[发明专利]空间关系约束的多子区匹配方法

说明书

技术领域

本发明属于数字图像匹配技术领域，具体涉及一种图像多子区匹配方法。

背景技术

随着科学技术尤其是计算机技术的迅速发展，使得直接从图像中获取信息的图像处理技术得到了飞速的发展，图像匹配是计算机视觉和图像处理中非常重要的技术之一。

图像匹配就是在一幅或者多幅未知的图像中，通过匹配计算寻找和已知的模式相对应的子图的过程。目前，图像匹配技术广泛的应用在军事、工业、遥感、医学和机器视觉等各个领域。

在实际的图像匹配应用中，需要选择合适大小的模板。但是，在匹配计算中，如果增大模板图，匹配的计算量会剧烈的增加，导致无法适应实时性要求较高的场合，如果为了减少计算量而减小模板的大小，则会影响匹配的正确率和精度。在对实时性要求较高的应用场合，有的时候不得不为了保证实时性而降低匹配的正确率和精度。

在最近的技术中，也有较多采用了模板匹配的类似方法，比如在明，田等人的《红外前视对一类特殊建筑目标识别技术研究》（出自《宇航学报》2010年4月第31卷第4期）一文，针对红外/可见光多模图像匹配的特点,提出了基于梯度矢量相关系数的计算方法，对于梯度强度相关系数计算方法丢失了梯度方向信息的缺点，该方法使用梯度矢量场来进行匹配，避免了方向信息的丢失，采用大模板匹配的相似性测度，使匹配性能有较大的提高。但是在实时性要求较高的场合，该方法会有所欠缺，无法在较短的计算时间内充分利用模板的重要信息，达到快速计算的效果。

现有的提高匹配速度的方法难以保证较好的匹配性能，要么是匹配的正确率和精度相对于未提速的匹配算法相差较大，要么是对匹配速度提高的稳定性较差，在某些情况下能够减少较多的计算量，提高较多的匹配速度，但是在某些情况下几乎不能减少计算量，即提速后的匹配算法和未提速的匹配算法的计算速度基本差不多。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于空间关系约束的多子区匹配方法，其目的在于通过将一个大模板拆分为若干个较小的子模板，每个子模板保持和大模板一样的位置关系，由此解决在保证匹配正确率和精度的情况下，减少计算量达到提高运算速度的技术问题。

为实现本发明的目的所采取的具体技术方案如下：

（1）选取子区

将属于大区域中的若干小区域称作子区，在模板上选取若干个子区，该子区也即作为子模板。

子区选择的原则一般是选取角点、线特征明显、具有有别于其他子区或者具有一定区分度的区域，尽量避免重复模式较多的区域。每个子区的大小不宜太小，否则在有尺度或者角度误差的时候对匹配的精度和正确率会有较大的影响。子区选择时应注意空间关系约束，各个子区选择不要相邻太近，应使这些子区可包含大模板大部分信息，这样也可以减少误差，提高匹配精度。

（2）计算子区空间位置关系

子区之间的空间位置关系是通过模板图计算得来的。计算方法如下：

先以任意一个子区作为基准，以基准子区中的任一点（例如可以用左上角点或者中心点）为坐标原点，通过计算其它子区相应点与该基准子区上的该任一点的距离，得到其它子区的坐标点，从而获得其他各子区与基准子区的空间位置关系。

由于计算的是各个子区的相对位置关系，子区之间的位置关系是固定的，因此无论选取哪一个子区作为基准，各个子区间的空间位置关系不变，对匹配性能没有影响。

（3）匹配计算

匹配即指在待匹配的实时图中，利用基准图中的子区搜索到相同或最相近的匹配区域。在进行匹配计算时，保持各个子区空间位置关系不变将各子模板同时在待匹配图像上移动以进行匹配。匹配程度通过相似度来衡量，匹配过程即是计算相似度的过程。

计算相似度的时候，可以采用单独计算每个子区的相似度值，然后再将每个子区的相似度（置信度）值相加起来，得到一个相似度值之和，该相似度值作为衡量上述多个子区构成的区域的相似程度。

相似度的计算有许多成熟的方法，现在就归一化互相关法说明如何计算一个子区的相似度值R。

归一化互相关法(Normal cross—correlation简称NCC)的计算如公式（1）：