资源描述：
《浅谈基于NCC的图像匹配快速算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、浅谈基于NCC的图像匹配快速算法摘要:在图像匹配过程中,针对传统归一化积相关(NCC)算法计算量大的问题,提出一种对NCC进行改进的图像匹配快速算法。该算法首先使用差分求和定理改造NCC相似度量函数,以降低匹配计算量。然后提出模板区域分割,设定阈值,进一步去除大量不必要的计算,优化匹配搜索过程,实现了快速匹配。实验结果证明,与传统的匹配算法相比,在保证精度的前提下,计算复杂度大大降低。关键词:图像匹配;归一化积相关;相似度函数;区域分割;差分 FastAlgorithmforImageMatchingBasedonNCC YANGTong-yu,PENGGuo-hua (S
2、choolofScience,NorthwesternPolytechnicalUniversity,Xi’an10129,China) Abstract:Intheimagematchingprocess,thecomputationalcomplexitywasthemajorproblemofthetraditionalNCC(normalizedproductcorrelation)algorithm.AnimagematchingfastalgorithmforimprovingtheNCCispresented.First,itcombinedwiththesummati
3、ontheoremofdifferencetoimprovetheNCCforreducingtheamountofcalculationofmatching.Second,itshowedregionsegmentationforthetemplateandthensetthresholdtogetridofsomecalculationtoachieverapidmatching.Theexperimentalresultsprovethatthecomputationalcomplexityisreducedgreatlycomparedwiththetraditionalmat
4、chingalgorithmbythepremiseoftheprecision,. Keywords:imagematching;normalizedproductcorrelation;similarityfunction;regionsegmentation;difference 0引言 图像匹配问题是计算机视觉、图像处理领域中的基本问题,有两种对应的模型:一是两幅(或者多幅)来自不同传感器、不同视角或不同时间的图像需找出对应关系,经过匹配步骤可得出两幅图像的差别所在,为下一步处理作基础;二是根据已知的图像模式在另一幅图像中搜索类似模板的目标,即模板匹配。图像匹配技术是
5、数字图像处理领域的一项重要研究,已在虚拟现实场景、航空航天遥感测量、医学影像分析、光学和雷达跟踪、景物制导等领域有着重要的应用价值。已有的图像匹配算法可分为两类:基于像素灰度值的匹配和基于图像几何特征的匹配。 所有的基于像素灰度值匹配算法的计算量等于模板运算量和搜索位置数之积。故提高匹配速度的角度有: (1)减少每个位置处模板相似度计算的运算量; (2)改变搜索策略,减少搜索像素点或在搜索图像中的搜索位置数。模板匹配的传统算法[1]有:MAD[2](平均绝对差)算法,归一化积相关[3-5](NCC)算法,序贯相似性检测法[6](SSDA),图像灰度值编码[7](PFC)算法等。其
6、中MAD算法计算过程非常简单,无需复杂的乘除法运算,但是对噪声比较敏感,在加噪声的情况下,匹配准确率随着信噪比的增加而减少;SSDA算法虽然相对MAD算法速度提高了很多,但是其精度低,匹配效果不好,而且易受噪声影响,一旦进入信息贫乏的区域,会导致误匹配率的上升;PFC算法无法适应图像局部光照的非线性变化,匹配容易错误;NCC算法的优点是抗白噪声干扰能力强,且在灰度变化及几何畸变不大的情况下精度很高,它的这种优点非常突出,但该方法受局部光照变化的影响,且匹配速度较慢。针对该问题,本文在保证匹配精度的前提下,提高NCC匹配算法的速度,增强算法对实际应用的适应性。 文献[8]提出的NCC快
7、速模板匹配算法,结合文献[9]的差分求和定理对每个位置处的模板计算进行改进,减少了计算量。本文在文献[8]的基础上,从上面所述的角度(2),改变搜索策略,即提出模板分块匹配策略,减少不必要的运算,进一步优化算法。该算法能适应一定光照的变化,适合任何形状的匹配模型,相对于文献[8]的匹配算法大大提高了速度。 1NCC匹配 NCC原理 NCC匹配算法是一种经典的匹配算法。通过计算模板图像和搜索图像的互相关值确定匹配的程度。互相关值最大时的位置
