9.6图像匹配(数字图像处理,清华大学出版社).ppt.ppt

图像匹配 图像匹配 * *Company Logo 图像匹配 9.6 图像匹配 所谓图像匹配，就是指将不同时间、不同成像条件下对同一物体或场景获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图像中寻找相应的模式。 早期的图像匹配技术主要用于几何校正后的多波段遥感图像的匹配，借助于对互相关函数求极值来实现。 图像匹配包括模板匹配、直方图匹配、形状匹配等多种匹配方法，图像匹配技术已经在许多方面得到了广泛的应用。但三维图像匹配依然是一个值得深入研究的课题。 9.6.1 模板匹配 模板匹配是指用一个较小的图像，即模板与源图像进行比较， 以确定在源图像中是否存在与该模板相同或相似的区域，若该区域存在，还可确定其位置并提取该区域。 模板匹配常用的一种测度模板与原图像对应区域的误差平方和。设f(x, y)为M×N的原图像，t (j, k)为J×K(J≤M，K≤N)的模板图像，则误差平方和测度定义为 将上式展开可得 (9-27) 9.6.1 模板匹配 令 9.6.1 模板匹配 DS(x,y)称为原图像中与模板对应区域的能量,它与像素位置(x,y)有关，但随像素位置(x,y)的变化，DS(x,y)变化缓慢。 DST(x,y)称为模板与原图像对应区域的互相关,它随像素位置(x,y)的变化而变化，当模板t(j,k)和原图像中对应区域相匹配时取得最大值。 DT(x,y)称为模板的能量，它与图像像素位置(x,y)无关，只用计算一次即可。 9.6.1 模板匹配 上述分析，若设DS(x, y)也为常数，则用DST(x, y)便可进行图像匹配，当DST(x, y)取最大值时，便可认为模板与图像是匹配的。但假设DS(x, y)为常数会产生误差，严重时将无法正确地完成匹配，因此可用归一化互相关作为误差平方和测度，其定义为 (9-30) 9.6.1 模板匹配 图9-27给出了模板匹配的示意图，其中假设原图像f(x,y)和模板图像t(k,l)的原点都在左上角。对任何一个f(x,y)中的像素点(x,y)，根据式（9-30）都可以算得一个R(x,y)值。 当x和y变化时，t(j,k)在原图像区域中移动并得出R(x,y)所有值。R(x,y)的最大值便指出了与t(j,k)匹配的最佳位置，若从该位置开始在原图像中取出与模板大小相同的一个区域，便可得到匹配图像。 9.6.1 模板匹配 图9-27 模板匹配示意图 9.6.1 模板匹配 用归一化互相关求匹配的计算工作量非常大，因为模板要在(M－J＋1)×(N－K＋1)个参考位置上做相关计算，其中，除最佳匹配点外， 其余做的都是无效运算，所以有必要对其进行改进，以提高运算速度。常用的方法有序贯相似性检测算法、幅度排序相关算法、FFT相关算法、分层有哪些信誉好的足球投注网站序贯判决算法等。 模板匹配的主要局限性在于它只能进行平行移动，如原图像中要匹配的目标发生旋转或大小变化，该算法无效。 如原图像中要匹配的目标只有部分可见，该算法也无法完成匹配。 应用模板进行匹配时应注意几点： 9.6.1 模板匹配 9.6.1 模板匹配 模板匹配法结果图 9.6.1 模板匹配 平方差匹配 标准平方差匹配 相关匹配2 标准相关匹配2 9.6.2 直方图匹配 颜色是描述图像内容的一个重要特征。人们已经提出了多种借助颜色特征对图像进行检索的方法。 常用的颜色空间有R、G、B和H、S、I（色调、饱和度和强度 ）。实际上，利用H、S、I颜色空间进行检索的效果更好一些，但以下讨论主要以R、G、B空间为例。 要利用图像的颜色特征描述图像，可借助图像特征的统计直方图。利用直方图进行图像的匹配，这便是直方图匹配。 1. 直方图相交法 设HQ(k)和HD(k)分别为查询图像Q和数据库图像D的特征统计直方图，则两图像之间的匹配值d(Q, D)为 (9-31) 9.6.2 直方图匹配 2. 欧几里得距离法 为减少计算量，可采用直方图的均值来粗略地表达颜色信息，对图像的R、G、B三个分量，匹配的特征矢量f是 式中, μR、μG、μB分别是R、G、B三个分量直方图的0阶距。此时查询图像Q和数据库图像D之间的匹配值为 (9-32) 9.6.2 直方图匹配 3. 参考颜色法 欧几里得距离法太粗糙，直方图相交法计算量太大，一种折衷的方法是将图像颜色用一组参考色表示，这组参考色应能覆盖视觉上可感受到的各种颜色。参考色的数量要比原图像少， 这样可计算简化的直方图， 所以匹配的特征矢量 f=［r1, r2，…，rN］T 式中：ri是第i种颜色出现的频率，N是参考颜色表的尺寸。加权后的查询图像Q和数据库图像D之间的匹配值为 (9-33) 9.6.2 直方图匹配 式中： 9.6.2 直方图匹配 4. 中心矩法