《攝影測量學》（下）第二章特征的提取與定位算法

1、特征的提取與定位算法攝影測量學（下）第二章主要內(nèi)容 特征的提取 特征點的提取算法 特線的檢測方法特征的定位算法點特征提取算法點特征主要指明顯點，提取點特征的算子稱為興趣算子或有利算子 點特征的灰度特征Moravec算子 Moravec于1977年提出利用灰度方差提取點特征的算子 rc（1）計算各像元的興趣值 IV（2）給定一經(jīng)驗閾值，將興趣值大于閾值的點作為候選點。 確定窗口大小綜上所述，Moravec算子是在四個主要方向上，選擇具有最大最小灰度方差的點作為特征點。（3）選取候選點中的極值點作為 特征點。 Forstner算子 計算各像素的Roberts梯度和像素（c，r）為中心的一個窗口的灰

2、度協(xié)方差矩陣，在影像中尋找具有盡可能小而接近圓的誤差橢圓的點作為特征點。 （l）計算各像素的Roberts梯度 Forstner算子步驟（2）計算ll（如55或更大）窗口中灰度的協(xié)方差矩陣 （3）計算興趣值q與w DetN代表矩陣N之行列式trN代表矩陣N之跡 (4）確定待選點 當 同時 ，該像元為待選點 （5）選取極值點 即在一個適當窗口中選擇最大的待選點 線特征提取算子 線特征是指影像的“邊緣”與“線” “邊緣”可定義為影像局部區(qū)域特征不相同的那些區(qū)域間的分界線，而“線”則可以認為是具有很小寬度的其中間區(qū)域具有相同的影像特征的邊緣對常用方法有差分算子、拉普拉斯算手、LOG算子等 房屋的提取

3、道路的提取線的灰度 特征一、微分算子1梯度算子差分算子 對于一給定的閾值T，當時，則認為像素（i，j）是邊緣上的點。 近似-11-11Roberts梯度算子-11-11方向差分算子 直線與邊緣的方向 Sobel算子考察它上下、左右鄰點灰度的加權(quán)差。與之接近的鄰點的權(quán)大：i, j-101-101-101-1-1-1000111Prewitt算子與Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪聲Prewitt算子Sobel 算子二階差分算子1方向二階差分算子i, ji, j方向二階差分算子i, j拉普拉斯算子（Laplace） i, j拉普拉斯算子（Laplace）

4、 卷積核掩膜 取其符號變化的點，即通過零的點為邊緣點，因此通常也稱其為零交叉（zero-Crossing）點 高斯一拉普拉斯算子（LOG） 首先用高斯函數(shù)先進行低通濾波，然后利用拉普拉斯算子進行高通濾波并提取零交叉點， 高斯函數(shù)低通濾波邊緣提取高斯一拉普拉斯算子（LOG） LOG算子以為卷積核，對原灰度函數(shù)進行卷積運算后提取零交叉點為邊緣 Sobel邊緣檢測算子比較結(jié)果RobertsPrewittHough變換 用于檢測圖像中直線、圓、拋物線、橢圓等 圖像空間對于影像空間直線上任一點(x，y）變換將其映射到參數(shù)空間(，)的一條正弦曲線上 圖像空間參數(shù)空間正弦曲線共線映射正弦曲線Hough變換步

5、驟 對影像進行預處理提取特征并計算其梯度方向.將(，)參數(shù)平面量化，設(shè)置二維累計矩陣H(i，j).邊緣細化，即在邊緣點的梯度方向上保留極值點而剔除那些非極值點.對每一邊緣點，以其梯度方向為中心，設(shè)置一小區(qū)間-o，+o.（，）取累計矩陣中備選點中的極大值點為所需的峰值點，即所檢測直線的參數(shù)。Hough變換 對累計矩陣進行閾值檢測，將大于閾值的點作為備選點.定位算子 數(shù)字影像上明顯目標主要是指地面上明顯地物在影像上的反映，或者是數(shù)字影像自身的明顯標志，例如道路、河流的交叉口、田角、房角、建筑物上的明顯標志、影像四角上的框標、地面人工標志點等等 Wong-Trinder園點定位算子 利用二值圖像重心

6、對圓點進行定位 .利用閾值T（最小灰度值十平均灰度值）/2將窗口中的影像二值化 .計算目標重心坐標（x，y）與園度 r.內(nèi)定向pq階原點矩與中心矩 Wong-Trinder園點定位算子 當r小于閾值時，目標不是園；否則園心為（x，y） Trinder 改進算子算子受二值化影響，誤差可達像素。 定位精度可達像素，這種算法只對圓點定位 原始灰度Forstner定位算子 Forstner定位算子是攝影測量界著名的定位算子 最佳窗口由Forstner特征提取算子確定 以原點到窗口內(nèi)邊緣直線的距離為觀測值，梯度模之平方為權(quán)，在點(x,y)處可列誤差方程：Forstner定位算子 最佳窗口選擇 最佳窗口內(nèi)加權(quán)重心化 窗口內(nèi)像元的加權(quán)重心高精度角點與直線定位算子 梯度算子的誤差隨機誤差 Roberts梯度 梯度方向代替直線方向存在不容忽視的模型誤差，Hough變換等使用梯度方向的方法不可能達到很高的精度。 數(shù)學模型 高精度角點與直線定位算子 一維邊緣的成像為刀刃曲線線擴散函數(shù) 影像的梯度 線性化誤差方程 其中 該平差模型不采用梯度的方向，而是采用梯度的模為觀測值 高精度角點與直線定位算子 a0,k0,0與0為參數(shù)的近似值Roberts梯度 高精度角點與直線定位算子 誤差 單位權(quán)中誤差為