CN100463002C - 基于像素跳跃的图像匹配方法 - Google Patents

Abstract

一种基于像素跳跃的图像匹配方法，通过分析相关面上相关峰的情形以确定模板在搜索图上进行移动跳跃的像素数，从而以最快的速度获取模板在搜索图中对应的位置。该方法不但大为减少图像匹配的计算量从而极大地减少图像匹配所消耗的时间，而且由于兼顾了相关面的特征信息，使其适应能力也得到增强，从而很好地满足实际工程的应用需求，另外，本方法在保证匹配概率的前提条件下，随着模板尺寸的增大将使得图像匹配效果的优势越来越明显。

Description

基于像素跳跃的图像匹配方法

技术领域

本发明属于数字图像处理技术领域，特别是涉及一种基于像素跳跃的图像匹配方法。

背景技术

在机器识别事务的过程中，常把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式在另一幅图像中寻找相应模式的过程称为匹配。所谓图像匹配就是把从同一景物利用两个不同的传感器录取下来的两幅灰度图像在空间上进行对准，以确定两幅图像之间相对偏移的过程。随着数字信号处理技术的发展，图像匹配已经成为现代数字图像处理领域的一项重要技术，在运动视频压缩、自动目标识别、医学图像分析、巡航制导、导弹投射系统的末制导等诸多领域中得到了广泛地应用。

目前的图像匹配技术可分为三个层次:基于灰度相关的匹配方法、基于特征的匹配方法和基于解释的匹配方法。其中，基于解释的匹配方法需要建立在图片自动判读的专家系统上，一直未取得突破性进展，因而，现在的图像匹配技术主要集中于前两种方法。

在航天图像匹配的应用中，由于成像系统、成像方式、时间等因素的不同，将使相同目标位置的搜索图与实时图之间不可避免地存在偏差，实时图甚至还可能受到人为地电子干扰而使匹配环境变得更恶劣，在这种情况下，基于灰度相关的匹配方法由于具有较强的适应能力，在航天图像匹配中得到了最广泛地应用。该方法是通过将模板在搜索图上进行遍历，计算每个位置模板和搜索图对应部分的互相关值，从而判定模板在搜索图中对应的位置，这种匹配方法由于具有灰度线性变化无关的特性，因而具有较强的适应性，但缺点是计算量随着模板与搜索图的尺寸变化呈几何级数增大，从而使基于灰度相关的匹配方法的实时性受到大大地制约。

基于特征的匹配方法是当前图像匹配技术研究的热点，其一般涉及大量的几何与图像形态学计算，没有一般的模型可遵循，需要针对不同的应用场合选择各自适合的特征和模型，例如:边缘特征点、区域特征、图、句法等模型，因而，基于特征的匹配方法对景象类型和成像畸变的适应性不是很高，可靠性不是很强，不能很好地满足实际工程的应用需求。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于像素跳跃的图像匹配方法，该方法能够以最快的速度获取模板在搜索图中对应的位置，从而极大地减少图像匹配所消耗的时间和很好地满足实际工程的应用需求。

为达到上述目的，本发明的技术方案是这样实现的:通过分析相关面上相关峰的情形以确定模板在搜索图上进行移动跳跃的像素数，从而以最快的速度获取模板在搜索图中对应的位置。

本发明的基于像素跳跃的图像匹配方法具体包括以下步骤:

第一步，确定模板在搜索图上进行移动的方向，将模板在搜索图上按移动方向依次连续移动三个像素位置，并记录模板在搜索图上移动的第一个像素位置、第二个像素位置和第三个像素位置；

第二步，分别计算步骤一中模板在搜索图上移动到的像素位置处的相关系数值，根据包括当前相关系数值在内的最近三个相关系数值的大小关系来确定相关面上相关峰的情形；

第三步，根据步骤二中所确定的相关峰的情形，计算模板在搜索图上移动到下一次位置所需跳跃的像素数N；

第四步，将模板在搜索图上按移动方向移动到下一次像素位置，所述的下一次像素位置等于当前次像素位置加上N；

第五步，判断模板在搜索图上按移动方向移动是否已经搜索完毕，如果是，则执行步骤六，否则，重复执行步骤二至步骤四；

第六步，比较模板在搜索图上移动到的像素位置处的相关系数值大小，获取所有相关系数值中的最大值，得到模板在搜索图中对应的位置。

在步骤一中，所述模板在搜索图上移动的方向为:逐行地从左至右移动、或者逐行地从右至左移动、或者逐列地从下至上移动、或者逐列地从上至下移动，直到搜索完整幅图像。

步骤二中所述的相关峰的情形包括相关峰的阳面和相关峰的阴面。

所述的相关峰的阳面和阴面两种情形根据下述公式中K的符号SIGN确定:

其中，ρ_当前次表示模板在搜索图上移动到当前像素位置处的相关系数值，ρ_前一次表示模板在搜索图上移动到当前像素的前一像素位置的相关系数值，ρ_前二次表示模板在搜索图上移动到当前像素的前两个像素位置的相关系数值。

步骤三中，对于相关峰的阳面情形，模板在搜索图上移动到下一次位置所需跳跃的像素数N为:

N＝INT[(|1/ρ_当前次|-1.1)10]

对于相关峰的阴面情形，模板在搜索图上移动到下一次位置所需跳跃的像素数N取模板尺寸大小的一半以内的整数，在模板尺寸小于30×30或大于90×90时，N取接近[20，30]的整数。

步骤六中所述获取所有相关系数值中的最大值的过程包括:

首先给定一个初始值ρ₀＝0，然后比较ρ_当前次和ρ₀的大小，如果ρ_当前次大于ρ₀，则将ρ_当前次的值赋予ρ₀，否则，不做赋值操作。

模板在搜索图中对应的位置为ρ₀取最大值对应的像素坐标。

本发明的基于像素跳跃的图像匹配方法具有以下优点:

(1)模板在搜索图上进行移动时不用遍历每个像素坐标，只需通过分析相关面上相关峰的情形以确定模板在搜索图上进行移动跳跃的像素数，在没有被跳跃的像素位置上进行搜索，从而大为减少图像匹配的计算量，并极大地减少图像匹配所消耗的时间；

(2)在对相关面上的相关峰进行分析时，通过区分相关峰的阳面和阴面两种情形，并针对不同的情形进行相应的像素跳跃搜索，因此兼顾了相关面的特征信息，并且使得本发明的图像匹配方法很好地满足实际工程的应用需求；

(3)实验表明，本发明的图像匹配方法在保证匹配概率的前提条件下，随着模板尺寸的增大将使得图像匹配效果的优势越来越明显。

附图说明

图1示意了图像匹配时所采用的搜索图和模板；

图2为模板在搜索图上移动时的相关面示意图；

图3为图2所示的相关面上的一个相关峰剖面的示意图；

图4为本发明的方法流程示意图；

图5为模板在搜索图上依次连续移动三个像素位置的过程状态示意图；

图6至图8为本发明的模板在搜索图上依次连续移动三个像素位置所对应的相关系数值排列在相关峰上的不同情形示意图；

图9为采用本发明方法进行仿真实验的跳跃像素数和匹配时间的关系图，上图所示为30×30的模板在400×400的搜索图上的仿真，下图所示为90×90的模板在400×400的搜索图上的仿真；

图10为采用本发明方法进行仿真实验的跳跃像素数和匹配概率的关系图，上图所示为30×30的模板在400×400的搜索图上的仿真，下图所示为90×90的模板在400×400的搜索图上的仿真；

图11为采用本发明方法进行仿真实验的跳跃像素数和模板大小的关系图，上图所示为不同尺寸大小的模板在400×400的搜索图上进行移动搜索的仿真，下图所示为不同尺寸大小的模板在768×576的搜索图上进行移动搜索的仿真。

具体实施方式

下面参照附图对本发明作进一步详细地说明。

首先，介绍一下归一化互相关运算原理，在图像匹配中，两块相同大小图像间的相似程度采用相关系数ρ来表征:

情形之一，将两幅大小均为N×N的灰度图像分别记作:

{X|x_ij∈X，i，j＝0，…，N-1}和{Y|y_ij∈Y，i，j＝0，…，N-1}，

其中，x_ij与y_ij分别为两幅图像上各点的灰度值，则两幅图像的相关系数为:

$\mathrm{\ρ}(X,Y)=\frac{E\left(\mathrm{XY}\right)-E\left(X\right)E\left(Y\right)}{\sqrt{D\left(X\right)}\sqrt{D\left(Y\right)}}$

其中，E(X)、E(Y)为两幅图像的灰度均值，D(X)、D(Y)为两幅图像的方差，E(XY)为两幅图像对应点乘后的均值，相关系数ρ(X，Y)表示了图像X和Y间线性关系的相似程度，相关系数越接近于1或-1时，表示图像间的线性相似程度越明显。

情形之二，将两幅大小各为M×M和N×N(M≤N)的灰度图像分别记作:

{X|x_ij∈X，i，j＝0，…，M-1}和{Y|y_ij∈Y，i，j＝0，…，N-1}，

则两幅图像的相关系数为:ρ_u，v＝|ρ(X，Y_u，v)|

其中，Y_u，v为搜索图上起始坐标为(u，v)，大小为M×M的子块，u，v＝0，1，…，N-M。设模板T的尺寸为M×M，搜索图S的尺寸为N×N(M≤N)，如图1所示，模板T在搜索图S上平移，模板下覆盖的子图记为S^i，j，(i，j)为子图左上角点在S中的坐标，该坐标对应的点叫参考点，比较T和S^i，j的内容，若两者一致，则它们的差为0，用误差的平方和作为它们相似程度的测度:

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[S^{i,j}(m,n)-T(m,n)]}^2---\left(1\right)$

展开上述公式，则有:

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2-2\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}[S^{i,j}(m,n)\×T(m,n)]+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2---\left(2\right)$

公式(2)等号右边的第三项表示模板的总能量，是一个常数；第一项是模板覆盖下的子图能量，随参考点的位置而缓慢改变:第二项是子图和模板的互相关，随参考点的位置而改变，当模板和子图匹配时，该互相关值最大，相关系数表示为下式:

$\mathrm{\ρ}(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}^{i,j}(m,n)\×T(m,n)}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}}---\left(3\right)$

根据柯西-施瓦兹不等式可知公式(3)中0<ρ(i，j)≤1，并且仅在S^i，j(i，j)/[T(m，n)]为常数时，ρ(i，j)取最大值(等于1)。

完全计算两幅图像间的相关系数矩阵，需要超过N²(M-N+1)²次的乘法运算和(N²-1)(M-N+1)²次加法运算，大大增加了实时图像匹配系统设计的难度。

一幅位图可以转换为相应的图像矩阵，对于图像定位的应用来说，相关系数矩阵中最大相关系数对应的坐标即为小幅图像在大幅图像上的定位坐标。图像矩阵A和B的相关矩阵C是这样定义的，假如A矩阵为M×N矩阵，且不小于B矩阵，则相关矩阵表示为下式:

$C(i,j)=\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N}{\mathrm{\&Sigma;}}}A(m,n)\&times;B(m-i,n-j)$

相关矩阵C的元素有这样的性质，若A与B是相同的，则在图像几何中心位置处有一峰值，其它位置都是小值。若A与B不相同，则C矩阵不存在峰值，整个矩阵都是相差不大的小值。相关运算相当于把一幅图像放在另一幅图像上移动，每移动一次进行一次比较:若两幅图像全部或部分相同，则在某一位置将出现全部或部分重叠，这时出现峰值；若两幅图像毫不相同，则在任何位置都不会重叠，这时无峰值出现，因此，搜索图与所给图像的匹配位置一定是出现峰值的地方。

图2为模板在搜索图上移动形成的相关面示意图，该相关面是根据模板在搜索图上移动对应的每个像素位置利用公式(3)计算得到一个相关系数值，将计算得到的相关系数值按照模板在搜索图上进行移动的方向排列成的，图2中，像素位置坐标和相关系数值共同构成相关面的三维坐标系。由图2可知，相关面呈现出高低起伏的形状，一般将相关面中的局部最大值区域称为相关峰。根据相关原理，相关峰的峰值对应图像的匹配位置，而相关峰的平缓面和低谷面一定不是匹配的位置。另外，相关峰的尖锐度也影响着图像匹配的概率和精度，陡峭的相关峰意味着较高的定位精度，匹配也不容易漂移，而坡度平缓的峰则会影响图像匹配的精度，甚至会导致失配。

基于图像相邻像素信息的连续性，可以对模板在搜索图上移动的下一次像素位置做出预测，如图3所示，相关系数值a、b、c、d、e、f、g分布在一个相关峰上，在本发明中，根据包括当前相关系数值在内的最近三个相关系数值的大小关系来分析相关峰的阳面和阴面两种情形。

图4为本发明的基于像素跳跃的图像匹配方法的流程示意图，如图4所示，该方法具体包括以下步骤:

第一步，确定模板在搜索图上进行移动的方向，将模板在搜索图上按移动方向依次连续移动三个像素位置，并记录模板在搜索图上移动的第一个像素位置、第二个像素位置和第三个像素位置。如图5所示，模板在搜索图上移动的方向为逐行地从左至右移动，图5中每一个小方格代表一个像素位置，图5(a)为模板在搜索图上的初始位置状态，图5(b)为模板在图5(a)的基础之上向右移动了一个像素位置，将模板此时所处的像素位置记作I₁，图5(c)为模板在图5(b)的基础之上向右移动了一个像素位置，将模板此时所处的像素位置记作I₂，图5(d)为模板在图5(c)的基础之上向右移动了一个像素位置，将模板此时所处的像素位置记作I₃；

第二步，分别计算步骤一中模板在搜索图上移动到的像素位置处的相关系数值；根据包括当前相关系数值在内的最近三个相关系数值的大小关系来确定相关面上相关峰的情形。通过公式(3)计算得到:模板在搜索图上移动所处的像素位置I₁处的相关系数值ρ₁，模板在搜索图上移动所处的像素位置I₂处的相关系数值ρ₂，模板在搜索图上移动所处的像素位置I₃处的相关系数值ρ₃；

参照图6至图8，ρ₁、ρ₂和ρ₃这三个相关系数值的大小关系基本上可以反映在以下相关峰上的不同排列:

如图6(a)所示，ρ₁-ρ₂>0，ρ₂-ρ₃<0；

如图6(b)所示，ρ₁-ρ₂>0，ρ₂-ρ₃<0；

如图6(c)所示，ρ₁-ρ₂<0，ρ₂-ρ₃>0；

如图6(d)所示，ρ₁-ρ₂<0，ρ₂-ρ₃>0；

如图7(a)所示，ρ₁-ρ₂>0，ρ₂-ρ₃＝0；

如图7(b)所示，ρ₁-ρ₂<0，ρ₂-ρ₃>0；

如图7(c)所示，ρ₁-ρ₂＝0，ρ₂-ρ₃＝0；

如图7(d)所示，ρ₁-ρ₂＝0，ρ₂-ρ₃<0；

如图8(a)所示，ρ₁-ρ₂<0，ρ₂-ρ₃<0；

如图8(b)所示，ρ₁-ρ₂>0，ρ₂-ρ₃>0；

如图8(c)所示，ρ₁-ρ₂<0，ρ₂-ρ₃<0；

如图8(d)所示，ρ₁-ρ₂>0，ρ₂-ρ₃>0。

通过如下公式中K的符号SIGN(正号或负号)来确定相关峰的情形:

其中，ρ_当前次表示模板在搜索图上移动到当前像素位置处的相关系数值，ρ_前一次表示模板在搜索图上移动到当前像素的前一像素位置的相关系数值，ρ_前二次表示模板在搜索图上移动到当前像素的前两个像素位置的相关系数值。本实施例中，ρ_前二次＝ρ₁，ρ_前一次＝ρ₂，ρ_当前次＝ρ₃，下面，分析K取不同的符号时，对应的相关峰的阳面情形和相关峰的阴面情形:

(1)当ρ₁-ρ₂的值和ρ₂-ρ₃的值为相反符号时，

(ρ_前二次-ρ_前一次)×(ρ_前一次-ρ_当前次)的符号SIGN取负号，K<0，

对应于图6(a)和图6(b)的情形称为相关峰的阳面；

对应于图6(c)和图6(d)的情形称为相关峰的阴面；

(2)K＝0的情况分为:

ρ₁≠ρ₂＝ρ₃时，对应于图7(a)的情形称为相关峰的阴面；

ρ₁＝ρ₂≠ρ₃时，对应于图7(b)的情形称为相关峰的阴面；

ρ₁＝ρ₂＝ρ₃时，对应于图7(c)，这种情形没有相关峰峰值出现，基于图像的一般特性，出现K＝0的这种情况出现的概率一般是很小的，本发明不考虑此种情形。

ρ₁＝ρ₂≠ρ₃时，对应于图7(d)的情形称为相关峰的阳面；

(3)当ρ₁-ρ₂的值和ρ₂-ρ₃的值为相同符号时，

(ρ_前二次-ρ_前一次)×(ρ_前一次-ρ_当前次)的符号SIGN取正号，K>0，

对应于图8(a)和图8(c)的情形称为相关峰的阳面；

对应于图8(b)和图8(d)的情形称为相关峰的阴面；

第三步，根据步骤三中所确定的相关峰的情形，计算模板在搜索图上移动到下一次位置所需跳跃的像素数N。对于上述相关峰的阳面情形，模板在搜索图上移动到下一次位置所需跳跃的像素数N为:

N＝INT[(|1/ρ_当前次|-1.1)10]

第四步，将模板在搜索图上按移动方向移动到下一次像素位置，如果模板在搜索图上按移动方向移动到下一次的像素位置为I₇，则:

I₇＝I₃+N，

然后，判定模板在搜索图上按移动方向移动是否已经搜索完毕，如果为否，则标记模板在搜索图上移动所处的当前像素位置I₇，通过公式(3)计算相关系数值ρ₇，此时，对应公式(4)，ρ_前二次＝ρ₂，ρ_前一次＝ρ₃，ρ_当前次＝ρ₇，然后，重复执行上述的相关步骤，计算出模板在搜索图上移动的下一次位置所需跳跃的像素数。

对于相关峰的阴面情形，模板在搜索图上移动到下一次位置所需跳跃的像素数N取模板尺寸大小一半以内的整数，在模板尺寸小于30×30或大于90×90时，N取接近[20，30]的整数。

如果模板在搜索图上按移动方向移动到下一次像素位置为I₈，则:

I₈＝I₃+N，

然后，判定模板在搜索图上按移动方向移动是否已经搜索完毕，如果为否，则标记模板在搜索图上移动所处的当前像素位置I₈，通过公式(3)计算相关系数值ρ₈，此时，对应公式(4)，ρ_前二次＝ρ₂，ρ_前一次＝ρ₃，ρ_当前次＝ρ₈，然后，重复上述的相关步骤，计算模板在搜索图上移动的下一次位置所需跳跃的像素数。

最后，比较模板在搜索图上移动到的像素位置处的相关系数值大小，获取所有相关系数值中的最大值，得到模板在搜索图中对应的位置。

下面，采用本发明所述的基于像素跳跃的图像匹配方法进行仿真实验，实验时匹配误差的范围设定为±5个像素，角度校正范围为-5°～+5°，相关峰特征指标的阈值为1.5。在实验中，通过预先规定搜索图和模板的大小，从图像对的一个图上以一定步长逐个截取搜索图，并从另一个图上在相同区域内按一定分布随机截取一定数目的模板，进行匹配定位实验，并对比分析。表1为匹配计算量比较表，表1中给出了相同实验环境下，原始的归一化积相关方法与本发明方法的匹配概率及匹配时间(平均时间)的比较结果。

                          表1

表2给出了基于灰度相关的匹配方法与本发明方法的定位偏差及匹配概率的比较结果，这里的模板尺寸大小为60×60，搜索图的尺寸大小为400×400，跳跃像素数N取30。

 

截取坐标	基于灰度相关方法的定位偏差	本发明方法的定位偏差
			(310，261)	(0，0)	(0，0)
(190，116)	(1，0)	(0，0)
			(100，118)	(0，0)	(0，1)
(84，107)	(0，0)	(3，1)
			(30，26)	(0，1)	(1，1)
(10，200)	(0，0)	(1，2)
			(211，24)	(1，1)	(0，3)
(69，317)	(0，0)	(2，0)
			(188，272)	(0，0)	(0，0)
(190，273)	(0，2)	(0，5)
			(314，259)	(0，0)	(0，0)
(112，83)	(0，0)	(0，7)
			(257，46)	(1，1)	(0，0)
(210，101)	(0，0)	(0，0)
			(198，110)	(1，0)	(2，3)
(162，133)	(0，0)	(0，0)
			偏差在5个像素点内的匹配概率	85.1	85.6
偏差在10个像素点内的匹配概率	86.8	88.2

                    表2

从表1和表2中可以看出，本发明的基于像素跳跃的图像匹配方法的匹配概率与基于灰度相关匹配方法的匹配概率相当，但匹配时间却大大减少，而且随着模板尺寸地增大，匹配时间由原来减少7.2倍将提高到减少14.2倍。仿真实验的结果表明，在搜索图尺寸大小固定的前提下，模板尺寸越大，采用本发明进行图像匹配的优势就会越明显。

图9为采用本发明方法进行仿真实验的跳跃像素数和匹配时间的关系图，这里进行了两组实验，第一组的模板尺寸大小为30×30，搜索图的尺寸大小为400×400，第二组的模板尺寸大小为90×90，搜索图的尺寸大小为400×400，图中的空心点是跳跃像素数和其所对应匹配时间的坐标位置，曲线是拟合曲线。从图中可以看出跳跃像素数和匹配时间基本符合指数函数的分布规律，而且跳跃像素数越大，所需匹配时间越少，当跳跃像素数大于30之后，匹配时间的减少将不再明显。

图10为采用本发明方法进行仿真实验的跳跃像素数和匹配概率的关系图，这里进行了两组实验，第一组的模板尺寸大小为30×30，搜索图的尺寸大小为400×400，第二组的模板尺寸大小为90×90，搜索图的尺寸大小为400×400，图中误差允许范围为±5个像素，匹配概率1表示匹配成功，匹配概率0表示匹配失败。从图中可以看出跳跃像素数在30以内，对匹配概率来说没有任何的影响，(由于篇幅所限，不可能给出其他各组所有跳跃像素数和匹配概率的关系图。实际上综合其所有关系图，可知一般是跳跃像素数取模板尺寸大小的一半以内时，对匹配概率来说没有任何的影响，当然还可以取得更大，但就没有普遍性了。)另外，从上图也可以看出，匹配概率和图像的尺寸有较大的关系，在模板尺寸较小的时候，可以看出匹配和不匹配这种“振荡”比较激烈些，而当模板尺寸较大的时候，这种“振荡”相对较缓，这是合理的，因为随着模板尺寸地增大，匹配所需的信息量大大增加，从而提高了图像的匹配概率。

图11为采用本发明方法进行仿真实验的跳跃像素数和模板图像大小的关系图，这里进行了两组实验，第一组的模板在400×400的搜索图上进行移动搜索，第二组的模板在768×576的搜索图上进行移动搜索，图中给出的是在正确匹配的前提下，误差允许的范围为±5个像素，跳跃像素数所能达到的最大值，曲线是拟合曲线。从图中可以看出跳跃像素数和图像大小的关系类似“∽”型曲线，并且这种线形关系和搜索图的大小没有关系，只和模板尺寸大小有关系。从这种线形关系也可以看出，当模板尺寸在小于30×30和大于90×90时，对跳跃像素数影响较大，模板尺寸小于30×30时，跳跃像素数取得比较小，甚至小于模板尺寸大小的一半，而模板尺寸大于90×90时，跳跃像素数可以取得比较大，甚至可以远远大于模板尺寸的一半，而在30-90之间，对跳跃像素数的影响相对较缓。

通过上述的仿真实验结果表明，本发明的基于像素跳跃的图像匹配方法非常有效，而且方法实现简单、易行，所有具有相关峰特性的图像匹配都可以采用此种方法进行像素跳跃以加速搜索。在保证匹配概率的前提条件下，本发明可以极大地减少匹配所消耗的时间，而且随着模板尺寸地增大(搜索图大小固定)，该方法的优势会越来越明显。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (8)

1.一种基于像素跳跃的图像匹配方法，其特征在于，包括以下步骤：

第一步，确定模板在搜索图上进行移动的方向，将模板在搜索图上按移动方向依次连续移动三个像素位置，并记录模板在搜索图上移动的第一个像素位置、第二个像素位置和第三个像素位置；

第二步，分别计算步骤一中模板在搜索图上移动到的像素位置处的相关系数值，根据包括当前相关系数值在内的最近三个相关系数值的大小关系来确定相关面上相关峰的情形；

第三步，根据步骤二中所确定的相关峰的情形，计算模板在搜索图上移动到下一次位置所需跳跃的像素数N；

第四步，将模板在搜索图上按移动方向移动到下一次像素位置，所述的下一次像素位置等于当前次像素位置加上N；

第五步，判断模板在搜索图上按移动方向移动是否已经搜索完毕，如果是，则执行步骤六，否则，重复执行步骤二至步骤四；

第六步，比较模板在搜索图上移动到的像素位置处的相关系数值大小，获取所有相关系数值中的最大值，得到模板在搜索图中对应的位置。

2.如权利要求1所述的基于像素跳跃的图像匹配方法，其特征在于：在步骤一中，所述模板在搜索图上移动的方向为：逐行地从左至右移动、或者逐行地从右至左移动、或者逐列地从下至上移动、或者逐列地从上至下移动，直到搜索完整幅图像。

3.如权利要求2所述的基于像素跳跃的图像匹配方法，其特征在于：步骤二中所述的相关峰的情形包括相关峰的阳面和相关峰的阴面。

4.如权利要求3所述的基于像素跳跃的图像匹配方法，其特征在于：所述的相关峰的阳面和阴面两种情形根据下述公式中K的符号SIGN确定：

其中，ρ_当前次表示模板在搜索图上移动到当前像素位置处的相关系数值，ρ_前一次表示模板在搜索图上移动到当前像素的前一像素位置的相关系数值，ρ_前二次表示模板在搜索图上移动到当前像素的前两个像素位置的相关系数值。

5.如权利要求4所述的基于像素跳跃的图像匹配方法，其特征在于：步骤三中，对于相关峰的阳面情形，模板在搜索图上移动到下一次位置所需跳跃的像素数N为：

N＝INT[(|1/ρ_当前次|-1.1)10]

6.如权利要求4所述的基于像素跳跃的图像匹配方法，其特征在于：步骤三中，对于相关峰的阴面情形，在模板尺寸大于等于30×30且小于等于90×90时，模板在搜索图上移动到下一次位置所需跳跃的像素数N取模板尺寸大小的一半以内的整数。

7.如权利要求5或6所述的基于像素跳跃的图像匹配方法，其特征在于：步骤六中所述获取所有相关系数值中的最大值的过程包括：

首先给定一个初始值ρ₀＝0，然后比较ρ_当前次和ρ₀的大小，如果ρ_当前次大于ρ₀，则将ρ_当前次的值赋予ρ₀，否则，不作赋值操作。

8.如权利要求7所述的基于像素跳跃的图像匹配方法，其特征在于：模板在搜索图中对应的位置为ρ₀取最大值对应的像素坐标。

Images