点特征提取算法探讨

黄　艳

摘要：在摄影测量中，有一些较为著名的点特征提取算子，如：Moravee算子、Forsmer算子与Hannah算子等。将叙述Moravec算子和Forsmer算子的基本原理，从提取点的定位准确性及速度两个方面对两种算子进行比较，并重点分析利用Moravec算子提取特征点实现过程分析。

关键词：特征提取；点特征；Moravec算子

中图分类号：J40文献标识码：A文章编号：1672-3198(2009)12-9302-01

点特征是影像最基本的特征，它是指那些灰度信号在二维方向上都有明显变化的点，如角点、圆点等。点特征可以应用于诸如图像的配准与匹配，目标描述与识别，光束计算，运动目标跟踪、识别和立体像对3D建模等众多领域。使用点特征进行处理，可以减少参与计算的数据量，同时又不损害图像的重要灰度信息，在匹配运算中能够较大的提高匹配速度，因而受到人们的关注。提取点特征的算子称为兴趣算子或有利算子(interest Operator)，即利用某种算法从影像中提取人们感兴趣的，有利于某种目的的点。在影像分析和计算机的视觉领域，根据不同应用目的选择有效的点特征提取。

1Moravec兴趣算子

Moravec于1977年提出利用灰度方差提取点特征的算子。Moravee算子是在四个主要方向上，选择具有最大一最小灰度方差的点作为特征点。

第一步，计算各像元的兴趣值IV(in terestv aIue)。

第二步，给定一经验阈值，将兴趣值大于该阈值的点(即兴趣值计算窗口的中心点)作为候选点。阈值的选择应以候选点中包括所需要的特征点，叉不含过多的非特征点为原则。

第三步，选取候选点中的极值点作为特征点。……