【正文】 加深 [3]。第 節(jié) 圖像匹配的概述 圖像匹配的概念 圖 像 匹 配 是 指 通 過 一 定 的 匹 配 算 法 在 兩 幅 或 多 幅 圖 像 之 間 識 別 同 名 點 ， 如 二維 圖 像 匹 配 中 通 過 比 較 目 標(biāo) 區(qū) 和 搜 索 區(qū) 中 相 同 大 小 的 窗 口 的 相 關(guān) 系 數(shù) ， 取 搜 索 區(qū)中 相 關(guān) 系 數(shù) 最 大 所 對 應(yīng) 的 窗 口 中 心 點 作 為 同 名 點 。 其 實 質(zhì) 是 在 基 元 相 似 性 的 條 件下 ， 運 用 匹 配 準(zhǔn) 則 的 最 佳 搜 索 問 題 。 圖像匹配就是找到兩幅不同圖像之間的空間位置關(guān)系。圖像匹配技術(shù)是實現(xiàn)圖像融合、圖像校正、圖像鑲嵌以及目標(biāo)識別與跟蹤的關(guān)鍵步驟之一 [4]。圖像匹配的研究涉及到多方面，包括圖像采集、圖像分割、圖像處理、特征提取等方面，并且與計算機視覺、多維信號處理和數(shù)值計算方法緊密結(jié)合。它也是一些圖像分析技術(shù)的基礎(chǔ)。正因為圖像匹配應(yīng)用的廣泛性，新的要求和新的應(yīng)用逐步產(chǎn)生，使得圖像匹配算法的研究逐步加深，出現(xiàn)了快速、穩(wěn)定、魯棒性好的匹配算法因此，對現(xiàn)有匹配算法展開分析對幾實際工程提高圖像處理質(zhì)量和識別精度具有非常重要的意義。一般來說，圖像的模板匹配技術(shù)主要可以分成基于灰度值的方法以及基于特征提取的方法兩大類?；?度 匹 配 的 基 本 思 想 ： 以 統(tǒng) 計 的 觀 點 將 圖 像 看 成 是 二 維 信 號 ，北京化工大學(xué)畢業(yè)設(shè)計（論文）4采 用 統(tǒng) 計 相 關(guān) 的 方 法 尋 找 信 號 間 的 相 關(guān) 匹 配 。 利 用 兩 個 信 號 的 相 關(guān) 函 數(shù) ， 評 價 它們 的 相 似 性 以 確 定 同 名 點 。 特 征 匹 配 是 指 通 過 分 別 提 取 兩 個 或 多 個 圖 像 的 特 征（ 點 、 線 、 面 等 特 征 ） ， 對 特 征 進 行 參 數(shù) 描 述 ， 然 后 運 用 所 描 述 的 參 數(shù) 來 進 行 匹 配的 一 種 算 法 [5]。 影 響 圖 像 匹 配 的 主 要 因 素根據(jù)已知模式的圖像在一幅陌生圖像中尋找對應(yīng)該模式的子圖像被稱為圖像匹配。由于傳感器噪聲、光照、目標(biāo)移動和變形、成像過程中視角改變或者環(huán)境的改變會使同一場景在不同條件下投影所得到的二維圖像會有很大的差異。為解決圖像畸變帶來的匹配難度，人們基于以下四個要素提出了許多匹配算法：(1)特征空間 特征空間是由參與匹配的圖像特征構(gòu)成的，特征可以是灰度值，也可以是邊界、輪廓、表面、顯著特征、統(tǒng)計特征、高層結(jié)構(gòu)描述與句法描述等。選擇合理的特征可以提高匹配性能、降低搜索空間、減小噪聲等不確定性因素對算法的影響，提高適應(yīng)性；(2)形似性度量 相似性度量指用什么來確定待匹配特征之間的相似性，它通常是某種代價函數(shù)或者是距離函數(shù)的形式。經(jīng)典的相似性度量包括相關(guān)函數(shù)和Minkowski距離,最近人們又提出了Hausdorff距離，互信息作為匹配度量；(3)搜索空間 圖像匹配問題是一個參數(shù)的最優(yōu)估計問題，待估計參數(shù)組成的空間即搜索空間， 成像畸變的類型和強度決定了搜索空間的組成和范圍；(4)搜索策略搜索策略是用合適的搜索方法在搜索空間中找出平移、旋轉(zhuǎn)等變換參數(shù)的最優(yōu)估計，使得圖像之間經(jīng)過變換后的相似性最大。搜索策略有窮盡搜索、分層搜索、模擬退火算法、Powell方向加速法、動態(tài)規(guī)劃法、遺傳算法和神經(jīng)網(wǎng)絡(luò)法等。北京化工大學(xué)畢業(yè)設(shè)計（論文）5第 節(jié) 圖 像 匹 配 的 研 究 現(xiàn) 狀 圖像匹配一直以來都是計算機視覺的基本問題之一，其中包括許多目前炙手可熱的領(lǐng)域，如目標(biāo)或場景識別、立體匹配和目標(biāo)跟蹤等。建立正確匹配是解決問題的關(guān)鍵。各行各業(yè)的專家學(xué)者從問題的不同方面出發(fā)運用多種方法，對如何得到既快又好的匹配算法進行了探索研究 [6]。70年代初，美國首先在飛行器輔助導(dǎo)航系統(tǒng),武器投射系統(tǒng)的末制等應(yīng)用研究中首先提出了圖像匹配這一概念。 發(fā) 展 到 80年 代 以 后 ， 圖 像 匹 配 應(yīng) 用 已 從 原 來 的 軍 事應(yīng) 用 擴 展 到 其 他 領(lǐng) 域 。 根 據(jù) 實 際 應(yīng) 用 的 需 要 ， 人 們 在 提 高 圖 像 匹 配 的 精 度 、速度、通用性以及抗干擾性等方面做了大量的研究工作。 研 究 內(nèi) 容 主 要 涉 及 特 征 空 間 、相似性度量和搜索策略，即圖像匹配的三要素，如表1 1所示。從最早的70年代初，（Fast Fourier Transform）算法進行圖像互相關(guān)檢測計算的圖像配準(zhǔn)技術(shù)，提高了圖像配準(zhǔn)過程的速度；直到現(xiàn)在各種各樣的匹配方法的出現(xiàn)，圖像匹配算法經(jīng)過幾十年的發(fā)展已經(jīng)取得了很大的進展，但由于拍攝環(huán)境復(fù)雜多變和實際需求差別較大，現(xiàn)在還沒有一種算法能夠解決所有圖像的匹配問題。于是尋求探討一種新的算法能綜合利用這些方法的優(yōu)點將會取得更好的匹配結(jié)果。表 11 匹 配 三 要 素特征空間 相似性度量 搜索策略灰度 相關(guān)系數(shù) 層次特征點 歸一化相關(guān)系數(shù) 迭代點匹配邊緣強度 歸一化相關(guān)系數(shù)及匹配濾波器 層次迭代或模擬退火二值邊緣 統(tǒng)計相關(guān)與匹配濾波器 模擬退火曲線 絕對差之和、局部熵差 遺傳算法、神經(jīng)網(wǎng)絡(luò)表面 奄模相關(guān) 樹或圖匹配統(tǒng)計屬性 Hausdorff距離 松弛算法模型 最小距離分類器 能量最小化高層匹配 互信息 快速FFT北京化工大學(xué)畢業(yè)設(shè)計（論文）6第 2 章 圖像匹配的幾種算法 圖像匹配研究涉及到了圖像采集、圖像預(yù)處理、圖像分割、特征提取等，并且與計算機視覺、多維信號處理和數(shù)值計算方法等緊密結(jié)合。它也是其它一些圖像分析技術(shù)，如立休視覺、運動分析、數(shù)據(jù)融合等的基礎(chǔ)。正因為其應(yīng)用的廣泛性，新的應(yīng)用和新的要求逐步產(chǎn)生，使得匹配算法的研究逐步走向深入，出現(xiàn)了快速、穩(wěn)定、魯棒性好的匹配算法因此，對現(xiàn)有匹配算法展開分析對幾實際工程提高圖像處理質(zhì)量和識別精度具有非常重要的意義 圖像匹配是指通過一定的匹配算法在兩幅或多幅圖像之間識別同名點，如二維圖像匹配中通過比較目標(biāo)區(qū)和搜索區(qū)中相同大小的窗口的相關(guān)系數(shù)，取搜索區(qū)中相關(guān)系數(shù)最大所對應(yīng)的窗口中心點作為同名點。其實質(zhì)是在基元相似性的條件下，運用匹配準(zhǔn)則的最佳搜索問題。圖像匹配的算法很多, 但基本原則是不變的：算法必須有效；必須穩(wěn)定；必須快速?；旧峡梢詫⑵ヅ渌惴ǚ譃榛谙笏鼗叶认嚓P(guān)的匹配、基于圖像特征的匹配以及基于其它理論的圖像匹配, 綜述了具有代表性的傳統(tǒng)匹配算法以及近年來的新思路和新方法。第 節(jié) 基于像素灰度相關(guān)的匹配算法基于灰度相關(guān)的匹配算法，即對待匹配得兩幅圖像以一定的灰度陣列按某種或幾種相似性度量順次搜索匹配的方法，其匹配性能主要取決于相似性度量及搜索策略的選擇。 匹 配 窗 口 大 小 的 選 擇 也 是 影 響 匹 配 性 能 的 一 個 重 要 因 素 ， 當(dāng) 景 物 存 在 遮擋 或 者 圖 像 不 光 滑 時 ， 選 擇 大 窗 口 容 易 出 現(xiàn) 錯 誤 的 匹 配 ， 而 小 窗 口 又 不 能 滿 足 強度 的 變 化 ， 因 此 為 了 達 到 最 好 的 匹 配 效 果 ， 可 以 自 動 適 應(yīng) 調(diào) 整 匹 配 窗 口 的 大 小 ?；?于 灰 度 相 關(guān) 的 匹 配 算 法 直 接 利 用 圖 像 的 灰 度 進 行 匹 配 ， 可 以 利 用 圖 像 的 所 有 信息 ， 但 需 要 處 理 很 大 的 信 息 量 ， 計 算 復(fù) 雜 而 且 容 易 出 錯 ， 很 難 達 到 實 時 匹 配 的 要求 ， 而 且 對 圖 像 間 的 細(xì) 微 差 別 很 敏 感 ， 一 個 很 小 的 變 化 都 有 可 能 對 匹 配 的 結(jié) 果 產(chǎn)生 很 大 的 影 響 ， 從 而 導(dǎo) 致 匹 配 的 失 敗 。 所 以 該 算 法 抗 噪 聲 及 其 他 抗 干 擾 的 能 力 比較 差 ， 只 能 用 于 對 具 有 相 同 外 界 條 件 的 兩 幅 圖 像 進 行 匹 配 [7]。北京化工大學(xué)畢業(yè)設(shè)計（論文）7設(shè)參考圖像 Xij 的大小為 mn，輸入圖像 Yij 的大小為 MN，其中Mm，Nn。Y(a，b) ij 表示輸入圖像以(a ，b)為中心，與參考圖像大小相等，對應(yīng)(i，j)位置的像素灰度。（1）不變矩匹配法 不變矩匹配算法用兩個圖像之間七個不變矩之間的相似性來描述相似度。現(xiàn)在如果令實時圖的不變矩為M ij=1，2...7，并且令實驗位置(u，v)上的基準(zhǔn)子圖的不變矩為N i (u，v)，j=1，2...7，則兩圖之間的相似度可以用任一種相關(guān)算法來度址本文采用上面的歸一化相關(guān)算法時其相似度如式(3)，其中R(u，v)是實驗位置(u，v)上的不變矩的相關(guān)值。 R(u,v)= / 1/2 (21)（2）灰度的絕對差值法(AD) 模板N在圖像M上平移，搜索窗口所覆蓋的子圖記作M i,j，i， j為子圖的左上角頂點在圖M中的坐標(biāo)。最簡單的基于灰度值的方法是利用灰度的絕對差值 (absolute difference，簡稱AD) 即計算模板與搜索子圖灰度值的 L1 距離 [8]: D(i,j)= |Mi,j(m,n)N(n,m)| (22)其中， S ，T 分別代表圖像各個像素的灰度值，m ，n代表各個像素的坐標(biāo)。D(i, j)值越小，表示兩個像素塊越相似。這種方法雖然計算比較簡單，但是它對噪聲非常敏感。顯然，此種算法的時間復(fù)雜度是O(M 2N2) ，一旦搜索圖的灰度發(fā)生變化，算法將可能會失效。（3）差方和法(SSD)這種方法是計算模板與搜索子圖灰度值的L 2距離： D(i,j)= |Mi,j(m,n)N(n,m)|2 (23)基于灰度值的匹配方法的主要特點是計算簡單，但是由于計算相似度時往往涉及到待匹配單元的每個像素的灰度值，所以導(dǎo)致整個匹配搜索過程要消耗巨大的計算量?；诨叶鹊钠ヅ渌愦嬖谌缦聨讉€缺陷：(1)對圖像的灰度變化比較敏感，尤其是非線性的光照變化，將大大降低算法的性能：(2)計算復(fù)雜度高；(3)對目標(biāo)的旋轉(zhuǎn)，形變以及遮擋比較敏感。利用灰度信息匹配方法存在著各種缺陷，實際工作中一般都有一定的速度要求，所以這些方法很少被使用。北京化工大學(xué)畢業(yè)設(shè)計（論文）8第 節(jié) 基于特征的匹配算法 基于特征的匹配算法根據(jù)兩幅圖像相同特征的集合關(guān)系計算配準(zhǔn)參數(shù)，而圖像的低級別特征主要有點、邊緣及面特征等。但是面特征提取比較麻煩，耗時多，因此基于特征的匹配算法主要是研究利用特征點和邊緣特征進行匹配。 基 于 特 征 點 的 圖 像 匹 配 主 要 有 點 點 匹 配 和 點 集 匹 配 兩 種 。 點 點 匹 配 首 先 按 一定 的 約 束 關(guān) 系 得 到 兩 個 點 集 ， 然 后 利 用 其 它 的 約 束 條 件 剔 除 錯 誤 匹 配 點 ， 最 好 確定 點 與 點 的 一 一 對 應(yīng) 關(guān) 系 。 點 集 匹 配 不 需 要 建 立 明 確 的 點 點 對 應(yīng) 關(guān) 系 ， 只 需 要 利用 點 的 位 置 和 相 互 關(guān) 系 進 行 匹 配 。 Hausdorff距 離 不 需 要 精 確 的 點 點 對 應(yīng) 關(guān) 系 ， 對非 相 似 變 形 不 敏 感 ， 因 此 該 匹 配 方 法 廣 泛 應(yīng) 用 于 特 征 圖 像 的 匹 配 [9]。 圖像特征分為兩類，第一類是局部特征，比如說角點，邊緣點，短的邊緣或線段，小塊區(qū)域等；第二類是全局特征，通常由幾個多邊形或是幾個對圖像內(nèi)容更為復(fù)雜的描述構(gòu)成。特 征 匹 配 首 先 對 圖 像 進 行 預(yù) 處 理 來 提 取 其 高 層 次 的 特 征 ， 然 后 建 立 兩幅 圖 像 之 間 特 征 的 匹 配 對 應(yīng) 關(guān) 系 ， 通 常 使 用 的 特 征 基 元 有 點 特 征 、 邊 緣 特 征 和 區(qū)域 特 征 。 特 征 匹 配 需 要 用 到 許 多 諸 如 矩 陣 的 運 算 、 梯 度 的 求 解 、 還 有 傅 立 葉 變 換和 泰 勒 展 開 等 數(shù) 學(xué) 運 算 。 基于特征的匹配方法主要涉及到兩個關(guān)鍵步驟： （1）特征提?。赫缟衔奶岬降?，圖像特征分為局部特征和全局特征。有些方法采用角點作為局部特征，如也有些方法采用線段，比如通過提取高分辨率遙感城市圖像中的道路作為特征來匹配也可以是邊緣，輪廓，小塊區(qū)域等其他更為復(fù)雜的特征，比如以多邊形區(qū)域作為待匹配特征。而全局特征就是局部特征的組合。常 用的 特 征 提 取 與 匹 配 方 法 有 ： 模 型 法 、 幾 何 參 數(shù) 法 、 幾 何 法 、 邊 界 特 征 法 、 信 號 處理 法 、 傅 氏 形 狀 描 述 法 、 統(tǒng) 計 方 法 、 形 狀 不 變 矩 法 等 。 （2）特征匹配：特征匹配是指在兩幅圖像的特征之間建立對應(yīng)關(guān)系的過程。特征匹配方法涉及到對特征描述的定義和特征匹配策略兩點。對特征描述的定義即如何量化地描述一個特征，一個好的特征描述定義應(yīng)該盡量做到以下幾點：來自兩幅圖像的特征應(yīng)該就有幾何不變性，特征值受噪聲的影響應(yīng)該小；要使特征值盡量分散，即不同的特征應(yīng)該有不同的特征值，這樣才可以避免歧義性；一個特征有多個特征可匹配，要使特征的描述盡量簡單，過于復(fù)雜的描述會增加計算復(fù)雜度。在多數(shù)情況下這幾點是矛盾的，所以一個好的特征描述定義應(yīng)該很好的權(quán)衡好這幾點問北京化工大學(xué)畢業(yè)設(shè)計（論文）9題。特征匹配策略是指如何快速準(zhǔn)確地找到特征之間的對應(yīng)關(guān)系。常用的基于特征的匹配算法有距離匹配方法、最小均方誤差匹配、金字塔小波匹