[发明专利]一种二维图像的匹配效果评价方法

摘要

本发明涉及光学测量、目标识别领域，特别是涉及一种二维图像的匹配效果评价方法。该方法是一个包含6个参数的评价指标体系，其中，简单信噪比越大主峰被漏检的可能越小；主峰底部截面面积越大越容易搜索到主峰；适中的主峰准峰顶截面面积和较大的主峰平滑系数有利于获得较高的匹配精度，平均计算时间越小匹配越快，匹配绝对误差向量模的均值越小匹配的精度越高。灵活运用六个评价指标可利用小范围实验数据辅助确定最佳相关测度函数、最佳搜索算法、最佳亚像素插值方法等，最大限度减少低效率匹配运算，优化匹配质量。

主权项

1.一种二维图像的匹配效果评价方法，其特征在于：步骤如下：(1)设I={I(i，j)|1≤i≤m，1≤j≤n}为原始图像，f={f(i，j)|f(i，j)=I(i，j)，m₁≤i≤m₂，n₁≤j≤n₂}为从所述的原始图像中截取的图像模板，T={T(i′，j′)|1≤i′≤k，1≤j′≤l}为目标图像，在T中截取目标子域g={g(i′，j′)|g(i′，j′)=T(i′，j′)，k₁≤i′≤k₂，l₁≤j′≤l₂}，当所述的原始图像与目标图像拍摄尺度相同时，k₂-k₁=m₂-m₁且l₂-l₁=n₂-n₁；(2)将所述的图像模板f和目标子域g进行比较时，对应点处的灰度值分别为f(i，j)和g(i+u，j+v)，其中u=k₁-m₁，v=l₁-n₁，(u，v)为g与f的像间相对位移矢量，将g表示为g_(u,v)，根据相应的相关算法，建立图像间的相关测度C，计算g与f的相关测度值，记作C(u，v)；改变u及v值，就是在T中选取不同的目标子域，各目标子域相对于f的相关测度值构成了相关测度函数C=C(u，v)；(3)计算以下六个评价指标：①简单信噪比其中C_m为相关测度函数最大值，该相关测度函数最大值为理论值或观测平均值，为主峰外相关测度函数均值，σ_C为主峰外相关测度函数标准差；②主峰底部截面面积S_L，边界取为使的等高线；③主峰准峰顶截面面积S_T，边界取为使C=C_T=C_L+0.7(C_m-C_L)=0.7C_m+0.3C_L的等高线；④曲面主峰平滑系数定义为其中(i=L，M，H，T)为各等高面归一化圆度，S_i为函数C的曲面的第i个等高面面积，L_i为函数C的曲面的第i个等高线周长，F_L对应的相关测度函数的值为C_L，F_T对应的相关测度函数的值为C_T，F_M对应的相关测度函数的值为C_M=C_L+0.2(C_m-C_L)=0.2C_m+0.8C_L，F_H对应的相关测度函数的值为C_H=C_L+0.4(C_m-C_L)=0.4C_m+0.6C_L；⑤平均计算时间为完成一次图像匹配的平均时间，在不考虑搜索算法及插值计算时采用计算一次测度函数值的平均时间其单位取为CPU时间；⑥匹配绝对误差向量模的均值其单位为像素值或换算为实际距离值；所述的评价指标①～④均为关于(m₁，m₂，n₁，n₂)^T的随机变量，对评价指标①～④的计算为根据经验采样50次以上计算的均值；(4)根据所述步骤(3)中的6个评价指标对二维图像的匹配效果进行评价的评价标准为：①SSNR在其预设范围内越大越好，越大的SSNR意味着主峰越突出，用阈值法定位主峰越容易；②S_L在其预设范围内越大越好，该指标越大，用随机搜索法、遗传算法越容易搜索到主峰，即有利于提高搜索到主峰的速度；当目标图像相对于原始图像在任意方向上变形率小于1％时，取a₀=2.5；当目标图像相对于原始图像在至少一个方向上变形率>1％或图像信噪比<40dB时，取a₀=2.0筛选主峰；③较大的SSNR和较小的S_T的意味着对模板较可靠的识别，较小的S_T指S_T的取值范围为6～8像素，较大的SSNR指SSNR>3；④越大越好，⑤越小越好，⑥越小越好，缺少图像的理论模型时不计算，(5)根据步骤(4)中的评价标准，对二维图像的匹配效果进行评价，进行的工作包括：①在其余条件相同的情况下选择不同测度函数进行匹配实验，根据评价指标的表现选择最合适的测度函数；②在其余条件相同的情况下选择不同模板形状及尺度进行匹配实验，根据评价指标的表现确定最合适的模板形状及尺度；③在其余条件相同的情况下选择不同的搜索方法搜索最佳匹配点，根据评价指标的表现对选择最合适的搜索方法；④将以上三项工作中的至少两项组合在一起统一完成。