[发明专利]基于归一化互相关模板匹配的目标区域精准定位方法

权利要求书

1.一种基于归一化互相关模板匹配的目标区域精准定位方法，其特征在于，

依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置；

具体步骤如下：

步骤一、设置归一化互相关(NCC)算法参数，设：惯性因子w＝0.5，权重系数r₁以及权重系数r₂均为0到1之间的随机数，学习因子c₁＝c₂＝2；粒子数量选取为120，最大运行步数设定为5000步；设定关联度比率Cr，在实际应用中依据不同的应用场合设定不同的关联度比率Cr；最高匹配度η_max＝0.96；设定目标图案的数量为z，z为常数；初始化粒子在原始图像中的坐标位置为(x,y)，利用式(1)计算初始粒子的归一化互相关(NCC)值：

式(1)中，模板大小为m*n像素，为模板对应到原始图像中区域的平均灰度值，f(x+i,y+j)表示原始图像中(x+i,y+j)点的像素值；为模板图像的平均灰度值，w(x,y)为模板图像中(x,y)点的像素值；

步骤二、利用式(2)计算每个粒子的边界偏相关(BPC)值：

式(2)中，为上限函数；其中：

式(3)中，pp＝Cr×m-1；

式(2)中，由原始图像和模板图像的像素值计算得到；

判断式(4)是否成立，若成立进行步骤四，否则，进行步骤三；

步骤三、利用式(1)计算该粒子的归一化互相关(NCC)值，然后进行步骤二；

步骤四、将步骤一中根据初始化粒子在原始图像中的坐标位置求得的最大的归一化互相关(NCC)值作最优值，依据式(5)和式(6)所示的粒子群优化(PSO)算法更新粒子的位置信息和速度信息，

V_i(t+1)＝wV_i(t)+c₁r₁(P_i(t)-X_i(t))+c₂r₂(g_best(t)-X_i(t)) (5)

X_i(t+1)＝X_i(t)+V_i(t+1) (6)

式(5)和式(6)中，V_i(t)，V_i(t+1)分别是第i个粒子在t次迭代和t+1迭代的速度；P_i(t)是第i个粒子在t次迭代中找到的最优解；g_best(t)是所有粒子在t次迭代中找到的最优解；X_i(t)和X_i(t+1)分别是第i个粒子在t次迭代和t+1迭代的位置信息；

步骤五、设定相似度的阈值为0.98，记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量，所记录的粒子的坐标位置即为搜索到的目标图像的位置；

步骤六、步骤五中记录的粒子数量等于z则找到了所有的目标图像，判断是否找到了所有的目标图像或是运行步数是否达到了设定的最大运行步数，若满足，进行步骤七，否则，返回步骤二，继续更新搜索粒子的位置信息和速度信息；

步骤七、将搜索到的目标图像输出，在原始图像中标记目标图像的位置。