基于边缘几何特征的高性能模板匹配算法_吴晓军

《基于边缘几何特征的高性能模板匹配算法_吴晓军》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

第34卷第7期仪器仪表学报Vol.34No.72013年7月ChineseJournalofScientif;%96%96icInstrumentJul．2013*基于边缘几何特征的高性能模板匹配算法1，21吴晓军，邹广华(1．哈尔滨工业大学深圳研究生院深圳518055;2．深圳先进运动控制技术与现代自动化装备重点实验室深圳518055)摘要:基于灰度相关的模板匹配算法在很多情况下难以得到准确的匹配结果，提出一种基于边缘几何特征的高精度模板匹配算法。利用曲面拟合方法获得边缘的梯度方向和亚像素坐标作为匹配信息，采用图像金字塔的搜索策略对算法加速，最后利用最小二乘平差理论得到亚像素级的定位精度和精确的旋转角度信息。实验表明，对于目标旋转、均匀或非均匀变化的光照、部分遮挡的情况下可以得到良好的匹配结果，而且在保证高精度的同时算法可以满足实时性要求，重复定位精度优于商业化软化包MIL8．0的GMF算法。关键词:模板匹配;边缘特征;曲面拟合;最小二乘平差中图分类号:TP391．41文献标识码:A国家标准学科分类代码:510．40Highperformancetemplatematchingalgorithmbasedonedgegeometricfeatures1，21WuXiaojun，ZouGuanghua(1．ShenzhenGraduateSchool，HarbinInstituteofTechnology，Shenzhen518055，China;2．ShenzhenKeyLaboratoryforAdvancedMotionControlandModernAutomationEquipment，Shenzhen518055，China)Abstract:Gray-scalecorrelationbasedtemplatematchingalgorithmcanhardlyobtainaccuratematchingresultsinsomeconditions，afastandhighprecisiontemplatematchingmethodbasedonedgegeometricfeaturesisproposed．Surfacefittingmethodisusedtoobtainthegradientdirectionsandsub-pixelcoordinatesoftheedgepoints，whichareusedasthematchinginformationincalculatingthesimilaritybetweentemplateandtarget．Inordertosatisfythereal-timerequirement，imagepyramidsearchingstrategyisemployedtoacceleratethealgorithm．Furthermore，theleastsquareadjustmenttheoryisadoptedtocalculatethesub-pixelpositioningprecisionandpreciserotationangleinformation．Experimentresultsdemonstratethatthealgorithmintroducedinthispapercanobtaingoodmatchingre-sultsinthecaseoftargetrotation，uniformornoon-uniformilluminationdisturbance，partialocclusion，andetc．Moreover，besidesthestability，reliabilityandhighprecision，theproposedalgorithmalsocanmeetthereal-timerequirements．TherepeatpositioningprecisionofthealgorithmisbetterthanthatoftheGMFalgorithmofthecom-mercializedmachinevisionpackageofMIL8．0fromMatrox．Keywords:templatematching;edgefeature;surfacefitting;least-squareadjustment［1-3］踪等领域中得到广泛应用。基于灰度相关(gray-scale1引言correlation)的模板匹配算法以图像灰度信息直接进行匹配，原理简单、实现容易，但其抗干扰性差，对于非均模板匹配算法是机器视觉(machinevision)技术重匀变化的光照和部分遮挡问题束手无策。基于几何特征要研究内容之一，在目标识别、工件精确定位、视频跟的模板匹配算法通过提取模板的几何特征信息，如边缘、收稿日期:2012-04ReceivedDate:2012-04*基金项目:广东省科技计划(2012B091000020)、深圳市科技计划(JC201104210015A，CXB201105100073A)、深圳南山科技计划(201002)资助项目 第7期吴晓军等:基于边缘几何特征的高性能模板匹配算法1463角点、模板重心等作为匹配特征。由于提取的特征并不息。模板经边缘检测算法处理后，模板转换成由一系列T以灰度信息作为变量，因而，对于光照的影响较不敏感，点pi=(xi，yi)，i=1，2，…，n构成，对应于每个点有一在非均匀变化光照、部分遮挡情况下也可以得到良好的T个梯度方向向量di=(ti，ui)。匹配结果。在机器视觉领域，基于几何特征的方法已成目标图像经相同处理转换成由点(x，y)和与之对应为模板匹配算法研究热点。目前在国外著名的商业化机的方向向量e=(v，w)T来表示。匹配过程中，经变x，yx，yx，y器视觉软件包，如Cognex公司的Patmax、Matron公司的换的模板与目标图像某一位置的子图像计算相似度量MILGMF、MVtec的HALCONHMatchlt、EURESYS的eVi-值。模板中边缘点梯度向量经变换后为d'i=R(θ)di，则sonasyFind、Adept的AdeptSight及DALSA的Sapera等已T在目标图像某位置q=［x，y］子图像处，如图1所示，相开发出性能良好的几何模板匹配算法，但由于商业保密［9］似度量函数由式(1)描述:的原因，其所有采用的技术核心鲜有报道。nn11已公开发表的几何特征模板匹配算法很少能达到商s=n∑＜d'i，eq+p'＞n∑t'ivx+x'i，y+y'i+i=1i=1［4］业化软件的性能，傅卫平等人提出一种综合应用u'w(1)ix+x'i，y+y'iSIFT特征、马氏距离和放射变换方法的目标匹配定位算法，并将该方法应用到机器人的抓取定位中，该方法利用了立体匹配信息，计算效率并不高。文献［5］提出了一种基于Hausdorff距离的模板匹配算法，其原理是先对模板和目标图像提取出边缘点作为2个点集，然后利用Hausdorff距离来度量模板边缘点集和目标子图像边缘点集的匹配程度。一些改进的算法有:文献［7］［6］先将目标图像二值化，生成Voronoi图，考虑图像的旋转、平移变形，对模板进行刚体变换再计算图1相似度量示意图Hausdorff距离来进行匹配。文献［8］提出一种基于广Fig．1Schematicdiagramofsimilaritymeasurement义霍夫变换(generalizedHoughtransform，GHT)的几何模板匹配算法，GHT方法容易扩展，可以很容易地式(1)计算的是模板与子图像对应边缘点的梯度应用于搜索存在旋转和缩放的目标物体，缺点是需要建立庞大的累加计数器数组，且初始化和统计过程也比较向量点积平均值。当一对对应边缘点梯度方向相同时，［9-10］点积取得最大值。梯度方向正交时点积为零。梯度方向耗时。另一类几何匹配算法是基于几何基元的，例如线段、圆弧、角点等特征。算法首先提取出图像中的相反时点积取得负的最大值。根据式(1)计算得到的几何基元特征，然后根据模板中的几何基元特征在目标相似度量值的取值范围为在理论上是整个实数域，不方图像中假设一个匹配位置，最后测试这些假定的匹配位便用于判断子图像是否为符合要求的结果，即很难确定置在图像中有没有足够的依据，这类算法的最大挑战是一个阈值来筛选所需要的结果。因而对式(1)进行归需要解决指数级的计算复杂度问题。［11］一化处理:针对上述存在的问题，提出研究基于几何特征的模n＜d'，e＞1iq+p's=∑=板匹配算法，期望算法性能可以达到或超过国外商业化ni=1‖d'i‖·‖eq+p'‖软件包的性能，对于促进我国机器视觉的应用和发展具nt'v+u'w1ix+x'i，y+y'iix+x'i，y+y'i∑(2)有重要意义。ni=1t'2+u'2·v2+w2槡ii槡x+x'i，y+y'ix+x'i，y+y'i本文利用边缘点的位置和梯度方向作为匹配信息进行相似度计算，根据曲面拟合原理，通过平移变换，推3曲面拟合与特征提取导出计算精确梯度方向和亚像素边缘坐标的快速方法，保证了匹配精度的同时，也加快了算法的处理速度。为根据相似度量函数可知，要计算模板与目标图像子了使匹配算法满足实时性要求，采用阈值判断和图像金图像的相似度量值，需要获得模板和图像的边缘点坐标字塔算法的搜索策略，最后算法利用最小二乘平差理及其梯度方向。利用Sobel算子或Canny算子求取边缘论，获得亚像素级的坐标精度和精确的旋转角度。点位置和梯度方向，方法计算简单、快速，但要获得亚像素级别的精度和精确的梯度方向需要作进一步处理，2相似度量函数增加了处理的时间。基于Sobel-Zernike矩的方法具有旋［12］转不变性，且可以得到精确的亚像素边缘，但需要大本文计算相似度量时以边缘点梯度向量作为匹配信的模板，计算比较耗时。一些其他算法通过建立边缘模 1464仪器仪表学报第34卷型，虽然可以求得比较精确的亚像素边缘坐标和边缘梯式中:A为系数矩阵，K为系数向量，H为常数项向量，具［13］度向量，但计算过程复杂、耗时。本文根据曲面拟合体推导过程见文献［14］。在二维空间中任何一个局部邻原理推导出快速获得边缘梯度方向和亚像素坐标的方法。域只需经一次平移即可回到原点，将坐标平移到原点可3．1曲面拟合以简化大量计算，极大地提高计算效率，将x=1，y=1代入矩阵A得:3×3邻域像素坐标信息，x，y为坐标，g(x，y)为灰度或梯度值，设拟合二阶曲面参数方程为:é512527271515ù22ê255127152715úG(x，y)=kx+ky+kxy+kx+ky+k(3)123456êú27272515159则拟合二阶曲面与真实曲面的残差平方和为:A=êú2ê2715151599úD=∑［G(x，y)－q(x，y)］êê1527159159úú根据残差平方和最小原理，要使残差最小则有:ë15159999ûDDDDDD－1H计算得到======0由g(x，y)的值可求得H，再由K=Ak1k2k3k4k5k6二阶曲面方程的各项系数。经推导并写成矩阵形式可得:AK=Hég(1，0)+g(1，1)+g(1，2)+4［g(2，0)+g(2，1)+g(2，2)］ùêg(1，0)+g(1，1)+g(2，1)+4［g(0，2)+g(1，2)+g(2，2)］úêúg(1，1)+2［g(2，1)+g(1，2)+4g(2，2)］H=êúêg(1，0)+g(1，1)+g(1，2)+2［g(2，0)+g(2，1)+g(2，2)］úêêg(1，0)+g(1，1)+g(2，1)+2［g(0，2)+g(1，2)+g(2，2)］úúëg(0，0)+g(1，0)+g(2，0)+g(0，1)+g(1，1)+g(2，1)+g(0，2)+g(1，2)+g(2，2)û3．2提取梯度方向像素坐标。利用梯度算子的方法计算简单、快速，但是其精度在图像坐标平面上过点(1，1)，沿梯度方向，即斜难以保证，本文根据曲面拟合原理，可以快速求得精确率为:2k+k+k的边缘梯度方向，具体推导过程如下:k=2352k+k+k对式(3)在x和y方向上求偏导得:134的直线方程为:y=kx－k+1G(x，y)=2kx+ky+k134任意一条空间曲线可以表示成两个曲面的交线，垂x{G(x，y)直于图像坐标平面且过该直线的平面方程为:=2ky+kx+k235ykx－y－k+1=0(5)则点(1，1，G(1，1))处的梯度方向在图像坐标平面由此，曲面上沿梯度方向且过点(1，1，G(1，1))的空上的投影为:间曲线为:2k+k+k22p(1，1)=[134](4){G(x，y)=k1x+k2y+k3xy+k4x+k5y+k62k2+k3+k5kx－y－k+1=0式(4)即为边缘点的梯度方向，由理论推导过程消去变量y得曲线方程，令其导数为零，即求曲线方可知，求得边缘点的精确梯度方向只需数次加法和乘法程的极大值，解方程得:计算即可以得到，采用拟合的方法的另一个好处是拟合22kk－2kk+kk－kk－k－k223543x=的过程相当于进行了一次高斯滤波，显然提高了算法的22(k+kk+kk)123抗噪声和抗干扰能力。上式即为空间曲线的极值点的x坐标，代入直线方3．3提取亚像素边缘坐标程(5)即可求得y坐标。本文在求取亚像素边缘坐标时，采用的方法与求边缘的梯度方法类似，只是需要先对图像作一次求导，即4提高算法处理速度的措施求图像的梯度图像。可以用Sobel算子或Canny算子计算图像的梯度图像，再对图像进行阈值判断和极大值抑遍历搜索整幅目标图像是个极其耗时的过程，为了加制得到像素级的边缘位置，然后以像素级边缘点3×3速算法处理速度，满足实时性要求，需要通过多种措施来领域内的梯度值为拟合信息，进行梯度曲面拟合，根据提高算法的计算效率。本文主要采用终止非可能目标位置2．2节求得的梯度方向，进行以下推导求解边缘点亚的相似度量值的计算结合图像金字塔算法来实现。 第7期吴晓军等:基于边缘几何特征的高性能模板匹配算法14654．1停止标准题，一种好的策略是使用2×2的均值滤波器来创建图［16］在搜索整幅目标图像的过程中，在非可能目标位置像金字塔。其过程就是求2×2区域中的所有像素的相似度量值可以不必完全计算，即通过设定一定阈值，平均灰度作为低分辨率那一层对应点的灰度值。采用一定的终止条件，提前结束计算，从而快速地定位到真正的目标位置，加快整个算法的处理速度，根据第35提高算法精度节中给出的相似度量函数，可以得到相似度量的部分和公式:采用图像金字塔逐步求精得到的精度为像素级，在j1很多高精度要求的场合，像素级的精度并不能很好地满sj=∑＜珔d'i，e珋q+p'＞ni=1足要求。考虑到硬件成本的问题，很有必要通过算法处由归一化相似度量公式可知，剩余n－j项的和小于理来提高精度。可以通过在像素级求得的局部最大值(n－j)/n=1－j/n，所以当部分和满足s＜s－1+jmin3×3×3的邻域内拟合出一个连续密度函数。根据精度j/n(smin为设定的阈值)，即可终止相似度量的计算。需要进行重采用即可得到亚像素的匹配位置和高精度的考虑到目标图像可能存在部分遮挡和隐藏的问题，旋转角度信息，为了获得更高的精度，本文采用最小二在文献［9］中提出了一个改进的终止条件。第1部分采用［17］乘平差(leastsquaresadjustment)理论来计算得到更宽松的阈值判断，剩下的部分采用严格阈值判断，通过预高精度的匹配位置和旋转角度信息。设设定一个系数g来实现。5．1问题转换s＜min(s－1+fj/n，sj/n)jminmin显然，边缘点梯度方向的切线方向即为边缘在该点式中:f=(1－gsmin)/(1－smin)，当g=1时，所有的点都处的切线方向，将模板的边缘点作为特征点，将目标图使用严格的终止条件;当g=0时，所有的点都使用宽松像边缘点梯的切线方向表示成过边缘点的直线作为线特的终止条件来判断。一般情况下，为了保证不产生误判，征。通过图像金字塔算法逐步求精的过程特征点和特征参数g通常设置为0．9。线的对应关系已基本确定，则模板匹配求亚像素精度和上述终止条件的不足之处在于:其一，当目标图像存高精度旋转的问题可以转换为最小二乘平差问题来求得。在部分遮挡情况时，可能会导致误判;其二，在计算相似度量值时，每求一次和都要与阈值进行一次判断，判断的5．2最小二乘平差调整过程使得处理器没有充分发挥流水线功能，而降低了处给定点p(X，Y)齐次坐标为(X，Y，1)和对应的特征22理器的效率。线v=(a，b，c)，满足ax+by=c且a+b－1，则p点针对以上不足，提出一种改进的计算相似度量值终止条到特征线v的最小距离为:件的策略:将模板图像提取出边缘信息后，将边缘点分为2d=aX+bY－c=(a，b，－c)·(X，Y，1)min部分。设模板边缘点为n、n1、n2分别为两部分的边缘点个数，设对特征点进行旋转平移变换的矩阵齐次坐标表达且n1+n2=n，n≥n1，n≥n2，第1部分为最零散的点，可以式为:通过以下措施得到，即先选择离模板左上角距离最远的边缘cosθ－sinθx点作为第1点，再在剩余的边缘点中挑选出第2点，使得第2T(x，y，θ)[sinθcosθy]点到第1点的距离最远;在剩余的边缘点中，选择到前面两001点距离和最大的点作为第2点，依次而得到n1个点作为第1则所有点到与之对应的特征线最小距离的平方和为:部分的点，剩余的边缘点作为第2部分，分2次计算相似度量nTT2值，先计算第1部分n1个点的部分相似度量值，计算完后与E(x，y，θ)=∑‖vi·［T(x，y，θ)xi］‖(6)i=1设定的阈值判断若sn1＜smin，则停止计算本次相似度量值，式中:vT为特征线的向量表示，xT为特征点的齐次坐标表示。ii否则在sn1的基础上，继续计算第2部分n2个点的部分相似度由图像金字塔逐步求精的过程，可以得到像素级的量值，从而得到完整的相似度量值。位置坐标和0．5°或更高的旋转角度精度，所以当－0．4．2图像金字塔5°＜θ＜0．5°，即|θ|＜0，00873时，根据sinθ，cosθ要达到实时性要求，必需采用更加快速有效的搜索的泰勒展开式，可做如下近似:sinθ≈θ，cosθ≈1。设αi=策略。由复杂度O(whNn)可知，计算相似度量的运行时bX－aY，β=aX+bY，将式(6)展开得:iiiiiiiii间取决于目标图像大小、模板边缘点个数以及模板旋转n2的次数。由粗到精的搜索策略可以有效降低算法的复杂E(x，y，θ)=∑(aix+biy+αiθ+βi－ci)(7)i=1度，即通过降低图像的分辨率得到一个大概的位置，再式(7)在关于x，y，θ各偏导数同时为零的情况下得在高分辨率下得到精确位置。实现这一过程行之有效的到极值，因而对E分别求关于x，y，θ的偏导，并令其等于［15］办法是构建图像金字塔，考虑到耗时和构建效果问零得: 1466仪器仪表学报第34卷n2下实际采集大量图像，包括均匀变化光照、非均匀光ì∑［aix+aibiy+aiαiθ+ai(βi－ci)］=0ïi=1照、噪声干扰、部分遮挡条件下的图像各100张．分组ïn22进行匹配，从稳定性、匹配精度、算法耗时3个方面检í∑［aibix+bxy+biαiθ+bi(βi－ci)］=0ïi=1测算法性能。ïn2î∑［aiαix+biαiy+αiθ+αi(βi－ci)］=06．1算法稳定性i=1稳定性考虑的主要是当目标图像出现均匀、非均匀将上式写成矩阵的形式，即为:Wp=B(8)光照、噪声和干扰、部分遮挡等条件时，匹配算法找到式中:目标的能力，图2为2种识别对象的模板及二值边缘图a2abaα像，图3中给出了典型的4种条件下的匹配结果。图3éiiiiiùxnéùW=êabb2bú，pêú所示为边缘几何特征比较明显的模板，典型的匹配结果∑iiiiαiêyúi=1êú如图4所示。从图中可以看出对于严重的遮挡条件下，ëaαbαα2ûëθûiiiii也可以准确地找到目标;如图4所示，即使在非均匀光a(c－β)néiiiù照、干扰、遮挡同时出现的恶劣条件下，仍然可以得到B=∑êêbi(ci－βi)úú良好的匹配结果。i=1ëûαi(ci－βi)由最小二乘理论可得:+p=WB(9)+式中:W为W的广义逆矩阵(generalizedinversematrix)。当W可逆时，所得到的解是唯一的，即E(x，y，θ)仅在该点处取得最小值，结合最小二乘方法与实际情况，对式(8)和(9)作如下补充说明:+－1－11)当W可逆时，p有唯一解，此时W=W，p=WB。2)当W不可逆时，且rank(W)=rank(W|B)＜3，+此时p有无穷多解，可以通过求W的广义逆W求得p=－1WB，所得的p是所有解中范数最小的解，即在保证E(x，y，θ)取得最小值情况下的一个最小姿态调整。3)当W不可逆，且rank(W)≠rank(W|B)时，式(8)无解，此时，通过广义逆求出来的解是最小二乘解。为了达到比多项式拟合更高的精度，在提取模板边缘点与图像中特征线的参数方程时必须达到亚像素精度。通过图像金字塔算法逐步求精的过程，所得到的定位精度为像素级，旋转精度可以达到至少0．5°，且此时特征点和特征线的基本对应关系已确定，通过求出目标图像中与变换后模板边缘点之间欧几里德距离最小的特征点作为潜在对应特征线(特征点加上其梯度向量即构成特征线)。最后，根据最小二乘平差理论求得一个微小的位姿调整。经过最小二乘平差位姿调整之后，很可能存在部分特征点和特征线的对应关系改变的情况。因而，一次最小二乘平差调整不能保证足够高的精度，实验表明迭代2～3次即可获得稳定可靠的亚像素平移精度和精确度更高的旋转角度值。6实验结果和性能评估为了实际评估算法各方面的性能，通过在各种条件 第7期吴晓军等:基于边缘几何特征的高性能模板匹配算法1467测的角度与实际值的差。从图中可以看出，MIL8．0的几何模板匹配算法的误差小于0．15°，本文算法的误差小于0．02°。图4匹配算法稳定性测试，目标在光照极弱、不均匀光照、严重遮挡及各种干扰同时存在的条件下匹配结果Fig．4Thestabilitytestofthematchingalgorithmunderextremelyweakandnon-uniformillumination，severeocclusionandvariouscombineddisturbances6．2算法定位精度通过采集大量真实图像，在同等条件下进行匹配实验，并于与加拿大Matrox公司的MIL8．0中几何模板匹配(geometrymodelfinder，GMF)算法匹配的结果进行对比实验，将MIL8．0GMF计算的目标位置(x，y)及旋转角度θ与本文提出的算法计算的结果对比，位置误差和角度误差用|Δx|、|Δy|和|Δθ|表示，其误差分布如图5所示，从图中可以看出，本文算法与MIL得到的匹配结果差的绝对值x坐标小于0．1像素，y坐标小于0．2像素，角度差的绝对值小于0．1°。图5MILGMF计算结果与本文计算结果的误差Fig．5ComputationerrorsforMILGMFandtheproposedalgorithms图6左图为模板的源图像，在源图像坐标位置为将目标移动2次，在原始位置和移动后的位置连续(230，168)处，截取大小为187×142的区域子图像作拍摄50张图像。分别使用MIL8．0的GMF算法和本文为模板图像。利用双线性变换理论对源图像进行旋转，算法检测所有目标图像中目标所在位置。如图8所示，旋转135°后的图像为图6右图，使用MIL8．0的几何模将每一次匹配得到的坐标位置在图坐标系中用“×”板匹配算法和本文算法分别对旋转后的图像进行角度检标记之。由图8可看出，本文算法所得到的3个位置的测，并与实际旋转角度进行比较，所得误差结果如图7坐标点比较集中，因此，在重复性匹配性能上要优于所示。图中横坐标为旋转的角度，纵坐标为匹配算法检MIL8．0的几何模板匹配方法。 1468仪器仪表学报第34卷表1不同模板下本文算法的计算时间Table1Calculationtimeoftheproposedmatchingalgorithmunderdifferenttemplates［－30°，30°］［－60°，60°］［－180°，180°］模板模板大小耗时/ms耗时/ms耗时/ms116．821．743．7139×139218．325．249．6178×136314．219．537．699×103410．714．926．866×787结论本文以边缘点亚像素坐标及梯度向量作为匹配信息，提出了一种基于几何特征的快速模板匹配算法。实验证明算法对于目标图像出现均匀、非均匀光照、噪声和干扰及部分遮挡的条件下，可以得到非常好的结果，算法在满足稳定、可靠、高精度的前提下，可实现实时处理，能够满足复杂环境中对机器视觉系统的要求。将来进一步的研究内容为:完善算法在尺度变换上的目标查找能力;为了进一步提高算法的处理速度，可以利用MMX、SSE、SSE2等指令实现匹配算法加速。参考文献［1］李洋，张晓冬，鲍远律．基于特征模板匹配识别地图中的特殊突变的方法［J］．电子测量与仪器学报，2012，26(7):605-609．LIY，ZHANGXD，BAOYL．Methodbasedonfea-turetemplatematchingtoidentif;%96%96yspeciali-consinmap［J］．JournalofElectronicMeasurementandInstrument，2012，26(7):605-609．［2］王静，王海亮，向茂生，等．基于非极大值抑制的圆目标亚像素中心定位［J］．仪器仪表学报，2012，33(7):1460-1468．6．3算法计算效率WANGJ，WANGHL，XIANGMSH，etal．Subpix-elaccuracycentrallocationofcircletargetbasedonnon-表1是对不同模板进行匹配测出的算法耗时情况，maximumsuppression［J］．ChineseJournalofScien-所测得的数据是在双核1．6GHzCPU，内存1G，目tif;%96%96icInstrument，2012，33(7):标图像分辨率均为640×480像素。由表1可以看出，1460-1468．随着模板图像尺寸和边缘个数的减小，算法耗时同样［3］张浩鹏，王宗义．基于灰度方差和边缘密度的车牌缩短，预设的角度检测范围同样对算法的耗时影响比定位算法［J］．仪器仪表学报，2011，32(5):1095-1102．较大，同样模板和同样目标图像大小条件下，当检测ZHANGHP，WANGZY．Carlicenseplatelocation的角度范围为［－60°，60°］时，其所需耗时大约为全algorithmbasedonintensityvarianceandedgedensity角度检测的1/2。文献［18］采用了DSP硬件实现［J］．ChineseJournalofScientif;%96%96icInstru-NCC模板匹配，计算效率也比本文低。由于MIL8．0ment，2011，32(5):1095-1102．中的几何模板匹配算法为商用软件开发包，具体采用［4］傅卫平，秦川，刘佳，等．基于SIFT算法的图像目的算法理论、特征提取方法、金字塔如何分层、分层标匹配与定位［J］．仪器仪表学报，2011，32(1):163-169．数等技术细节均无法得知，且该商用开发包采用了硬FUWP，QINCH，LIUJ，etal．MatchingandLoca-件并行加速指令对算法进行加速处理，因次，在匹配tionofImageObjectBasedonSIFTAlgorithm［J］．耗时上本文算法与MIL8．0中的算法比较意义不大，ChineseJournaofScientif;%96%96icInstrument，此处未给出两者间匹配耗时的比较情况。2011，32(1):163-169． 第7期吴晓军等:基于边缘几何特征的高性能模板匹配算法1469［5］HUTTENLOCHERDP，KLANDERMANGA，RUCK-［15］STEVENLT．Templatematchinginpyramids［J］．LIDGEJ．ComparingimagesusingtheHausdorffdistanceComputerGraphicsandImageProcessing，1981，16:［J］．IEEETransactionsonPatternAnalysisandMachine356-369．Intelligence，1993，15(9):850-863．［16］STEGERC，ULRICHM，WIEDEMANNC．Machine［6］WILLIAMJR．Efficientlylocatingobjectsusingthevisionalgorithmsandapplications［M］．Weinheim:Hausdorffdistance［J］．InternationalJournalofComputerWiley-VCH．2008．Vision，1997，24(3):251-270．［17］WALLACKAS，MANOCHAD．Robustalgorithmsfor［7］柏长冰，齐春，杨莹，等．Hausdorff匹配快速检测objectlocalization［J］．InternationalJournalofCom-PCB基准标记［J］．光电子·激光，2006，4puterVision，1998，27(3):243-262．(17):498-501．［18］吴强，任琳，张杰，等．快速归一化互相关算法及BAICHB，QICH，YANGY，etal．FastdetectionofDSP优化实现［J］．电子测量与仪器学报，2011，PCBmarkerusingHausdorffmatching［J］．Journalof25(6):495-499．Optoelectronics·Laser，2006，4(17):498-501．WUQ，RENL，ZHANGJ，etal．Fastalgorithmof［8］ULRICHM，STEGERC，BAUMGARTNERA．Real-normalizedcrosscorrelationandoptimizedimplementa-timeobjectrecognitionusingamodifiedgeneralizedtiononDSP［J］．JournalofElectronicMeasurementhoughtransform［J］．PatternRecognition，2003，36andInstrument，2011，25(6):495-499．(11):2557-2570．作者简介［9］SHARKLK，KUREKINAA，MATUSZEWSKIBJ．吴晓军，2001年于吉林大学获得硕Developmentandevaluationoffastbranch-and-bound士学位，2004年于中科院沈阳自动化研algorithmforfeaturematchingbasedonlinesegments究所获得博士学位，现为哈尔滨工业大学［J］．PatternRecognition，2007，40:1432-1450．副教授，主要研究方向为三维重建、计算［10］PARAMANANDC，RAJAGOPALANAN．Efficient机视觉、CAD技术等。geometricmatchingwithhigher-orderfeatures［J］．E-mail:wuxj@hitsz．edu．cnOpticalSocietyofAmerica，2010，27(4):WuXiaojunreceivedM．Sc．degree739-748．fromJilinUniversityin2001andPh．D．fromShenyangIn-［11］OCCLUSIONSC，CLUTTER，andIlluminationinvariantstituteofAutomation，ChineseAcademyofSciencesin2004．objectrecognition［J］．InternationalArchivesofPhoto-NowheisanassociateprofessorinHIT．HismainresearchgrammetryandRemoteSensing，2002，XXXIV(3A):interestsinclude3Dsurfacereconstruction，computervision，345-350．andheterogeneousobjectmodeling．［12］QUYD，CUICS，CHENSB，etal．Afastsubpixel邹广华，2006年于华南理工大学edgedetectionmethodusingsobelzernikemomentsoperator获得学士，2008年获得哈尔滨工业大［J］．ImageandVisionComputing，2005，23:11-17．学硕士学位，主要研究方向为机器视［13］SINGHC，WALIAE．Fastandnumericallystable觉、图像处理。methodsforthecomputationofZernikemoments［J］．E-mail:ghzou@hitsz．edu．cnPatternRecognition，2010，43:2497-2506．ZouGuanghuareceivedhisbachelorfrom［14］王蜂，王光华，刘文涛．一种基于高阶曲面拟合的图SouthChinaUniversityofTechnologyin2006像边缘检测方法［J］．导弹与制导学报，2009，29andmasterdegreefromHITin2008．Hismainresearchinterests(3):276-278．includemachinevisionandimageprocessing．WANGF，WANGGH，LIUWT．Amethodofedgeim-agedetectionbasedonhigherordersurfacefitting［J］．JournalofProjectiles，Rockets，MissilesandGuidance，2009，29(3):276-278．