[发明专利]一种基于Log-Polar变换的图像快速匹配算法

说明书

本发明属于机器视觉技术领域，具体涉及一种基于Log‑Polar变换的图像快速匹配算法，包括以下步骤：S1、对模板图像和目标图像分别进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像称为底层图像，最小分辨率的图像简称为顶层图像；S2、分别对模板图像的金字塔顶层图像、目标图像的金字塔顶层图像进行Log‑Polar变换；S3、计算出模板图形的灰度均值，灰度积分，灰度平方的积分值。该算法利用Log‑Polar变换来解决笛卡尔坐标系中的尺度和旋转问题，再利用NCC实现图像的快速匹配。

技术领域

本发明属于机器视觉技术领域，具体涉及一种基于Log-Polar变换的图像快速匹配算法。

背景技术

机器视觉就是用机器代替人眼来做测量和判断。通过特定的设备摄取目标信息并转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，进行各种运算来抽取目标的特征，并根据特征给出测量、判断和识别的结果。

在机器视觉中，图像定位是图像处理领域的一个基础问题，在机器人定位抓取，图像拼接，目标识别与定位，产品质量检测等方面，其中图像匹配算法是图像定位中一项重要的技术。在过去的几十年中，广大研究者提出了大量图像匹配算法，例如有基于灰度的、或互信息的、或局部描述子的方法等等，其中基于灰度的方法常见的有计算图像之间灰度差值的绝对值总和(Sum of Absolute Differences,SAD)或所有差值的平方和(Sum ofSquared Difference,SSD)以及(Normliazed Cross Correlation,NCC)，其中SAD和SSD计算速度较快，但是光照存在变化的情况不能使用；NCC具有光照不变性，但是计算量大；而互信息是信息论中的概念不需要两幅图像的灰度关系，也不需要图像进行预处理，从图像的统计信息出发，主要应用于医学图像和遥感图像；而局部描述子如SIFT特征、Shapecontext,对尺度、旋转变化具有不变性，但是对噪声比较敏感；因此到目前为止，高精度和变形的快速图像匹配算法仍然是研究的热点。在笛卡尔坐标系下，为了精确的定位目标，需要做大量的尺度与角度的变换，每一次对应的变换还需要对应一次平移搜索，包含了大量的计算，这种算法效率低，亟需改进。

发明内容

本发明的目的在于：给出一种基于Log-Polar变换的图像快速匹配算法，利用Log-Polar变换来解决模板图像与目标图像间存在的尺度和旋转问题，再利用NCC实现图像的快速匹配。

为实现上述目的，本发明采用如下技术方案：

一种用于基于Log-Polar变换的图像快速匹配算法，

包括以下步骤：

S1、对模板图像和目标图像分别进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像称为底层图像，最小分辨率的图像简称为顶层图像；

S2、分别对模板图像的金字塔顶层图像、目标图像的金字塔顶层图像进行Log-Polar变换；

S3、计算出模板图形的灰度均值，灰度积分，灰度平方的积分值；

S4、对顶层的目标图像进行全局遍历，目标位置的灰度方差低于某个阈值，则该位置不参与相似度的计算，对于灰度方差满足要求的位置则计算NCC系数，数值越大说明相似度越高，然后利用非极大值抑制确定位置、尺度、角度等信息；

S5、对上述目标位置，尺度，角度以及一定动态范围内再重复进行相似度的计算，直到0层；

S6、进行迭代搜索，直至相似度收敛到局部极值或迭代次数达到指定值，最后进行拟合得到高精度的结果。