数字影像的特征提取与定位1教学提纲.ppt

《数字影像的特征提取与定位1教学提纲.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字影像的特征提取与定位1内容安排FeatureExtractionandLocationOperatorsforImage（重点）FeatureExtractionandLocationOperatorsforImage信息或不确定性,是基本随机事件发生概率的实值函数。通常,信息测度也称为熵。影像的熵就是它的信息量的度量。FeatureExtractionandLocationOperatorsforImage特征是区分不同目标图像的根据，是不同目标图像固有性质的某种表现形式。理论上,特征是影像灰度曲面的不连续点。在实际影像中,由于点扩散函数的

2、作用，特征表现为在一个微小邻域中灰度的急剧变化,或灰度分布的均匀性,也就是在局部区域中具有较大的信息量。不同目标的图像特征主要决定于两个方面:(1)目标的性质(2)图像的性质1）特征概念FeatureExtractionandLocationOperatorsforImage2）特征的种类点状特征线状特征面状特征按特征形状分:FeatureExtractionandLocationOperatorsforImage3）特征提取是从图像中提取图像特征的技术过程。或是从原始图像中提取区分某类目标图像依据的技术过程。为什么要进行特征提取？对一幅数字影像

3、，我们最感兴趣的是那些非常明显的目标，而要识别这些目标，就要进行特征提取。特征提取是影像分析和影像匹配的基础，也是单张影像处理的最重要的任务。特征提取的复杂性和多样性FeatureExtractionandLocationOperatorsforImage特征提取的针对性和图像特征的多样性及近似性，造成了图像特征提取的复杂性和多样性。特征提取的方法（1）兴趣值的选定兴趣值是判定所检测像元是否为感兴趣的特征的基本依据。（2）阈值的选定阈值是判定所检测像元是否为感兴趣的特征的标准。（3）特征提取策略（4）特征提取的基本过程3）特征提取FeatureE

4、xtractionandLocationOperatorsforImage点特征主要指明显点，如角点、圆点等。点特征提取算子是指运用某种算法使图像中独立像点更为突出的算子，它又被称为兴趣算子或有利算子，主要用于提取我们感兴趣的点（如角点、圆点等）。点特征的灰度特征FeatureExtractionandLocationOperatorsforImage理想情况实际情况理想情况：灰度从一常数突然跳跃；实际情况：有一个缓慢变化趋势；FeatureExtractionandLocationOperatorsforImageMoravec于1977年提出

5、利用灰度方差提取点特征的算子。rcw其中取其中最小者作为该像素（c,r）的兴趣值：FeatureExtractionandLocationOperatorsforImagercw（1）计算各像元的兴趣值IVFeatureExtractionandLocationOperatorsforImage（2）给定一经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点（3）选取候选点中的极值点作为特征点在一定大小的窗口内（可不同于兴趣值计算窗口），将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。特点:在四个

6、主要方向上，选取具有最大-最小灰度方差的点作为特征点。FeatureExtractionandLocationOperatorsforImage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。FeatureExtractionandLocationOperatorsforImage（l）计算各像素的Robert’s梯度FeatureExtractionandLocationOperatorsforImage（2）计算（如5×5或更大）窗口中灰度的协方差矩阵

7、其中:FeatureExtractionandLocationOperatorsforImage（3）计算兴趣值q与权值DetN代表矩阵N之行列式trN代表矩阵N之迹q即像素(c,r)对应误差椭圆圆度：其中a与b为椭圆之长、短半轴。为该像元的权。FeatureExtractionandLocationOperatorsforImage（4）确定待选点若兴趣值大于给定的阈值，则该像元为待选点。阈值为经验值，可参考下列值：其中为权平均值；为权的中值。当q>Tq同时时，该像元为待选点。FeatureExtractionandLocationOperat

8、orsforImage（5）选取极值点即在一个适当窗口中选择权值最大的待选点（极值点）作为特征点。能给出特征点的类型且精度较高，但较复杂