CN109190655A - 一种ncc图像匹配算法酶数值膜系统 - Google Patents

一种ncc图像匹配算法酶数值膜系统 Download PDF

Info

Publication number
CN109190655A
CN109190655A CN201810764055.8A CN201810764055A CN109190655A CN 109190655 A CN109190655 A CN 109190655A CN 201810764055 A CN201810764055 A CN 201810764055A CN 109190655 A CN109190655 A CN 109190655A
Authority
CN
China
Prior art keywords
image
ncc
value
sub
enzyme
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810764055.8A
Other languages
English (en)
Other versions
CN109190655B (zh
Inventor
袁建英
蒲明
黄小燕
刘甲甲
付克昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN201810764055.8A priority Critical patent/CN109190655B/zh
Publication of CN109190655A publication Critical patent/CN109190655A/zh
Application granted granted Critical
Publication of CN109190655B publication Critical patent/CN109190655B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种NCC图像匹配算法酶数值膜系统,包括表层膜,用于存储待匹配图像、模板图像和初始化的酶,同时输出计算模板图像在待匹配图像中的匹配位置的位置坐标;ComputeT膜,用于计算模板图像进行NCC计算时所需的参数;ComputeMatchingCood膜,用于计算模板图像在待匹配图像中的匹配位置;若干个ComputeNccValuelk膜,用于并行计算模板图像在原始图像中每移动一个位置后在该位置处的NCC值。本发明的膜系统具有强大的并行性,可使模板图像不需要在原始图像上进行滑动匹配,而是和所有子图像同时计算NCC的值,让串行计算下耗时的多个NCC计算并行执行,计算时间复杂度为常数,与数据规模无关,从而大大降低整个NCC图像匹配算法的时间复杂度。

Description

一种NCC图像匹配算法酶数值膜系统
技术领域
本发明属于图像匹配技术领域,具体涉及一种NCC图像匹配算法酶数值膜系统。
背景技术
NCC算法是图像匹配中的一种经典算法,图像匹配的定义是指,存在目标图像T,在原始图像中找出和T是同一目标的区域。假定原始图像I大小为M×N,模板T大小为m×n,传统NCC图像匹配原理为:从原始图像坐标为(0,0)开始,模板在原始图像上从左至右,从上至下进行滑动,每滑动到一个像素,计算模板与当前图像所对应的子图像之间的ncc值,将所有位置计算的ncc值存储起来,取ncc最大值所对应的位置为模板T在原始图像上的匹配位置,如图1所示,总共要计算(M-m)*(N-n)次NCC,可见在现有串行计算构架下,NCC算法的时间复杂度随着分辨率增加,计算时间呈多项式增长。当待匹配图像和模板图像分辨率较高时,现有的串行构架很难实现实时计算。
单次NCC计算公式如下:
其中,Es为子图像S的平均灰度值;ET为模板图像T的平均灰度值。
发明内容
本发明的目的在于:解决上述现有技术中的不足,提出一种酶数值膜框架下NCC图像并行计算方法,给出该方法的具体执行步骤。膜系统强大的并行性,可使模板图像不需要在原始图像上进行滑动匹配,而是和所有待匹配的子图像同时计算NCC值,让串行计算下耗时的多个NCC计算在常数步内完成,且借助膜计算在线性时间内可产生指数增长空间的特性,计算时间理论上与数据规模无关,多个NCC计算时间复杂度为O(1),这使得相比传统的基于NCC的图像匹配算法计算时间复杂度大大降低。
为了实现上述目的,本发明采用的技术方案为:
一种NCC图像匹配算法酶数值膜系统,它包括:
表层膜,所述表层膜用于存储待匹配图像、模板图像和初始化的酶,同时输出计算结果:目标在原始图像上的匹配位置;酶ED用于控制该膜是否停止运行,其初始值为0,当其值不为0时,该膜停止运行。
ComputeT膜,所述ComputeT膜用于计算模板图像进行NCC计算时所需的中间参数,即公式(1)中的|T(s,t)-ET|及ET;酶Etd用于控制该膜是否停止运行,其初始值为0,当其值不为0时,该膜停止运行。
(M-m)*(N-n)个ComputeNccValuelk膜,用于并行计算模板图像在原始图像中每移动一个位置后在该位置处的NCC值。酶用于控制该膜是否停止运行,其初始值为0,当其值不为0时,该膜停止运行。
ComputeMatchingGood膜,所述ComputeMatchingGood膜用于计算模板图像在待匹配图像中的匹配位置;该膜运行后,会对ED赋值,表层膜停止运行,整个系统将停止运行。
进一步的,上述的每个ComputeNccValuelk膜都包括ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,所述ComputeNumeratorlk子膜用于并行计算NCC值的分子,所述ComputeDenominatorlk子膜用于并行计算NCC值的分母。
表层膜main的作用是系统初始化分配变量,控制系统是否停止;子膜ComputeNccValuelk用于计算第[l,k]个子图像与模板图像之间的NCC值,l=1…M-m;k=1…N-n;每个子膜结构与运行规则相同。
一种基于酶数值膜系统的NCC图像匹配方法,应用上述的一种NCC图像匹配算法酶数值膜系统,其特征在于包括以下步骤:
步骤一:以原始图像的左上顶点为原点,经过原点的两条边为xy轴建立坐标系,定义原始图像的右下顶点坐标为(M,N),定义模板图像大小为m*n,表层膜根据所述坐标系初始化分配变量;
步骤二:并行产生(M-m)*(N-n)个子图像,这些子图像和模板图像同时并行计算其NCC值。
子图像的定义:如图1所示,以原始图像坐标(k,l)为起点,以x方向为水平轴,以y方向为垂直轴,以模板图像的宽n为宽、以模板图像的高m为高,所围成的矩形区域为子图像。其中,k=0,…M-m;l=0,…N-n;单个子图像S和目标图像T之间NCC值计算公式为:
其中,Es为子图像S的平均灰度值;ET为子图像T的平均灰度值;S和T的大小均为(m*n)。
步骤三:ComputeMatchingGood膜串行比较各子图像的NCC值,得到NCC最大值,同时表层膜输出该子图像在原始图像中的位置坐标,系统停止运行。
进一步的,上述的分配变量包括:待匹配图像中各元素的灰度值aij,图像的分辨率M×N,模板图像各元素的灰度值tlk,模板图像分辨率m×n,第l行k列子图像对应的NCC值scorelk,第l行k列子图像对应的NCC计算完毕后产生的酶所述酶用于控制ComputeNccValuelk膜是否停止并检测scorelk是否计算完成,所有子图像对应的NCC值的最大值记为scma,系统输出匹配区域左上角X坐标coodx,系统输出匹配区域左上角Y坐标coody。
进一步的,上述的步骤二具体为:
步骤101:将原始图像中左上角坐标为(l,k)的子图像存储至变量slk中,酶EI控制是否对子图像中的每个元素赋值;其中,(l,k)代表子图像在原始图像位置左上角坐标;(i,j)表示子图像slk中元素的索引,第i行,第j列,规则如下:
步骤102:计算子图像slk的均值Aveslk,当均值Aveslk被计算出后,将酶EAveslk赋值为256*256;规则Pr2,ncc和规则Pr3,ncc如下:
步骤103:分别并行计算ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,得到NCC值计算所需的分子和分母;其中ComputeNumeratorlk子膜用于计算NCC分子,ComputeDenominatorlk子膜用于计算NCC分母。
步骤104:将计算ComputeNumeratorlk子膜得到的分子除以计算ComputeDenominatorlk子膜得到的分母,得到该子图像slk的NCC值;规则Pr4,ncc如下:
进一步的,步骤103所述的计算ComputeNumeratorlk子膜具体包括以下步骤:
步骤201:当酶和酶EAvet都存在,且酶不小于变量或者不小于酶EAvet时,并行执行得到累加后的NCC分子的值numelk
其中,slk为存储原始图像中左上角坐标为(l,k)的子图像,Aveslk为该子图像的均值,为酶对象,当Aveslk计算出后有值;
步骤202:执行完后,被赋值,Pr2,nume满足执行条件并执行,赋值256,大于0,ComputeNumeratorlk膜满足停止执行条件。
进一步的,步骤103所述的计算ComputeDenominatorlk子膜具体包括以下步骤:
步骤301:根据计算的值,规则如下:
i=1...m;j=1...n
由于i=1...m;j=1...n,当i,j取不同的值时,对应不同的规则,即表达式表示了m×n条规则,该m×n条规则将会被同时执行,每条规则都会产生变量sumdiffslk,sumdiffslk最后的值即为每条规则产生sumdiffslk的累加值,由此,根据规则便能实现的计算。
步骤302:执行后,被赋值,规则Pr2,sumdiff被执行的条件被满足,执行Pr2,sumdiff,将酶赋值为m*n*2562,ComputeSumDifflk膜停止执行,其中
步骤303:在酶的作用下,Pr1,deno被激活执行,计算出分母denolk,同时酶被赋值。规则如下:
进一步的,上述的步骤三具体包括以下步骤:
步骤401:以(0,0)位置处的子图像的NCC值作为NCC最大值;(0,0)作为NCC最大值对应的匹配区域坐标;对应的膜计算规则如下:
步骤402:将(l,k)位置处的子图像的NCC值与NCC最大值比较,若(l,k)位置处的子图像的NCC值大于NCC最大值,记录该子图像的位置坐标(l,k),并将NCC最大值用该子图像的NCC值替换;
步骤403:ComputeMatchingGood膜按照子图像的位置坐标从左至右,从上至下的顺序串行执行步骤402,得到所有子图像中NCC值最大的子图像的位置坐标和该子图像的NCC值并保存;对应的膜计算规则如下:
......
步骤404:表层膜输出该子图像在原始图像中的位置坐标,系统停止运行。对应的膜计算规则如下:
Pr2,matching:0*Ebest11+0*Ebest12+...+0*Ebest(M-m)(N-n)+2*score00(→)1scma+1ED
由于采用了上述技术方案,本发明的有益效果是:
本发明的膜系统是一种仿生自然计算系统,具有强大的并行性且可直接处理数值变量。所提出的系统,可使模板图像不需要在原始图像上进行滑动匹配,而是和所有子图像同时计算NCC的值,让串行计算下耗时的滑动匹配并行计算且多个NCC值的计算时间复杂度为常数,与数据规模无关。
附图说明
图1为传统串行计算方法模板在原始图像上滑动匹配示意图。
图2为本发明的基于酶数值膜系统的NCC图像匹配算法结构框图。
图3为本发明的计算第(0,0)个子图像和模板图像之间NCC值的膜计算结构框图。
图4为本发明的计算第(l,k)个子图像和模板图像之间NCC值的膜计算结构框图。
图5为本发明的计算最大NCC值膜计算结构框图。
具体实施方式
参照附图1-5,对本发明的实施方式做具体的说明。
如图2所示,一种NCC图像匹配算法酶数值膜系统,它包括:
表层膜,所述表层膜用于存储待匹配图像、模板图像和初始化的酶,同时输出计算结果:目标在原始图像上的匹配位置;
ComputeT膜,所述ComputeT膜用于计算模板图像进行NCC计算时所需的中间参数,即公式(1)中的|T(s,t)-ET|及ET
(M-m)*(N-n)个ComputeNccValuelk膜,用于并行计算模板图像在原始图像中每移动一个位置后在该位置处的NCC值。
ComputeMatchingGood膜,所述ComputeMatchingGood膜用于计算模板图像在待匹配图像中的匹配位置;
进一步的,上述的每个ComputeNccValuelk膜都包括ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,所述ComputeNumeratorlk子膜用于并行计算NCC值的分子,所述ComputeDenominatorlk子膜用于并行计算NCC值的分母。
表层膜main的作用是系统初始化分配变量,系统是否停止控制;ComputeNccValuelk用于计算第(l,k)个子图像和模板图像NCC值,不同的(l,k)对应的子膜结构与运行规则相同。
一种基于酶数值膜系统的NCC图像匹配实现方法,应用上述的一种NCC图像匹配算法酶数值膜系统,其特征在于包括以下步骤:
步骤一:以原始图像的左上顶点为原点,经过原点的两条边为xy轴建立坐标系,定义原始图像的右下顶点坐标为(M,N),定义模板图像大小为m*n,表层膜根据所述坐标系初始化分配变量;
步骤二:并行产生(M-m)*(N-n)个子图像,这些子图像和模板图像同时并行计算其NCC值。
子图像的定义:如图1所示,以原始图像坐标(k,l)为起点,以x方向为水平轴,以y方向为垂直轴,以模板图像的宽n为宽、以模板图像的高m为高,所围成的矩形区域为子图像。其中,k=0,…M-m;l=0,…N-n。举例说明,假定M=10,N=10,m=n=5,则子图像的个数为(10-5)*(10-5)个。
单个子图像S和目标图像T之间NCC值计算公式为:
其中,Es为子图像S的平均灰度值;ET为子图像T的平均灰度值;S和T的大小均为(m*n)
步骤三:ComputeMatchingGood膜串行比较各子图像的NCC值,得到NCC最大值,同时表层膜输出该子图像在原始图像中的位置坐标,系统停止运行。
进一步的,上述的分配变量包括:待匹配图像中各元素的灰度值aij,图像的分辨率M×N,模板图像各元素的灰度值tlk,模板图像分辨率m×n,第l行k列图像子对应的NCC值scorelk,第l行k列模板图像对应的NCC计算完毕后产生的酶Esclk,所述酶Esclk用于控制ComputeNccValuelk膜是否停止并检测scorelk是否计算完成,所有图像子对应的NCC值的最大值scma,系统输出匹配区域左上角X坐标coodx,系统输出匹配区域左上角Y坐标coody。
进一步的的,如图4所示,上述的步骤二具体为:
步骤101:将原始图像中左上角坐标为(l,k)的子图像存储至变量slk中,酶EI控制是否对子图像slk中的每个元素赋值;其中,(l,k)代表子图像在原始图像位置左上角坐标;(i,j)表示子图像slk中元素的索引,第i行,第j列。对应的膜计算规则如下:
该规则表示当EI不小于a(l+i,k+j)时,将a(l+i,k+j)的值赋给
步骤102:计算子图像slk的均值Aveslk,当均值Aveslk被计算出后,将酶赋值为256*256;对应的膜计算规则如下:
Pr2,ncc表示当EI的值大于中的任意值时,将表达式的值赋给Aveslk
Pr3,ncc:表示将赋值为256*256。
步骤103:分别并行计算ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,得到NCC值计算所需的分子和分母;其中ComputeNumeratorlk子膜用于计算分子,ComputeDenominatorlk子膜用于计算分母。
步骤104:执行ComputeNumeratorlk子膜中规则Pr4,ncc,得到子图像slk的NCC值。规则如下:
该规则表示在存在,且不小于numelk、denolk时,将numelk/denolk赋值给scorelk
进一步的,步骤103所述的计算ComputeNumeratorlk子膜具体包括以下步骤:
步骤201:执行得到计算NCC的分子的值。
该规则表示当酶和酶EAvet都存在,且酶不小于变量或者不小于酶EAvet时,并行执行得到累加后的NCC分子的值numelk
步骤202:执行完后,被赋值,Pr2,nume满足执行条件并执行,赋值256,大于0,ComputeNumeratorlk膜满足停止执行条件。
进一步的,步骤103所述的计算ComputeDenominatorlk子膜具体包括以下步骤:
步骤301:根据计算中间变量的值,规则如下:
i=1...m;j=1...n
该规则表示当存在时,每执行一次,将赋值给sumdiffslk;这里有m×n条规则,根据膜计算的计算规则,sumdiffslk的值为m×n条规则执行时sumdiffslk的累加值,即实现的计算。
步骤302:执行后,被赋值,规则Pr2,sumdiff被执行的条件被满足,执行Pr2,sumdiff,将酶赋值为m*n*2562,ComputeSumDifflk膜停止执行,其中
步骤303:在酶的作用下,Pr1,deno被激活执行,计算出分母denolk,同时酶被赋值。规则如下:
进一步的,上述的步骤三具体包括以下步骤:
步骤401:以(0,0)位置处的子图像的NCC值作为NCC最大值;(0,0)作为NCC最大值对应的匹配区域坐标;对应的膜计算规则如下:
步骤402:将(l,k)位置处的子图像的NCC值与NCC最大值比较,若(l,k)位置处的子图像的NCC值大于NCC最大值,记录该子图像的位置坐标(l,k),并将NCC最大值用该子图像的NCC值替换;
步骤403:ComputeMatchingGood膜按照子图像的位置坐标从左至右,从上至下的顺序串行执行步骤402,得到所有子图像中NCC值最大的子图像的位置坐标和该子图像的NCC值并保存;对应的膜计算规则如下:
......
步骤404:表层膜输出该子图像在原始图像中的位置坐标,系统停止运行。对应的膜计算规则如下:
Pr2,matching:0*Ebest11+0*Ebest12+...+0*Ebest(M-m)(N-n)+2*score00(→)1scma+1ED
该规则表示找出NCC最大值后,将最大值赋给scma和ED;酶ED不为0后,系统停止执行。在本发明所对应的系统结构图由3+(M-m)*(N-n)*4个细胞膜组成,分4级嵌套。表层膜main的作用是系统初始化分配变量,系统是否停止控制。各变量解释如下:aij:待匹配图像每个元素的灰度值,图像的分辨率为M×N。tgh:模板图像每个元素的灰度值,模板图像分辨率为m×n。scorelk:第l行k列图像子块对应的NCC值。Esclk:表示第l行k列图像子块对应的NCC计算完毕后产生的酶,用于控制ComputeNccValuelk膜是否停止,以及scorelk是否被计算出。scma:所有子块对应的NCC值的最大值,系统输出。coodx:系统输出匹配区域左上角X坐标。coody:系统输出匹配区域左上角Y坐标。EI:其值为一个很大的值,用于系统初始化时,控制需要执行的规则执行。ED:控制系统是否停止,初始化为0,当其值不为0时系统停止。
ComputeNccValuelk用于计算第[l,k]个NCC值,不同的(l,k)对应的每个膜结构与运行规则相同,以ComputeNccValue00为例进行解释,如图3所示。在ComputeNccValue00中,用于存储原始图像中左上角坐标为(0,0)的子图像,子图大小为m*n。Aves00:s00的均值。酶对象,当其有值时表示Aves00被计算出。score00:s00子图像对应的NCC值。Esc00:酶对象,当其有值时表示score00被计算出。规则解释:在酶EI的作用下,对子图像s00中每个元素赋值。Pr2,ncc:计算子图像的均值,以及均值被计算出的酶由于Aves00将要参加分子中的减法运算,需要给赋一个很大的值,Pr3,ncc便用于实现该功能,此处赋值为256*256。NCC值的计算由两部分构成,分子和分母,为此,在ComputeNccValue00中再设计两个子膜ComputeNumerator00和ComputeDenominator00,分别用于计算分子和分母。
ComputeNumerator00膜用于计算分子。nume00:分子的值。计算累加时,每累加一次的酶对象。酶对象,初始值为0,当分子计算完成后,该酶赋值,当其不为0时,ComputeNumerator00膜停止执行。和EAvet都存在,且其值大于和nume00中的最小值时,该条规则被执行。和|tij-Avet|的最大值为256,因此,EAvet的值需要大于256*256;这在Pr3,ncc规则中已实现。一共有m*n条规则,m*n条规则并行计算,由于每条规则中均含有nume00,nume00最后的值是m*n个nume00累加的值,这也是膜计算并行计算的优越性。执行完后,产生了这正是Pr2,nume满足执行的条件,因此被执行,被赋值,ComputeNumerator00膜满足停止执行条件。
ComputeDenominator00膜,该膜系统主要用于完成分母的计算,在该膜中嵌套膜ComputeSumDiff00。分母的表达式如下: deno00:分母对象。sumdiffs00:中间变量,用于存储sumdiff的值。计算sumdiffs00累加过程中,每累加一次,相应的酶对象。酶对象,当sumdiffs00计算完成后,即循环累加结束后,该对象被赋值。酶对象,当分母deno00被计算出后,该对象被赋值。计算中间变量sumdiffs00,并同时为赋值。该表达式共有m*n条规则,同时执行,每条规则内都含有sumdiffs00,sumdiffs00的值为所有sumdiffs00的累加。m*n条规则并行执行完后,Pr2,sumdiff满足酶激活条件,被赋值后,ComputeSumDiff00停止执行,Pr1,deno被激活执行,计算出分母,其中sumdifft是在膜computeT中被计算的。这里,注意被赋值为m*n*2562,是因为在Pr1,deno中,酶变量需要大于sumdiffs00的值,而sumdiffs00的值不会超过m*n*2562。分子、分母被计算出后,Pr4,ncc被激活,NCC的值被计算,并赋给score00和酶Esc00。酶Esc00不为0后,ComputeNccValue00膜系统停止运行。
计算出所有的NCC值后,需要找出最大NCC值,以及对应的子图像在原始图像中的位置。这是一个串行执行过程,膜系统如图5所示。首先,以00位置处的NCC值为最大值。表示当第[1,1]子图大于00子图的NCC值score11时,将score11赋给score00,同时Ebest11被赋值。Ebest11表示score11和最大NCC值进行了比较。表示将对应的坐标赋给coodx和coody。在中,0*Ebest11表示需要先第[1,1]个NCC值和最大值比较后,才执行[1,2]个,这样就通过酶实现了串行比较。所有的比较规则执行完后,执行Pr2,matching,将整幅图像NCC最大赋给scma,同时ED被赋值,整个系统停止运行。

Claims (8)

1.一种NCC图像匹配算法酶数值膜系统,其特征在于它包括:
表层膜,所述表层膜用于存储待匹配图像、模板图像和初始化的酶,同时输出计算结果,所述的计算结果为模板图像在原始图像上的匹配位置;
ComputeT膜,所述ComputeT膜用于计算模板图像进行NCC计算时所需的中间参数;
ComputeMatchingGood膜,所述ComputeMatchingGood膜用于计算模板图像在待匹配图像中的匹配位置;
若干个ComputeNccValuelk膜,用于并行计算模板图像在原始图像中每移动一个位置后在该位置处的NCC值。
2.根据权利要求1所述的一种NCC图像匹配算法酶数值膜系统,其特征在于:所述的每个ComputeNccValuelk膜都包括ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,所述ComputeNumeratorlk子膜用于并行计算NCC值的分子,所述ComputeDenominatorlk子膜用于并行计算NCC值的分母。
3.一种基于酶数值膜系统的NCC图像匹配方法,应用权利要求1-2中任一项所述的一种NCC图像匹配算法酶数值膜系统,其特征在于包括以下步骤:
步骤一:以原始图像的左上顶点为原点,经过原点的两条边为xy轴建立坐标系,定义原始图像的右下顶点坐标为(M,N),定义模板图像大小为m*n,表层膜根据所述坐标系初始化分配变量;
步骤二:并行生成(M-m)*(N-n)个子图像,所述的子图像为以原始图像坐标(k,l)为起点,以x方向为水平轴,以y方向为垂直轴,以模板图像的宽n为宽、以模板图像的高m为高,所围成的矩形区域,其中,k=0,…M-m,l=0,…N-n;所述(M-m)*(N-n)个子图像和模板图像同时并行计算NCC值,其中,单个子图像S和目标图像T之间NCC值计算公式为:
其中,Es为子图像S的平均灰度值;ET为子图像T的平均灰度值;S和T的大小均为(m*n)。
步骤三:ComputeMatchingGood膜串行比较各子图像的NCC值,得到NCC最大值,同时表层膜输出该子图像在原始图像中的位置坐标,系统停止运行。
4.根据权利要求3所述的一种基于酶数值膜系统的NCC图像匹配方法,其特征在于:所述的分配变量包括:待匹配图像中各元素的灰度值aij,图像的分辨率M×N,模板图像各元素的灰度值tlk,模板图像分辨率m×n,第l行k列子图像对应的NCC值scorelk,第l行k列模板图像对应的NCC计算完毕后产生的酶Esclk,所述酶Esclk用于控制ComputeNccValuelk膜是否停止并检测scorelk是否计算完成,所有子图像对应的NCC值的最大值scma,系统输出匹配区域左上角X坐标coodx,系统输出匹配区域左上角Y坐标coody。
5.根据权利要求3所述的一种基于酶数值膜系统的NCC图像匹配方法,其特征在于:所述的步骤二具体为:
步骤101:将原始图像中左上角坐标为(l,k)的子图像存储至变量slk中,酶EI控制是否对子图像 中的每个元素赋值;其中,(l,k)代表子图像在原始图像位置左上角坐标;(i,j)表示子图像slk中元素的索引,第i行,第j列,规则如下:
步骤102:计算子图像slk的均值Aveslk,当均值Aveslk被计算出后,将酶EAveslk赋值为256*256;规则Pr2,ncc和规则Pr3,ncc如下:
步骤103:分别并行计算ComputeNumeratorlk子膜和ComputeDenominatorlk子膜,得到NCC值计算所需的分子和分母;其中ComputeNumeratorlk子膜用于计算NCC分子,ComputeDenominatorlk子膜用于计算NCC分母;
步骤104:将计算ComputeNumeratorlk子膜得到的分子除以计算ComputeDenominatorlk子膜得到的分母,得到该子图像slk的NCC值;规则Pr4,ncc如下:
6.根据权利要求5所述的一种基于酶数值膜系统的NCC图像匹配方法,其特征在于:步骤103所述的计算ComputeNumeratorlk子膜具体包括以下步骤:
步骤201:当酶和酶EAvet都存在,且酶不小于变量或者不小于酶EAvet时,并行执行得到累加后的NCC分子的值numelk
其中,为子图像slk中坐标为(i,j)的元素,Aveslk为子图像slk的均值,为酶对象,当Aveslk计算出后有值;
步骤202:执行完后,被赋值,Pr2,nume满足执行条件并执行,赋值256,大于0,ComputeNumeratorlk膜满足停止执行条件;
7.根据权利要求5所述的一种基于酶数值膜系统的NCC图像匹配方法,其特征在于:步骤103所述的计算ComputeDenominatorlk子膜具体包括以下步骤:
步骤301:根据计算的值,规则如下:
其中,表达式共包括m×n条规则(i,j每取一个值,对应一条规则),所述m×n条规则同时执行,每条所述规则计算得到变量sumdiffslk,sumdiffslk最终的值为所有sumdiffslk的累加值;
步骤302:执行后,被赋值,规则Pr2,sumdiff被执行的条件被满足,执行Pr2,sumdiff,将酶 赋值为m*n*2562,ComputeSumDifflk膜停止执行,其中
步骤303:在酶的作用下,Pr1,deno被激活执行,计算出分母denolk,同时酶被赋值,规则Pr1,deno如下:
8.根据权利要求3所述的一种基于酶数值膜系统的NCC图像匹配方法,其特征在于:所述的步骤三具体包括以下步骤:
步骤401:以(0,0)位置处的子图像的NCC值作为NCC最大值;(0,0)作为NCC最大值对应的匹配区域坐标;对应的膜计算规则如下:
步骤402:将(l,k)位置处的子图像的NCC值与NCC最大值比较,若(l,k)位置处的子图像的NCC值大于NCC最大值,记录该子图像的位置坐标(l,k),并将NCC最大值用该子图像的NCC值替换;
步骤403:ComputeMatchingGood膜按照子图像的位置坐标从左至右,从上至下的顺序串行执行步骤402,得到所有子图像中NCC值最大的子图像的位置坐标和该子图像的NCC值并保存;对应的膜计算规则如下:
......
步骤404:表层膜输出该子图像在原始图像中的位置坐标,系统停止运行;对应的膜计算规则如下:
Pr2,matching:0*Ebest11+0*Ebest12+...+0*Ebest(M-m)(N-n)+2*score00(→)1scma+1ED
CN201810764055.8A 2018-07-12 2018-07-12 一种基于酶数值膜系统的ncc图像匹配方法 Active CN109190655B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810764055.8A CN109190655B (zh) 2018-07-12 2018-07-12 一种基于酶数值膜系统的ncc图像匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810764055.8A CN109190655B (zh) 2018-07-12 2018-07-12 一种基于酶数值膜系统的ncc图像匹配方法

Publications (2)

Publication Number Publication Date
CN109190655A true CN109190655A (zh) 2019-01-11
CN109190655B CN109190655B (zh) 2021-12-14

Family

ID=64936055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810764055.8A Active CN109190655B (zh) 2018-07-12 2018-07-12 一种基于酶数值膜系统的ncc图像匹配方法

Country Status (1)

Country Link
CN (1) CN109190655B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200864A (zh) * 2019-07-08 2021-01-08 深圳中科飞测科技有限公司 一种图像处理方法、定位方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101194859A (zh) * 2007-12-14 2008-06-11 上海爱申科技发展股份有限公司 塑身美体定位系统及其使用方法
CN102609937A (zh) * 2012-01-12 2012-07-25 中国人民解放军国防科学技术大学 一种面向硬件加速器的图像匹配方法
CN103198483A (zh) * 2013-04-07 2013-07-10 西安电子科技大学 基于边缘和光谱反射率曲线的多时相遥感图像配准方法
CN103632362A (zh) * 2012-08-28 2014-03-12 中国电信股份有限公司 图像匹配处理方法、装置及系统
CN103903249A (zh) * 2012-12-27 2014-07-02 纽海信息技术(上海)有限公司 图像匹配系统及方法
CN104138249A (zh) * 2013-05-07 2014-11-12 安东秀夫 活体活动检测方法、活体活动控制方法和涉及活体活动的信息的传送方法
US20170246352A1 (en) * 2002-04-01 2017-08-31 Abbott Cardiovascular Systems Inc. Hybrid stent and method of making

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170246352A1 (en) * 2002-04-01 2017-08-31 Abbott Cardiovascular Systems Inc. Hybrid stent and method of making
CN101194859A (zh) * 2007-12-14 2008-06-11 上海爱申科技发展股份有限公司 塑身美体定位系统及其使用方法
CN102609937A (zh) * 2012-01-12 2012-07-25 中国人民解放军国防科学技术大学 一种面向硬件加速器的图像匹配方法
CN103632362A (zh) * 2012-08-28 2014-03-12 中国电信股份有限公司 图像匹配处理方法、装置及系统
CN103903249A (zh) * 2012-12-27 2014-07-02 纽海信息技术(上海)有限公司 图像匹配系统及方法
CN103198483A (zh) * 2013-04-07 2013-07-10 西安电子科技大学 基于边缘和光谱反射率曲线的多时相遥感图像配准方法
CN104138249A (zh) * 2013-05-07 2014-11-12 安东秀夫 活体活动检测方法、活体活动控制方法和涉及活体活动的信息的传送方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
GIANFRANCO ARROYO等: "Antibody Banding Patterns of the Enzyme-Linked Immunoelectrotransfer Blot and Brain Imaging Findings in Patients With Neurocysticercosis", 《CLINICAL INFECTIOUS DISEASES》 *
MICHAEL G.ACKER等: "Considerations for design and reporting of enzyme assays in high-throughput screening applications", 《PERSPECTIVESINSCIENCE》 *
于桂玲: "基于计算机辅助的结核病检测及图像处理系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
吴鹏等: "结合小波金字塔的快速 NCC 图像匹配算法", 《哈尔滨工程大学学报》 *
李建江等: "CUDA架构下的灰度图像匹配并行算法", 《电子科技大学学报》 *
李文平等: "基于酶数值P系统的大数据场分析方法", 《四川大学学报(工程科学版)》 *
王争一: "酶数值膜系统仿真器设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200864A (zh) * 2019-07-08 2021-01-08 深圳中科飞测科技有限公司 一种图像处理方法、定位方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109190655B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN104933755B (zh) 一种静态物体重建方法和系统
CN110458957B (zh) 一种基于神经网络的图像三维模型构建方法及装置
CN107123164B (zh) 保持锐利特征的三维重建方法及系统
US7639261B2 (en) Texture mapping apparatus, method and program
JP5561975B2 (ja) 表面加工データの作成方法および装置
Zeng et al. Pc-nbv: A point cloud based deep network for efficient next best view planning
CN115082639A (zh) 图像生成方法、装置、电子设备和存储介质
CN107590497A (zh) 基于深度卷积神经网络的脱机手写汉字识别方法
JPH09185728A (ja) 複数の物体の構造性立体幾何表示を作る方法及び装置
US11276202B2 (en) Moving image generation apparatus, moving image generation method, and non-transitory recording medium
US9892485B2 (en) System and method for mesh distance based geometry deformation
CN111507357A (zh) 一种缺陷检测语义分割模型建模方法、装置、介质及设备
CN112101113B (zh) 一种轻量化的无人机图像小目标检测方法
CN117635837B (zh) 一种二维cad图纸数据快速三维化方法及系统
CN111709428A (zh) 图像中关键点位置的识别方法、装置、电子设备及介质
CN114782645B (zh) 虚拟数字人制作方法、相关设备及可读存储介质
CN109190655B (zh) 一种基于酶数值膜系统的ncc图像匹配方法
CN103679814A (zh) 一种三角形网格模型的处理方法及装置
Liu et al. PU-refiner: A geometry refiner with adversarial learning for point cloud upsampling
CN112884653B (zh) 一种基于断裂面信息的兵马俑碎块拼接方法及系统
CN110176063A (zh) 一种基于人体拉普拉斯变形的服装变形方法
CN117011856A (zh) 基于深度强化学习的手写笔迹骨架细化方法、系统、设备、介质
CN114926488A (zh) 基于广义Hough模型和改进金字塔搜索加速的工件定位方法
CN112991402B (zh) 一种基于改进差分进化算法的文物点云配准方法及系统
JP6833150B1 (ja) 加工プログラム検索装置および加工プログラム検索方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant