Page 161 - 测绘新技术的理论与实践研究

第五章 多源遥感数据获取技术研究

（1）特征检测

特征检测研究的方向是稳定、可靠的特征检测和提取算法。特征检测特别是
不变特征的检测是计算机视觉和模式识别的核心问题，也一直是研究的热点。
局部不变特征因其优越的特性，在近二十年中越来越引起人们的关注。局部
特征在保留了图像中物体重要特征信息的同时，又有效地减少了信息的数据量，

与全局特征相比，搜索空间小，匹配速度快。从局部特征的发展历程来看，局部
性并不是关键，特征的若干不变性才是局部特征研究发展的关键所在。近年来，

局部特征成功的真正原始在于它提供了一种具有统计意义的图像内容表达，这种
表达方式避免了图像处理中语义层次上的图像分割。
目前基于局部特征的匹配主要集中在点特征的提取和匹配方面，提出了很多
的检测方法，主要包括：基于灰度极值、基于同心圆相关、基于辐射对称、基于

局部独特、基于模板、模型、基于边缘、基于曲率、基于梯度、基于 Laplacian 算子、
基于矩、基于嫡、基于霍夫变换、基于滤波（方向滤波器）、基于变换域、基于
模式识别等方法。

传统的方法主要是检测图像中视觉明显可以识别的点特征，比如角点、交叉
点、斑块中心点。这些方法一般都是基于局部最大特征（如灰度、曲率、对称、
嫡、滤波器响应）来设计的，因此必然是视觉特征明显的点。而当前越来越关注
那些未必是视觉特征明显但是保持不变性质的点特征，在不同的图像情况下保持

某种稳定特性的点（如灰度不变、旋转不变、尺度不变、仿射不变）。局部不变
特征包括角点、边缘、斑点和区域。不变特征点的检测方法包括：基于不变矩、
基于滤波（可调滤波器和 Gabor 滤波器）、基于灰度（光滑灰度及其梯度幅值等）

等方法，这些方法大多是利用图像的各种属性（统计、几何、代数、差分、分维）
基于非极大值抑制（non-maxim a suppression，NMS）来设计的。有代表性的局
部不变特征算子包括：Harris 角点、Canny 边缘、SFT、SURF 点和 MSER 区域。
而针对遥感图像（航空图像和航天图像）的配准，特别是多源遥感图像（光

学和 SAR）的配准，边缘特征和面域轮廓的检测和提取则是研究的重点，但严
重依赖于图像分割及边缘检测技术的效果，近年来未有大的发展和突破。

（2）特征组合
基于灰度和基于特征的方法都有各自的优缺点，如果能综合利用它们的优点
将会取得更好的匹配结果。组合方式主要有两种类型：一是结合灰度和特征的图

149