特征通常包括区域特征、边缘特征和点特征。
1区域特征
区域特征可能是具有适当大小的高对比度区域的投影,例如建筑物、水库等。区域的重心对于尺度变化、旋转是不变量,并且对于随机噪声和亮度变化具有稳健性。区域特征通过影像分割算法进行检测。
有人曾提出了一种逐步求精的处理过程来改善匹配质量。将图像分割和匹配相结合,通过迭代取得更好的匹配方法。
2边缘特征
边缘线可以是一般线段、目标轮廓、道路以及区域边界等。线状特征检测算法包括Canny算子、Marr的基于L即laeinaofGaussina的算法。3点特征
点特征通常是角、线的交点]等,也包括局部曲率不连续的点、区域重心、关于具体相似性测度的最具有区分性的点等。较为常用的算法有SUSAN算法,过计算窗口内与窗口中心相同灰度像素的数量来确定角点,具有很好的稳健性。
1.1点特征提取
1.1.1特征点提取
各种各样的点特征提取算子可以分为三类,即基于轮廓的算法、基于亮度的算法和基于参数模型方法。基于亮度的算法中较为简单的兴趣点检测算子有Movarec算子、Forstner算子等。
Forstner算子通过计算各像元的Robtrs梯度和像元c(,;)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点作为特征点。
Morvarec算子利用灰度方差,提取在四个主要方向上具有最大、最小灰度方差的点作为特征点。
1.1.2快速兴趣点检测
1、检测像元窗口;2、确认兴趣点窗口;3、计算候选点的兴趣值;4、候选点筛选
1.1.3点特征的区分
几何特征或者光度学约束