利用Moravec算子提取特征点实现过程分析

moravecs算子

电脑知识与技术研究开发

利用Moravec算子提取特征点实现过程分析

王舒鹏，方莉

（武汉大学遥感信息工程学院，湖北武汉４３００７９）

摘要：点特征是图像的重要特征，在图像处理中具有计算量小，不丢失灰度信息等种种优点。针对点特征的提取，主要介绍一种著名的点特征提取算子———Ｍｏｒａｖｅｃ算子的特征提取原理及其提取过程的程序实现方法，最后给出了效果图及效果分析。

关键词：点特征；特征提取；Ｍｏｒａｖｅｃ算子

文献标识码：Ａ文章编号：１００９－３０４４（２００６）２６－０１２５－０２中图分类号：ＴＰ３１２

ＴｈｅＡｎａｌｙｓｉｓｏｆｔｈｅＩｍｐｌｅｍｅｎｔＰｒｏｃｅｓｓｏｆＭｏｒａｖｅｃＯｐｅｒａｔｏｒ

ＷＡＮＧＳｈｕ－ｐｅｎ，ＦＡＮＧＬｉ

（ＳｃｈｏｏｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＩｍｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｐｏｉｎｔｃｈａｒａｃｔｅｒｉｓａｎｉｍｐｏｒｔａｎｔｉｍａｇｅｃｈａｒａｃｔｅｒ．Ｉｔｈａｓｔｈｅｖｉｒｔｕｒｅｏｆｌｉｔｔｌｅｍｏｕｎｔｏｆａｃｃｏｕｎｔａｎｄｎｏｌｏｓｅｏｆｄｉｍｅｎｓｉｏｎａｌｉｎｔｅｎｓｉｔｙｉｎｆｏｒｍａｔｉｏｎ．Ａｉｍｅｄａｔｔｈｅｐｉｃｋ－ｕｐｏｆｐｏｉｎｔｃｈａｒａｃｔｅｒ，ｔｈｅａｕｔｈｏｒｍａｉｎｌｙｉｎｔｒｏｄｕｃｅａｆａｍｏｕｓａｒｉｔｈｍｅｔｉｃｏｐｅｒａｔｏｒｓ－Ｍｏｒａｖｅｃｏｐｅｒａｔｏｒ．Ｔｈｅａｒｔｉｃｌｅｗｉｌｌｉｎｔｒｏｄｕｃｅｔｈｅｐｒｉｎｃｉｐｌｅｏｆｔｈｅｏｐｅｒａｔｏｒａｎｄｈｏｗｔｏｒｅａｌｉｚｅｉｔ．

Ｋｅｙｗｏｒｄｓ：ｐｏｉｎｔｃｈａｒａｃｔｅｒ；ｔｈｅｐｉｃｋ－ｕｐｏｆｃｈａｒａｃｔｅｒ；Ｍｏｒａｖｅｃｏｐｅｒａｔｏｒ

１引言

点特征是图像的重要特征，在各种图像特征中，它具有旋转不变性和不随光照条件变化的优点。一些图像处理中利用点特征进行处理既可以减少计算量又不会损失重要的灰度信息。在图像匹配中点特征也有很重要的应用，利用点特征可以大大提高匹配速度。在实现摄影测量自动化和遥感影像匹配中，点特征也有很重要的应用。针对点特征的提取的算子也有很多，Ｍｏｒａｖｅｃ算子就是其中很著名的算子之一，很多后来提出的点特征提取算子都是在它基础上进行改进得来的。

２利用Ｍｏｒａｖｅｃ算子提取特征的原理

理论上，特征是影像灰度曲面上的不连续点。在实际影像中，由于点扩散函数的作用特征表现为在一个局部小区域内灰度的急剧变化或灰度分布的均匀性，也就是局部区域中具有较大的信息量。因此，可以以每个像元为中心，取一个ｎ＊ｎ像素的窗口，计算窗口中的局部熵，若局部熵大于给定的阈值，则可以认为该像素即为一个特征。

如果不考虑噪声，实际影像是理想灰度函数与点扩散函数的卷积，其点特征灰度的分布均表现为从小到大或从大到小的明显变化，因此除了用局部信息量来检测特征外，还可以利用特征提取算子对各个像素的某一大小的邻域窗口进行差分运算，选择其中的极值点或超过阈值的点作为特征点。

正是基于以上思想，Ｍｏｒａｖｅｃ于１９７７年提出了利用灰度方差提取点特征的算子。首先，计算每个像元的兴趣值，即以该像元为中心，取一个ｗ＊ｗ的影像窗口，计算０度，４５度，９０度，１３５度四个方向的灰度差平方和，取其中最小值为该像元的兴趣值。其次，根据实际影像设定一个阈值，遍历影像以兴趣值大于该阈值的点为候选点。最后，选一个一定大小的影像窗口，让该窗口遍历灰度图象，在此过程中取窗口中兴趣值最大的候选点为特征点，算法结束。

图１程序流程图

／／ｓｉｚｅ１是一个自定义的影像窗口，通过求窗口四个方向的灰

度差平方和确定中心点兴趣值

３程序实现流程图及实现过程

程序流程图如图１所示：

以下为该算法的具体实现过程中的核心程序；

ｆｏｒ（ｉｎｔａ＝０；ａ＜ｗｉｄｅ；ａ＋＋）／／ｗｉｄｅ是图像沿ｘ方向像素的个数ｆｏｒ（ｉｎｔｂ＝０；ｂ＜ｈｅｉｇｈｔ；ｂ＋＋）／／ｈｅｉｇｈｔ是图像沿ｙ方向像素的个数｛ｃｏｐｙ［ｂ＊ｗｉｄｅ＋ａ］＝０；｝／／ｃｏｐｙ［］是一个与图像相同大小的数组用来存放兴趣值

｛ｆｏｒ（ｉｎｔｊ＝ｓｉｚｅ１／２；ｊ＜ｗｉｄｔｈ－ｓｉｚｅ１／２；ｊ＋＋）

｛／／ｗｉｄｔｈ是图像沿ｘ方向有效像素的个数，小于等于ｗｉｄｅＶ１＝０；Ｖ２＝０；Ｖ３＝０；Ｖ４＝０；

ｆｏｒ（ｉｎｔｉ１＝（－１）＊ｓｉｚｅ１／２；ｉ１＜＝ｓｉｚｅ１／２－１；ｉ１＋＋）

｛Ｖ１＋＝（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ］）

＿＊（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ］）；／／９０度方向

灰度差

Ｖ２＋＝（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ＋ｉ１］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ＋ｉ１＋１］）＿＊（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ＋ｉ１］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ＋ｉ１＋１］）；／／４５度方向灰度差

Ｖ３＋＝（ｌｐＤＩＢ１［ｉ＊ｗｉｄｅ＋ｊ＋ｉ１］－ｌｐＤＩＢ１［ｉ＊ｗｉｄｅ＋ｊ＋ｉ１＋１］）

＿＊（ｌｐＤＩＢ１［ｉ＊ｗｉｄｅ＋ｊ＋ｉ１］－ｌｐＤＩＢ１［ｉ＊ｗｉｄｅ＋ｊ＋ｉ１＋１］）；／／０度方向灰

度差

ｉｎｔｍｉｎ，ｍａｘ，Ｖ１，Ｖ２，Ｖ３，Ｖ４；

ｆｏｒ（ｉｎｔｉ＝ｓｉｚｅ１／２；ｉ＜ｈｅｉｇｈｔ－ｓｉｚｅ１／２；ｉ＋＋）

Ｖ４＋＝（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ－ｉ１］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ－ｉ１－１］）＿＊（ｌｐＤＩＢ１［（ｉ＋ｉ１）＊ｗｉｄｅ＋ｊ－ｉ１］－ｌｐＤＩＢ１［（ｉ＋ｉ１＋１）＊ｗｉｄｅ＋ｊ－ｉ１－１］）；／／１３５度方向灰度差

收稿日期：２００６－０３－２２

作者简介：王舒鹏（１９８４－），男，内蒙古省包头市人，研究方向：摄影测量与遥感；方莉（１９８５－），女，湖北省黄冈市人，研究方向：摄影测量与遥感。

电脑知识与技术

１２５

moravecs算子

研究开发电脑知识与技术

可以看出特征算子对一些反差加大的地物边缘提取的效果较好，而反差较小的边缘提取效果较差，这是由阈值、窗口大小的选取和算法本身所决定的。

｝

ｍｉｎ＝Ｖ１；

ｉｆ（Ｖ１＞Ｖ２）ｍｉｎ＝Ｖ２；ｉｆ（ｍｉｎ＞Ｖ３）ｍｉｎ＝Ｖ３；

ｉｆ（ｍｉｎ＞Ｖ４）ｍｉｎ＝Ｖ４；／／寻找最小灰度差平方和ｉｆ（ｍｉｎ＞ＹｕＺｈｉ）／／ＹｕＺｈｉ为所选的阈值大小

ｃｏｐｙ［ｉ＊ｗｉｄｅ＋ｊ］＝ｍｉｎ；／／将四个方向最小灰度差平方和作为中心

点兴趣值

｝｝

ｍａｘ＝０；／／ｍａｘ是抑制局部非最大窗口ｓｉｚｅ２中最大的兴趣值ｉｎｔｌｉｎｅ，ｒｏｗ；／／

ｆｏｒ（ｉｎｔｍ＝ｓｉｚｅ２／２；ｍ＜ｈｅｉｇｈｔ－ｓｉｚｅ２／２；ｍ＋＋）／／ｓｉｚｅ２是抑制局部非

最大窗口的大小

｛ｆｏｒ（ …… 此处隐藏：2562字，全部文档内容请下载后查看。喜欢就下载吧 ……