序贯相似性检测算法在图像匹配中应用探究

《序贯相似性检测算法在图像匹配中应用探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、序贯相似性检测算法在图像匹配中应用探究　　摘要：随着计算理论的发展，图像匹配技术已成为计算机视觉领域中一项极为基本和重要的内容。本文采用序贯相似性检测算法对图像进行匹配，通过对误差的积累进行分析，从而实现图像匹配。实验表明，采用序贯相似性检测算法的图像匹配能够有效提高运算时间，匹配效果良好。关键词：序贯相似性检测算法图像匹配计算机视觉中图分类号：TN911文献标识码：A文章编号：1672-3791（2013）06（c）-0205-01图像匹配最早是70年代美国从事飞行器辅助导航系统，武器投射系统的制导等应用研究中提出的。国内外学

2、者对匹配辅助导航技术进行深入研究，使其在民用领域的应用越来越广泛[1，2]。计算机视觉计算主要分为低层处理、中层处理和高层处理，而在低层进行数字化差异检测、中层进行参数化相似分析，高层处理完成图像的识别、解释和描述等任务，都需要图像匹配技术[3]。序贯相似性检测算法（SSDA）能够快速地丢弃非匹配点，减少非匹配点的计算量，从而提高匹配的速度，算法简单，易于实现。1序贯相似性检测算法3序贯相似性检测算法的基本思想是基于对误差的积累进行分析。在进行图像匹配时，通常非匹配点处的误差ε会随着运算点数的增加而迅速增长，很快超过某一门限，而

3、对于匹配点处，误差的增长要缓慢得多。这样对于大多数非匹配点，只需要分析前几项，而只有匹配点附近的点才需要计算整个循环，这样就大大地减少了匹配的运算量。设源图像S的大小为J×K，模板图T的大小为M×N（其中M≤J，N≤K），模板覆盖的区域子图为，（p，q）为模板左上角像素点在图像S中的坐标，S中的待匹配区域是以点（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）组成的区域。相对于参考点位置为（m，n）点的匹配误差定义为：其中k=1，2，…r。将累计误差值与预定阈值进行比较，当累加值超过设定阈值Tk时，就

4、停止累加计算，并记下累加次数k。计算下一个待匹配点处的误差，若累计误差小于预定阈值，则继续计算此处的误差，直到>Tk或k=r，记下k值。对不同的待匹配点进行上述匹配计算，最后取最大k值对应的待匹配点位置，即为要找的匹配点。2实验结果与分析图1显示了基准图与实时图像，图1（a）为基准图像，大小为256×256，图1（b）为实时图，大小为65×65。图1（c）找到了实时图像在基准图中的位置。3由图1可以看出，SSDA算法能够良好地进行匹配。而通过对匹配时间的计算可以看出，SSDA算法的运行时间相对较短，效率较高。参考文献[1]GON

5、GHC.Developmentofterraincontourmatchingalgorithmfortheaidedinertialnavigationusingradialbasisfunctions[J].JournalofAstronSpaceScience，1998，15（1）：229-234.[2]KIMJ，SUKKARIEHS.AutonomousAirborneNavigationinUnknownTerrainEnvironments[J].IEEETransactionsonAerospaceandElect

6、ronicSystems，2004，40：1031-1045.[3]（美）MilanSonka，VaclavHlavac，RogerBoyle.图像处理、分析与计算机视觉[M].艾海舟，等，译.人民邮电出版社，2003.3