Moravec算子(莫拉维克）（1）计算各像元的兴趣值IV以像素（c,r）为中心的w×w的影像窗口中（如5×5的窗口），计算四个方向相邻像素灰度差的平方和。Vi=(gc+i,r-gc+i+1.r）(gc+i,+i-gc+i+1,r+i+1)2V3(gc,r+i-gc,r+i+1)VA(ge+i,r-i -gc+i+1,r-i-1)2i=-kIVe.r.= min( Vi, V2, V3,V4)4c
Moravec算子 (莫拉维克) （1）计算各像元的兴趣值 IV 以像素（c,r）为中心的w×w的影像窗口中(如5×5的窗口)，计算四个方向 相邻像素灰度差的平方和。 = − = − = − = − − =− + − + + − − − =− + + + − =− + + + + + + − =− + + + 1 2 4 , 1, 1 1 2 3 , , 1 1 2 2 , 1, 1 1 2 1 , 1, ( ) ( ) ( ) ( ) k i k c i r i c i r i k i k c r i c r i k i k c i r i c i r i k i k c i r c i r V g g V g g V g g V g g min{ , , , } , V1 V2 V3 V4 IVc r = r c
（2）给定一经验阈值，将兴趣值大于值的点（即兴趣值计算窗口的中心点）作为候选点。國值的选择应以候选点中包括所需要的特征点而又不含过多的非特征点为原则。（3）选取候选点中的极值点作为特征点。确定窗口大小
确定窗 口大小 （2）给定一经验阈值，将兴趣值大于阈值的点（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而又不含过多的非特征点为原则。 （3）选取候选点中的极值点作为特征点
二、Harris 角点提取算法
二、Harris 角点提取算法
Harris特征提取设计思想：影像梯度的分布反映影像特征的类别匀质区域各个方向的梯度都非常小：边缘处某一个方向的梯度大，其它方向的梯度小：特征点处至少有两个方向梯度都比较大道路边缘房屋角点影像中田块、水体等匀质区域
14 Harris特征提取 设计思想： 影像梯度的分布反映影像特征的类别 ① 匀质区域各个方向的梯度都非常小； ② 边缘处某一个方向的梯度大，其它方向的梯度小； ③ 特征点处至少有两个方向梯度都比较大。 影像中田块、水体等匀质区域 道路边缘 房屋角点
点特征提取Harris特征提取设计思想：口梯度的分布可以用x和y方向灰度梯度的协方差矩阵来表示，通过分析像点邻域范围内的梯度构成的协方差矩阵的特征值的情况来判断该像点是否为特征点15
点特征提取 15 Harris特征提取 设计思想： 梯度的分布可以用x和y方向灰度梯度的协方差矩 阵来表示，通过分析像点邻域范围内的梯度构成 的协方差矩阵的特征值的情况来判断该像点是否 为特征点