樹人論文刊發淺析點特征提取算法

　　【摘 要】在攝影測量中，有一些較為著名的點特征提取算子，如：Moravee算子、Forsmer算子與Hannah算子等。將敘述Moravec算子和Forsmer算子的基本原理，從提取點的定位準確性及速度兩個方面對兩種算子進行比較，并重點分析利用Moravec算子提取特征點實現過程分析。

　　【關鍵詞】特征提取 點特征 Moravec算子

　　點特征是影像最基本的特征，它是指那些灰度信號在二維方向上都有明顯變化的點，如角點、圓點等。點特征可以應用于諸如圖像的配準與匹配，目標描述與識別，光束計算，運動目標跟蹤、識別和立體像對3D建模等眾多領域。使用點特征進行處理，可以減少參與計算的數據量，同時又不損害圖像的重要灰度信息，在匹配運算中能夠較大的提高匹配速度，因而受到人們的關注。提取點特征的算子稱為興趣算子或有利算子(interest Operator)，即利用某種算法從影像中提取人們感興趣的，有利于某種目的的點。在影像分析和計算機的視覺領域，根據不同應用目的選擇有效的點特征提取。

　　1　Moravec興趣算子

　　Moravec于1977年提出利用灰度方差提取點特征的算子。Moravee算子是在四個主要方向上，選擇具有最大一最小灰度方差的點作為特征點。

　　第一步，計算各像元的興趣值IV(in terestv aIue)。

　　第二步，給定一經驗閾值，將興趣值大于該閾值的點(即興趣值計算窗口的中心點)作為候選點。閾值的選擇應以候選點中包括所需要的特征點，叉不含過多的非特征點為原則。

　　第三步，選取候選點中的極值點作為特征點。

　　除了以上方法，還可以嘗試首先利用邊緣提取方法提取整個圖象的邊緣輪廓，然后在此輪廓內利用以上特征點提取方法提取特征點。

　　2　Forstner興趣算子

　　Forstner算子是從影像中提取點(角點、圓點等)特征的一種較為有效的算子。Foratner算子通過計算各像素的Robert梯度和以像素(c，r)為中心的一個窗口的灰度協方差矩陣，在影像中尋找具有盡可能小而且接近圓的點作為特征點，它通過計算各影像點的興趣值并采用抑制局部極小點的方法提取特征點。

　　第一步：計算各像素的Robert梯度，

　　第二步：計算1×1窗口中灰度的協方差矩陣。

　　第三步：計算興趣值q與w。

　　第四步：確定待選點。

　　第五步：選取極值點。

　　3　Moravec程序框圖(如圖1)

　　4　基于Moravec算子的點特征提取效果圖

　　可以看出特征算子對一些反差加大的地物邊緣提取的效果較好，而反差較小的邊緣提取效果較差，這是由閾值窗口大小的選取和算法本身所決定的。

　　5　結語

　　Moravec算子是點特征提取算子中的經典算子之一，后來的很多點特征提取算子都是在它的基礎上改進得來的，掌握Moravee算子的原理和實現方法對理解其他的點特征算子的理解和應用有很大好處。