您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 广告经营 > 第5章_数字影像与特征提取
1第五章数字影像与特征提取2数字影像采样与重采样点特征提取算法线特征提取算子定位算子主要内容3第一节数字影像的采样与重采样4主要内容数字影像采样影像重采样理论同名核线的确定及重排列5一.数字影像采样1823787768234567781045678999864534445577233445678861.数字影像表达形式1,11,10,11,11,10,11,01,00,0nmmmnngggggggggg)1,1,0()1,1,0(00mjyjyynixixx频率域傅立叶变化72.数字影像采样过程采样对实际连续函数模型离散化的量测过程11122334566645995667787879555658665960663626167656364696968696262646367686515761661616样点被量测的“点”是小的区域----像素采样间隔83.采样定理(一维影像)dxexgfGfxj2)()(有限带宽函数)()()(xcombxkxxskx灰度函数采样函数(由间隔为的脉冲串组成)x9xg(x)fG(f)-ffxs(x)xfs(f)-1/x1/x灰度函数和采样函数10采样过程kkxkxxkgxkxxgxgxs)()()()()()(xS(x)g(x)fG(f)*s(f)-ff1/x-1/x11fG(f)*s(f)-ff1/x1/2x-1/x-1/2x采样间隔--x12Shannon采样定理lfx21fl为截止频率当采样间隔能使在函数g(x)中存在的最高频率中每周期取有两个样本时,则根据采样数据可以完全恢复原函数g(x)13二.影像重采样理论当欲知不位于矩阵(采样)点上的原始函数g(x,y)的数值时就需进行内插,称为重采样不在采样点14kllllkxkxfxkxfxkgxfxfxkxxkgxg)(2)(2sin)(22sin)()()(数字影像采样函数lfx21151.双线性插值法10),(1)(xxxW卷积核是一个三角形函数xW(x)(10)(-10)(01)1611122122pYXy1y2aby1-yx1-xx2x1双线性插值法示意图权的确定172121),(),()(ijjijiPIWI双线性插值法公式22211211IIIII22211211)()(;)()(21121111yWxWWyWxWW18yyWyyWxxWxxW)(;1)(;)(;1)(2121)(INT)(INTyyyxxx222112112222212112121111)1()1()1)(1()(yIxIyxyIxIyxIWIWIWIWPI加权平均值双线性插值法公式192.双三次卷积法xxWxxxxxWxxxxW2,0)(21,584)(10,21)(3322321卷积核可以利用三次样条函数20p11121314213141222324323334424344Yx双三次卷积法示意图yx214141),(),()(ijjijiPIWI44434241343332312423222114131211IIIIIIIIIIIIIIIII44434241343332312423222114131211)()()()()()(44441111jiijyWxWWyWxWWyWxWW324323322321)2()()1()(21)()(2)1()(:xxxWxWxxxxWxWxxxWxWxxxxWxWx双三次卷积法计算公式233.最邻近像元法)()(NIPI直接取与P(x,y)点位置最近像元N的灰质值为核点的灰度作为采样值)5.0(INT)5.0(INTyyxxNN1234yx244.三种重采样方法比较最邻近像元法最简单,计算速度快,且能不破坏原始影像的灰度信息,但几何精度较差。双三次卷积法较费时.双线性插值法较宜。25同名核线的确定与重采样第五章数字影像与特征提取26主要内容确定同名核线的两种方法•基于影像几何纠正的核线解折关系•基于共面条件的同名核线几何关系核线的重排列(重采样)27一.在“水平”影像上获取核线影像倾斜影像水平影像28S1S2摄影基线p0水平相片uvP倾斜影像xy焦距ffcvbuafcvbuafyfcvbuafcvbuafx333222333111示意图29间接法重采样30二.直接在倾斜影像上获取核线影像直接在倾斜影像上获取核线影像AS1S2l1a1a2l231s1s2P0)(qSpSBP’示意图xyzuvw0)(pSSpB32线性内插示意图••••••••••••••••••••••••••••线性内插核线y1k33])[(12111dydyd线性内插最邻近法n=1/tgK5.核线的重排列(重采样)对每条核线而言K是常数34第二节点特征提取算法35主要内容一.Moravec算子二.Forstner算子361.点特征•点特征主要指明显点•提取点特征的算子称为兴趣算子特征点演示372.点特征的灰度特征383.Moravec算子Moravec于1977年提出利用灰度方差提取点特征的算子rc在以像素(c,r)为中心的WxW窗口影像中,计算该像素四个方向相邻像素灰度差的平方和。39121,1,4121,,3121,1,212,1,1)()()()(kkiiricirickkiircirckkiiricirickkiricricggVggVggVggV(1)计算各像元的兴趣值IV},,,min{4321,VVVVIVrc40(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41Moravec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。424.Forstner算子Robert’s梯度和灰度协方差矩阵,寻找具有尽可能小而接近圆的误差椭圆的点作为特征点43(l)计算各像素的Robert’s梯度jijivjijiuggvggggugg,11,,1,144(2)计算ll(如55或更大)窗口中灰度的协方差矩阵1221vuvvuuggggggNQ))(()()(,11,,111,12,1111,22,111,12jijijikckcikrkrjjivujikckcikrkrjjivjikckcikrkrjjiugggggggggggg45(3)计算兴趣值q与wNNQtrDettr12)(4trNDetNqDetN代表矩阵N之行列式trN代表矩阵N之迹46(4)确定待选点)5()5.1~5.0(75.0~5.0ccfwfTTcq当同时,该像元为待选点qTqwTw(5)选取极值点即在一个适当窗口中选择最大的待选点47第三节线特征提取算子481.线特征“边缘”影像局部区域特征不相同的区域间的分界线“线”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差分算子、拉普拉斯算子、LOG算子等49房屋的提取50道路的提取512.线的灰度特征52主要内容一.微分算子二.二阶差分算子三.Hough变换533.微分算子•梯度算子ygxgyxgG),(2122)()(),(ygxgGmagyxG54•差分算子2121,,2,1,,)(jijijijijiggggG1,,,1,,jijijijijiggggG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-11-1155•Roberts梯度算子vurggvgugyxgG),(2122)(),(vurggyxG2121,,2,1,,)(jijijijijiggggG-11-1156•方向差分算子西北西西南南东南东东北北111121111111121111111121111111121111111121111111121111111121111111121111直线与边缘的方向57•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:121000121101202101yxGG10-120-210-1-1-2-10001215832198722),(ggggggjiSyg1g2g3g4g5g6g7g8g910-120-210-1-1-2-100012197643122),(ggggggjiSx10-120-210-1-1-2-100012159-101-101-101-1-1-1000111Prewitt算子与Sobel算子-101-202-101-1-2-1000121加大模扳抑制噪声Prewitt算子Sobel算子604.二阶差分算子•方向二阶差分算子]121[121][)()(,1,,1,1,,,1ijjijijijijijijiijgggggggggi,j121121][)()(1,,1,1,,,1,ijjijijijijijijiijgggggggggi,j611111811111211210101410101D010141010121121Di,j62•拉普拉斯算子(Laplace)22222ygxggjijijijijijijijijijijijijiijgggggggggggggg,1,1,,1,11,,,1,,1,,,124)()()()(010141010i,j63010141010卷积核掩膜取其符号变化的点,即通过零的点为边缘点,通常也称其为零交叉点0-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10-14-10-100-10
本文标题:第5章_数字影像与特征提取
链接地址:https://www.777doc.com/doc-5543672 .html