CN103824301A

CN103824301A - 一种数字散斑相关方法中测度函数改进方法

Info

Publication number: CN103824301A
Application number: CN201410088944.9A
Authority: CN
Inventors: 孙继平; 洪亮
Original assignee: China University of Mining and Technology Beijing CUMTB
Current assignee: China University of Mining and Technology CUMT; China University of Mining and Technology Beijing CUMTB
Priority date: 2014-03-12
Filing date: 2014-03-12
Publication date: 2014-05-28

Abstract

本发明涉及光学测量、图像匹配领域，特别是涉及一种数字散斑相关方法中测度函数改进方法。现有的相关测度公式中，图像模板子域f和目标子域g的形状都为正方形且尺度和方向相同，当目标图像中的内容相对于原始图像有变形时，以上述方法在目标图像中截取的任何一个子域g都不可能和模板子域f含有完全相同的内容，这将导致相关测度函数曲面的主峰不够突出并降低图像匹配的精度。本发明将模板子域形状定为正八边形，将目标子域的形状定为与模板子域具有映射关系的八边形，这将使二者尽量包含相同的内容，并使相关测度函数曲面的主峰更突出，主峰中心更尖锐，明显提高图像配准精度。

Description

一种数字散斑相关方法中测度函数改进方法

技术领域

本发明涉及光学测量、图像匹配领域，特别是涉及一种数字散斑相关方法中测度函数改进方法。

背景技术

图像匹配(图像识别)大体上可分为两种情况：基于对象的识别和非对象识别。所谓对象是一些像素集合，该集合具有特定的图像特征(灰度变异、轮廓、纹理等)。基于对象的识别是相对容易的，其匹配测度函数一般都具有一个陡峭的单峰。但有时需要做比对的图像中没有明显的对象或由于图像过于模糊(或模板过小)使模板中无法定义足以识别的对象，例如岩石力学实验中试件的表面图像由一些随机的灰度斑点组成(一般称为散斑图)。对两幅含有相同内容的散斑图进行匹配时，由于单独的散斑不含有足以分辨的信息量，无法视作对象加以搜索，只有通过增大比对窗口，使窗口内的散斑增多，直到其具有足以分辨的信息量才能实现匹配。这种匹配是一种非对象识别。在光学测量领域，图像匹配函数一般采用某种相关测度计算，所以将这种图像匹配方法称作数字散斑相关方法-DSCM(Digital SpeckleCorrelation Method)。

基于区域灰度的图像匹配可作如下数学描述：

设I为原始图像，f为其中截取的图像模板。T为目标图像，g为其子域。在将模板和目标子域比较时，对应点处的灰度值分别为f(i，j)和g(i+u，j+v)，(u，v)为g与f的像间相对位移矢量，相应可将g表示为g_(u，v)。根据某相关算法，可建立图像间的相关测度。计算g与f的相关测度值，记作C(u，v)。基于图像灰度相关的测度有多种算法，针对具体情况，采用合适的算法，可以使相关测度函数C(u，v)获得较好的图形表现。若某相关测度函数曲面有一个明显的单峰，其峰值所对应的子域

与模板f恰好包含相同内容。

基于区域灰度的各种配准方法，其差异主要表现在相似度量准则的不同，基于不同的度量准则，发展出了很多相关公式，金观昌在《计算机辅助光学测量(第2版)》(北京：清华大学出版社，2007)第146页将现有的大多数相关公式列举如下：

C₁＝-∑∑|f-g|

C₂＝-∑∑|f-〈f〉-(g-〈g〉)|

C₃＝-〈|f-g|〉

C₄＝-〈(f-g)²〉

C₅＝〈(f·g)〉

C_{6} = 1 - \frac{ΣΣ | f - g |}{ΣΣf}

C_{7} = 1 - \frac{{ΣΣ (f - g)}^{2}}{ΣΣ f^{2}}

C_{8} = \frac{ΣΣ (f \cdot g)}{ΣΣ g^{2}}

C_{9} = \frac{ΣΣ (f \cdot g)}{\sqrt{ΣΣ f^{2}} \cdot \sqrt{ΣΣ g^{2}}}

C_{11} = \frac{< f \cdot g > - < f > \cdot < g >}{\sqrt{(< f^{2} > - < {f >}^{2}) \cdot (< g^{2} > - {< g >}^{2})}}

C_{12} = \frac{N^{2} ΣΣ (f \cdot g) - (ΣΣf) \cdot (ΣΣg)}{\sqrt{N^{2} ΣΣ f^{2} - {(ΣΣ f)}^{2}} \cdot \sqrt{N^{2} ΣΣ g^{2} - {(ΣΣg)}^{2}}}

C_{13} = \frac{{ΣΣ [(f - < f >) \cdot (g - < g >)]}^{2}}{ΣΣ {(f - < f >)}^{2} \cdot ΣΣ {(g - < g >)}^{2}}

以上各式中，f的g分别表示在原始图像中截取的图像模板和目标图像中截取的目标子域，〈f〉和〈g〉分别表示f和g的均值。

以上各式中，f和g两个子域的形状都为正方形且尺度和方向相同。当目标图像中的内容相对于原始图像有变形时，以上述方法在目标图像中截取的任何一个子域g都不可能和模板子域f含有完全相同的内容，这将导致相关测度函数曲面的主峰不够突出并降低图像匹配的精度。

发明内容

本发明提供了一种数字散斑相关方法中测度函数改进方法，通过将模板子域形状定为正八边形，将目标子域的形状定为与模板子域具有映射关系的八边形，使二者尽量包含相同的内容，改善相关测度函数曲面的主峰范围内的曲面形态，提高配准精度。

为实现上述目的，本发明所采用的技术方案是：一种数字散斑相关方法中测度函数改进方法，包括如下步骤：

(1)设I为原始图像，T为目标图像，f为I中截取的模板子域，g为T中截取的目标子域；

(2)将模板子域f的形状取为正八边形，目标子域g的形状取为和f具有映射关系的八边形；

(3)根据f与g的映射关系，用插值的方法求取g与f的节点网格对应的网格节点处的图像灰度值，将该组插值获得的图像灰度值与f的灰度数据比较，得到相关测度。

进一步地，所述的步骤(2)中，获取目标子域g的形状的方法为：初步计算或预测T中内容相对于I中内容的变形规律，根据这个变形规律对对应于f的正八边形进行变形处理，变形处理后获得的八边形作为T中目标子域g的形状。

所述的根据这个变形规律对对应于f的正八边形进行变形处理，进一步包括：

(1)若T中内容相对于I中内容无任何变形，目标子域g的形状为正八边形，其大小和方向与f完全相同；

(2)若T中内容相对于I中内容仅有横向拉伸或压缩，目标子域g的形状为所述的对应于f的正八边形经同样横向拉伸或压缩后获得的八边形；

(3)若T中内容相对于I中内容仅有纵向拉伸或压缩，目标子域g的形状为所述的对应于f的正八边形经同样纵向拉伸或压缩后获得的八边形；

(4)若T中内容相对于I中内容仅有刚性旋转，目标子域g的形状为所述的对应于f的正八边形经同样刚性旋转后获得的正八边形；

(5)若T中内容相对于I中内容仅有横向剪切变形，目标子域g的形状为所述的对应于f的正八边形经同样横向剪切变形后获得的八边形；

(6)若T中内容相对于I中内容仅有纵向剪切变形，目标子域g的形状为所述的对应于f的正八边形经同样纵向剪切变形后获得的八边形；

(7)若T中内容相对于I中内容包含以上两种以上的变形，目标子域g的形状为所述的对应于f的正八边形经同样混合变形后获得的八边形。

进步地，求取g与f的节点网格对应的网格节点处的图像灰度值的插值算法包括：

(1)双线性插值法；

(2)双立方插值法；

(3)双三次样条插值法。

本发明达到的有益效果：使相关测度函数曲面的主峰更突出，主峰中心更尖锐，明显提高图像配准精度。

附图说明

图1原始图像和目标图像的关系；

图2正八边形的目标子域；

图3经横向拉伸或压缩的目标子域；

图4经纵向拉伸或压缩的目标子域；

图5经刚体旋转的目标子域；

图6经横向剪切变形的目标子域；

图7经纵向剪切变形的目标子域。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本发明的一种数字散斑相关方法中测度函数改进方法，包括如下步骤：

(1)设I为原始图像，f为其中截取的图像模板子域，T为目标图像，g为其目标子域，在将模板子域f和目标子域g比较时，对应点处的灰度值分别为f(i，j)和g(i+u，j+v)，(u，v)为g与f的像间相对位移矢量，相应可将g表示为g_(u，v)，根据某相关算法，可建立图像间的相关测度C，计算g与f的相关测度，记作C(u，v)，当(u，v)为变量时，函数C(u，v)称为相关测度函数，简称测度函数，现有的测度函数算法获取模板子域f和目标子域g的方法都为截取正方形子域，如图1所示。将这些测度函数算法做以下改进：将模板子域f的形状取为正八边形，目标子域g的形状都取为和f具有映射关系的八边形。

(2)根据f与g的映射关系，用插值的方法求取g的与f的节点网格对应的网格节点处的图像灰度值，将该组插值获得的图像灰度值与f的数据比较计算相关测度。

进一步地，获取目标子域g的形状的方法为：初步计算或预测T中内容相对于I中内容的变形规律，根据这个变形规律对对应于f的正八边形进行变形处理，变形处理后获得的八边形作为T中目标子域g的形状，进行的变形处理进一步包括：

(1)若T中内容相对于I中内容无任何变形，目标子域g的形状为对应于f的正八边形，其大小方向与f完全相同，如图2所示；

(2)若T中内容相对于I中内容仅有横向拉伸或压缩，目标子域g的形状为对应于f的正八边形经同样横向拉伸或压缩后获得的八边形，如图3所示；

(3)若T中内容相对于I中内容仅有纵向拉伸或压缩，目标子域g的形状为对应于f的正八边形经同样纵向拉伸或压缩后获得的八边形，如图4所示；

(4)若T中内容相对于I中内容仅有刚性旋转，目标子域g的形状为对应于f的正八边形经同样刚性旋转后获得的正八边形，如图5所示；

(5)若T中内容相对于I中内容仅有横向剪切变形，目标子域g的形状为对应于f的正八边形经同样横向剪切变形后获得的八边形，如图6所示；

(6)若T中内容相对于I中内容仅有纵向剪切变形，目标子域g的形状为对应于f的正八边形经同样纵向剪切变形后获得的八边形，如图7所示；

(7)若T中内容相对于I中内容包含以上两种以上的变形，目标子域g的形状为对应于f的正八边形经同样混合变形后获得的八边形；

进一步地，求取g的与f的节点网格对应的网格节点处的图像灰度值的插值算法包括：

(1)双线性插值法；

(2)双立方插值法；

(3)双三次样条插值法。

Claims

1.一种数字散斑相关方法中测度函数改进方法，其步骤为：

2.根据权利要求1所述的数字散斑相关方法中测度函数改进方法，其特征在于，所述的步骤(2)中，获取目标子域g的形状的方法为：初步计算或预测T中内容相对于I中内容的变形规律，根据这个变形规律对对应于f的正八边形进行变形处理，变形处理后获得的八边形作为T中目标子域g的形状。

3.根据权利要求2所述的数字散斑相关方法中测度函数改进方法，其特征在于，所述的根据这个变形规律对对应于f的正八边形进行变形处理，进一步包括：

4.根据权利要求1所述的数字散斑相关方法中测度函数改进方法，其特征在于，求取g与f的节点网格对应的网格节点处的图像灰度值的插值算法包括：

(1)双线性插值法；

(2)双立方插值法；

(3)双三次样条插值法。