数字影像特征提取.pptx

1、数字图像特征提取、Collected by Crystal lo、2017-05-16、SOG SCNU，一、特征点提取算法Moravec点特征提取算子Forstner点特征提取算子Harris 特征线的检测方法直方图法梯度算子差分算子加算子，一、特征点的提取算法，点特征点主要是明确的(1)修正各像素的兴趣值(有利值) IV (2)，给出经验性阈值，将兴趣值大于阈值的点作为候补点。 (3)选择候补点中的极值点作为特征点。 1、特征点提取算法、1、Moravec算子、Moravec算子思想用像素四个方向上的最小灰度方差表示：选择图像中具有局部最大兴趣的点。 一、特征点提取算法、二、Forstne

2、r算子、Forstner算子思想是： 3360通过Forstner算子对以各像素的Robert梯度和像素(，)为中心的一个窗灰度协方差矩阵进行校正，在图像中尽可能小且圆(1)校正每个像素的Roberts梯度(2)，校正ll (例如，55或更大)窗口的灰度的协方差矩阵(3)，向兴趣值q和w (4)给出经验阈值，并且将兴趣值大于该阈值的点设置为(5)候选点中的极点也就是说，在适当的窗口中选择最大的候选点、3、Harris运算符、ReviewMoravec角点检查运算符的思想实际上非常简单，在图像上取W*W的“滑动窗口”，在该窗口中不断移动，在窗口中的在像素变化的情况下，可以简单地分为3种：如果a是

3、窗口内的图像比较平坦，则e的变化不大。 如果b窗口中的图像是边缘，则沿该边缘滑动时e的变化不大，而沿与该边缘垂直的方向滑动时e的变化大。 如果c窗口中的图像是拐角，则无论向哪个方向移动窗口，e的值都会发生很大变化。 Harris角点检测算子实质上是Moravec算子的改进和优化。 e是像素的变化值。 “Moravec”操作符将四个方向加权相加，以确定变化的大小，然后设置阈值以确定边缘还是拐角。 3、Harris算子、(1) Moravec算子对方向的依赖性强，在上面的描述中，Moravec算子实际上仅移动了4个45度角的离散方向，而真正优秀的检测算子应该能够考虑各现象的移动变化。 因此，Har

4、ris采用了微分的思想。 (由于Moravec运营商采用方形的windows，所以e的响应相对容易受到干扰，Harris采用相对平滑的窗口高斯函数。 (3)Moravec算子对边缘的响应过敏。 因此，Harris提出了使e变形为二次型。 (1)首先确定大小的视频窗，并且对该窗中的每个像素点进行1次差分运算，从而获得方向上的梯度。 (2)对梯度进行高斯滤波，高斯卷积模板的可取值为0.3.9。 根据(3)式计算矩阵值。 (4)选择局部极值点在适当大小的窗口内提取感兴趣的最大值或最大的几个值的像素作为角点。 3、Harris算法、Harris角点检测算法有很多优点： a旋转不变，椭圆即使旋转一定角度

5、形状也不变(特征值不变) b相对于图像的灰度仿射变化有部分不变性，图像的灰度级变化不变b提取的角点是像素级。然后，很多牛人提出了更完美的检测算子、二、特征线的检测方法、1、直方图法2、梯度算子3、差分算子4、拉普拉斯算子、二、特征线的检测方法、1、直方图算子、前景、背景的灰度值域的确定x轴的双峰分布直方图优势算法简单，容易实现具有明显双峰分布的图像，效果好，不太受单一噪声影响，二、特征线检测方法、一、直方图法、注意：应用灰度直方图双峰法分割图像时，也需要一定的图像先验知识可以用一阶导数和二阶偏导数来求解特征线的检测方法、二阶梯度运算符和图像的梯度。 但是，图像保存为矩阵，就像数学理论导出直线和

6、曲线一样，导出一个图像相当于导出一个平面和曲面。 图像的操作通过用模板对原图像进行卷积运算，达到了我们所希望的效果。 另一方面，将获得一幅图像的梯度转换为使原始图像与模板(Roberts、Prewitt、Sobel、Lapacian运算符)进行卷积，其中，这些模板不是随意设置的，是根据数学方法导出的。 二、特征线检测方法、二、梯度算子、Roberts算子使用在对角线方向上相邻的两个像素的差近似的梯度振幅来检测边缘。 算子的定位比较准确，但由于不含平滑，对噪声敏感，检测水平和垂直边缘的效果比倾斜边缘高，定位精度高，对噪声敏感。 二、特征线的检测方法、三、差分运算符、Prewitt运算符(平均差分

7、法)是一次微分运算符的边缘检测，利用像素点的上下、左右相邻点的灰度差，在边缘达到极值而检测边缘，去除伪边缘的一部分，对噪声平滑地起作用。 该原理通过在图像空间中逐个检测水平边缘、并使用逐个检测垂直边缘的双向模板进行与图像的相邻卷积而实现。 Prewitt梯度运算符先确定平均值，然后确定梯度，以便可以平均地降低或消除噪声。 水平和垂直梯度模板分别是二、特征线的检测方法、三、差分运算符、Sobel运算符(加权平均差分法)，根据图像的像素点上下、左右相邻灰度加权差在边缘达到极值的现象检测边缘。 操作符对噪声有平滑的作用，能够提供更准确的边缘方向信息，边缘定位精度不够。 在对于精度的要求不是很高的情况下，是比较一般的图像边缘检测方法。二、特征线检测方