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
　　
　　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。
　　
　　1　Moravec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。
　　除了以上方法，还可以尝试首先利用边缘提取方法提取整个图象的边缘轮廓，然后在此轮廓内利用以上特征点提取方法提取特征点。
　　
　　2　Forstner兴趣算子
　　
　　Forstner算子是从影像中提取点(角点、圆点等)特征的一种较为有效的算子。Foratner算子通过计算各像素的Robert梯度和以像素(c，r)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且接近圆的点作为特征点，它通过计算各影像点的兴趣值并采用抑制局部极小点的方法提取特征点。
　　第一步：计算各像素的Robert梯度，
　　第二步：计算1×1窗口中灰度的协方差矩阵。
　　第三步：计算兴趣值q与w。
　　第四步：确定待选点。
　　第五步：选取极值点。
　　
　　3　Moravec程序框图
　　
　　4　基于Moravec算子的点特征提取效果图
　　灰度图像效果图如下：
　　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。

5　结语
　　
　　Moravec算子是点特征提取算子中的经典算子之一，后来的很多点特征提取算子都是在它的基础上改进得来的，掌握Moravee算子的原理和实现方法对理解其他的点特征算子的理解和应用有很大好处。