[发明专利]一种基于场景全局特征的模板匹配方法

说明书

技术领域

本发明属于图像处理方法，具体涉及一种基于场景全局特征的模板 匹配方法，运用于根据目标模板检测图像中同类目标。

背景技术

模板匹配是图像处理中经典的方法，其中模板就是一幅已知的小图 像，在目标检测任务中模板是一个目标的实例；模板匹配就是在一幅大 图像中搜索目标，确定其坐标位置，在目标检测任务中就是要找到所有 的该类目标的实例，这个大图像称为场景图像。比如，我们在执行汽车 检测的任务，模板就是一幅汽车的图像，模板匹配就是根据这个模板的 信息在场景图像中找到所有的汽车，并确定其位置。

模板匹配的搜索过程就是将模板叠放在大图像上平移，模板覆盖被 搜索图的那个区域叫做子图。传统的模板匹配方法是基于灰度值的，即 通过度量模板与子图之间的灰度相关性来确定目标的位置，这种方法有 很大的局限性，比如光照变化等情况对于图像灰度值的影响是很大的。 因此有很多基于特征的模板匹配方法，利用模板与子图的特征之间的相 关性来确定目标位置，因为特征的鲁棒性，在一定程度上提高了匹配的 性能。基于特征的模板匹配方法已经在目标检测任务中得到广泛的应用。

模板匹配的方法非常简单，同时又非常的有效，但是模板匹配在目 标检测时还有很多地方可以改进。模板匹配的性能很大程度上依赖于特 征的性能，特征的分类性能越好模板匹配的效果也越好。以上所提及的 方法都是基于局部特征的，而局部特征在目标检测时也有一定的局限性， 比如目标被遮挡、目标姿态变化、同类目标的不同外观，目标视点变化 和成像条件很差等情况。

发明内容

本发明的目的是提出一种基于全局特征的模板匹配方法，把模板与 子图放到场景上下文中来度量模板与子图的相关性，提高目标检测的准 确性。

一种基于全局特征的模板匹配方法，具体步骤为：

(1)计算场景图像的特征H(k)，1≤k≤K₀，K₀为特征维度；

(2)对场景图像逐像素点遍历提取与模板图像相同区域范围的搜索 子图，计算每个搜索子图与模板图像的相关性；

相关性计算方法具体为：在遍历像素点(i，j)，将其对应搜索子图S(i，j) 的内容替换为模板图像中的内容，并计算替换后对应场景图像的全局特 征G_i，j(k)，计算搜索子图S(i，j)与模板图像的相关性：

(3)在场景图像中，依据搜索子图与模板图像的相关性越大，该搜 索子图对应的遍历像素点成为目标点可能性越大的准则选取候选目标像 素点；

(4)对于每一个候选目标像素点，在场景图像中以其为中心选取局 部感兴趣区，若局部感兴趣区内该候选目标像素点对应的相关性大于该 区内其它像素点对应的相关性，则确认该候选目标点为最终目标点。

本发明采用的搜索过程中，利用全局特征来度量模板和子图的相关 性，其中全局特征是通过把模板和子图的相关性放到场景后计算整个场 景的特征得到的，基于全局特征的模板匹配方法比传统的使用局部特征 (模板和子图范围内的特征)的模板匹配方法可以更准确的检测到目标， 本发明中使用的全局特征是整个场景的特征，带有一定的语义信息，使 得目标检测的准确性提高；本发明采用的确定位置的过程充分利用了周 围的相关性的信息，得到了更精确的目标位置信息。

附图说明

图1是本发明流程图；

图2是模板图像；

图3是场景图像；

图4搜索过程中，位置为(20，30)时的示意图；

图5是位置为(20，30)时替换后的场景图像；

图6是将相关性结果显示为位图；

图7是对相关性结果阈值分割后结果；

图8是检测结果图像；

图9是梯度方向角量化示意图；

图10是图像分为两层的示意图。

具体实施方式

本发明步骤流程如图1所示，现举例说明：

给出实际的模板图像T(m，n)和场景图像F(x，y)，分别如图2和图3所 示，其中1≤m≤M，1≤n≤N，1≤x≤W，1≤y≤H，模板图像的宽度M＝138 和高度N＝69，场景图像的宽度W＝256和高度H＝256。

(1)计算场景图像的特征