特征的提取与匹配word版本.ppt

《特征的提取与匹配word版本.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、特征的提取与匹配特征的提取和匹配对于左图像中的每一个特征…左图像角点线结构特征的提取和匹配在右图像中寻找相似度最大的特征右图像角点线结构基于特征的计算机视觉处理的一般流程特征提取确定显著性图像特征（点、线、面）的位置特征描述对特征进行紧凑、唯一、可理解的描述特征匹配在其它图像中寻找相似度最大的特征特征跟踪（可选，一般用于视频处理）仅在原有特征的很小的邻域范围内寻找特征主要内容点特征的处理面特征的处理边缘特征的处理线特征的处理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的灰度特征Moravec算子Moravec于1977年提出利用灰度方差提

2、取点特征的算子rcw（1）计算各像素的兴趣值IVK=int(w/2)（2）给定一经验阈值，将兴趣值大于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。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。Forstner算子计算各像素的Roberts梯度和像素（c，r）为中心的一个窗口的灰度协方差矩阵，在图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。-111-1Roberts梯度crl（l）计算各像素的Roberts梯度Forstner算子步骤（2）计算ll（如55或更大）窗口中灰度的协方差矩阵哪个图像块更容易

3、被定位？Apertureproblemsfordifferentimagepatches:判断两幅图像的相似度由于无法得到另一幅图像，只能在当前图像内寻找根据泰勒级数展开，可得，图像自相关函数分析矩阵A与信号处理中的自相关函数密切相关.设α，β为矩阵A的特征值，则α，β与局部自相关函数的主曲率成比例.当两个曲率都低时，局部自相关函数是平坦的，那么窗口图像区域的灰度值近似为常量；当只有一个曲率高而另一个曲率低时，局部自相关函数呈脊形，那么E只有当沿山脊移动时变化小，这就表示是边缘；当两个曲率都高时，局部自相关函数是尖峰，那么E在任意方向上移动都会增加，这就表示是角点.因此我

4、们可以由α，β的值判断是否是角点。为了不对M进行分解求特征值，可以采用Tr(A)和Det(A)来代替α，β，（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(4）确定待选点当同时，该像素为待选点（5）选取极值点即在一个适当窗口中选择最大的待选点Harris算子角点是景物轮廓线上曲率的局部极大点，对掌握景物的轮廓特征具有决定作用。一旦找到了景物的轮廓特征点也就大致掌握了景物的形状。直观的讲，角点就是图像上所显示的物体边缘拐角所在的位置点。Harris角点检测法是一种基于图像灰度的检测方法，这类方法主要通过计算点的曲率及梯度来检测角点。该方法是由Harri

5、s和Stephen于1988年提出来的，也叫Plessey角点检测法。其基本思想与Moravec角点算子相似，但对其作了许多改进。Moravec角点算子计算各像素沿同方向的平均灰度变化，选取最小值作为对应像素点的角点响应函数。定义在一定范围内具有最大角点响应的像素点为角点。Moravec角点算子简单快速，但是它存在一些缺点:各向异性,只考虑四个方向对强边界敏感,只考虑了兴趣值的最小值Harris角点算子这里一阶微分可以由下面的式子近似因此,E可以表现成:Harris角点算子为消除噪声,进行高斯平滑:在平移方向(x，y)上的E可以表示如下:M为2×2的矩阵:Harris角点

6、算子兴趣值的计算公式为:Harris算法认为，特征点是局部范围内的极大兴趣值对应的像素。因此，在计算完各点的兴趣值后，要提取出原始图像中的所有局部兴趣值最大的点。实际操作中，可以依次取出每个像素的8邻域中的8个像素，从中心像素和这8个像素中提出最大值，如果中心点像素的兴趣值就是最大值，则该点就是特征点。在提取特征点时，凡满足大于某一阈值的像素点均可被认为是特征点。阈值选取的方法：通过确定图像中所能提取的最大可能的特征点数目N来选择值最大的若干像素点作为特征点。局部极值点的数目往往很多，根据I值进行排序，取其前N个为特征点。SUSAN算子SUSAN算法由SmithSM在19

7、97年提出,是一种基于结构元的点特征提取算子.SUSAN是“SmallestUnivalueSegmentAssimilatingNucleus”的缩写,即同化核分割最小值。假设有一个圆形的区域,称其为掩模。它的中心有一个核,假设这个核的灰度值与黑色区域的灰度值相近。SUSAN算子SUSAN算子在整个区域内移动这个掩模,它与黑色区域将有不同的接触情况。不失一般性,在图中表示了其中的四种情况：在掩模所处的区域内,这些点与掩模核的灰度值如果相近的话,就称这些点构成的区域是USAN(UnivalueSegmentAssimilati