以 上 近 似 计 算 !相 关 系 数 的 计 算 量 大 大 减 少 了 -
相关系数匹配法的正确匹配位置位于最大相
关 系数值 的 地 方!如 果 在 基 准 图 中 逐 点 计 算!将 会 耗 费 大 量 的 时 间 !因 此 本 文 采 用 由 粗 到 细 的 搜 索 策 略!通 过 三 步 搜 索 法 以 减 少 搜 索 位 置 的 数 目/01!从 而 减 少 总 的 计 算 量 -第 一 步 !选 择 初 始 步 长 !对 图 像 进 行 粗匹 配!确 定 最 大 相 关 值 可 能 位 于 的 区 域!这 里 搜 索 步 长 为 2!这 样 可 使 运 算 量 减 少 为 原 来 的 (3(45第 二 步 !步 长 减 为 原 来 的 一 半 !图 像 中 心 移 到 第 一步得 到 的 最 大 相 关 点 处5最 后!以 第 二 步 得 到 的 最 大 相 关 点 为 中 心!计 算 其 十 字 方 向 上 的 2个 点 !比 较 相 关 系 数 值 的 大 小 !找 到 最 大 相 关 值 !从 而 得到最后的匹配点-其搜索收敛过程如图 (所示-
图 )上平移!在每个位置上求模板与模板覆盖下的
子图 )*!+的绝对差&
13
0 0 ,-*!+./
5)*!+-2!4.6 (-2!4.5
2/ % 4/ %
模板大小为 1 7 3!,-*!+.为最小值时即为匹配
位置"
优 点 &算 法 简 单 !计 算 速 度 快 !在 简 单 背 景 下 能
获得较好的匹配"
缺 点 &该 算 法 中 图 像 的 每 一 点 对 匹 配 结 果 做 出
同样的贡 献!因 此 算 法 性 能 易 受 个 别 点 噪 声#局 部
遮挡的影 响!可 靠 性 低!不 适 用 于 图 像 灰 度 范 围 窄
的场合"
相关系数法的思想是!将实时图 8在基准图 9
上 滑 动 !计 算 每 一 位 置 上 的 相 关 系 数 &
:-;!<./
13
0 0 -9+>;!=><6 9.-8+!=6 8?.
+/ % =/ %
13
13
@00 @00 -9+>;!=><6 9.$ +/ % =/ %
-8+!=6 8?.$
+/ % =/ %
式中&
13
0 0 9/
% 13
+/
%
=/
9+!=
%
13
0 0 8?/
% 13
+/
%
=/
8+!=
%
相 关系数满足 5:-;!<.5A %!在B6 %!%C绝对尺度
% 相关匹配算法
在 实 际 目 标 跟 踪 系 统 中 !常 用 的 相 关 匹 配 算 法
有 $类&一 类 强 调 景 物 之 间 的 差 别 程 度!即 最 小 误
差 法’另一 类 强 调 景 物 之 间 的 相 似 程 度!又 可 分 成
相关系数法和积相关匹配法"
最 小 误 差 法 的 思 想 是!将 模 板 图 像 ( 在 搜 索
特 征 匹 配 !一 般 匹 配 速 度 较 快 !但 匹 配 精 度 不 高 " 由 于 受 噪 声#目 标 运 动 以 及 成 像 设 备 的 限 制!
使得 所 匹 配 的 $幅 图 像 存 在 一 定 的 灰 度 失 真 和 几 何 形 变!所 以 研 究 具 有 良 好 的 抗 噪 声 能 力#抗 几 何 形 变 能 力 以 及 匹 配 正 确 率 高 #速 度 快 的 匹 配 算 法 成 为 目 前 的 一 个 重 要 课 题 "本 文 对 基 于 灰 度 相 关 的 匹 配 算 法 进 行 了 研 究 !在 传 统 图 像 匹 配 算 法 最 小 误 差 法 和 最 大 相 关 系 数 法 的 基 础 上 !提 出 了 改 进 的 匹 配 算 法 " 实 验 结 果 表 明 !在 保 证 一 定 匹 配 精 度 的 条 件 下 !算 法 在 匹 配 速 度 方 面 有 很 大 的 改 善 "
点的灰 度 绝 对 差"若 小 于 某 一 门 限 (!认 为 $点 相
似 !统 计 整 幅 图 像 中 像 素 绝 对 差 小 于 门 限 的 像 素 数
目 !即 相 似 程 度 !其 定 义 如 下 &
13
0 0 S-*!+./
:-(-2!4.!)*!+-2!4..
24
式中&
Y :-(-2!4.!)*!+-2!4../
%! TUV-(-2!4.6 )*!+-2!4..W (
X!
其他
与传统最小误差法的不同之处在于这里计算
的是 $图像中相似点的个数!而非图像中所有像素 灰度绝对差的和"对于门限 (!其值越小!匹配精度 越 高 !但 易 受 噪 声 的 影 响 ’其 值 越 大 !提 取 目 标 的 形 状 越 完 整 !但 匹 配 精 度 下 降 "对 于 低 对 比 度 图 像 !阈 值 (应该小一些’对于强对比度的图像!阈值 (应 该 大 一 些 "正 常 情 况 下 !模 板 在 与 图 像 正 确 匹 配 时 ! 相似像素点数在 XDZ[E\] XD^RE\之间!若小 于 XD^RE\可适当增大阈值!若大于 XDZ[E\则 (应小 一 些"这 样 就 避 免 了 局 部 噪 声 的 影 响!又 保 证 了 匹 配 精 度 !使 得 算 法 具 有 较 强 的 抗 干 扰 能 力 和 稳定性" $D$ 基于相关系数法的改进
缺 点 &计 算 量 很 大 !匹 配 速 度 慢 "
$ 相关匹配算法的改进
$D% 基于最小误差法的改进
对 于 最 小 误 差 法 !提 出 一 种 新 的 相 似 性 度 量 方
法&EF-GHIJGKG LJMNLJOPPQ.距离BRC!对其阈值 (
采 取 动 态 调 整 的 方 法 !即 比 较 基 准 图 和 实 时 图 对 应
文献标志码!7
89:;<=>9>?@<AB9CD>9C@EFB?DCGD<;B@F9 HCI>J<?D;CKE<;;>GC@B<?
4LM NOPQ"-$-R7S TOUP%VWXPQ"-YM ZWUX%W[O"-5L76 NUP"\M 5XPQ%]UPQ"-$-^76_ \‘PQ"-$
’".YOaUPLPb]O][]‘XcSd]OebUPfgh‘eObOXP3‘eWUPOeb-R7i-YOaUP("##,&-RWOPU/ $._hUf[U]‘ieWXXjXcRWOP‘b‘7eUf‘klXcieO‘Pe‘b-m‘OnOPQ"###+0-RWOPU)
’".中国科学院 西安光学精密机械研究所-陕西 西安 ("##,&/$.中国科学院 研究生院-北京 "###+0)
摘 要!针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点-对基于灰度相关的
$类匹配算法 11 最小误差法和相关系数法进行了改进2最小误差法采用新的34距离法-提出动
态 调 整 阈 值 的 方 法 -既 保 证 了 匹 配 精 度 -又 避 免 了 局 部 噪 声 的 影 响 /相 关 系 数 法 对 相 关 系 数 的 计 算
引言
图像匹配技术是计算机视觉和图像信息处理 领 域中的 一 个 基 本 问 题-并 在 卫 星 遥 感w空 间 飞 行 器 的自动 导 航w光 学 和 雷 达 的 目 标 跟 踪 与 识 别w自 然资源分析及医学图像处理等许多领域中得到了 广泛的应用2图像匹配 是 x"y 根据已知的图像 ’模板 图 )在 另 一 幅 图 像 ’搜 索 图 )中 寻 找 相 应 或 相 近 模 板
范 围 之 间 衡 量 二 者 的 相 似 性 "通 过 比 较 参 考 图 像 和
输 入 图 像 在 各 个 位 置 的 相 关 系 数 !得 到 相 关 值 最 大
的 点 !即 最 佳 匹 配 位 置 "
优 点&该方法 的精 确度很 高!具有 较强 的 局 部 抗干 扰 能 力!并 且 当 相 对 的 旋 转 和 畸 变 差 异 不 大 时 !也 能 够 得 到 满 意 的 匹 配 "
收稿日期!$##,%#0%"$/ 修回日期!$##,%"$%+# 作 者 简 介 !刘莹’"0&${ )-女-西安人-硕士研究生-主要从事图像处理及图像跟踪的研究2 |%kUOj!plXPfhUOPpXqXX[!$^-R. 刘 莹!等&基于灰度相关的图像匹配算法的改进
‘ Ra[‘
任何一种匹配算法的总计算量都是采用的相
关 算 法 计 算 量 与 搜 索 位 置 数 值 积 B_C!即
总计算量 / 相关算法计算量 7 搜索位置数
因此!为 了 减 少 总 的 计 算 量!可 以 一 方 面 设 法 减 少
相 关 度 量 的 计 算 量 !另 一 方 面 在 不 影 响 匹 配 精 度 条
oHI@;CE@! _hUleXhh‘jU]OXP pUb‘fkOPOk[k ‘hhXhUPfeXhh‘jU]OXP eX‘ccOeO‘P]UjQXhO]Wkbq‘h‘ OkdhXr‘f]X‘jOkOPU]‘]W‘fObUfrUP]UQ‘bXcjXq kU]eWOPQUee[hUelUPfbjXq kU]eWOPQr‘jXeO]l ‘sOb]OPQOP]W‘OkUQ‘kU]eWOPQUjQXhO]WkbPXqUfUlb.LP]W‘OkdhXr‘fkOPOk[k ‘hhXhUjQXhO]WkUP‘q 34fOb]UPe‘k‘]WXfObUfXd]‘fUPfU]Wh‘bWXjfflPUkOeUfn[b]k‘P]k‘]WXfObdhXdXb‘f]X Ubb[h‘]W‘kU]eWOPQUee[hUelUPf]XUrXOf]W‘OPcj[‘Pe‘XcjXeUjPXOb‘b.7bcXh]W‘eXhh‘jU]OXP eX‘ccOeO‘P]UjQXhO]Wk- ]W‘ ‘sdh‘bbOXP XceXhh‘jU]OXP eX‘ccOeO‘P]Ob bOkdjOcO‘f UPf ]Wh‘‘%b]‘d b‘UheWOPQqUlOb[b‘f]Xh‘f[e‘]W‘eXkd‘sO]lXc]W‘eUje[jU]OXPUPf]XUeWO‘r‘]W‘QXUjXc]W‘ dXbO]OXPUet[ObO]OXP.5W‘‘sd‘hOk‘P]bWXqb]WU]]W‘OkdhXr‘fUjQXhO]WkbQh‘U]jlOPeh‘Ub‘]W‘ kU]eWOPQr‘jXeO]lqO]WX[]]W‘jXbbXckU]eWOPQUee[hUel-UPfk‘‘]]W‘h‘t[Oh‘k‘P]Xch‘Uj%]Ok‘ OkUQ‘kU]eWOPQblb]‘k. u>Kv<;JI!eXhh‘jU]OXPkU]eWOPQ/eXhh‘jU]OXPeX‘ccOeO‘P]/kU]eWOPQUee[hUel/kU]eWOPQr‘jXeO]l