圖像識別匹配技術原理要點-資料下載頁

　　

【正文】 次與模板進行比較，其最小差值所對應的列就是最佳匹配。 實驗結果和分析以下是光照效果由弱到強的比值匹配仿真實驗結果圖。比值匹配和線匹配相比不同之處是通過不同亮度的調節可檢測到配準參數，由此可以看出它們的區別。比值匹配是利用兩條線段的比值進行匹配。灰度比值匹配法較線匹配法多了一項光照對平移參數的影響，下面我們以平移參數為主，著重研究輸入圖像存在亮度差異時，仿真圖像配準的實驗效果。%時的配準效果圖。 Lena灰度比值匹配圖（亮度差異20%）+5%時的配準效果圖。 Lena灰度比值匹配圖（亮度差異+5%）+20%時的配準效果圖。 Lena灰度比值匹配圖（亮度差異+20%）：(1)比值匹配法的優點:，容易理解，實現起來比較方便。，計算量小，速度快。(2) 比值匹配法的缺點:。只利用了兩條豎直的平行特征線段的像素的信息，沒有能夠充分利用了圖像重疊區域的大部分特征信息。雖然算法提到，在搜索圖中由左至右依次從間距相同的兩列上取出部分像素，計算其對應像素的比值，然后將這些比值依次與模版進行比較，好像是利用了搜索圖中的重疊區域的大部分圖像信息，但在參考圖像中，只是任意選擇了兩條特征線，沒有充分利用到參考圖像的重疊區域的特征信息。此算法對照片先進行垂直方向上的比較，然后再進行水平方向上的比較，這樣可以解決上下較小的錯開問題。在采集的時候只能使照相機在水平方向上移動。然而，有時候不可避免的照相機鏡頭會有小角度的旋轉，使得拍攝出來的照片有一定的旋轉，在這個算法中是無法解決的。而且對重疊區域無明顯特征的圖像，比較背景是海洋或者天空，這樣在選取特征模版的時候存在很大的問題。由于照片中存在大塊紋理相同的部分，所以與模版的差別就不大，這樣有很多匹配點，很容易造成誤匹配。算法中在參考圖像的重疊區域中取出兩列像素上的部分像素，并沒有給出選擇的限制。然而在利用拼接算法實現自動拼接的時候，如果選取的特征線不是很恰當，那么這樣的特征線算出來的模版就失去了作為模版的意義。同時，在確定特征線間距時，選的過大，則不能充分利用重疊區域的圖像信息。選擇的過小，則計算量太大。第5章 塊匹配法 塊匹配法基本介紹及原理塊匹配法[13]是指將待配準圖像的正方形區域的像素的集合作為模板。塊匹配法是以一幅圖像重疊區域中的一塊作為模板，在另一幅圖像中搜索與此模板最相似的匹配塊，這種算法精度較高，但計算量過大。灰度信息包含了最大量的圖像信息，而邊緣信息則反映了圖像內在的性質，它不易受外界光照條件的影響而產生劇烈的變化。因此相比灰度信息，邊緣信息，使得其抗灰度和幾何畸變能力強，采用邊緣信息構建模板在圖像拼接[17]中可獲得更加可靠的穩定性。因此我們以圖像的邊緣為特征尋找基準塊。應用塊匹配算法，首先要有搜索最佳匹配的標準，這里稱之為價值函數：均方誤差(MSE)、絕對誤差和(SAD)、平均絕對誤差(MAD)、方差和(SSE)、絕對變化誤差和(SATD)都可以作為價值函數。其中常用的是均方誤差(MSE)和平均絕對誤差(MAD)，如方程(1)和(2)。其中 為塊邊長像素數（為方便搜索塊一般劃分為正方形），和分別為當前宏塊和參考宏塊相應像素的灰度。， （）， （）具體步驟首先要將當前和參考幀圖像分塊，選取的參考幀為當前幀的前一幀，一般宏塊為1616 像素大小，然后確定搜索范圍大小，一般為以宏塊為中心的3030 像素區域，最后在參考圖像相應搜索區域中尋找價值函數最小的宏塊，運動矢量從參考宏塊位置指向當前宏塊位置。 塊匹配原理 塊匹配法具體的算法實現首先需要對圖像進行邊緣檢測，這里我們使用算子獲得原圖像的邊緣圖，然后我們以圖像中每個像素點的鄰域邊緣量來定義此位置的邊緣信息大小:, ()其中，為原圖像所對應的二值邊緣圖，A為在點處所取鄰域的1/2邊長。以值為依據，找出最大值所對應的點作為基準點，然后以此點為中心點選擇大小適中的塊就可以找到基準特征塊[14]。這種算法我們可以稱之為傳統的塊匹配算法。具體步驟首先要將當前和參考幀圖像分塊，選取的參考幀為當前幀的前一幀，一般宏塊為1616 像素大小，然后確定搜索范圍大小，一般為以宏塊為中心的3030 像素區域，最后在參考圖像相應搜索區域中尋找價值函數最小的宏塊，運動矢量從參考宏塊位置指向當前宏塊位置。 實驗結果和分析通過三、四章的闡述，我們已經得出線匹配法只能處理平移操作下的圖像配準，而灰度比值法在線匹配法的基礎上多了一個光照變換對平移參數的影響。這兩種算法都存在自身的不足，那就是不能實現圖像在旋轉、縮放情況下的配準。由此我們研究一種更加完善的匹配法——塊匹配法，它不僅能實現水平、垂直方向上位移變化的圖像配準，同時也能在小的圖像旋轉縮放變形的情況下的實現配準。，接下來我們將具體描述平移、旋轉和縮放情況下的圖像配準。首先利用對圖像做小的旋轉、縮放，再進行配準，旋轉情況下研究旋轉對求得平移參數的影響，縮放情況下研究配準參數的誤差情況。 Lena塊匹配效果圖 構造平移、旋轉、縮放圖像利用Lena彩色圖像的灰度處理，將生成的灰度圖像做小的旋轉，縮放，在Matlab上實現圖像的微小變化，運行結果如下： 選用Lena原圖 Lena灰度處理后 （20 20）的Lena圖像 176。的Lena圖像 縮放2% Lena圖像 塊匹配算法下的平移、旋轉、縮放配準仿真實驗分別對經過平移、旋轉、縮放后的圖像進行配準。 采用塊模板匹配方法的Lena圖像平移配準176。的Lena圖像配準 放大2%的Lena圖像配準由實驗結果可知，塊匹配法較以上兩種匹配法的優點是它能夠實現兩幅圖像不僅在平移，而且在旋轉。縮放的情況下也能實現圖像的配準。塊匹配法的優點是能準確找到匹配點，打破灰度配準不能實現旋轉和縮放情況的結論，缺點是計算量大。