页数：53页文件大小：552.7 KB来源： 数字摄影测量ppt课件
本课件系统讲解特征的提取与定位算法，先介绍Moravec与Forstner等点特征提取算子，再展开梯度、拉普拉斯与LOG等线特征提取算子，最后讲解Hough变换与高精度角点、直线定位算子。
特征提取与定位算法：本课件封面页，标示课程名称与本章主题「特征提取与定位算法」及其所属篇章位置。
本章主要内容：主要内容特征的提取 特征点的提取算法 特线的检测方法特征的定位算法。本章内容导览图，列出特征提取、点特征提取算法、线检测与定位算法。
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。点特征提取算法页，说明提取明显点的算子又称兴趣算子或有利算子。
点特征的灰度特征：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
Moravec算子：Moravec算子Moravec于1977年提出利用灰度方差提取点特征的算子rc。Moravec算子页，说明其于1977年提出、利用灰度方差提取点特征。
计算各像元兴趣值：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
阈值与候选点确定：（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。Moravec算子步骤二，用经验阈值筛选候选点并确定窗口大小。
Moravec算子小结：综上所述，Moravec算子是在四个主要方向上，选择具有最大――最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
Forstner算子：Forstner算子计算各像素的Robert’s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
计算Robert's梯度：（l）计算各像素的Robert’s梯度Forstner算子步骤。Forstner算子步骤一，计算各像素的Robert's梯度。
计算灰度协方差矩阵：（2）计算ll（如55或更大）窗口中灰度的协方差矩阵。Forstner算子步骤二，计算5×5或更大窗口内灰度的协方差矩阵。
计算兴趣值q与w：（3）计算兴趣值q与wDetN代表矩阵N之行列式trN代表矩阵N之迹。Forstner算子步骤三，由矩阵N的行列式与迹计算兴趣值q与w。
确定待选点与极值点：(4）确定待选点当同时，该像元为待选点（5）选取极值点即在一个适当窗口中选择最大的待选点。Forstner算子步骤四五，确定待选点并在适当窗口内选取极值点。
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”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常用方法有差分算子、拉普拉斯算手、LOG算子等
房屋的提取：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
道路的提取：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
线的灰度特征：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
微分算子与梯度算子：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
差分算子：差分算子对于一给定的阈值T，当时，则认为像素（i，j）是边缘上的点。近似1-1-11。差分算子页，给出梯度近似计算式与阈值T判定边缘点的条件。
Roberts梯度算子：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
方向差分算子：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
Sobel算子：Sobel算子考察它上下、左右邻点灰度的加权差。与之接近的邻点的权大：i, j。Sobel算子页，考察上下左右邻点灰度的加权差，邻近点权更大。
Prewitt与Sobel模板：本页以公式与示意图为主，Prewitt与Sobel算子模板对比图，加大模板抑制噪声并给出两组权值。
二阶差分算子：二阶差分算子1．方向二阶差分算子i, ji, j。二阶差分算子导览页，引出方向二阶差分与拉普拉斯算子。
方向二阶差分算子：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
拉普拉斯算子：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
拉普拉斯零交叉：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-Crossing）点
高斯-拉普拉斯算子：高斯一拉普拉斯算子（LOG）首先用高斯函数先进行低通滤波，然后利用拉普拉斯算子进行高通滤波并提取零交叉点，高斯函数低通滤波边缘提取
LOG算子卷积核：高斯一拉普拉斯算子（LOG）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。LOG算子卷积核页，用该核对灰度函数卷积后提取零交叉点为边缘。
边缘检测算子比较：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
Roberts与Prewitt效果：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
Canny与LOG效果：本页以公式与示意图为主，Canny与Laplacian of Gaussian算子检测对比图，展示平滑与定位差异。
五种算子检测总图：本页以公式与示意图为主，五种边缘算子检测结果总图，对照原始图像比较Sobel、Roberts、Prewitt、Canny与LOG。
Hough变换：Hough变换用于检测图像中直线、圆、抛物线、椭圆等图像空间。Hough变换页，说明其用于检测影像中的直线、圆、抛物线与椭圆。
Hough变换映射原理：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。Hough变换映射原理图，影像空间一点映射到参数空间的一条正弦曲线。
图像空间与参数空间：图像空间参数空间正弦曲线共线映射正弦曲线。图像空间与参数空间对应关系图，共线点映射的正弦曲线交于一点。
Hough变换步骤：Hough变换步骤对影像进行预处理提取特征并计算其梯度方向.将参数平面量化，设置二维累计矩阵H(i，j).边缘细化，即在边缘点的梯度方向上保留极值点而剔除那些非极值点.对每一边缘点，以其梯度方向为中心，设置一小区间[-o，+o].
累计矩阵阈值检测：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变换对累计矩阵进行阈值检测，将大于阈值的点作为备选点.
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
Wong-Trinder圆点定位：Wong-Trinder园点定位算子利用二值图像重心对圆点进行定位.利用阈值T＝（最小灰度值十平均灰度值）/2将窗口中的影像二值化.计算目标重心坐标（x，y）与园度r.
内定向：本页为图示页，源文件未提取到更多文字，建议对照原图查看。
原点矩与中心矩：p＋q阶原点矩与中心矩Wong-Trinder园点定位算子当r小于阈值时，目标不是园；否则园心为（x，y）。Wong-Trinder算子的p+q阶原点矩与中心矩页，用于判别目标是否为圆。
Trinder改进算子：Trinder改进算子算子受二值化影响，误差可达0.5像素。定位精度可达0.01像素，这种算法只对圆点定位原始灰度。Trinder改进算子页，二值化误差可达0.5像素，改进后定位精度达0.01像素。
Forstner定位算子：Forstner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：
Forstner最佳窗口：Forstner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。Forstner定位算子最佳窗口页，在窗口内作加权重心化求点位。
梯度算子的误差：高精度角点与直线定位算子 梯度算子的误差随机误差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
一维边缘数学模型：数学模型高精度角点与直线定位算子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。一维边缘成像刀刃曲线图，给出线扩散函数与线性化后的误差方程。
平差模型与近似值：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a0,k0,0与0为参数的近似值。高精度定位平差模型页，以梯度模为观测值并给出a0、k0、ρ0与θ0等近似值。
Roberts梯度误差：Roberts梯度高精度角点与直线定位算子误差单位权中误差为噪声误差。Roberts梯度误差分析页，说明单位权中误差即噪声误差。
直线参数初值：初值Hough变换确定直线参数初值0，0。(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。初值确定页，由Hough变换给出直线参数初值ρ0、θ0与梯度最大值α。
粗差的剔除：高精度角点与直线定位算子 粗差的剔除采用选权迭代法，使粗差在平差的过程中自动地被逐渐剔除。粗差剔除页，采用选权迭代法使粗差在平差过程中逐步被自动剔除。
窗口与角点定位：窗口精确定位窗口在粗定位矩形窗口中确定。 角点定位高精度角点与直线定位算子。窗口精确定位页，在粗定位矩形窗口内确定角点与目标点的精确位置。
理论定位精度：理论定位精度为0.02像素 理论精度单位权中误差直线参数，的协因素阵两直线参数的协方差阵。理论定位精度页，说明该算法理论精度可达0.02像素并给出协因数阵。
下载地址：{{downurl}}
{{{a}}}
{{#b}}{{{b}}}
{{/b}} {{/title}} {{#nolog}}登陆注册
{{/nolog}} {{#djsx}}点我刷新
{{/djsx}} {{#gocz}} {{/gocz}} {{#ffqr}} {{/ffqr}}