專利名稱：基于樹分解的非標準模板圖像匹配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于樹分解的非標準模板圖像匹配方法，屬于電子信息技術(shù)領(lǐng)域。
背景技術(shù)：
模板匹配是一種在待檢測圖像中尋找與已知模板相匹配區(qū)域的方法。它被廣泛地應用于信號處理，計算機視覺，圖像和視頻處理。最原始的模板匹配方法是直接計算模板與待檢測圖像中所有大小相同的候選區(qū)域之間的相似度，并取相似度最大的候選區(qū)域作為最佳的匹配結(jié)果。但是這樣做的運算量較大，時間復雜度較高，在實際應用中效率很低。為此，提出了許多有效的改進方法，其中包括基于正交Haar變換的快速模板匹配方法，它利用正交Haar變換把模板和候選區(qū)域進行相應的映射，通過閾值比較對候選窗口進行篩選。該方 法能夠獲得較高的準確性和較快的匹配速度，但是它有一個致命的缺陷，即它只能處理高和寬都相等的且大小為2的冪次的標準模板圖像，而對于非2的冪次的模板圖像將無法處理。本發(fā)明的算法主要針對處理非2的冪次的模板圖像，也正好彌補了基于正交Haar變換的快速模板匹配方法的一大缺陷。利用本發(fā)明將可以處理任意大小的模板圖像，并且都能獲得很好的匹配效果。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種基于樹分解的非標準模板圖像匹配方法，其主要的步驟如下步驟I、讀入模板圖像T，及待檢測圖像E，若T和E為彩色圖像則將它們轉(zhuǎn)化為灰度圖像，轉(zhuǎn)化后的灰度圖像仍用T和E分別表示模板圖像和待檢測圖像；同時分別計算T和E的積分圖矩陣^和Ie，積分圖矩陣的計算可以使用列優(yōu)先處理的方法，或行優(yōu)先處理的方法;步驟2、計算待檢測圖像E的條形和矩陣SE，Se的計算與T的高度Ht有關(guān)；條形和矩陣sE中任意位置(x，y)的值記Sse (x，y)，其表示左上角坐標為(1，0)，高為知寬為7的區(qū)域像素之和，該值可以利用積分圖矩陣Ie快速得到，如下
,(、J IAH1-Ky)-V = O
SF(x, v) = 1“ ，
l4(x + //r-l，>’)-4(X-l，y)其它其中O彡X彡He — 1，O彡y彡We — 1，He和We分別為E的高和寬；步驟4、任意(x，y)位置上的候選窗口，即表示將模板T的左上角坐標放置在待檢測圖像E中(x，y)位置上時，T所覆蓋的區(qū)域，其中He — l，0<y<WE— 1，仏和We分別為E的高和寬；利用條形和矩陣Se可以快速計算出該候選窗口的特征值，記為f(x，
y)，計算公式如下
權(quán)利要求
1.一種基于樹分解的非標準模板圖像匹配方法，其特征在于，依次包括以下步驟 步驟I、讀入模板圖像T，及待檢測圖像E，若T和E為彩色圖像則將它們轉(zhuǎn)化為灰度圖像，轉(zhuǎn)化后的灰度圖像仍用T和E分別表示模板圖像和待檢測圖像；同時分別計算T和E的積分圖矩陣1:和Ie，積分圖矩陣的計算可以使用列優(yōu)先處理的方法，或行優(yōu)先處理的方法；步驟2、計算待檢測圖像E的條形和矩陣SE，Se的計算與T的高度Ht有關(guān)；條形和矩陣Se中任意位置(x，y)的值記為Se (X, y),其表示左上角坐標為(x, O),高為Ht,寬為y的區(qū)域像素之和，該值可以利用積分圖矩陣Ie快速得到，如下 f Ιε(Ητ-1,ν)X = OjM |/￡(x + iir-lj；)-/￡(x-l,v)其它 其中O彡X彡He — 1，0彡y彡We — 1，He和We分別為E的高和寬； 步驟4、任意(x，y)位置上的候選窗口，即表示將模板T的左上角坐標放置在待檢測圖像E中(x，y)位置上時，T所覆蓋的區(qū)域，其中O彡x<He— 1,0 ^ y ^We- 1，仏和^分別為E的高和寬；利用條形和矩陣Se可以快速計算出該候選窗口的特征值，記為f(x，y),計算公式如下\SE(x,y + WT-l)-S￡(x,y-i)其它 其中Wt表示T的寬； 此夕卜，記模板T的特征值為fT，它等于T的所有像素值之和；若I fT — f (X，y) I〈threshold,則將(x, y)位置上的候選窗口保存至候選窗口集C中；并處理下一位置上的候選窗口，直至所有的候選窗口都被處理完成為止，即E中所有可能被T覆蓋的區(qū)域均被處理過為止；其中threshold為設(shè)定的閾值，它可以取為[a, 2a]范圍內(nèi)的某個值a=HTXWT，Ht和Wt分別表示模板T的高和寬，以下出現(xiàn)的threshold均與此意義相同；將T及C中的每個候選窗口看成獨立的區(qū)域塊，并進行以下步驟的處理； 步驟5、將模板T進行高折半劃分，這樣將把T的每個區(qū)域塊劃分為上下兩個新的子區(qū)域塊；若記劃分前區(qū)域塊的像素和為P ;劃分后可以利用T的積分圖矩陣^計算出其中一個新子區(qū)域的像素和，記為r ;則劃分出來的另一個新子區(qū)域的像素和為P - r ;并且，這樣的兩個上下子區(qū)域的像素和之差，將構(gòu)成T的第一類特征向量的一個分量，其值為(P — r)-r = P — 2r ；接著，將T進行寬折半劃分，這樣將把T的每個區(qū)域塊劃分為左右兩個新的子區(qū)域塊；若仍記劃分前區(qū)域塊的像素和為P ;劃分后利用T的積分圖矩陣It計算出其中一個新子區(qū)域的像素和，仍記為r ;則劃分出來的另一個新子區(qū)域的像素和也可以由P - r得到；并且，這樣的兩個左右子區(qū)域的像素和之差，將構(gòu)成T的第二類特征向量的一個分量，其值為(P — r) — r = P — 2r ； 這樣對T高和寬進行的一次劃分處理稱為一趟劃分，重復對T進行高和寬劃分，并記第i趟高劃分后得到的第一類特征向量為fTi(i)，第i趟寬劃分后得到的第二類特征向量為fT2(i);若在第k趟劃分時，T中有區(qū)域塊的高不能進行折半劃分，即有某個區(qū)域塊的高為1， 則令T的第一類特征向量fTl(k)=0，其中O表示零向量；若在第k趟劃分時，T中有區(qū)域塊的寬不能進行折半劃分，即有某個區(qū)域塊的寬為1，則令T的第二類特征向量fT2(k)=0 ;每一趟劃分處理均在上一趟劃分的基礎(chǔ)上進行，直至模板T中即存在高為1，又存在寬為I的區(qū)域塊； 步驟6、對C中所有的候選窗口進行劃分處理，并對它進行篩選判斷，即步驟6. I、對C中任意(x，y)位置上的候選窗口進行第i趟劃分，初始時i = 1，即先對它進行高折半劃分，使得每個區(qū)域塊被劃分為上下的兩個子區(qū)域塊，并計算得到它的第一類特征向量；再對它進行寬折半劃分，使得每個區(qū)域塊被劃分為左右的兩個子區(qū)域塊，并計算得到它的第二類特征向量；這里，令fl(i)(X，y)表示C中任意(x，y)位置上的候選窗口，在進行第i趟劃分時，高劃分得到的第一類特征向量；若(x，y)位置上的候選窗口的高不能再進行劃分，即它存在某個區(qū)域塊的高為1，則令fl⑴(x，y)=0，其中O表示零向量；同時，令f2(i) (x,y)表示C中任意(x，y)位置上的候選窗口，在進行第i趟劃分時，寬劃分得到的第二類特征向量；若(X，y)位置上的候選窗口的寬不能再進行劃分，即它存在某個區(qū)域塊的寬為1，則令f2⑴(x,y)=0 ； 步驟6. 2、對劃分后的候選窗口進行篩選判斷，即對于C中任意(X，y)位置上的候選窗口，在第 i 趟劃分后，若 |fTl ⑴一H ⑴(X，y) I2Hhreshold2 或 |fT2(i) — f2(i) (x,y) 12Hhreshold2,貝U從C中將該候選窗口剔除,其中符號| · |表示對向量取模運算； 步驟6. 3、對下一個未被處理的候選窗口進行劃分處理，并對它進行篩選判斷，即轉(zhuǎn)至步驟6. I并對未被處理的候選窗口進行劃分處理，直至C中所包含的候選窗口均被處理完為止；然后判斷，若C中剩余的候選窗口數(shù)量多于給定的限制量N，且C中剩余的候選窗口仍可以進行高或?qū)捳郯雱澐?，即?jīng)過第i趟劃分后，C中剩余的候選窗口不同時存在高為I或?qū)挒镮的區(qū)域塊，則對C中剩余的候選窗口進行第i+Ι趟劃分，并對它們進行判斷篩選，即令i的值加1，并轉(zhuǎn)至步驟6. I ;其中iV二「 x r￡χ φ/ αl，HE和WE分別為待檢測圖像E的高和寬，alpha可以取為
范圍內(nèi)的某個值，符號「·~|表示向上取整運算； 步驟7、若C中不包含任何元素，則返回匹配失敗信息；否則若C中包含不唯一的元素，則使用全搜索的方法，即通過計算C中剩余的每個候選窗口與模板T之間的相似度，并從中選出最相似的候選窗口作為最佳的匹配結(jié)果，其中相似度的度量方式可以選擇歸一化的相關(guān)系數(shù)或歸一化平方差之和；否則返回C中唯一的元素，即最佳匹配的候選窗口。
全文摘要
本發(fā)明公開了一種基于樹分解的非標準模板圖像匹配技術(shù)，依次包括以下步驟利用條形和計算區(qū)域特征值的方法對所有候選窗口進行初步篩選；再對候選窗口的高和寬進行折半劃分，并利用前一次劃分的結(jié)果計算候選窗口的新區(qū)域特征值，通過與模板圖像相應的區(qū)域特征值進行比較，對候選窗口進行篩選；如此處理，直至候選窗口的高或?qū)挾疾荒茉龠M行劃分為止；最后，采用全搜索的方法從剩余的候選窗口中找出最佳匹配的候選窗口。在劃分過程中，只要模板和候選窗口的高或?qū)捜阅苓M行劃分處理，算法都會繼續(xù)進行劃分處理，因此它能適應高和寬不相等的非標準模板圖像匹配。而在劃分過程中，使用了基于樹分解的區(qū)域特征計算技術(shù)，避免了大量重復的計算，從而提高了匹配的速度，也使得本發(fā)明有了更廣泛的適應性。
文檔編號G06T7/00GK102842129SQ20121016450
公開日2012年12月26日 申請日期2012年5月24日 優(yōu)先權(quán)日2012年5月24日
發(fā)明者李玉鑑, 李厚君, 謝歡曦 申請人:北京工業(yè)大學