数字影像线特征提取.ppt
,1、什么是点特征？2、试述Moravec算子、Forstner和SUSAN算子的原理、计算过程和各自特点。3、分别给出Moravec、Forstner和SUSAN算子的程序框图，并编程实验。,数字摄影测量Digital photogrammetry,什么是线特征？,如何提取线特征？,3-3 线特征提取,一、数字影像线特征的特点,二、一阶差分算子,三、二阶差分算子,六、特征分割法,四、Laplace 算子，LOG算子,五、Canny算子,一、数字影像线特征的特点,线特征是指影像的“边缘”与“线”，“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，而“线”则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，也就是距离很小的一对边缘构成一条线。,线特征提取算子,1、线特征,线特征提取算子,1、线特征,重要性：线特征存在于目标与背景、目标与目标、区域与区域之间因此它是图像分割所依赖的重要特征，也是纹理特征的重要信息源和形状特征的基础。,一、数字影像线特征的特点,线特征提取算子,1、线特征,特性：沿边缘走向的灰度变化平缓，而垂直于边缘走向的灰度变化剧烈。边缘（线）是具有幅值（强度）（magnitude)和方向（direction)的矢量（vector variable)。,一、数字影像线特征的特点,线特征提取算子,1、线特征,三种类型：阶跃型、房顶型和线条型(脉冲型)。,一、数字影像线特征的特点,3-3 线特征提取算子,2、线特征提取算子,定义：线特征提取算子是指运用某种算法使图像中的“线”更为突出的算子，通常也称边缘检测算子。,一、数字影像线特征的特点,3-3 线特征提取算子,2、线特征提取算子,线特征提取算子的类型：,1）使用近似图像函数一阶导数的算子,2）基于图像函数二阶导数过零点的算子,3）将图像函数与边缘的参数模型相匹配的算子,根据使用的技术方法分为三类：,一、数字影像线特征的特点,3-3 线特征提取算子,二、一阶差分算子,对一个灰度函数g(x,y)，其梯度定义为一个向量：,它的两个重要的特性是：,（1）向量Gg(x,y)的方向是函数g(x,y)在（x,y）处最大增加率的方向；,（2）Gg(x,y)的模为,就等于最大增加率。,1、梯度算子,3-3 线特征提取算子,1、梯度算子,在数字影像中，导数的计算通常用差分予以近似，则梯度算子即差分算子为:,为了简化运算，通常用差分绝对值之和进一步近似为：,对于一给定的阈值T，当 时，则认为像素（i,j）是边缘上的点。,+,-,+,-,i,j,二、一阶差分算子,2、Roberts梯度算子,Roberts梯度定义为:,容易证明其模为：,用差分近似表示导数，则有:,3-3 线特征提取算子,+,-,+,-,i,j,二、一阶差分算子,3-3 线特征提取算子,北,如果仅对某一方向的边缘感兴趣，可利用以下所示的方向差分算子进行边缘检测：,3、方向差分算子,二、一阶差分算子,3-3 线特征提取算子,北,东,南,西,东北,东南,西南,西北,3、方向差分算子,二、一阶差分算子,3-3 线特征提取算子,4、Prewitt算子,二、一阶差分算子,3-3 线特征提取算子,5、Sobel算子,二、一阶差分算子,3-3 线特征提取算子,1、方向二阶差分算子（提取“线”）,此时二阶差分算子为:,相应于纵向与两个对角方向的二阶差分算子为：,三、二阶差分算子,3-3 线特征提取算子,1、方向二阶差分算子（提取“线”）,需要在纵横方向同时检测时的算子为:,三、二阶差分算子,3-3 线特征提取算子,再加上两个对角方向同时检测的二维算子为:,三、二阶差分算子,1、方向二阶差分算子（提取“线”）,3-3 线特征提取算子,1、拉普拉斯算子,拉普拉斯（Laplace)算子定义为:,若g(x,y)的傅立叶变换为G(u,v)，则 的傅立叶变换为：,四、Laplacian 算子，LOG算子,故拉普拉斯算子实际上是一高通滤波器。？,3-3 线特征提取算子,1、拉普拉斯算子,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,四、Laplacian 算子，LOG算子,同理可得：,3-3 线特征提取算子,算子是一高通滤波器,得证,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,1、拉普拉斯算子,对于数字影像，拉普拉斯算子定义为:,通常将上式乘以-1，则拉普拉斯算子即成为原灰度函数与矩阵（称为卷积核或掩膜）的卷积。然后取其符号变化的点，既通过零的点的边缘。,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,1、拉普拉斯算子,Laplace算子是各向同性的导数算子，具有旋转不变性。,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,2、高斯-拉普拉斯算子（LOG算子）,在提取边缘时，利用高斯函数先进行低通滤波，然后再利用拉普拉斯算子进行高通滤波并提取零交叉点，这就是高斯-拉普拉斯算子或称为LOG算子。,高斯滤波函数为：,则低通滤波结果为：,再经拉普拉斯算子处理得,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,2、高斯-拉普拉斯算子（LOG算子）,不难证明,即LOG算子以 为卷积核，对原灰度函数进行卷积运算后提取零交叉点为边缘点。,四、Laplacian 算子，LOG算子,3-3 线特征提取算子,1、Canny算子是最优的阶梯型边缘检测算子，它给出了判断边缘提取方法性能的标准：1）检测标准 不丢失重要的边缘，不应有虚假的边缘。2）定位标准 实际边缘与检测到的边缘位置之间的偏差最小。3）单边缘响应标准 将多个边缘响应降低为单个边缘响应。,五、Canny算子,3-3 线特征提取算子,2、基本原理 先利用高斯函数对图像进行低通滤波；然后对图像中的每个像素进行处理，寻找边缘的位置及在该位置的边缘法向，并采用一种称之为“非极值抑制”的技术在边缘法向寻找局部最大值；最后对边缘图像做滞后阈值化处理，消除虚假响应。,五、Canny算子,3-3 线特征提取算子,F沿方向n的一阶导数为：,边缘的法向n可以按下式估计：,边缘位于Fn与图像g卷积在方向n的局部最大位置处：,2、基本原理,五、Canny算子,3-3 线特征提取算子,1）将图像g(x,y)与高斯函数F做卷积。,2）对每个像素进行处理，估计边缘的位置和法向。,3）在法向上寻找二阶导数的零交叉点，确定边缘 的位置。,4）对边缘图像做滞后阈值化处理，消除虚假响应。,3、提取过程,五、Canny算子,3-3 线特征提取算子,将Canny三个准则结合起来可以获得最优的检测算子，因此Canny算子具有很好的边缘检测性能。算法中具体通过2个阈值来分别检测强边缘和弱边缘；当且仅当弱边缘与强边缘连接时，弱边缘才被输出。所以，Canny算法不容易受噪声的干扰，能够在噪声和边缘检测间取得较好的平衡，于是能检测出真正的弱边缘。,五、Canny算子,4、Canny算子的优点,3-3 线特征提取算子,3-3 线特征提取算子,3-3 线特征提取算子,四、特征分割法,影像段:由灰度度梯度最大点和两个“突出点”（梯度很小）组成。,z,s1,s2,3-3 线特征提取算子,四、特征分割法,两个突出点之灰度差：,特征参数：三个特征点的像素号和g。,g0为正特征，g 0为负特征。,1、线特征的基本概念主要有哪些？有哪些算子可用于提取线特征？它们的特点各是什么？,2、拉普拉斯算子的缺点是什么？为什么高斯-拉普拉斯算子能避免拉普拉斯算子的缺点？,3-3 线特征提取算子,
