模板匹配MATLAB实现及算法优化.pdf

模板匹配MATLAB实现及算法优化 模板匹配是图像处理的一项关键技术，广泛应用于目标识别与跟踪、立体视觉、变化检测、车场车牌识别、人脸识别、机器人导航、测绘等领域。由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，使拍摄的图像不仅受噪声的影响，而且存在严重的灰度失真和几何畸变。在这种条件下，如何有效地进行图像匹配一直是人们研究的热点和难点。 模板匹配的定义是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。简单的讲就是，要判读一幅大图像中是否存在某种已知的图案，则以一幅与该图案有着相同尺寸和方向的小图像为模板，通过一定的算法可以在图中找到目标，确定其坐标位置。 在模板匹配的实现过程中，首先必须建立判断模板与原图相应位置相似程度的准则。对于彩色图像，是基于图像的特征匹配；而灰度图像， 则是基于相关函数。相关函数又分成两类：（1） 差值测度，计算公式如下：max |( ,)( , ) |f x yg x y|( , )( , ) |Df x yg x ydxdy22[( , )( ,)]Df x yg x ydxdy；（2） 相关测度，计算公式如下：1222( ,) ( , )( ,)[( , )( , )]DDDfx y g x y dxdyp x yfx ydxdyg x ydxdy。 使用MATLAB编程实现模板匹配，需要三个重要组成部分：1. 模板循环功能，实现模板扫过原图的每一个像素点；2. 相似性判断功能，在每一次循环时，计算模板与覆盖的原图区域的相似程度，并判断两图像是否相似；3. 标识原图上匹配成功的区域功能，用框圈出或高亮显示原图上与模板匹配成功的区域位置。 在实际应用中，模板匹配经常用于制导导引头、传感器等，这类设备计算能力、内存有限，且要求在较短时间内得到处理结果。因此，以减少处理计算量、加快处理速度为目的的算法优化必不可少。算法优化可以分为三种：循环次数优化、相似性计算优化、以上两种思路的结合优化。其中，差值测度优化思路是相比相关测度计算，差值测度只计算减法，所以在计算量上将大大降低。 TMP 法首先认为原图与模板具有相同的直流分量，那么只要检测除直流分量能量外的能量水平，就可以判断相似性。 模板匹配是图像处理的一项关键技术，通过MATLAB实现和算法优化，可以有效地进行图像匹配，并应用于各种实际领域。