sincos( ln),(ln yx ayxg k (x0,y0)为直线附近任一点的坐标 是梯度的最大值 高精度角点与直线定位算子高精度角点与直线定位算子 第51页/共55页 高精度角点与直线定位算子高精度角点与直线定位算子 粗差的剔除 22 0 22 0 22 0 , / 1/OR, 1 ij ijn ji v v W 采用选权迭代法，使粗差在平差的 过程中自动地被逐渐剔除 第52页/共55页 窗口 精确定位窗口在粗定位 矩形窗口中确定。 角点定位 )sin( coscos )sin( sinsin 12 2112 12 1221 c c y x 高精度角点与直线定位算子高精度角点