關(guān)于圖像匹配的綜述

1、關(guān)于圖像匹配的綜述1 .圖像匹配的背景及定義1.1 圖像匹配的背景及意義圖像匹配技術(shù)廣泛的應(yīng)用于日常生活中的諸多領(lǐng)域，如醫(yī)療診斷中各種醫(yī)學(xué)圖片的分析與識(shí)別、遙感圖片識(shí)別、天氣預(yù)報(bào)中的衛(wèi)星云圖識(shí)別、指紋識(shí)別、人臉識(shí)別等。圖像匹配技術(shù)主要指通過(guò)計(jì)算機(jī)，采用數(shù)學(xué)技術(shù)方法，對(duì)獲取的圖像按照特定目的進(jìn)行相應(yīng)的處理。圖像匹配技術(shù)是人工智能的一個(gè)重要分支和應(yīng)用，隨著計(jì)算機(jī)技術(shù)及人工智能技術(shù)的發(fā)展，圖像識(shí)別技術(shù)逐漸成為人工智能的基礎(chǔ)技術(shù)之一。它涉及的技術(shù)領(lǐng)域相當(dāng)?shù)膹V泛，也越來(lái)越深入，其基本分析方法也隨著數(shù)學(xué)工具的不斷進(jìn)步而不斷發(fā)展?，F(xiàn)在，圖像識(shí)別技術(shù)的應(yīng)用范圍己經(jīng)不僅僅局限于視覺(jué)的范圍，也體現(xiàn)在機(jī)器智能和數(shù)字

2、技術(shù)等方面。1.2 圖像匹配的定義所謂圖像匹配是指在一幅（或一批）圖像中尋找與給定目標(biāo)圖像相似的圖像或者圖像區(qū)域（子圖像）的過(guò)程。通常將已知目標(biāo)圖像稱為模板圖像，而將待搜索圖像中可能與它對(duì)應(yīng)的子圖稱作該模板的待匹配的目標(biāo)圖像。圖像匹配是在來(lái)自不同時(shí)間或者不同視角的同一場(chǎng)景的兩幅或多幅圖像之間尋找對(duì)應(yīng)關(guān)系，該技術(shù)隸屬于計(jì)算機(jī)視覺(jué)哺領(lǐng)域。圖像匹配的具體應(yīng)用包括目標(biāo)或場(chǎng)景識(shí)別、在多幅圖像中求解3D結(jié)構(gòu)、立體對(duì)應(yīng)和運(yùn)動(dòng)跟蹤等。由于拍攝時(shí)間、拍攝角度、自然環(huán)境的變化，多種傳感器的使用、傳感器本身的缺陷及噪聲等影響，拍攝的圖像會(huì)存在灰度失真和幾何畸變。同時(shí)，圖像預(yù)處理過(guò)程會(huì)引入的誤差，這都是導(dǎo)致模板圖像與

3、待匹配的目標(biāo)圖像之間通常存在著一定程度上的差異。在這種情況下，如何使匹配算法精度高、正確匹配率高、速度快和抗干擾性強(qiáng)成為人們關(guān)心的問(wèn)題。2 .圖像匹配算法的分類圖像匹配算法的選取對(duì)圖像匹配結(jié)果的影響很大。實(shí)用的匹配算法不僅要求計(jì)算量小，還必須具有良好的抗噪能力和抗幾何形變的能力。通常情況下，圖像匹配算法可以分為以下兩大類：基于灰度相關(guān)的匹配算法、基于特征的圖像匹配算法。1）基于灰度分布的相關(guān)匹配算法，也稱為基于區(qū)域的匹配方法。常見(jiàn)的基于圖像灰度的匹配方法有：（1）歸一化灰度相關(guān)匹配、（2）最小二乘影像匹配、和（3）序貫相似性檢測(cè)法匹配等。該類算法直接利用整幅圖像的灰度信息，建立兩幅圖像之間的相

4、似性度量，然后采在灰度及幾何畸變用某種搜索方法，尋找使相似性度量值最大或最小的變換模型的參數(shù)值。不大的情況下有較好的估計(jì)精度和魯棒性，抗噪能力強(qiáng)。但是它運(yùn)算量大、速度慢、抗灰度及幾何畸變能力較弱。難以達(dá)到實(shí)時(shí)要求，一旦進(jìn)入信息貧乏的區(qū)域，會(huì)導(dǎo)致誤匹配率上升。如歸一化積相關(guān)匹配算法，該算法是一種典型的基于灰度相關(guān)的圖像匹配算法，該算法在應(yīng)用于異類圖像的配準(zhǔn)時(shí)存在一定的不足。2）基于特征的匹配算法。常見(jiàn)的特征有物理特征、邊緣、不變矩、局部嫡差以及變換域特征等?；谔卣鞯钠ヅ渌惴m然抗次度和幾何畸變能力強(qiáng)，但其噪聲抑制能力較弱。圖像的特征提取是特征匹配算法的關(guān)鍵問(wèn)題，它直接關(guān)系到匹配算法的好壞。此外

5、，為了加快圖像匹配速度，人們提出將小波分析方法應(yīng)用于圖像匹配中。但遺憾的是，小波分析在一維時(shí)所具有的優(yōu)異特性并不能簡(jiǎn)單的推廣到二維甚至高維，可分離小波只具有有限的方向，不能最優(yōu)表示含線或者面奇異的高維函數(shù)，多尺度幾何分析方法也就應(yīng)運(yùn)而生?；谧儞Q域的匹配方法有（1）不變矩匹配法、（2）距離變換匹配法和（3）基于小波變換的匹配等，這些匹配方法對(duì)噪聲不敏感，檢測(cè)結(jié)果不受光照變化影響，可以較好的處理圖像之間的尺度和旋轉(zhuǎn)變化?；谀Ｐ偷钠ヅ浞椒ㄔ谟?jì)算機(jī)視覺(jué)領(lǐng)域中的應(yīng)用非常廣泛，它可以分為剛體形狀匹配和變形模板匹配兩大類。Kass提出的Snake主動(dòng)輪廓模型是比較典型的自由式變形模板模型。由于不受全局結(jié)

6、構(gòu)的限制，所以Snake模型能表示任意的形狀，但是該模型對(duì)于模板的初始位置和噪聲比較敏感，對(duì)于凹邊緣的收斂性較差，而且容易陷入局部最小值。2.1 基于灰度分布的相關(guān)匹配算法（1）歸一化灰度相關(guān)匹配歸一化積相關(guān)是一種典型的基于灰度相關(guān)的算法，具有不受比例因子誤差的影響和抗白噪聲干擾能力強(qiáng)等優(yōu)點(diǎn)，它使用的相似性度量定義如下：（），-公式通過(guò)比較參考圖像和輸入圖像在各個(gè)位置的相關(guān)系數(shù)，相關(guān)值最大的點(diǎn)就是最佳匹配位置。歸一化積相關(guān)匹配算法實(shí)現(xiàn)的步驟描述如下：1獲得帶匹配圖像、模版圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。2建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保存匹配完成后的圖像，將帶匹配圖像復(fù)制到目標(biāo)圖像中。

7、3逐個(gè)掃描圖像中的像素點(diǎn)對(duì)應(yīng)的摸板子圖，根據(jù)公式1求出每一個(gè)像素點(diǎn)位置的逐一化積相關(guān)函數(shù)值，找到圖像中最大歸一化函數(shù)值的出現(xiàn)位置，記錄像素點(diǎn)的位置。4將目標(biāo)圖像多有的像素值減半以便和原圖區(qū)別,把模板圖像復(fù)制到目標(biāo)圖像中步驟3中記錄的像素點(diǎn)位置。(2)最小二乘影像匹配乘法在影像匹配中的應(yīng)用是20世紀(jì)80發(fā)展起來(lái)的。德國(guó)Ackermann教授提出了一種新的影像匹配方法-最小二乘影像匹配，由于該方法充分利用了影像窗口內(nèi)的信息進(jìn)行平差計(jì)算，使影像匹配可以達(dá)到1/10甚至1/100像素的高精度，即影像匹配精度可達(dá)到子像素等級(jí)。為此，最小二乘影像匹配被稱為"高精度影像匹配”，但也有人習(xí)慣于稱其為

8、“高精度影像相關(guān)”。最小二乘法是處理各種觀測(cè)數(shù)據(jù)進(jìn)行測(cè)量平差的一種基本方法。如果以不同精度多次觀測(cè)一個(gè)或多個(gè)未知量，為了求定各未知量的最可靠值，各觀測(cè)量必須加改正數(shù)，使其改正數(shù)的平方乘以觀測(cè)值的權(quán)數(shù)的總和為最小因此稱作最小二乘法。所謂“權(quán)”就是表示觀測(cè)結(jié)果質(zhì)量相對(duì)可靠程度的一種權(quán)衡值。其算法實(shí)現(xiàn)設(shè)計(jì)如下：首先在左影像中選擇一個(gè)適當(dāng)大小的區(qū)域，作為匹配的目標(biāo)區(qū)。目標(biāo)區(qū)的大小按照實(shí)際情況而定，不宜過(guò)大也不宜過(guò)小。過(guò)大就會(huì)使匹配準(zhǔn)確度降低，也會(huì)增加運(yùn)算量，使匹配效率降低；過(guò)小會(huì)導(dǎo)致參與平差計(jì)算的像素點(diǎn)數(shù)目不足，從而會(huì)影響最小二乘法計(jì)算出的參數(shù)不能滿足要求因此，合適的目標(biāo)區(qū)域是非常重要的。選擇完目標(biāo)區(qū)

9、后即確定了以左影像為基準(zhǔn)，利用變換參數(shù)對(duì)右影像進(jìn)行幾何變換和輻射變換，變換模型如下：()+()=+()+()-公式2其中()，()為偶然誤差，而右影像坐標(biāo)與左影像坐標(biāo)間的關(guān)系為：=+=+-公式3最小二乘影像匹配算法可分為以下幾個(gè)步驟來(lái)理解：第一步：先將目標(biāo)區(qū)各個(gè)像素點(diǎn)的坐標(biāo)按公式3進(jìn)行變換，如圖1所示。目標(biāo)區(qū)經(jīng)過(guò)變換后，在右影像中的形狀和位置的情況(下圖中的變換參數(shù)取的是初始值，因此右影像中的區(qū)域形狀與目標(biāo)區(qū)相比，沒(méi)有發(fā)生變形)。同左影像片影悻圖1選取的目標(biāo)區(qū)域與經(jīng)參數(shù)變換后的影像對(duì)比圖第二步：完成幾何畸變改正后，圖中B區(qū)域內(nèi)每個(gè)像素點(diǎn)的坐標(biāo)值一般都不會(huì)為整數(shù)，因此需要灰度重采樣(第一次幾何畸

10、變改正后，只需讀取該區(qū)域中的各像素點(diǎn)在右影像中的灰度值即可)，可以采用間接法重采樣，即對(duì)區(qū)域中的每個(gè)像素點(diǎn)用雙線性內(nèi)插的方法計(jì)算其灰度值，將計(jì)算后得到的灰度值賦給B區(qū)域中的對(duì)應(yīng)像素點(diǎn)，像素點(diǎn)的坐標(biāo)值與目標(biāo)區(qū)域中像素點(diǎn)的坐標(biāo)值是對(duì)應(yīng)的。第三步：對(duì)于重采樣后的像素點(diǎn)用(2)式進(jìn)行輻射畸變的改正，按照假設(shè)此時(shí)B區(qū)域的各像素點(diǎn)的灰度值估值應(yīng)該與目標(biāo)區(qū)域?qū)?yīng)像素點(diǎn)的灰度值估值相等?？梢杂孟率奖硎荆?)=+()-公式4第四步：按照最小二乘影像匹配算法計(jì)算出畸變參數(shù)的改正值，從而計(jì)算出畸變參數(shù)。接著計(jì)算目標(biāo)區(qū)域與B區(qū)域的相關(guān)系數(shù)，由于匹配過(guò)程是一個(gè)迭代過(guò)程，因此此次計(jì)算的相關(guān)系數(shù)若大于上一次的相關(guān)系數(shù)，就可

11、以認(rèn)為匹配結(jié)束。否則用計(jì)算得出的畸變參數(shù)重新進(jìn)行計(jì)算，得到新的B區(qū)域灰度值再次計(jì)算相關(guān)系數(shù)并判斷迭代是否結(jié)束。以上過(guò)程可以認(rèn)為B區(qū)域中的小區(qū)域影像是每次用畸變參數(shù)計(jì)算后的更加接近匹配區(qū)域的小區(qū)域影像代替后得到的。隨著畸變參數(shù)的不斷變化，B區(qū)域中的小區(qū)域影像就無(wú)限接近于匹配區(qū)域的影像，通過(guò)計(jì)算最佳匹配點(diǎn)坐標(biāo)，就可以得出目標(biāo)區(qū)與右影像的最佳同名點(diǎn)的坐標(biāo)。最小二乘影像匹配算法匹配精度高，能夠很方便地引入變形參數(shù)進(jìn)行整體平差，從而抵消左右影像之間的幾何差異和輻射差異，既考慮了輻射誤差對(duì)影像匹配的影響，同時(shí)也考慮如目標(biāo)點(diǎn)與最了幾何畸變對(duì)影像匹配的影響。避免了只考慮灰度的匹配方法出現(xiàn)的誤匹配,終計(jì)算得出的

12、匹配點(diǎn)。雖然灰度相似性很大，但它們可能并不是同名點(diǎn)，因?yàn)樗鼈兊膸缀挝恢每赡艽嬖诤艽蟮牟町?，而最小二乘影像匹配的方法由于考慮了目標(biāo)區(qū)與匹配區(qū)的幾何畸變，所以能有效地避免此類問(wèn)題的產(chǎn)生。(3)序貫相似性檢測(cè)法匹配序貫相似性檢測(cè)算法(SSDA是針對(duì)傳統(tǒng)模板匹配算法提出的一種高效的圖像匹配算法.在進(jìn)行每一個(gè)搜索窗口的匹配相關(guān)運(yùn)算時(shí)，合理的計(jì)算間隔，檢測(cè)當(dāng)前所得的相關(guān)結(jié)果和SSDA閾彳tT的比較關(guān)系。SSDA算法是用作為匹配尺度的。在圖像f(x,y)中的點(diǎn)(u,v)的非相似度m(u,v)用如下式子計(jì)算。-公式5式中，點(diǎn)(u,v)表示的不是模板的中央，而是左上角位置。如果在(u,v)處有和模板一致的圖案時(shí)

13、，則m(u,v)值很小，相反則m(u,v)值很大。特別是模板和圖像完全不一致的時(shí)候，如果在模板的各像素上與圖像的灰度差的絕對(duì)值一次增加下去，其和就會(huì)急劇地增大。因此，在做加法的過(guò)程中，如果灰度差的部分和超過(guò)了某一閾值時(shí)，就認(rèn)為在位置上和模板一致的圖案不存在，從而轉(zhuǎn)移到下一個(gè)位置上進(jìn)行m(u,v)的計(jì)算。包才m(u,v)在內(nèi)的計(jì)算只是加減運(yùn)算，而且這一計(jì)算大多數(shù)中途便停止了，因此可大幅度地縮短時(shí)間。為了盡早的停止計(jì)算，可以隨機(jī)的選擇像素的位置進(jìn)行灰度差的計(jì)算。圖像的序貫相似性算法實(shí)現(xiàn)的步驟描述如下：1獲得帶匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。2建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保存

14、圖像匹配后的圖像，將帶匹配圖像復(fù)制到目標(biāo)圖像中。3逐個(gè)掃描源圖像中的像素點(diǎn)所對(duì)應(yīng)的摸板子圖，根據(jù)公式6求出每一個(gè)像素點(diǎn)位置的絕對(duì)誤差值，當(dāng)累加絕對(duì)誤差值超過(guò)閾值時(shí)，停止累加，記錄像素點(diǎn)的位置和累加的次數(shù)。-公式64循環(huán)步驟3,直到處理完源圖像的全部像素點(diǎn)，累加次數(shù)最少的像素點(diǎn)為最佳匹配點(diǎn)°5將目標(biāo)圖像所有像素值減半以便和原圖區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中步驟4記錄的像素點(diǎn)位置。2.2 基于特征的相關(guān)匹配算法(1) 不變矩匹配法在圖像處理中，矩是一種統(tǒng)計(jì)特性，可以使用不同階次的矩計(jì)算模板的位置、方向和尺度變換參數(shù)。由于高階對(duì)噪聲和變形非常敏感，因此在實(shí)際應(yīng)用中通常選用低階矩來(lái)實(shí)現(xiàn)圖像

15、匹配。矩定義為p,q=0,1,2,-公式7其中，p和q可以取所有的非負(fù)整數(shù)值；參數(shù)p+q成為矩的階。由于p和q可取所有的非負(fù)整數(shù)值，他們產(chǎn)生一個(gè)矩的無(wú)限集。而且，這個(gè)集合完全可以卻都函數(shù)f(x,y)本身。也就是說(shuō)，集合對(duì)于函數(shù)f(x,y)是惟一的，也只有f(x,y)才具有該特定的矩集。為了使矩描述與大小、平移、旋轉(zhuǎn)無(wú)關(guān)，可以用二階和三階規(guī)格化中心距導(dǎo)出7個(gè)不變矩，不變矩描述分割出的區(qū)域時(shí)，具有對(duì)平移、旋轉(zhuǎn)和尺寸大小都不變的性質(zhì)。利用二階和三階規(guī)格化中心距導(dǎo)出的7個(gè)不變矩如下：+4+-+()()-3-+4()()+)公式8但是，上述幾種據(jù)特性的定義都不具有尺度不變形。通過(guò)歸一化刀、和，實(shí)現(xiàn)了尺度

16、不變形。圖像的不變矩匹配算法實(shí)現(xiàn)的步驟描述如下：1獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。2根據(jù)式8求出待匹配圖像和模板圖像的7個(gè)不變矩。3根據(jù)下式求出待匹配他圖像和模板圖像的相關(guān)值。-公式9(2)距離變換匹配法距離變換也是一種常見(jiàn)的二值圖像處理算法，用來(lái)計(jì)算圖像中任意位置到最近邊緣點(diǎn)的距離。其基本原理為：設(shè)二值圖像I包含兩種元素，物體D和背景O,距離圖為D,則距離變換定義為D(p)=mindist(p,q),qO-公式10其中，(p,q)為圖像的像素點(diǎn)，dist()為距離測(cè)度函數(shù)，常見(jiàn)的距離測(cè)度函數(shù)有切削距離、街區(qū)距離和歐氏距離。切削距離和街區(qū)距離是歐氏距離的一種近似。對(duì)于兩幅

17、而知圖像，定義其匹配誤差度量準(zhǔn)則為-公式11其中，A,B分別是2個(gè)圖像中為“1"的像素點(diǎn)集合；a、b分別為A、B中的任一點(diǎn)；、分別是A、B中點(diǎn)的個(gè)數(shù)；而g()是加權(quán)函數(shù)，他在x半軸上是連續(xù)遞增的，滿足-公式12可以證明，有如下性質(zhì)：1>=0;2當(dāng)兩個(gè)圖像完全一致時(shí)，=0,此時(shí)兩個(gè)圖像完全一樣；3由于g()對(duì)各點(diǎn)距離變換的值連續(xù)加權(quán)，當(dāng)兩個(gè)圖像間發(fā)生一定幾何失真時(shí)，不會(huì)突然增加，而是隨幾何失真程度地增強(qiáng)而逐漸增加。利用這一準(zhǔn)則可實(shí)現(xiàn)不同成像條件下的圖像匹配。首先在參考圖中任一可能匹配位置上截取與實(shí)測(cè)圖大小相同的圖像塊，然后對(duì)實(shí)測(cè)圖與各參考圖塊提取邊緣并作二值化，在采用上述準(zhǔn)則求出

18、二值的匹配誤差。搜索完參考圖的每一個(gè)可能匹配位置，誤差最小的幾位配準(zhǔn)點(diǎn)。在匹配誤差準(zhǔn)則中，難點(diǎn)是的求取，如果對(duì)A中每個(gè)點(diǎn)a都做最近鄰搜索，計(jì)算量將很大。因此可以采用膨脹運(yùn)算與類似“或“運(yùn)算來(lái)代替。將加權(quán)函數(shù)離散化：-公式13將加權(quán)函數(shù)離散化，按照這個(gè)加權(quán)函數(shù)對(duì)參考土塊的二值化邊緣圖中每個(gè)點(diǎn)f進(jìn)行膨脹運(yùn)算如下：G(f)=g(f)-公式14這樣，對(duì)A中點(diǎn)a,求取g(a)就轉(zhuǎn)化為求A的膨脹圖，即對(duì)相應(yīng)的點(diǎn)進(jìn)行比較保留較小值。圖像的距離變化匹配算法實(shí)現(xiàn)的步驟如下：1獲得待匹配圖像、末班圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度；2建立一個(gè)目標(biāo)圖像指針，別分配內(nèi)存，以保存圖像匹配后的圖像，將待匹配圖像復(fù)制到目標(biāo)圖像中。3逐個(gè)掃描源圖像中的像素點(diǎn)所對(duì)應(yīng)的摸板子圖，根據(jù)公式13求出每一個(gè)像素點(diǎn)位置的最小距離值，記錄像素點(diǎn)的位置。4循環(huán)步驟3,直到處理完源圖像的全部像素點(diǎn)，距離最小的像素點(diǎn)為最佳匹配點(diǎn)。5將目標(biāo)圖像所有像素值減半以便和原圖區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中步驟4記錄的像素點(diǎn)位置。(3)基于小波變換的模板匹配基于小波變換的模板匹配方法，即在經(jīng)典模板匹配方法的基礎(chǔ)上，在小波域進(jìn)行相關(guān)匹配。首先將待配準(zhǔn)的圖像與參考圖像分解成多級(jí)小波系數(shù)圖像.模板匹配在每一級(jí)低頻小波系數(shù)圖像上進(jìn)行，并對(duì)該圖像進(jìn)行配準(zhǔn)，最后通過(guò)小波逆變換生成最終的配準(zhǔn)結(jié)果。可以改善模板匹配搜索通過(guò)小波分解，由于模板搜索圖像變?yōu)?/p>