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