圖像處理經(jīng)典特征檢測.ppt

1、1,特征檢測,程天棟,2,什么是數(shù)字圖像？,一副圖像可以被定義為一個二維函數(shù) f（x,y），其中 x和y是空間（平面）坐標(biāo)，f在任何坐標(biāo)點(diǎn)（x,y）處的振幅稱為圖像在該點(diǎn)的灰度值?；叶仁怯脕肀硎竞诎讏D像亮度的一個術(shù)語（0為黑色、1為白色），而彩色圖像是由三個單個二維圖像組成的。例如，在RGB彩色圖像中，一幅彩色圖像是由三幅獨(dú)立的分量圖像（紅、綠、藍(lán)）組成的。 因此一幅數(shù)字圖像在MATLAB中可以很自然地表示成矩陣： 等式右邊是定義給出的一副數(shù)字圖像。該數(shù)組的每一個元素都稱為像元、圖元、像素。,3,特征檢測,特征檢測是圖像識別、圖像融合、圖像分割、圖像配準(zhǔn)等處理的基礎(chǔ)。以下以圖像配準(zhǔn)為例： 圖像

2、配準(zhǔn)，就是將兩幅或多幅具有與原始圖像中相同特征的部分對齊的過程。目前現(xiàn)有的圖像配準(zhǔn)算法主要包括兩類：基于特征的圖像配準(zhǔn)算法和基于區(qū)域圖像的配準(zhǔn)算法。 區(qū)域匹配算法是最傳統(tǒng)、最常用的算法，但這種算法在參考圖像和待配準(zhǔn)圖像存在相似度低的情況下，配準(zhǔn)率往往很低。 圖像的特征匹配算法是利用各種算法提取出圖像的明顯特征，比如圖像的角點(diǎn)、興趣點(diǎn)、邊緣信息等，根據(jù)特征信息來估計圖像間的變換關(guān)系，這樣做 可以減少計算量、提高圖像配準(zhǔn)的效率。 目前，典型的配準(zhǔn)方法有基于比值的匹配算法、基于輪廓的匹配算法、基于角點(diǎn)的匹配算法、基于SIFT的圖像配準(zhǔn)方法等。,4,Harris角點(diǎn)檢測基本思想,從圖像局部的小窗口觀察

3、圖像特征 角點(diǎn)定義：窗口向任意方向的移動都導(dǎo)致圖像灰度的明顯變化,5,Harris角點(diǎn)檢測基本思想,平坦區(qū)域： 任意方向移動，無灰度變化,邊緣： 沿著邊緣方向移動，無灰度變化,角點(diǎn)： 沿任意方向移動，明顯灰度變化,6,Harris檢測：數(shù)學(xué)表達(dá),將圖像窗口平移u,v產(chǎn)生灰度變化E(u,v) 窗口函數(shù)：,窗口函數(shù),平移后灰度,原始灰度,7,Harris檢測：數(shù)學(xué)表達(dá),8,Harris檢測：偏導(dǎo)的計算,計算 與 可以采用 Sobel、Prewitt、Roberts 邊緣檢測器的掩模。 圖像鄰域 Sobel邊緣檢測器的掩模,Gx=(z7+2*z8+z9)-(z1+2*z2+z3),Gx=(z7+2*

4、z8+z9)-(z1+2*z2+z3),9,Harris檢測：數(shù)學(xué)表達(dá),于是對于局部微小的移動量 u,v，可以近似得到下面的表達(dá)： 其中M是 22 矩陣，可由圖像的導(dǎo)數(shù)求得：,10,Harris檢測：數(shù)學(xué)表達(dá),定義：角點(diǎn)響應(yīng)函數(shù)R K值取0.04合適（Harris本人建議） 當(dāng),11,Harris檢測：角點(diǎn)的篩選,選擇圖像所有像素中的最大的角點(diǎn)響應(yīng)函數(shù)R值 選擇 的像素點(diǎn)作為角點(diǎn)（通過實驗） 由于允余的角點(diǎn)太多，采用非極大抑制處理 非極大抑制算法的窗口選擇3*3 窗口（通過實驗） 將角點(diǎn)標(biāo)記 通過處理目標(biāo)圖片修改參數(shù)。,12,Laplacian邊緣算子,拉普拉斯算子一種二階邊緣檢測算子，它是一

5、個線性的、時不變算子。是對二維函數(shù)進(jìn)行二階運(yùn)算的導(dǎo)數(shù)算子，對一個連續(xù)函數(shù)f (x, y)它在圖像中的位置(x, y)拉普拉斯值定義為： Laplacian算子利用二階導(dǎo)數(shù)信息，具有各向同性，即與坐標(biāo)軸方向無關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。使得圖像經(jīng)過二階微分后，在邊緣處產(chǎn)生一個陡峭的零交叉點(diǎn)，根據(jù)這個對零交叉點(diǎn)判斷邊緣。其8鄰域系統(tǒng)的Laplacian算子的模板分別如圖所示：,13,Laplacian邊緣算子,Laplacian算子對噪聲比較敏感，為此將高斯濾波和拉普拉斯檢測算子結(jié)合在一起進(jìn)行邊緣檢測的方法，故稱為Log（Laplacian of Gassian ）算法。該算法的主要思路和步驟如

6、下： （1）濾波：首先對圖像f(x,y)進(jìn)行平滑濾波，其濾波函數(shù)根據(jù)人類視覺特性選為高斯函數(shù)，即： 將圖像與 進(jìn)行卷積，可以得到一個平滑的圖像，即： （2）增強(qiáng)：對平滑圖像進(jìn)行拉普拉斯運(yùn)算，即：,14,Laplacian邊緣算子,（3）檢測：邊緣檢測判據(jù)是二階導(dǎo)數(shù)的零交叉點(diǎn)并對應(yīng)一階導(dǎo)數(shù)的較大峰值。 由于對平滑圖像進(jìn)行拉普拉斯運(yùn)算可等效為的拉普拉斯運(yùn)算與的卷積，故上式變?yōu)椋?式中 稱為LOG濾波器，其為： 這樣就有兩種方法求圖像邊緣： 先求圖像與高斯濾波器的卷積，再求卷積的拉普拉斯的變換，然后再進(jìn)行過零判斷，或者求高斯濾波器的拉普拉斯的變換，再求與圖像的卷積，然后再進(jìn)行過零判斷。,15,Laplacian邊緣算子laocn,下圖顯示了一個對 近似的55模板。這種近似不是唯一的。其目的是得到 本質(zhì)的形狀；即，一個正的中心項，周圍被一個相鄰的負(fù)值區(qū)域圍繞（這個負(fù)值區(qū)域從原點(diǎn)開始作為距離的函數(shù)在值上是增加的），并被一個零值的外部區(qū)域所包圍。