專利名稱：一種圖像匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖形處理方法，尤其涉及一種圖像匹配方法。
背景技術(shù)：
隨著科學(xué)技術(shù)的發(fā)展，圖像匹配已成為圖像信息處理領(lǐng)域中一項(xiàng)非常重要
的技術(shù)?，F(xiàn)在約40%的機(jī)器視覺應(yīng)用中需要用到圖像匹配技術(shù)，所涉及的應(yīng)用 領(lǐng)域從工業(yè)檢測到導(dǎo)彈的地形匹配、光學(xué)和雷達(dá)的圖像跟蹤、工業(yè)流水線的自 動(dòng)監(jiān)控、工業(yè)儀表的自動(dòng)監(jiān)控、資源分析、氣象預(yù)報(bào)、醫(yī)療診斷、交通管理、 文字識(shí)別以及圖像檢索等。圖像匹配研究涉及到了圖像采集、圖像預(yù)處理、圖 像分割、特征提取等，并且與計(jì)算機(jī)視覺、多維信號(hào)處理和數(shù)值計(jì)算方法等緊 密結(jié)合。它也是其它一些圖像分析技術(shù)，如立體視覺、運(yùn)動(dòng)分析、數(shù)據(jù)融合等
的基礎(chǔ)正因?yàn)槠鋺?yīng)用的廣泛性，新的應(yīng)用和新的要求逐步產(chǎn)生，使得匹配算 法的研究逐步走向深入，出現(xiàn)了快速、穩(wěn)定、魯棒性好的匹配算法。因此，對 現(xiàn)有匹配算法展開分析對于實(shí)際工程提高圖像處理質(zhì)量和識(shí)別精度具有非常重 要的意義。
歸一化互相關(guān)匹配算法通過計(jì)算模板和待匹配圖像的灰度歸一化互相關(guān)系 數(shù)，即互相關(guān)值來確定匹配的程度。互相關(guān)法可以克服由于圖像采集和系統(tǒng)誤 差帶來的灰度畸變和幾何畸變(平移變形和旋轉(zhuǎn))。
傳統(tǒng)的灰度歸一化互相關(guān)系數(shù)匹配算法存在匹配時(shí)間太長的缺點(diǎn)。其匹配 和搜索定位過程，是遍歷檢測圖像上的所有搜索位置，計(jì)算每個(gè)位置的相關(guān)值， 相關(guān)值最大的位置即匹配位置。匹配時(shí)間是兩個(gè)數(shù)值的乘積， 一個(gè)是搜索范圍 的像素個(gè)數(shù)，另一個(gè)是計(jì)算一個(gè)搜索位置相關(guān)系數(shù)所花費(fèi)的時(shí)間，后者取決于 模板圖像的大小，即模板圖像的像素個(gè)數(shù)。這個(gè)方法的缺點(diǎn)是匹配過程計(jì)算量 大，需要花費(fèi)大量時(shí)間，模板圖像的越大或檢測圖像搜索范圍越大，所需要的
3時(shí)間呈1^212的倍數(shù)增長，k和1分別為模板圖像和檢測圖像的增大倍數(shù)。如果搜 索范圍和模板圖像都增大為原來的兩倍，匹配時(shí)間將是原來的16倍。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種匹配時(shí)間更短、計(jì)算量更小的 圖像匹配方法。
為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為 一種圖像匹配方法，其包括以下 步驟(1)利用圖像采集器采集待匹配圖像，并從圖像處理器中調(diào)出模板圖像； (2)將待匹配圖像和模板圖像在寬度和高度方向均縮小一倍；(3)重復(fù)步驟 (2)，直到匹配圖像和模板圖像達(dá)到指定的尺寸，在縮小的圖像上使用灰度歸 一化互相關(guān)匹配獲得最佳匹配位置(X， y); (4)返回到上一級(jí)縮小一倍的圖像
上在(2x-l 2x+l， 2y-1 2y+l)范圍內(nèi)的9個(gè)搜索位置再進(jìn)行進(jìn)一步的匹配， 獲得新的最佳匹配位置(x， y); (5)重復(fù)步驟(4)，直到返回到第一級(jí)圖像， 即原圖像，進(jìn)行最后的匹配，獲得的最佳匹配位置及匹配值。
上述步驟(3)中，灰度歸一化互相關(guān)匹配是將一定大小的待匹配圖像各個(gè) 像素的灰度矩陣，與模板圖像的所有可能窗口的灰度陣列，按預(yù)設(shè)的相似性度 量方法進(jìn)行搜索比較，并進(jìn)行互相關(guān)值匹配。
互相關(guān)值最大時(shí)的搜索窗口位置決定模板圖像在待匹配圖像中的位置歸一 化互相關(guān)系數(shù)的計(jì)算公式如下式所示，
S S (C(x + / j + _/) — j'))(尸(x,力—7)
錄J.)=,… — 一
Z (C(x + /, y + _/) — C(z', /))2; S y) _尸)2
^"')表示在檢測圖像上以點(diǎn)(z'，力為原點(diǎn)的搜索窗口內(nèi)的圖像和模板圖像的 歸一化互相關(guān)系數(shù)值，上述搜索窗口內(nèi)圖像是指在待檢測圖像上和模板圖像具 有相同大小的圖像塊；C(x + ""力是檢測圖像上坐標(biāo)為(x"'，"力像素點(diǎn)的灰度
值；^("')是點(diǎn)(!'，力為原點(diǎn)的搜索窗口的圖像的灰度平均值；P"力是模板圖像 上坐標(biāo)為"力像素點(diǎn)的灰度值；？是模板圖像的平均灰度值；^和^的取值是模 板圖像所有像素點(diǎn)的坐標(biāo)值；i和j的取值范圍為搜索范圍所有像素的坐標(biāo)值。本發(fā)明相對于現(xiàn)有技術(shù)的優(yōu)勢
傳統(tǒng)灰度歸一化互相關(guān)匹配算法的匹配時(shí)間很大， 一方面是互相關(guān)值的計(jì) 算需要使用模板圖像和搜索窗口圖像所有像素的灰度值進(jìn)行計(jì)算，另一方面是 要遍歷搜索范圍內(nèi)所有像素計(jì)算每個(gè)搜索位置的互相關(guān)值。這使得隨著圖像的 增大，匹配時(shí)間急劇增長。本發(fā)明縮小后圖像較小，匹配計(jì)算量也迅速減小， 能有效縮短匹配時(shí)間。


圖l為本發(fā)明層疊二分互相關(guān)匹配算法示意圖。
具體實(shí)施例方式
本發(fā)明提供了一種圖像匹配方法，如圖1所示，其包括以下步驟
()利用圖像采集器采集待匹配圖像，并從圖像處理器中調(diào)出模板圖像；
(2) 將待匹配圖像和模板圖像在寬度和高度方向均縮小一倍；
(3) 重復(fù)步驟(2)，直到匹配圖像和模板圖像達(dá)到指定的尺寸，在縮小的 圖像上使用灰度歸一化互相關(guān)匹配獲得最佳匹配位置(x， y);
(4) 返回到上一級(jí)縮小一倍的圖像上在(2x-l 2x+l， 2y-l 2y+l)范圍 內(nèi)的9個(gè)搜索位置再進(jìn)行進(jìn)一步的匹配，獲得新的最佳匹配位置(x, y);
(5) 重復(fù)步驟(4)，直到返回到第一級(jí)圖像，即原圖像，進(jìn)行最后的匹配， 獲得的最佳匹配位置及匹配值。
上述步驟(3)中，灰度歸一化互相關(guān)匹配是將一定大小的待匹配圖像各個(gè) 像素的灰度矩陣，與模板圖像的所有可能窗口的灰度陣列，按預(yù)設(shè)的相似性度 量方法進(jìn)行搜索比較，并進(jìn)行互相關(guān)值匹配。
互相關(guān)值最大時(shí)的搜索窗口位置決定模板圖像在待匹配圖像中的位置歸一
化互相關(guān)系數(shù)的計(jì)算公式如下式所示，
Z Z (C(x + /, _y + /) — )))(尸(x， W - 5) j (f，力= … 一 一
￡ Z (c(x+')+y)—c(z, /))2 S S (尸"，"-尸)2
A"')表示在檢測圖像上以點(diǎn)G'，力為原點(diǎn)的搜索窗口內(nèi)的圖像和模板圖像的
5歸一化互相關(guān)系數(shù)值，上述搜索窗口內(nèi)圖像是指在待檢測圖像上和模板圖像具 有相同大小的圖像塊；C" + z> +力是檢測圖像上坐標(biāo)為"+ "少+力像素點(diǎn)的灰度 值；^("力是點(diǎn)(z'，力為原點(diǎn)的搜索窗口的圖像的灰度平均值；P"力是模板圖像
上坐標(biāo)為"，力像素點(diǎn)的灰度值；^是模板圖像的平均灰度值；X和^的取值是模 板圖像所有像素點(diǎn)的坐標(biāo)值；i和j的取值范圍為搜索范圍所有像素的坐標(biāo)值。
本發(fā)明將這種方法命名為層疊二分互相關(guān)匹配，表示多次縮小一半的意思。 層疊二分匹配算法的優(yōu)點(diǎn)是同時(shí)減小了搜索范圍和計(jì)算互相關(guān)系數(shù)涉及的像素 個(gè)數(shù)，因此能太太縮小匹配時(shí)間。假設(shè)對當(dāng)前級(jí)的圖像使用傳統(tǒng)互相關(guān)匹配算 法需要的時(shí)間為Tt，整個(gè)搜索范圍的像素個(gè)數(shù)為S，則下一級(jí)的圖像使用傳統(tǒng) 互相關(guān)匹配算法需要的時(shí)間為T/16，則對當(dāng)前級(jí)圖像使用層疊二分匹配法進(jìn)行 一次二分所需要的時(shí)間則為
<formula>formula see original document page 6</formula>
進(jìn)行n次二分所需要的時(shí)間為
<formula>formula see original document page 6</formula>
由(2)式可知對當(dāng)前級(jí)使用一次二分層疊二分算法和使用傳統(tǒng)互相關(guān)匹配 算法的匹配時(shí)間差為
<formula>formula see original document page 6</formula>S是對當(dāng)前級(jí)圖像使用傳統(tǒng)互相關(guān)匹配算法時(shí)的搜索范圍的像素個(gè)數(shù)。如果 二分次數(shù)增加，級(jí)數(shù)越大圖像的S值越小，AT越接近0，當(dāng)15/16"9/S時(shí)， 即S"9時(shí)，AT"0。這時(shí)匹配時(shí)間達(dá)到最小值，即理論上，二分次數(shù)越大，算 法的匹配時(shí)間越小，直到S&9時(shí)，達(dá)到最小值。雖然每一次二分，圖像縮小一 半，圖像縮小會(huì)丟失圖像信息，但是，如果待匹配圖像中包含所要搜索的圖像， 由于待匹配的圖像和檢測圖像是同時(shí)縮小，兩者仍然存在匹配關(guān)系。但是為了 確保匹配結(jié)果的準(zhǔn)確性，再加上當(dāng)二分次數(shù)比較大的時(shí)候時(shí)間的減幅也越來越 小，因此可以指定最小圖像尺寸的方式控制二分次數(shù)。
權(quán)利要求
1、一種圖像匹配方法，其特征在于包括以下步驟(1)利用圖像采集器采集待匹配圖像，并從圖像處理器中調(diào)出模板圖像；(2)將待匹配圖像和模板圖像在寬度和高度方向均縮小一倍；(3)重復(fù)步驟(2)，直到匹配圖像和模板圖像達(dá)到指定的尺寸，在縮小的圖像上使用灰度歸一化互相關(guān)匹配獲得最佳匹配位置(x，y)；(4)返回到上一級(jí)縮小一倍的圖像上在(2x-1～2x+1，2y-1～2y+1)范圍內(nèi)的9個(gè)搜索位置再進(jìn)行進(jìn)一步的匹配，獲得新的最佳匹配位置(x，y)；(5)重復(fù)步驟(4)，直到返回到第一級(jí)圖像，即原圖像，進(jìn)行最后的匹配，獲得的最佳匹配位置及匹配值。
2、 根據(jù)權(quán)利要求l所述的圖像匹配方法，其特征在于上述步驟(3)中， 灰度歸一化互相關(guān)匹配是將一定大小的待匹配圖像各個(gè)像素的灰度矩陣，與模 板圖像的所有可能窗口的灰度陣列，按預(yù)設(shè)的相似性度量方法進(jìn)行搜索比較， 并進(jìn)行互相關(guān)值匹配。
3、 根據(jù)權(quán)利要求2所述的圖像匹配方法，其特征在于互相關(guān)值最大時(shí)的 搜索窗口位置決定模板圖像在待匹配圖像中的位置歸一化互相關(guān)系數(shù)的計(jì)算公 式如下式所示，<formula>formula see original document page 0</formula><formula>formula see original document page 0</formula>A"力表示在檢測圖像上以點(diǎn)&力為原點(diǎn)的搜索窗口內(nèi)的圖像和模板圖像的 歸一化互相關(guān)系數(shù)值，上述搜索窗口內(nèi)圖像是指在待檢測圖像上和模板圖像具 有相同大小的圖像塊；C(x + ""力是檢測圖像上坐標(biāo)為"+ Z，少+力像素點(diǎn)的灰度 值；5("')是點(diǎn)("力為原點(diǎn)的搜索窗口的圖像的灰度平均值；AU)是模板圖像 上坐標(biāo)為"力像素點(diǎn)的灰度值；^是模板圖像的平均灰度值；^和^的取值是模 板圖像所有像素點(diǎn)的坐標(biāo)值；i和j的取值范圍為搜索范圍所有像素的坐標(biāo)值。
全文摘要
本發(fā)明涉及一種圖像匹配方法，其包括以下步驟(1)利用圖像采集器采集待匹配圖像，并從圖像處理器中調(diào)出模板圖像；(2)將待匹配圖像和模板圖像在寬度和高度方向均縮小一倍；(3)重復(fù)步驟(2)，直到匹配圖像和模板圖像達(dá)到指定的尺寸，在縮小的圖像上使用灰度歸一化互相關(guān)匹配獲得最佳匹配位置(x，y)；(3)返回到上一級(jí)縮小一倍的圖像上在(2x-1～2x+1，2y-1～2y+1)范圍內(nèi)的9個(gè)搜索位置再進(jìn)行進(jìn)一步的匹配，獲得新的最佳匹配位置(x，y)；(4)重復(fù)步驟(2)，直到返回到第一級(jí)圖像，即原圖像，進(jìn)行最后的匹配，獲得的最佳匹配位置及匹配值。本發(fā)明匹配時(shí)間更短、計(jì)算量更小。
文檔編號(hào)G06T7/00GK101556695SQ20091003949
公開日2009年10月14日 申請日期2009年5月15日 優(yōu)先權(quán)日2009年5月15日
發(fā)明者江偉歡, 程良倫, 衷柳生, 偉 陳, 陳聰傳 申請人:廣東工業(yè)大學(xué)