一种改进的Hausdorff距离的图像匹配算法仿真分析.pdfVIP

维普资讯 第 39卷 第 7期 _彖 北 农 业 大 学 学 报 39(7、：123-126 2008年 7月 JoumM ofNortheastA cultur~Unive~ity July2008 文章编号 1005—9369(2008)07—0123—04 一 种改进的Hausdorff距离的图像匹配算法仿真分析 康建新 (东北农业大学工程学院，哈尔滨 150030) 摘 要：在农作物病虫害的图像诊断中，应用基于Hausdorff距离的边缘图像匹配算法可简便计算。但 Haus— dorff距离缺点是不能处理 目标被遮掩和外部点存在的情形，鲁棒性不足。针对传统Hausdorff距离匹配算法的缺 点，引入一种改进的Hausdorff距离算法。改进的Hausdorff距离匹配算法可以对有噪声、遮掩、分辨率降低和水 平角度旋转的图像进行很好的匹配。通过仿真，证明了改进的Hausdorff算法具有更强的鲁棒性和适应性 ，能在有 畸变的图像 中估计出最佳的匹配位置。 关键词：Hausdorff距离；距离变换；图像匹配 中图分类号：TP391．41 文献标识码：A 外部点存在的图像匹配能力是较差的。通过合适的 1 Hausdorff距离匹配算法的数学描 修整，Huttenlocher在 1993年提出了部分Hausdroff 述 距离l1的概念，其定义为： 在农作物病虫害的图像诊断中，可以利用 (B，A)= dminlIa-blI (2) Hausdorff距离边缘匹配算法简化图像匹配的计算。 其意义是对于B中每一个点，计算它到A的 Hausdorff距离边缘匹配算法是将提取的边缘作为 最近距离，将这些距离值从小到大排列，其最大值 特征点集 ，采用 Hausdorff距离作为评价两个点集 即为 Hausdorff距离h(B，A)，其第K个值即为部 之间相似性的度量 ，从而构成了一类匹配算法。 分 Hausdorff距离 k(B，A)。令 B中点的个数为 Hausdorff距离是一种定义于两个点集上的最大最 g，则K=Drlq】，其中Ofil。 小距离l。给定有限的两个点集A和B，其Haus— 上述算法可以有效地处理图像 目标发生遮掩和 d0rff距离定义为： 外部点存在的情形，但在存在对较大的旋转、缩放 H(A，B)=max[h(A，B)，h(B，A)1 (1) 等变换的情况下，不能得到满意的匹配结果。 其中，h(A，B)=maxminiI8—6II，I10一bII是两 点之间的欧式距离，mini10一bII表示对点集A 中的 2 改进的Hausdorff距离算法 每一个a，找到它到点集B的距离，h(A，B)表示 部分 Hausdorff距离定义在边缘特征点集上 ， 点集 A的点到点集B的距离的最大值，如果该值 与图像特征提取准确性密切相关 ，由于图像本身 为d，则说明每一个点集A 中的点离B中至少一 禽有较大的噪声影响，所 以在进行图像匹配时必 个点的距离不大于 d，而且A中至少有一个点，它 须想办法减小 噪声 的影响。而传统 的Hausdorff 到B的距离恰好为d。所以Hausdroff距离表征了 距离对减少整幅图像 中的噪声抵抗力较弱。因此 两个点集之间的最不相似程度，采用 Hau—sdofff距