[发明专利]一种两阶段双校核有界偏相关的实时模板匹配方法

说明书

本发明公开了一种两阶段双校核有界偏相关的实时模板匹配方法，属于数字图像处理技术。本发明解决了传统归一化积相关模板匹配算法的计算复杂度高、匹配时间长的问题，从而实现了实时性的模板匹配。首先，根据待匹配的场景图像和模板图像的大小进行最佳采样因子的计算；其次，根据最佳采样因子对场景图像和模板图像同时进行下采样；然后对采样后的场景图像和模板图像使用双校核有界偏相关模板匹配算法进行粗匹配，得到最佳粗匹配点；最后，将粗匹配点映射到采样前的待匹配的场景图像中，再次使用双校核有界偏相关模板匹配算法进行精匹配，得到最佳匹配点。

技术领域

本发明涉及一种两阶段双校核有界偏相关的实时模板匹配方法，属于工业实时图像匹配领域。

背景技术

模板匹配是指在目标场景或者目标图像中寻找给定参考模板位置的一种技术过程。作为无数图像分析应用中的基本任务，模板匹配的核心技术在于模板匹配所使用的算法。一般可以分成基于灰度的模板匹配和基于特征的模板匹配，基于特征的模板匹配算法运算复杂、耗时长，算法很难达到实时性要求，因而实际应用中更多是基于灰度的模板匹配算法。

基于灰度的模板匹配是将模板滑动到搜索区域，在每个位置计算失真度或相关度，测量模板与子图之间的相似程度或差异程度，然后采用最小失真度或最大相似度的位置来表示被匹配图像中目标的位置，同时需要根据应用的需求对相似度或失真度进行阈值设定以允许拒绝不满足阈值要求的匹配。典型算法有绝对误差和算法、误差平方和算法，而归一化积相关算法由于其良好的抗干扰性能是目前应用最广泛的相关性度量算法。但是，归一化积算法计算量太大，无法满足工业中的实时定位应用。

为解决上述问题，本发明提出一种两阶段双校核有界偏相关的实时模板匹配方法，该方法对归一化积算法进行加速，同时使用可变采样因子的采样技术实现先粗匹配后精匹配，从而达到工业实时性模板匹配定位。

发明内容

针对传统的归一化积相关的模板匹配算法计算复杂度高，计算量大的特点。本发明在归一化积相关的模板匹配算法的基础上提出了一种两阶段双校核有界偏相关的实时模板匹配方法，解决了模板匹配算法理论与实际应用之间的兼容性问题，使得工业实时定位成为可能。本发明所述的一种两阶段双校核有界偏相关的实时模板匹配方法，所述方法包括：

步骤一：根据待匹配的场景图像和模板图像的尺寸计算最佳采样因子factor：

步骤二：对待匹配场景图像和模板图像进行最佳采样因子factor的下采样，得到采样后的场景图像和模板图像；

步骤三：对采样后的图像使用双校核有界偏相关(DBPC)模板匹配算法进行粗匹配，得到最佳的粗匹配点；

步骤四：将粗匹配得到的最佳匹配点映射到采样前的待匹配场景图像中，在映射点周围的4factor×4factor邻域内再次使用DBPC模板匹配算法进行精匹配，得到最佳的匹配点，即模板在待匹配场景图像中的位置。

本发明的一种两阶段双校核有界偏相关的实时模板匹配方法，其特征在于，所述步骤一中的所述最佳采样因子factor为：

其中，W，H分别是待匹配场景图像的宽度和高度，M，N分别是模板图像的宽度和高度；公式(1)的第一项表示对模板和待匹配图像执行下采样所需要的操作总数，而第二项表示在待匹配图像的4k×4k的邻域中执行匹配所需操作总数。

本发明的一种两阶段双校核有界偏相关的实时模板匹配方法，其特征在于，所述步骤三和所述步骤四中的DBPC算法具体为：

Step1：选定初始化阈值η和相关比参数对(C_r1,C_r2)并计算|T|₂以及以下公式：