实验一 点特征提取算子

点位 于 轮廓 线 的最 大 曲率 处 ， 或者 两 条 线 段 交 叉 点 处； 第 ２类是 基 于信 号 的兴趣算 子 ； 第 ３类是 基 于模 板 的兴 趣 算 子 ， 这 种 分 类 针 对 具 体 特 征 点 设 计 模 板， 精度 可 以达 到 子 像 素 级 但 是适 用 性 不 强 ＿ ２ ］ 。本
（ ３ ） 在 一定 大小 的窗 口内选 取灰 度 方 差 最 大 的
２ 特征点提取 的原理 和步骤
目前有 很 多 学 者 致 力 于 兴 趣 算 子 的改 进 和 研 究， 希望 能够 尽 可能 多 且 准 确 快 速 的 提取 影 像 中 的 特 征点 。根 据兴 趣 算 子 的性 质 可 以将 其 分 为 ３类 ：
Ｍｏ ｒ ａ ｖ ｅ ｃ算子 Ｆ ｏ ｒ ｓ ｔ ｎ ｅ ｒ 算子
文 献标 识 码 ： Ａ
Ｈａ ｒ ｒ ｉ ｓ算子
文章编号 ： １ ６ ７ ２ —４ ０ ９ ７ （ ２ ０ １ ５ ） ０ ３—０ ０ １ ５ —０ ４
１ 引
言
计算像素灰度方差 ， 选择灰度方差最小值作为像 素
的兴趣 值 ， 通 过 设 定 一 个 经 验 阈值 ， 将 兴 趣 值 大 于
（ １ ． 江苏省水文水资源勘测 局南通分 局 ， 江苏 南通 ２ ２ ６ ０ ０ ６ ； ２ ． 武汉大学遥感信 息工程学 院 ， 湖北 武汉 ４ ３ ０ ０ ７ ９ ）
摘
要
特征 点提 取是影像 分析和影像 匹配的基础 ， 也是 单幅 影像 处理 最重要 的任务 之一 ， 主要 应用各种 算子提
首先 详 细 阐 述 了 Ｍｏ ｒ ａ ｖ ｅ ｅ算 子 、 Ｆ ｏ ｒ ｓ ｔ ｎ ｅ ｒ算 子 和 Ｈａ ｒ ｒ ｉ ｓ 算 子 的原理及 实 现 步 骤 ， 然 后 通 过 对 比分 析 ３种算 子 的实 现结果 比较 了 ３种 算子 的优 缺点 。

特征提取的方法有哪些特征提取是指从原始数据中提取出对问题解决有用的特征，是数据预处理的重要环节。

在机器学习、模式识别、图像处理等领域，特征提取是非常重要的一步，它直接影响到后续模型的性能和效果。

因此，特征提取的方法也是非常多样化和丰富的。

下面我们将介绍一些常用的特征提取方法。

1. 直方图特征提取。

直方图特征提取是一种常见的方法，它将数据按照一定的区间进行划分，并统计每个区间中数据的频数。

对于图像处理来说，可以将图像的像素值按照灰度级别划分成若干区间，然后统计每个区间中像素的个数，从而得到一个灰度直方图。

通过直方图特征提取，可以很好地描述图像的灰度分布特征。

2. 边缘检测特征提取。

边缘检测是图像处理中常用的一种特征提取方法，它通过检测图像中像素值的变化来找到图像中的边缘。

常用的边缘检测算子有Sobel、Prewitt、Canny等，它们可以有效地提取出图像中的边缘信息，为后续的图像分割和物体识别提供重要的特征。

3. 尺度不变特征变换(SIFT)。

SIFT是一种基于局部特征的图像特征提取方法，它具有尺度不变性和旋转不变性的特点。

SIFT算法通过寻找图像中的关键点，并提取这些关键点周围的局部特征描述子，来描述图像的特征。

SIFT特征提取方法在图像匹配、目标识别等领域有着广泛的应用。

4. 主成分分析(PCA)。

主成分分析是一种常用的特征提取和降维方法，它通过线性变换将原始数据映射到一个新的坐标系中，使得映射后的数据具有最大的方差。

通过PCA方法可以将高维数据降维到低维空间，同时保留了大部分原始数据的信息，对于高维数据的特征提取和数据可视化具有重要意义。

5. 小波变换特征提取。

小波变换是一种时频分析方法，它可以将信号分解成不同尺度和频率的小波系数。

小波变换特征提取方法可以有效地捕捉信号的时频特征，对于信号处理和图像处理中的特征提取具有重要的应用价值。

总结。

特征提取是数据预处理的重要环节，不同的领域和问题需要采用不同的特征提取方法。

点特征提取编程实习报告一．实习简介本次实习利用VC++6.0编程实现了对8位BMP灰度图像的读取、显示，并用Moravec算子对图像进行点特征的提取。

二．程序设计1.用MFC创建一个多文档程序框架，用来显示BMP图像：2.为该程序框架添加菜单：3.创建一个对话框输入参数：4.最后提取结果可以显示在视图中：三．程序框图及核心代码Array分别定义四个函数计算四个方向的灰度差平方和：提取特征点：实验结果分析1、下图中阈值为8000，窗口大小从上到下从左到右分别为9*9、7*7、5*5、3*3。

可以看出随着窗口的增大，提取到的特征点个数越来越少，但是精度提高，可以防止将噪声提取出来。

2、下图中窗口大小为9，阈值从左到右从上到下分别为20000、15000、10000、5000。

可以看出，随着阈值的增大，能投提取到的特征点越来越少，只有灰度变化十分剧烈的点才能被提取出来，如下图中左上角是阈值为20000时的提取结果，可以发现没有提取出任何特征点。

实习总结Moravec 算子是点特征提取算子中的经典算子之一，它具有计算量小, 不丢失灰度信息等优点。

用该算子提取特征点时阈值的选取直接影响着提取结果。

如本次实习过程中所用的图像是武汉地区的TM影像，这幅影像的灰度范围很小，所以阈值不宜取得过大，否则会丢失很多特征点，如：当阈值选为20000时，没有提取出任何特征点。

为了验证对比度对特征点提取的影响，我用Photoshop对图像做了一个对比度的增强，之后用5*5的窗口和10000的阈值对其进行特征点的提取并与原图像的提取结果做了对比，发现增强了对比度的图像中提取出的特征点确实比原图像中的特征点多，如下图：所以，虽然Moravec算子是点特征提取的经典算子，但是提取效果还是很大程度上受参数设置的影响，不同灰度范围的图像需要不同的阈值以及不同的窗口大小，这需要长久的实验来积累经验确定参数。

或者可以通过计算整幅图像的灰度均值的方法是程序自动确定阈值，但没有再本次实习中进行实验。

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。