数字摄影测量课件——数字影像与特征提取
合集下载
第十一章数字摄影测量系统
2）软件
（1）计算机操作系统
（2）专业软件
（3）辅助功能软件 数据输入输出
数据格式转换
注记
辅助功能软件
质量报告 图廓整饰
人机交互
二、数字摄影测量系统的组成与功能
影 像 数 字 化
影 像 处 理
量 测
单像 双像 多像
影 核影 像 线像 定 影匹 向 像配
自建 动立 空数 中字 三高 角程 测模 量型
内定向
相对定向 绝对定向
选点、转点 模型连接、 区域网平差 粗差剔除等
二、数字摄影测量系统的组成与功能
自 动 绘 制 等 高 线
制 作
正 射 影 像
两种 方法
正 射 影 像 镶 嵌 与 修 补
数 字 测 图
制
作制
制 作
影 像 地 图
透 视 图 、 景 观 图
作 立 体 匹 配 片
几何 色彩 无缝镶嵌
要素 半自动 提取
正射影像的生成
等高线生成及自动注记
正射影像镶嵌
等高线编辑
四．数字摄影测量系统产品简介
正射影像图
等高线要素
地物要素
地图整饰
四．数字摄影测量系统产品简介
返回
作业： 一、问答题
1.数字摄影测量系统分类有哪两种？ 2.数字摄影测量系统有哪些硬件组成？ 3.数字摄影测量系统有哪些软件组成？ 4.数字摄影测量系统有哪些硬件和哪些软件组成？ 5.数字摄影测量系统有哪些主要功能？ 6.数字摄影测量系统有哪些作业方式？ 7.“4D”产品包括哪些？ 8.目前混合型数字摄影测量系统有哪些？ 9.目前主要有哪些全数字型数字摄影测量系统？
第十一章 数字摄影测量系统
本章提要
第5章_数字影像与特征提取
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
13
1 x 2 fl
sin 2f l x g ( x) g (kx) ( x kx) 2f l x k
焦距f
v
倾斜影像
P
y x
u
水平相片
a1u b1v c1 f xf a 3 u b3 v c3 f a u b2 v c 2 f y f 2 a 3 u b3 v c3 f
p0
28
间接法重采样
29
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
89
44 45
99
55 67
86
77 88
5
1. 数字影像表达形式
g 0,0 g 0,1 g 0,n1 g g g 1 , 0 1 , 1 1, n 1 g g m1,0 g m1,1 g m1,n 1
x x0 i x y y0 j y (i 0,1,n 1) ( j 0,1,m 1)
I14 I 24 I 34 I 44
W11 W W 21 W31 W41
W12
W13
W22 W23 W32 W33 W42 W43
W14 W24 W34 W44
21
双三次卷积法计算公式
W W ( y1 ) 11 W ( x 1) W44 W ( x 4 )W ( y 4 ) Wi j W ( xi )W ( y
不 在 采 样 点
13
1 x 2 fl
sin 2f l x g ( x) g (kx) ( x kx) 2f l x k
焦距f
v
倾斜影像
P
y x
u
水平相片
a1u b1v c1 f xf a 3 u b3 v c3 f a u b2 v c 2 f y f 2 a 3 u b3 v c3 f
p0
28
间接法重采样
29
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
89
44 45
99
55 67
86
77 88
5
1. 数字影像表达形式
g 0,0 g 0,1 g 0,n1 g g g 1 , 0 1 , 1 1, n 1 g g m1,0 g m1,1 g m1,n 1
x x0 i x y y0 j y (i 0,1,n 1) ( j 0,1,m 1)
I14 I 24 I 34 I 44
W11 W W 21 W31 W41
W12
W13
W22 W23 W32 W33 W42 W43
W14 W24 W34 W44
21
双三次卷积法计算公式
W W ( y1 ) 11 W ( x 1) W44 W ( x 4 )W ( y 4 ) Wi j W ( xi )W ( y
数字影像的特征提取与定位课件
数字影像特征提取与定位技术实践
实验一：小波变换特征提取实验
小波变换理论
小波变换是一种信号分析方法， 能够将时域信号转换为频域信号
，适用于分析图像的特征。
实验步骤
在小波变换理论的基础上，通过 MATLAB软件实现小波变换特征 提取实验，包括图像的多尺度分 解、小波系数计算、特征提取等
步骤。
实验结果
通过对比不同尺度下的小波系数 和提取的特征，可以观察到图像 在不同尺度下的细节和特征表现
。
实验二：傅里叶变换特征提取实验
傅里叶变换理论
傅里叶变换是一种将时域信号转换为频域信号的方法，适用于分析 图像的特征。
实验步骤
在傅里叶变换理论的基础上，通过MATLAB软件实现傅里叶变换特 征提取实验，包括图像的傅里叶变换、滤波处理、特征提取等步骤 。
实验结果
通过对比滤波处理后的傅里叶频谱和提取的特征，可以观察到图像在 不同频率下的特征表现。
实验三：机器学习特征提取实验
机器学习理论
机器学习是一种通过训练数据自动提取特征的方法，适用于分类 、回归等任务。
实验步骤
在机器学习理论的基础上，通过Python软件实现机器学习特征提 取实验，包括数据预处理、模型训练、特征提取等步骤。
实验结果
通过对比不同模型下的特征提取结果，可以观察到机器学习模型对 图像特征的提取能力。
方法
常见的图像配准方法包括 基于灰度、基于特征、基 于变换域等。
基于特征匹配的定位技术
定义
特征匹配是一种通过提取 图像中的特征信息，然后 在另一幅图像中寻找相同 或相似特征的匹配过程。
过程
特征匹配通常包括特征提 取、特征匹配、变换模型 估计、图像变换与重采样 等步骤。
实验一：小波变换特征提取实验
小波变换理论
小波变换是一种信号分析方法， 能够将时域信号转换为频域信号
，适用于分析图像的特征。
实验步骤
在小波变换理论的基础上，通过 MATLAB软件实现小波变换特征 提取实验，包括图像的多尺度分 解、小波系数计算、特征提取等
步骤。
实验结果
通过对比不同尺度下的小波系数 和提取的特征，可以观察到图像 在不同尺度下的细节和特征表现
。
实验二：傅里叶变换特征提取实验
傅里叶变换理论
傅里叶变换是一种将时域信号转换为频域信号的方法，适用于分析 图像的特征。
实验步骤
在傅里叶变换理论的基础上，通过MATLAB软件实现傅里叶变换特 征提取实验，包括图像的傅里叶变换、滤波处理、特征提取等步骤 。
实验结果
通过对比滤波处理后的傅里叶频谱和提取的特征，可以观察到图像在 不同频率下的特征表现。
实验三：机器学习特征提取实验
机器学习理论
机器学习是一种通过训练数据自动提取特征的方法，适用于分类 、回归等任务。
实验步骤
在机器学习理论的基础上，通过Python软件实现机器学习特征提 取实验，包括数据预处理、模型训练、特征提取等步骤。
实验结果
通过对比不同模型下的特征提取结果，可以观察到机器学习模型对 图像特征的提取能力。
方法
常见的图像配准方法包括 基于灰度、基于特征、基 于变换域等。
基于特征匹配的定位技术
定义
特征匹配是一种通过提取 图像中的特征信息，然后 在另一幅图像中寻找相同 或相似特征的匹配过程。
过程
特征匹配通常包括特征提 取、特征匹配、变换模型 估计、图像变换与重采样 等步骤。
全数字摄影测量基础解析PPT课件
第8页/共91页
一. 影像灰度
F0
底
F
片
图8-1 底片透光能力
透光率T： T F阻光率O： F0
影像灰度：D lg O
第9页/共91页
O F0 F
二. 数字影像及获取方法
第10页/共91页
二. 数字影像及获取方法
数字影像表达形式
g0,0
g
g1,0
g0,1 g0,n1
g1,1
g1,n1
及最邻近像元法。
第18页/共91页
四.影像数字化器
对摄取的航摄像片进行采样和量化，是获取数字影 像的方法之一。 形式：电子光学扫描器和固体陈列数字化器。
图8-3 滚筒式电子-光学数字化器结果示意图
第19页/共91页
第三节 基于灰度的 数字影像相关
第20页/共91页
主要内容
概念 基于灰度的数字影像相关 基于灰度的数字影像相关方法
第21页/共91页
一. 影像相关
影像匹配
立体测图的关键：寻找同名像点在左右像片上的位 置。
模拟测图：是作业人员通过双眼不断地在左右像片 上寻找同名像点。
数字摄影测量中，以影像匹配的方法自动确定同名 像点。
第22页/共91页
一. 影像相关
影像匹配
影像相关是利用互相关函数，评价两块影像的相似 性以确定同名点。
流
计算最佳
程
计算参数值
匹配的点位
图
结束
第43页/共91页
三. 基于灰度的数字影像相关方法
➢二维最小二乘影像相关
➢系数 c1 1 c2 g2
c3
g2 x2
x2 a0
(g2 )x
g x
c4
一. 影像灰度
F0
底
F
片
图8-1 底片透光能力
透光率T： T F阻光率O： F0
影像灰度：D lg O
第9页/共91页
O F0 F
二. 数字影像及获取方法
第10页/共91页
二. 数字影像及获取方法
数字影像表达形式
g0,0
g
g1,0
g0,1 g0,n1
g1,1
g1,n1
及最邻近像元法。
第18页/共91页
四.影像数字化器
对摄取的航摄像片进行采样和量化，是获取数字影 像的方法之一。 形式：电子光学扫描器和固体陈列数字化器。
图8-3 滚筒式电子-光学数字化器结果示意图
第19页/共91页
第三节 基于灰度的 数字影像相关
第20页/共91页
主要内容
概念 基于灰度的数字影像相关 基于灰度的数字影像相关方法
第21页/共91页
一. 影像相关
影像匹配
立体测图的关键：寻找同名像点在左右像片上的位 置。
模拟测图：是作业人员通过双眼不断地在左右像片 上寻找同名像点。
数字摄影测量中，以影像匹配的方法自动确定同名 像点。
第22页/共91页
一. 影像相关
影像匹配
影像相关是利用互相关函数，评价两块影像的相似 性以确定同名点。
流
计算最佳
程
计算参数值
匹配的点位
图
结束
第43页/共91页
三. 基于灰度的数字影像相关方法
➢二维最小二乘影像相关
➢系数 c1 1 c2 g2
c3
g2 x2
x2 a0
(g2 )x
g x
c4
数字摄影测量-第3章影像特征提取
1 2 3 4 5 6 7 8 9 10 11
1 2 3 4 5 6 7 8 9 10 11
00000000000
n1 m1
mpq
i p jq gij
i0 j0
0
0
0
0
1
1
1
0
0
0
0
p 0 q 0
0 0 0 1 1 1 1 1 0 0 0 p 1p 0 0 0 1 1 1 1 1 1 1 0 0 q 0 q 1
1 0 1
Gx 2
0
2
1 0 1
i, j
1 2 1
Gy
0
0
0
1 2 1
Prewitt算子与Sobel算子
-1 0 1
-1 -1 -1
-1 0 1 -1 0 1
000 111
Prewitt算子
-1 0 1 -2 0 2
-1 0 1
-1 -2 1 -1 0 1 -1 2 1
Sobel 算子
特征分割法
在提取特征时，所用算子不仅应顺次地提 取出一个特征上三个特征点的像素序号（点 位），而且还应保留两个突出点S1，S2之灰 度差 g g(S2) g(S1) 。
将三个特征点的像素号与 g 作为描述此 特征的四个参数---特征参数。
g 0 之特征为正特征， g 0 之特征为负特征。
2.3.5 定位算子
2
f
(x,
y)
x2
y2
2
2
2
exp(
x2
2
y2
4
)
LOG算子
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。
摄影测量PPT
数字摄影测量技术在构建数字城 市中的应用
1、数字摄影测量技术 2、数字城市 3、数字摄影测量技术的应用
一、数字摄影测量技术
数字摄影测量（Basic concept of digital photogrammetry）是基于数字影像和摄影测量的 基本原理，应用计算机技术、数字影像处理、影像 匹配、模式识别等多学科的理论与方法，提取所摄 对像以数字方式表达的几何与物理信息的摄影测量 学的分支学科。美国等国称之为软拷贝摄影测量 （Softcopy Photogrammetry），我国王之卓教 授称为全数字摄影测量（Full Digital Photogrammetry）。这种定义认为，在数字摄影 测量过程中，不仅产品是数字的，而且中间数据的 记录以及处理的原始资料均是数字的。
二、数字城市
• 随着数字城市技术的发展，以二维数据为肢体的 GIS应用，已经不能满足城市专业应用的空间数 据表现形式； • 一种更加直观的，所见既所得的三维空间数据逐 渐成为一种崭新的，客户热衷的数据表达方式， 它将成为数字城市乃至数字地球的核心数据。
三维数字城市建设中的关键及问题
• • • • 三维数字城市中 1、数据是数字城市的核心物质基础 数据标准 数据生产工艺 2、软件平台是系统运行的基础保障: • E都市、都市圈、城市猎人到Google Earth, Skyline、 World Wind • 国内:京国遥新天地信息技术有限公司开发的EV-Globe、 适普软件有限公司的IMAGIS，灵图软件技术有限公司的 VRMaP、武汉地大信息科技发展有限公司的 InfoEarth,TelluroMap、高德等。 • 3、行业应用是系统的生命力所在
3.2建立数字正射影像图(DOM)
1.2.2城市建模
• 随着城市信息化的发展，数码城市与城市建模越来越受到重视。其基本原还是利用 DSM与相应的影响结合，实现城市建模。 • 三维城市模型，又称为城市三位模型，它的构建与应用是目前国际遥感。地理信息系 统及相关学科研究的热点，目前三维建模大致有如下解决方法：一是直接使用三维制 作软件，比如计算机辅助绘图设计软件（AUTOCAD）、三维动画设计软件 （3DMAX）等建模，这种方法能逼真地表达城市的精细结构和材质特征，基本上能 够满足虚拟现实技术的3I（immersion、interactive、imagination，即沉浸、交互、 构想）的要求，特别是对于那些自然景物和不规则建筑物等效果比较好，但是对于大 范围的区域，如果每个模型都这样建立，不仅费时费力，而且也不经济；而是直接利 用传统GIS的二维线划数据及其相应的高度属性进行三维建模，各建筑物表面还可以 加上相应的纹理， • 但是采用此方法只局限于较规则建筑物的三位模型，此外还有一种方法就是利用数字 摄影技术进行三维建模，这种方法具有自动化程度高、建模速度快、 • 易于实时更新等特点，利用数字摄影测量技术能方便快捷地进行数字线划矢量图 （DLG）的测绘、数字高程模型（DEM）的建立、数字正摄影像图（DOM）的制作、 3DCM的建立，甚至还可以提取建筑物的纹理，建立纹理库等。
1、数字摄影测量技术 2、数字城市 3、数字摄影测量技术的应用
一、数字摄影测量技术
数字摄影测量（Basic concept of digital photogrammetry）是基于数字影像和摄影测量的 基本原理，应用计算机技术、数字影像处理、影像 匹配、模式识别等多学科的理论与方法，提取所摄 对像以数字方式表达的几何与物理信息的摄影测量 学的分支学科。美国等国称之为软拷贝摄影测量 （Softcopy Photogrammetry），我国王之卓教 授称为全数字摄影测量（Full Digital Photogrammetry）。这种定义认为，在数字摄影 测量过程中，不仅产品是数字的，而且中间数据的 记录以及处理的原始资料均是数字的。
二、数字城市
• 随着数字城市技术的发展，以二维数据为肢体的 GIS应用，已经不能满足城市专业应用的空间数 据表现形式； • 一种更加直观的，所见既所得的三维空间数据逐 渐成为一种崭新的，客户热衷的数据表达方式， 它将成为数字城市乃至数字地球的核心数据。
三维数字城市建设中的关键及问题
• • • • 三维数字城市中 1、数据是数字城市的核心物质基础 数据标准 数据生产工艺 2、软件平台是系统运行的基础保障: • E都市、都市圈、城市猎人到Google Earth, Skyline、 World Wind • 国内:京国遥新天地信息技术有限公司开发的EV-Globe、 适普软件有限公司的IMAGIS，灵图软件技术有限公司的 VRMaP、武汉地大信息科技发展有限公司的 InfoEarth,TelluroMap、高德等。 • 3、行业应用是系统的生命力所在
3.2建立数字正射影像图(DOM)
1.2.2城市建模
• 随着城市信息化的发展，数码城市与城市建模越来越受到重视。其基本原还是利用 DSM与相应的影响结合，实现城市建模。 • 三维城市模型，又称为城市三位模型，它的构建与应用是目前国际遥感。地理信息系 统及相关学科研究的热点，目前三维建模大致有如下解决方法：一是直接使用三维制 作软件，比如计算机辅助绘图设计软件（AUTOCAD）、三维动画设计软件 （3DMAX）等建模，这种方法能逼真地表达城市的精细结构和材质特征，基本上能 够满足虚拟现实技术的3I（immersion、interactive、imagination，即沉浸、交互、 构想）的要求，特别是对于那些自然景物和不规则建筑物等效果比较好，但是对于大 范围的区域，如果每个模型都这样建立，不仅费时费力，而且也不经济；而是直接利 用传统GIS的二维线划数据及其相应的高度属性进行三维建模，各建筑物表面还可以 加上相应的纹理， • 但是采用此方法只局限于较规则建筑物的三位模型，此外还有一种方法就是利用数字 摄影技术进行三维建模，这种方法具有自动化程度高、建模速度快、 • 易于实时更新等特点，利用数字摄影测量技术能方便快捷地进行数字线划矢量图 （DLG）的测绘、数字高程模型（DEM）的建立、数字正摄影像图（DOM）的制作、 3DCM的建立，甚至还可以提取建筑物的纹理，建立纹理库等。
特征提取
2015年6月12日星期五
21
特征提取 –点特征提取算子
Förstner算子 (5) 选取极值点。
3)给定阈值Tq，若限制误差椭圆长短半轴之比不得大于3.2 - 2.4，则可求得Tq ＝0.32 – 0.5 若qc,r ＞ Tq，则该像素为一备选点，按以下原则确定其权：
4)以权值为依据，选取一适当窗口中的极值点为特征点，即选 取窗口中权最大者为权值点。
2015年6月12日星期五
5
特征提取 – 影像信息量与特征
比特分割
比特分割是一种简单的方法。由于在影像数字化时，像元灰 度量化为256个灰度等级，即8个比特，比特分割就是用于确定 哪几位比特是信号，哪几位是噪声。 具体：比特分割就是将量化后的数据分成不同的比特位，依 次取出某一比特位上的值(0或1)形成二值图像。
2015年6月12日星期五
11
特征提取
影像信息量与特征
点特征提取算子
线特征提取算子
影像分割
定位算子
2015年6月12日星期五
12
特征提取 –点特征提取算子
点特征主要指明显点，如角点、圆点等。提取点特征的算子 称为兴趣算子（interest operator），即运用某种算法从影像中 提取我们所感兴趣的，即有利于某种目的的点。现在已提出了 一系列算法各异，且具有不同特色的兴趣算子，比较知名的有 Moravec算子、 Förstner算子与 Harris算子等。
若不考虑噪声，点特征与边缘特征的灰度分布均表现为从 小到大或从大到小的明显变化。
2015年6月12日星期五
10
特征提取 – 影像信息量与特征
特征
除了用局部信息量来检测特征之外，还可以利用各种梯度 或差分算子提取特征，其原理是对各个像素的邻域即窗口进 行一定的梯度或差分运算，选择其极值点(极大或极小)或超 过给定阈值的点作为特征点。
21
特征提取 –点特征提取算子
Förstner算子 (5) 选取极值点。
3)给定阈值Tq，若限制误差椭圆长短半轴之比不得大于3.2 - 2.4，则可求得Tq ＝0.32 – 0.5 若qc,r ＞ Tq，则该像素为一备选点，按以下原则确定其权：
4)以权值为依据，选取一适当窗口中的极值点为特征点，即选 取窗口中权最大者为权值点。
2015年6月12日星期五
5
特征提取 – 影像信息量与特征
比特分割
比特分割是一种简单的方法。由于在影像数字化时，像元灰 度量化为256个灰度等级，即8个比特，比特分割就是用于确定 哪几位比特是信号，哪几位是噪声。 具体：比特分割就是将量化后的数据分成不同的比特位，依 次取出某一比特位上的值(0或1)形成二值图像。
2015年6月12日星期五
11
特征提取
影像信息量与特征
点特征提取算子
线特征提取算子
影像分割
定位算子
2015年6月12日星期五
12
特征提取 –点特征提取算子
点特征主要指明显点，如角点、圆点等。提取点特征的算子 称为兴趣算子（interest operator），即运用某种算法从影像中 提取我们所感兴趣的，即有利于某种目的的点。现在已提出了 一系列算法各异，且具有不同特色的兴趣算子，比较知名的有 Moravec算子、 Förstner算子与 Harris算子等。
若不考虑噪声，点特征与边缘特征的灰度分布均表现为从 小到大或从大到小的明显变化。
2015年6月12日星期五
10
特征提取 – 影像信息量与特征
特征
除了用局部信息量来检测特征之外，还可以利用各种梯度 或差分算子提取特征，其原理是对各个像素的邻域即窗口进 行一定的梯度或差分运算，选择其极值点(极大或极小)或超 过给定阈值的点作为特征点。
06数字摄影测量-数字影像点特征提取
#6 数字影像点特征提取
一． 前述内容回顾 二． 数字影像特征概述 三． 数字影像的点特征提取 四． Moravec点特征提取算子 五． 点位误差椭圆 六． Förstner点特征提取算子 七． SUSAN角点特征提取算子 八． 小结
解放军信息工程大学测绘学院遥感信息工程系
数字摄影测量学 Digital Photogrammetry
பைடு நூலகம்
解放军信息工程大学测绘学院遥感信息工程系
数字摄影测量学 Digital Photogrammetry
二．数字影像特征概述
如何提取特征？ 通过设计的算法，按一定的计算过程提取 或标记出的像素或像素集合，这些算法成为特 征提取算子或兴趣算子 (Operators/Algorithms/Procedures)。
,
g x= g ∗ wx
g y= g ∗ wy
∂w( x, y ) x x2 + y 2 = = exp(− ) wx 2 2 ∂x 2σ σ 2 2 ∂ + w ( x , y ) y x y w = = exp(− ) y 2 2 ∂y 2σ σ
2 w | g( u + 1,v ) − g( u,v )| ∑ u ,v u ,v 2
∑ w | g( u,v + 1) − g( u,v )| ∑ w | g( u + 1,v + 1) − g( u,v )|
u ,v u ,v u ,v u ,v
2
∑w
u ,v
u ,v
| g( u − 1,v + 1) − g( u,v )|
数字摄影测量学 Digital Photogrammetry
四．Moravec点特征提取算子
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5
§3.1 数字影像采样与重采样
三、核线的重排列（重采样）
在一般情况下数字影像的扫描行与核线并不重合， 为了获取核线的灰度序列，必须对原始数字影像 灰度进行重采样。
1、在水平影像上获取核线影像 2、在倾斜影像上获取核线影像
6
§3.2 点特征提取算法
点特征(point feature)：主要指明显点，如角点、 圆点等。
2 ci1,r i1
ik
8
§3.2 点特征提取算法
（2）给定一经验值，将兴趣值大于该阈值的点 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，将候选点中兴趣值不是最大者 均去掉，仅留下一具兴趣值最大者，该像素即为 一个特征点（抑制局部非最大）。
9
§3.2 点特征提取算法
在以像素为中心的的影像窗口中，计算四个方向
相邻像素灰度差的平方和,取其中最小者作为该像
素的兴趣值。
V1 k1 (gci,r gci1,r )2
ik
V2
k 1
( gci,r i
ik
g )2 ci1,r i1
k 1
V3
V4
( gc,r i
g )2 c,r i1
ik
k 1
(g g ) ci,ri
（2）计算窗口中灰度的协方差矩阵
Q
N
1
gu2 gv gu
1
gu gv gv2
（3）计w 算 tr兴1Q 趣 D值treNtN
q
1
(a2
b2
)2
(a2 b2 )2
ck 1 r k 1
gu2
( gi1, j1 gi, j )2
ick jrk
ck 1 r k 1
gv2
分界线。指图像局部区域亮度变化显著的部分， 该区域的灰度剖面一般可以看作是一个阶跃，既 从一个灰度值在很小的缓冲区域内急剧变化到另 一个灰度相差较大的灰度值。
14
§3.3 线特征提取算法
图像的边缘部分集中了图像的大部分信息，图像 边缘的确定与提取对于整个图像场景的识别与理 解是非常重要的，同时也是图像分割所依赖的重 要特征，边缘检测主要是图像的灰度变化的度量、 检测和定位。
3ቤተ መጻሕፍቲ ባይዱ
§3.1 数字影像采样与重采样
采样间隔条件
x 1 2 f1
即Shannon采样定理：当采样间隔能使函数 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始函数 。 其 中 为截止频率。
4
§3.1 数字影像采样与重采样
二、影像重采样(resampling)
当欲知不位于矩阵(采样)点上的原始函数的数值时就需进 行内插，此时称为重采样，意即在原采样的基础上再一 次采样。
如果兴趣值大于给定的阈值，则该像元为待选点。
（5）选取极值点
在一个适当窗口中选择最大的待选点，而去掉其余的 点。
12
实验4 点特征提取算法
一、目的
编程实现点特征提取算法
二、内容
点特征提取
三、成果
1、实验报告 2、VB程序
13
§3.3 线特征提取算法
线特征：指影像的“边缘”和“线”。 边缘：影像局部区域特征不相同的那些区域间的
( gi, j1 gi1, j )2
ick jrk
ck 1 r k 1
gu gv
( gi1, j1 gi, j )( gi, j1 gi1, j )
ick jrk
其中DetN代表矩阵N的行列式；trN代表矩阵N的迹；
q即像素(c,r)对应误差椭圆的圆度
11
§3.2 点特征提取算法
（4）确定待定点
2
§3.1 数字影像采样与重采样
一、数字影像采样(sampling)
数字化影像或直接获取的数字影像，不可能对理 论上的每一个点都获取其灰度值，而只能将实际 的灰度函数离散化，对相隔—定间隔的“点”量 测其灰度值。
这种对实际连续函数模型离散化的量测过程就是 采样，被量测的点称为样点，样点之间的距离即 采样间隔。
提取点特征的算子称为兴趣算子或有利算子 （Interest Operator），即运用某种算法从影像中 提取我们所感兴趣的即有利于某种目的的点。
7
§3.2 点特征提取算法
一、Moravec算子
利用灰度方差提取点特征的算子。步骤为：
（1）计算各像元的兴趣值IV（Interest Value）。
第三章 数字影像与特征提取
§3.1 数字影像采样与重采样 §3.2 点特征提取算法 §3.3 线特征提取算法 §3.4 定位算子 实验4 点特征提取算法 实验5 线特征提取算法
1
§3.1 数字影像采样与重采样
数字影像定义
数字影像是一个灰度矩阵，矩阵的每个元素是一 个灰度值，对应着光学影像或实体的一个微小区 域，称为像元素或像元或像素。各像元素的灰度 值代表其影像经采样与量化了的“灰度级”。
§3.3 线特征提取算法
一、边缘检测的步骤
(1) 图像滤波
边缘检测算法主要是基于图像亮度的一阶和二阶导数， 但是导数的计算对噪声很敏感，因此必须使用滤波器 来改善与噪声有关的边缘检测器的性能。
(2) 图形增强
增强边缘的基础是确定图像各点邻域强度的变化值。 增强算法可以将邻域强度值有显著变化的点突出显示。
二、Forstner算子
通过计算各像素的Robert梯度和像素为中心的一 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。步 骤为：
（1）计算各像素的Robert梯度
gu
g u
gi1, j1
gi, j
g
v
g v
gi, j1
gi1, j
10
§3.2 点特征提取算法
重采样过程可理解为原始影像与sinc函数的卷积，取用了 sinc函数作为卷积核。但是这种运算比较复杂，所以常用 一些简单的函数代替那种sinc函数。以下介绍三种实际上 常用的重采样方法。
（1）双线性插值法(bilinear interpolation) （2）双三次卷积法(cubic convolution) （3）最邻近像元法(nearest neighbor)
15
§3.3 线特征提取算法
根据灰度变化的剧烈程度，通常将边缘划分为阶跃状和 屋顶状两种类型。阶跃边缘两边的灰度值变化明显，而 屋缘位于灰度值增加与减少的交界处。
线：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。即距离很小的一对边缘构成一条线。
线特征提取算子通常也称为边缘检测算子。
16
§3.1 数字影像采样与重采样
三、核线的重排列（重采样）
在一般情况下数字影像的扫描行与核线并不重合， 为了获取核线的灰度序列，必须对原始数字影像 灰度进行重采样。
1、在水平影像上获取核线影像 2、在倾斜影像上获取核线影像
6
§3.2 点特征提取算法
点特征(point feature)：主要指明显点，如角点、 圆点等。
2 ci1,r i1
ik
8
§3.2 点特征提取算法
（2）给定一经验值，将兴趣值大于该阈值的点 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，将候选点中兴趣值不是最大者 均去掉，仅留下一具兴趣值最大者，该像素即为 一个特征点（抑制局部非最大）。
9
§3.2 点特征提取算法
在以像素为中心的的影像窗口中，计算四个方向
相邻像素灰度差的平方和,取其中最小者作为该像
素的兴趣值。
V1 k1 (gci,r gci1,r )2
ik
V2
k 1
( gci,r i
ik
g )2 ci1,r i1
k 1
V3
V4
( gc,r i
g )2 c,r i1
ik
k 1
(g g ) ci,ri
（2）计算窗口中灰度的协方差矩阵
Q
N
1
gu2 gv gu
1
gu gv gv2
（3）计w 算 tr兴1Q 趣 D值treNtN
q
1
(a2
b2
)2
(a2 b2 )2
ck 1 r k 1
gu2
( gi1, j1 gi, j )2
ick jrk
ck 1 r k 1
gv2
分界线。指图像局部区域亮度变化显著的部分， 该区域的灰度剖面一般可以看作是一个阶跃，既 从一个灰度值在很小的缓冲区域内急剧变化到另 一个灰度相差较大的灰度值。
14
§3.3 线特征提取算法
图像的边缘部分集中了图像的大部分信息，图像 边缘的确定与提取对于整个图像场景的识别与理 解是非常重要的，同时也是图像分割所依赖的重 要特征，边缘检测主要是图像的灰度变化的度量、 检测和定位。
3ቤተ መጻሕፍቲ ባይዱ
§3.1 数字影像采样与重采样
采样间隔条件
x 1 2 f1
即Shannon采样定理：当采样间隔能使函数 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始函数 。 其 中 为截止频率。
4
§3.1 数字影像采样与重采样
二、影像重采样(resampling)
当欲知不位于矩阵(采样)点上的原始函数的数值时就需进 行内插，此时称为重采样，意即在原采样的基础上再一 次采样。
如果兴趣值大于给定的阈值，则该像元为待选点。
（5）选取极值点
在一个适当窗口中选择最大的待选点，而去掉其余的 点。
12
实验4 点特征提取算法
一、目的
编程实现点特征提取算法
二、内容
点特征提取
三、成果
1、实验报告 2、VB程序
13
§3.3 线特征提取算法
线特征：指影像的“边缘”和“线”。 边缘：影像局部区域特征不相同的那些区域间的
( gi, j1 gi1, j )2
ick jrk
ck 1 r k 1
gu gv
( gi1, j1 gi, j )( gi, j1 gi1, j )
ick jrk
其中DetN代表矩阵N的行列式；trN代表矩阵N的迹；
q即像素(c,r)对应误差椭圆的圆度
11
§3.2 点特征提取算法
（4）确定待定点
2
§3.1 数字影像采样与重采样
一、数字影像采样(sampling)
数字化影像或直接获取的数字影像，不可能对理 论上的每一个点都获取其灰度值，而只能将实际 的灰度函数离散化，对相隔—定间隔的“点”量 测其灰度值。
这种对实际连续函数模型离散化的量测过程就是 采样，被量测的点称为样点，样点之间的距离即 采样间隔。
提取点特征的算子称为兴趣算子或有利算子 （Interest Operator），即运用某种算法从影像中 提取我们所感兴趣的即有利于某种目的的点。
7
§3.2 点特征提取算法
一、Moravec算子
利用灰度方差提取点特征的算子。步骤为：
（1）计算各像元的兴趣值IV（Interest Value）。
第三章 数字影像与特征提取
§3.1 数字影像采样与重采样 §3.2 点特征提取算法 §3.3 线特征提取算法 §3.4 定位算子 实验4 点特征提取算法 实验5 线特征提取算法
1
§3.1 数字影像采样与重采样
数字影像定义
数字影像是一个灰度矩阵，矩阵的每个元素是一 个灰度值，对应着光学影像或实体的一个微小区 域，称为像元素或像元或像素。各像元素的灰度 值代表其影像经采样与量化了的“灰度级”。
§3.3 线特征提取算法
一、边缘检测的步骤
(1) 图像滤波
边缘检测算法主要是基于图像亮度的一阶和二阶导数， 但是导数的计算对噪声很敏感，因此必须使用滤波器 来改善与噪声有关的边缘检测器的性能。
(2) 图形增强
增强边缘的基础是确定图像各点邻域强度的变化值。 增强算法可以将邻域强度值有显著变化的点突出显示。
二、Forstner算子
通过计算各像素的Robert梯度和像素为中心的一 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。步 骤为：
（1）计算各像素的Robert梯度
gu
g u
gi1, j1
gi, j
g
v
g v
gi, j1
gi1, j
10
§3.2 点特征提取算法
重采样过程可理解为原始影像与sinc函数的卷积，取用了 sinc函数作为卷积核。但是这种运算比较复杂，所以常用 一些简单的函数代替那种sinc函数。以下介绍三种实际上 常用的重采样方法。
（1）双线性插值法(bilinear interpolation) （2）双三次卷积法(cubic convolution) （3）最邻近像元法(nearest neighbor)
15
§3.3 线特征提取算法
根据灰度变化的剧烈程度，通常将边缘划分为阶跃状和 屋顶状两种类型。阶跃边缘两边的灰度值变化明显，而 屋缘位于灰度值增加与减少的交界处。
线：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。即距离很小的一对边缘构成一条线。
线特征提取算子通常也称为边缘检测算子。
16