JP3817979B2 - Template matching method - Google Patents
Template matching method Download PDFInfo
- Publication number
- JP3817979B2 JP3817979B2 JP19836099A JP19836099A JP3817979B2 JP 3817979 B2 JP3817979 B2 JP 3817979B2 JP 19836099 A JP19836099 A JP 19836099A JP 19836099 A JP19836099 A JP 19836099A JP 3817979 B2 JP3817979 B2 JP 3817979B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- noise
- template
- value
- normalized correlation
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000010586 diagram Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、データ処理計算機の技術分野に属し、画像認識装置及びパターンマッチングの方法に関する。
【０００２】
【従来の技術】
画像処理のさまざまな応用分野において、被探索画像から、特定の画像パターン（これをテンプレートと呼ぶ）と類似した部分領域を探索するテンプレートマッチングが利用されている。このような技術は、例えば高木幹雄、下田陽久： “画像解析ハンドブック”，東京大学出版会（１９９１）に記載されている。テンプレートマッチングでは、類似したかどうかを評価する尺度として正規化相関係数を用いることが多い。
【０００３】
ここで、テンプレートマッチングの概念について説明する。大きさＭ×Ｎのテンプレートｔ(ｍ，ｎ)と、被探索画像ｆ(ｘ，ｙ）の中の座標(ｉ，ｊ）を起点とする、大きさＭ×Ｎの部分画像ｆ(ｉ＋ｍ，ｊ＋ｎ)との正規化相関値ｒ(ｉ，ｊ)を求める。正規化相関値ｒ(ｉ，ｊ）は、テンプレートをｔ(ｍ，ｎ)(ｍ＝０，１，…，Ｍ−１，ｎ＝０，１，…，Ｎ−１)、部分画像をｆ(ｉ＋ｍ，ｊ＋ｎ)(ｍ＝０，１，…，Ｍ−１，ｎ＝０，１，…，Ｎ−１)、μfはｆの平均値、μt はｔの平均値としたとき、次式で与えられる。
【０００４】
【数１】
但し、
【０００６】
【数２】
正規化相関値は１の時、両者が全く一致していることを示し、−１の時、両者が全く一致しないことを示す。従って、値がより１に近ければより類似しており、値がより−１に近ければ似ていないことを表わしている。
【０００８】
数式１は、実用上は以下のように変形して計算を高速化する。
【０００９】
【数３】
テンプレートマッチングを行うときは、複数の部分領域に対して上記正規化相関値を求め、正規化相関値が最大になる位置を求めたり、正規化相関値があるしきい値を超える位置を列挙したりして、１つまたは複数の類似領域を決定する。正規化相関の特徴は、テンプレートとサーチ画像で照明変動などにより同じ物体が異なる画素値になる場合でも、影響なく適切なマッチングが行える点にある。
しかしながら、正規化相関係数を用いたテンプレートマッチングでは、被探索画像やテンプレート画像にそれぞれノイズがのると、正規化相関値が小さくなる性質がある。特に電子顕微鏡の場合、電子のサーマルノイズが信号値と同等またはそれ以上の大きさで加わることが多く、正規化相関値が小さくなる傾向が顕著である。
【００１１】
これに対処するために、平滑化フィルタを用いてノイズ量を低減した画像を生成し、これを入力として用いることが一般に行われている。また、エッジ強調フィルタなどを施して信号変化を拡大したり、パターンの輪郭を抽出してマッチングを行ったりして、相対的にノイズ量を減らす効果を得ることが一般に行われている。
【００１２】
次に、従来のテンプレートマッチング方法について説明する。原画像ｆ0 は、ノイズＮf を加えられ、被探索画像となって入力される。また、原テンプレート画像ｔ0 は、ノイズＮt を加えられ、テンプレート画像となって入力される。被探索画像，テンプレート画像は、前処理によってノイズの影響を低減する効果のあるフィルタなどの画像処理を施され、ノイズ低減被探索画像ｆ，ノイズ低減テンプレート画像ｔに変換させられて、正規化相関に入力される。正規化相関は、数式１にもとづいて正規化相関値ｒを計算する。この正規化相関値は、ノイズの影響を受けて小さくなった値となっている。正規化相関値は判定部で、外部から入力されるしきい値Ｔｈにもとづき、しきい値以上の正規化相関値をとる部分画像をマッチング候補とし、マッチング候補に関する座標などの検出情報を生成する。
【００１３】
また、特開平10−187967号には、数式３をさらに単調減少関数の形に変形し、計算途中でしきい値を下回った部分画像に関し正規化相関値の計算を打ち切ることで、全体の計算量を減らすアイデアが開示されている。
【００１４】
さらに、ノイズ量を推定する方法として、Immerkaer, J.,“Fast Noise Variance-Estimation”,Computer Vision and Image Understanding, Ｖol.６４，Ｎo.２，Sep. １９９６，ｐｐ.３００−３０２．がある。これは、ノイズとしてガウスノイズを仮定し、ガウスノイズの成分を推定するもので、画像ｆ（ｉ＋ｋ，ｊ＋ｌ)に対して、
ｎ(−１，−１)＝１ ｎ(０，−１)＝−２ ｎ(１，−１)＝１
ｎ(−１，０)＝−２ ｎ(０，０)＝４ ｎ(１，０)＝−２
ｎ(−１，１)＝１ ｎ(０，１)＝−２ ｎ(１，１)＝１
なる係数から成るカーネルでフィルタをかけ、以下の式に従ってノイズ分散推定値Ｖを求めるものである。
【００１５】
一次モードの時、
【００１６】
【数４】
または、二次モードの時、
【００１８】
【数５】
【発明が解決しようとする課題】
平滑化フィルタ，エッジ強調フィルタを用いると、確かにノイズの影響を減らすことが可能だが、探すべきパターンも変質してしまい、マッチングの精度が落ちるという問題がある。
【００２０】
平滑化フィルタでは、ノイズの低減に伴って、パターンもぼけてしまう。
【００２１】
エッジ強調フィルタでは、パターンが強調されるが、同様にノイズも増幅してしまう。
【００２２】
さらに、正規化相関値が小さくなることにより、判定に用いるしきい値も下げて定める必要があり、結果的に多くの候補に関して計算を行わなければならず、無駄な計算が増えて処理速度が遅くなる問題がある。
【００２３】
本発明の目的は、パターンを変質させるような前処理を行わずに、精度高く、また高速なパターンマッチング方法を提供することにある。
【００２４】
【課題を解決するための手段】
本発明は、上記課題を解決するために、被探索画像ｆ中からテンプレート画像ｔのパターンを検出するテンプレートマッチング方法において、
前記被探索画像に含まれるノイズ分散値量Ｖ fn 、及び前記テンプレート画像に含まれるノイズ分散値量Ｖ tn を推定し、
数式１に従い正規化相関値ｒを計算することを特徴とするものである。
【数１】
Ｒ ft は被検索画像ｆとテンプレート画像ｔの相関値を表す。
また、本発明は、上記課題を解決するために、被探索画像ｆ中からテンプレート画像ｔのパターンを検出するテンプレートマッチング方法において、
前記被探索画像ｆに含まれるノイズ量を低減した画像ｆ′、及び前記テンプレート画像ｔに含まれるノイズ量を低減した画像ｔ′を生成し、
数式２に従い正規化相関値ｒを計算することを特徴とするものである。
【数２】
Ｖ t ′はノイズ量と低減したテンプレート画像ｔ′の分散値、
Ｒ ft は被検索画像ｆとテンプレート画像ｔの相関値を表す。
【００２５】
【発明の実施の形態】
まず、ノイズが正規化相関値を小さくする原理を考察する。
【００２６】
一般に、被探索画像は信号成分ｆ0 と平均値が０のノイズ成分Ｎf から成り、テンプレート画像ｔは信号成分ｔ0と平均値が０のノイズ成分Ｎt から成るとモデル化することができる。
【００２７】
【数６】
ｆ(ｉ＋ｍ，ｊ＋ｎ)＝ｆ0(ｉ＋ｍ，ｊ＋ｎ)＋Ｎf(ｉ＋ｍ，ｊ＋ｎ)
ｔ(ｍ，ｎ)＝ｔ0(ｍ，ｎ)＋Ｎt(ｍ，ｎ)
ノイズ成分の平均値が０であることより、以下が成り立つ。
【００２８】
【数７】
また、ノイズ成分は相関性がないと仮定すると、以下が成り立つ。
【００３０】
【数８】
従って、数式７，数式８を用いると、次の式が成り立ち、数式３の分子はノイズの影響を受けないことがわかる。
【００３２】
【数９】
一方、数式３の分母に関して、次の式が成り立つ。
【００３４】
【数１０】
被探索画像のノイズ分散値Ｖf ，テンプレート画像のノイズ分散値Ｖt を以下のように定義する。
【００３６】
【数１１】
すると、この被探索画像のノイズ分散値Ｖf ，テンプレート画像のノイズ分散値Ｖt を推定できれば、ノイズを含まない信号部分のみに関する正規化相関値
ｒ(ｉ，ｊ)を、次の数式で求めることができると考えられる。
【００３８】
【数１２】
図１は、第一の実施例を示す。ノイズ推定１０４，ノイズ考慮正規化相関120,判定１２３からなる。原画像ｆ0 １０１は、ノイズＮf １０２を加えられ、被探索画像ｆ１０３となって入力される。また、原テンプレート画像ｔ0 １１１は、ノイズＮt １１２を加えられ、テンプレート画像ｔ１１３となって入力される。被探索画像ｆ１０３，テンプレート画像ｔ１１３は、ノイズ推定１０４によって画像全体のノイズの分散量を推定され、それぞれノイズ推定値Ｖf １０５，ノイズ推定値Ｖt １１５となってノイズ考慮正規化相関１２０に入力される。ノイズ考慮正規化相関１２０は、被探索画像ｆ１０３，テンプレート画像ｔ１１３，ノイズ推定値Ｖf １０５、及びノイズ推定値Ｖt １１５を入力し、数式１２にもとづき、ノイズ考慮正規化相関値ｒ１２１を計算する。ノイズ考慮正規化相関値ｒ１２１は、判定１２３で、外部から入力されるしきい値Ｔｈ１１２にもとづき、しきい値以上の正規化相関値をとる部分画像をマッチング候補とし、マッチング候補に関する座標などの検出情報１２４を生成する。
【００４０】
なお、テンプレート画像にはノイズの少ない画像を選ぶことが普通であるので、Ｎt ＝０とし、従ってノイズ考慮正規化相関１２０でＶt ＝０とし、テンプレート画像に対するノイズ推定１０４を削除する方法も、本実施例より容易に類推することができる。
【００４１】
図４にノイズ推定１０４のフローチャートを示す。まず、６０１で、対象画像をΔｉ画素×Δｊ画素の微小領域に分け、次の式のように、それぞれの微小領域の分散値ｖ(ｉ，ｊ)を求める。(ｉ，ｊ)は、微小領域の始点である。
【００４２】
【数１３】
十分小さいΔｉ×Δｊの微小領域をとると、大部分の微小領域では信号ｆ0 の変化がほとんどなく、ほぼ一定値をとると考えられる。従って、
【００４４】
【数１４】
が成立するので、
【００４６】
【数１５】
となって、ノイズの分散値となる。ここで、多少とも含まれてしまう可能性のある信号成分を排除するために、最も多くの領域で分散値をとっているものをノイズの分散値と推定するのが妥当である。Δｉ，Δｊとしては、数式１４が成立すると考えられる程十分小さいサイズを選べばよく、例えば８画素程度となる。
【００４８】
次に６０２で、図５に示すような、分散値ｖ(ｉ，ｊ)を横軸とし、縦軸を度数とするヒストグラムを生成するため、ヒストグラムの該当する分散値の度数に１を加算する。
【００４９】
６０３で、６０１，６０２を、対象画像全体で繰り返してヒストグラムを完成させる。
【００５０】
最後に６０４で、ヒストグラムの最大度数をとる分散値を求め、最も多くの微小領域が有している分散値を、ノイズの分散値Ｖと推定する。
【００５１】
このように、本ノイズ分散量推定方法は、ノイズに相関がないという仮定のみに従うことにより、ガウス分布に従わないノイズを含んでいても正しいノイズ分散量を推定できる。
【００５２】
図２は、第二の実施例を示す。ノイズ推定１０４，部分画像ノイズ推定２０４，ノイズ考慮正規化相関２２０，判定１２３からなる。基本的に、図１の第一の実施例と同様であるので異なる点のみ説明する。図２で図１と異なる点は被探索画像に関する部分画像ノイズ推定２０４が、テンプレート画像に関するノイズ推定１０４と異なっている点である。ノイズ推定２０４は、テンプレートと重ねあわせて正規化相関演算させようとする部分画像に対してノイズ推定を行う。ノイズ推定２０４の出力は、部分画像のノイズ推定値Ｖf ２０５となって、ノイズ考慮正規化相関２２０に入力され、ノイズ考慮正規化相関２２０は、部分画像ごとに異なったノイズ推定値Ｖf ２０５を用いながら、数式１２にのっとり、ノイズ考慮正規化相関値１２１を計算する。
【００５３】
なお、テンプレート画像にはノイズの少ない画像を選ぶことが普通であるので、Ｎt ＝０とし、従ってノイズ考慮正規化相関２２０でＶt ＝０とし、テンプレート画像に対するノイズ推定１０４を削除する方法も、本実施例より容易に類推することができる。
【００５４】
ノイズ推定２０４は、ノイズ推定１０４と比較するとノイズ推定を行う対象が部分画像になっている点が異なるのみなので、処理の内容としてはノイズ推定１０４と全く同様に構成することができる。
【００５５】
図３は、第三の実施例を示す。前処理３０４，ノイズ考慮正規化相関３２０，判定１２３からなる。原画像ｆ0 １０１は、ノイズＮf １０２を加えられ、被探索画像ｆ１０３となって入力される。また、原テンプレート画像ｔ0 １１１は、ノイズＮt １１２を加えられ、テンプレート画像ｔ１１３となって入力される。被探索画像ｆ１０３，テンプレート画像ｔ１１３は、前処理３０４によってノイズを低減され、それぞれノイズ低減画像ｆ′３１５，ノイズ低減テンプレートｔ′３１５となってノイズ考慮正規化相関３２０に入力される。ノイズ考慮正規化相関３２０は、被探索画像ｆ１０３，テンプレート画像ｔ１１３，ノイズ低減画像ｆ′３１５、及びノイズ低減テンプレートｔ′３１５を入力し、ノイズ考慮正規化相関値ｒ１２１を計算する。ノイズ考慮正規化相関３２０がノイズ考慮正規化相関値ｒ１２１を計算する数式は次のとおりである。
【００５６】
【数１６】
但し、
【００５８】
【数１７】
つまり、正規化相関の分子を計算する時には、ノイズがのっているがパターンがはっきりしている元の被探索画像ｆ１０３，テンプレート画像ｔ１１３、を用い、正規化相関の分母を計算する時には、パターンがつぶれているかもしれないが、ノイズが低減されているノイズ低減画像ｆ′３１５，ノイズ低減テンプレートｔ′３１５を用いる、ということである。ノイズ考慮正規化相関値ｒ１２１は、判定１２３で、外部から入力されるしきい値Ｔｈ１１２にもとづき、しきい値以上の正規化相関値をとる部分画像をマッチング候補とし、マッチング候補に関する座標などの検出情報１２４を生成する。
【００６０】
【発明の効果】
本発明によれば、パターンを変質させるような前処理を行わないので、元のパターンをそのまま使うことができ、テンプレートマッチングを精度高く高速に実行できる。
【図面の簡単な説明】
【図１】本発明にかかるテンプレートマッチング方法の一実施例を示す図である。
【図２】本発明にかかるテンプレートマッチング方法の他の実施例を示す図である。
【図３】本発明にかかるテンプレートマッチング方法の他の実施例を示す図である。
【図４】ノイズ推定のフローチャートを示す図である。
【図５】ノイズ分散値ヒストグラムの説明図である。
【符号の説明】
１０４…ノイズ推定、１２０…ノイズ考慮正規化相関、１２３…判定。[0001]
BACKGROUND OF THE INVENTION
The present invention belongs to the technical field of data processing computers, and relates to an image recognition apparatus and a pattern matching method.
[0002]
[Prior art]
In various application fields of image processing, template matching for searching a partial area similar to a specific image pattern (referred to as a template) from a searched image is used. Such a technique is described, for example, in Mikio Takagi, Yoshihisa Shimoda: “Image Analysis Handbook”, University of Tokyo Press (1991). In template matching, a normalized correlation coefficient is often used as a measure for evaluating whether or not they are similar.
[0003]
Here, the concept of template matching will be described. A partial image f (i + m, M × N) starting from a template t (m, n) of size M × N and coordinates (i, j) in the searched image f (x, y). The normalized correlation value r (i, j) with j + n) is obtained. The normalized correlation value r (i, j) is obtained by using a template as t (m, n) (m = 0, 1,..., M−1, n = 0,1,..., N−1), and a partial image as f. (i + m, j + n) (m = 0, 1,..., M−1, n = 0, 1,..., N−1), μ f is an average value of f, and μ t is an average value of t. It is given by
[0004]
[Expression 1]
However,
[0006]
[Expression 2]
When the normalized correlation value is 1, it indicates that they are exactly the same, and when it is -1, it indicates that they are not the same. Therefore, it is more similar if the value is closer to 1, and it is not similar if the value is closer to -1.
[0008]
Formula 1 is practically modified as follows to speed up the calculation.
[0009]
[Equation 3]
When performing template matching, find the normalized correlation value for multiple partial areas, find the position where the normalized correlation value is maximum, or list the positions where the normalized correlation value exceeds a certain threshold. Or determining one or more similar regions. The feature of the normalized correlation is that appropriate matching can be performed without any influence even when the same object has different pixel values due to illumination variation or the like between the template and the search image.
However, the template matching using the normalized correlation coefficient has a property that the normalized correlation value becomes small when noise is added to the searched image and the template image. In particular, in the case of an electron microscope, the thermal noise of electrons is often added with a magnitude equal to or greater than the signal value, and the tendency that the normalized correlation value becomes small is remarkable.
[0011]
In order to cope with this, it is common practice to generate an image with a reduced amount of noise using a smoothing filter and use this as an input. Further, it is generally performed to obtain an effect of relatively reducing the amount of noise by applying an edge emphasis filter or the like to expand a signal change or extracting a pattern outline to perform matching.
[0012]
Next, a conventional template matching method will be described. The original image f 0 is added with noise N f and input as a searched image. Further, the original template image t 0 is added with noise N t and inputted as a template image. The image to be searched and the template image are subjected to image processing such as a filter having an effect of reducing the influence of noise by pre-processing, and converted into the noise reduced image to be searched f and the noise reduced template image t, and normalized correlation is performed. Is input. In the normalized correlation, a normalized correlation value r is calculated based on Equation 1. This normalized correlation value is a value that has become smaller due to the influence of noise. The normalized correlation value is determined by a determination unit, and based on the threshold value Th input from the outside, a partial image having a normalized correlation value equal to or greater than the threshold value is used as a matching candidate, and detection information such as coordinates related to the matching candidate is generated. .
[0013]
Japanese Patent Laid-Open No. 10-187967 further modifies Equation 3 into a monotonically decreasing function, and terminates the calculation of the normalized correlation value for the partial image that falls below the threshold value during the calculation. An idea to reduce the amount is disclosed.
[0014]
Further, as a method of estimating the amount of noise, Immerkaer, J., “Fast Noise Variance-Estimation”, Computer Vision and Image Understanding, Vol. 64, No. 2, Sep. 1996, pp. 300-302. There is. This assumes Gaussian noise as noise and estimates the component of Gaussian noise. For image f (i + k, j + l),
n (-1, -1) = 1 n (0, -1) =-2 n (1, -1) = 1
n (-1, 0) =-2 n (0, 0) = 4 n (1, 0) =-2
n (-1,1) = 1 n (0,1) =-2 n (1,1) = 1
And a noise variance estimation value V is obtained according to the following equation.
[0015]
When in primary mode
[0016]
[Expression 4]
Or in secondary mode,
[0018]
[Equation 5]
[Problems to be solved by the invention]
If the smoothing filter and the edge enhancement filter are used, it is possible to reduce the influence of noise, but there is a problem that the pattern to be searched for is changed and matching accuracy is lowered.
[0020]
In the smoothing filter, the pattern is blurred as noise is reduced.
[0021]
The edge enhancement filter enhances the pattern, but similarly amplifies the noise.
[0022]
Furthermore, since the normalized correlation value becomes smaller, it is necessary to lower the threshold value used for the determination. As a result, it is necessary to perform calculations for many candidates, resulting in an increase in useless calculations and an increase in processing speed. There is a problem that slows down.
[0023]
An object of the present invention is to provide a high-accuracy and high-speed pattern matching method without performing preprocessing that alters the pattern.
[0024]
[Means for Solving the Problems]
In order to solve the above problems, the present invention provides a template matching method for detecting a pattern of a template image t from a searched image f.
Estimating a noise variance value amount V fn included in the search image and a noise variance value amount V tn included in the template image ;
The normalized correlation value r is calculated according to Equation (1).
[Expression 1]
R ft represents the correlation value between the searched image f and the template image t.
In order to solve the above-mentioned problem, the present invention provides a template matching method for detecting a pattern of a template image t from a searched image f.
Generating an image f ′ with a reduced amount of noise included in the searched image f and an image t ′ with a reduced amount of noise included in the template image t;
The normalized correlation value r is calculated in accordance with Equation (2).
[Expression 2]
V t ′ is the amount of noise and the variance value of the reduced template image t ′,
R ft represents the correlation value between the searched image f and the template image t.
[0025]
DETAILED DESCRIPTION OF THE INVENTION
First, consider the principle that noise reduces the normalized correlation value.
[0026]
In general, an image to be searched can be modeled as comprising a signal component f 0 and a noise component N f having an average value of 0, and a template image t comprising a signal component t 0 and a noise component N t having an average value of 0. .
[0027]
[Formula 6]
f (i + m, j + n) = f 0 (i + m, j + n) + N f (i + m, j + n)
t (m, n) = t 0 (m, n) + N t (m, n)
Since the average value of the noise components is 0, the following holds.
[0028]
[Expression 7]
Assuming that the noise components have no correlation, the following holds.
[0030]
[Equation 8]
Therefore, using
[0032]
[Equation 9]
On the other hand, the following equation holds for the denominator of Equation 3.
[0034]
[Expression 10]
The noise variance value V f of the image to be searched and the noise variance value V t of the template image are defined as follows.
[0036]
[Expression 11]
Then, if the noise variance value V f of the image to be searched and the noise variance value V t of the template image can be estimated, the normalized correlation value r (i, j) relating to only the signal portion not including noise is obtained by the following equation. It is considered possible.
[0038]
[Expression 12]
FIG. 1 shows a first embodiment. It consists of
[0040]
Note that since it is common to select an image with less noise as the template image, N t = 0, and therefore V t = 0 in the noise-considered
[0041]
FIG. 4 shows a flowchart of the
[0042]
[Formula 13]
If a sufficiently small Δi × Δj minute region is taken, it is considered that the signal f 0 hardly changes in most of the minute regions and takes a substantially constant value. Therefore,
[0044]
[Expression 14]
So that
[0046]
[Expression 15]
Becomes the variance value of noise. Here, in order to eliminate a signal component that may be included somewhat, it is appropriate to estimate a noise variance value that has a variance value in the most area. As Δi and Δj, it is sufficient to select a size that is sufficiently small that Formula 14 is considered to hold, for example, about 8 pixels.
[0048]
Next, at 602, as shown in FIG. 5, in order to generate a histogram with the variance value v (i, j) as the horizontal axis and the vertical axis as the frequency, 1 is added to the frequency of the corresponding variance value in the histogram. .
[0049]
In 603, 601 and 602 are repeated for the entire target image to complete the histogram.
[0050]
Finally, at 604, a variance value that takes the maximum frequency of the histogram is obtained, and the variance value that the most minute regions have is estimated as the noise variance value V.
[0051]
In this way, the present noise variance estimation method can estimate the correct noise variance even if it contains noise that does not follow the Gaussian distribution, by following only the assumption that the noise has no correlation.
[0052]
FIG. 2 shows a second embodiment. It consists of
[0053]
Note that since it is common to select an image with less noise as the template image, N t = 0, and therefore V t = 0 in the noise-considered
[0054]
Since the
[0055]
FIG. 3 shows a third embodiment. It consists of preprocessing 304, noise-considered
[0056]
[Expression 16]
However,
[0058]
[Expression 17]
That is, when calculating the normalized correlation numerator, the original searched image f103 and the template image t113, which are noisy but have a clear pattern, are used to calculate the normalized correlation denominator. The noise reduction image f′315 and noise reduction template t′315 in which noise is reduced may be used. In the
[0060]
【The invention's effect】
According to the present invention, since the preprocessing that alters the pattern is not performed, the original pattern can be used as it is, and template matching can be executed with high accuracy and at high speed.
[Brief description of the drawings]
FIG. 1 is a diagram showing an embodiment of a template matching method according to the present invention.
FIG. 2 is a diagram showing another embodiment of the template matching method according to the present invention.
FIG. 3 is a diagram showing another embodiment of the template matching method according to the present invention.
FIG. 4 is a diagram illustrating a flowchart of noise estimation.
FIG. 5 is an explanatory diagram of a noise variance value histogram.
[Explanation of symbols]
104: Noise estimation, 120: Noise-considered normalized correlation, 123: Determination.
Claims (4)
前記被探索画像に含まれるノイズ分散値量Ｖfn、及び前記テンプレート画像に含まれるノイズ分散値量Ｖtnを推定し、
数式１に従い正規化相関値ｒを計算するテンプレートマッチング方法。
Ｒftは被検索画像ｆとテンプレート画像ｔの相関値を表す。In the template matching method for detecting the pattern of the template image t from the searched image f,
Estimating a noise variance value amount V fn included in the search image and a noise variance value amount V tn included in the template image;
A template matching method for calculating a normalized correlation value r according to Equation 1.
R ft represents the correlation value between the searched image f and the template image t.
前記被探索画像全体についてノイズ量の推定が行われるテンプレートマッチング方法。The template matching method according to claim 1,
A template matching method in which an amount of noise is estimated for the entire searched image.
前記被探索画像の予め定められた領域毎にノイズ量の推定が行われるテンプレートマッチング方法。The template matching method according to claim 1,
A template matching method in which an amount of noise is estimated for each predetermined region of the searched image.
前記被探索画像ｆに含まれるノイズ量を低減した画像ｆ′、及び前記テンプレート画像ｔに含まれるノイズ量を低減した画像ｔ′を生成し、
数式２に従い正規化相関値ｒを計算するテンプレートマッチング方法。
Ｖt′はノイズ量と低減したテンプレート画像ｔ′の分散値、
Ｒftは被検索画像ｆとテンプレート画像ｔの相関値を表す。In the template matching method for detecting the pattern of the template image t from the searched image f,
Generating an image f ′ with a reduced amount of noise included in the searched image f and an image t ′ with a reduced amount of noise included in the template image t;
A template matching method for calculating a normalized correlation value r according to Equation 2.
V t ′ is the amount of noise and the variance value of the reduced template image t ′,
R ft represents the correlation value between the searched image f and the template image t.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19836099A JP3817979B2 (en) | 1999-07-13 | 1999-07-13 | Template matching method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19836099A JP3817979B2 (en) | 1999-07-13 | 1999-07-13 | Template matching method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001022941A JP2001022941A (en) | 2001-01-26 |
| JP3817979B2 true JP3817979B2 (en) | 2006-09-06 |
Family
ID=16389823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19836099A Expired - Fee Related JP3817979B2 (en) | 1999-07-13 | 1999-07-13 | Template matching method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3817979B2 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4174487B2 (en) | 2005-03-24 | 2008-10-29 | アドバンスド・マスク・インスペクション・テクノロジー株式会社 | Image correction method |
| JP5074513B2 (en) * | 2006-11-30 | 2012-11-14 | アドラー、ジェレミー | Correlation between data sets |
| JP5331721B2 (en) * | 2010-02-02 | 2013-10-30 | アズビル株式会社 | Image processing apparatus, image processing method, and image processing program |
| JP5455229B2 (en) * | 2010-04-26 | 2014-03-26 | 株式会社Ｋｄｄｉ研究所 | Image encoding apparatus and image decoding apparatus |
| JP6017399B2 (en) | 2013-10-23 | 2016-11-02 | オリンパス株式会社 | Imaging apparatus and phase difference detection method |
-
1999
- 1999-07-13 JP JP19836099A patent/JP3817979B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001022941A (en) | 2001-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10388018B2 (en) | Image processing apparatus, image processing method, and storage medium | |
| US9947077B2 (en) | Video object tracking in traffic monitoring | |
| CN106934333B (en) | Gesture recognition method and system | |
| JP5213486B2 (en) | Object tracking device and object tracking method | |
| US6701026B1 (en) | Method and apparatus for cancelling lighting variations in object recognition | |
| US10692215B2 (en) | Image processing apparatus, image processing method, and storage medium | |
| CN103679743A (en) | Target tracking device and method as well as camera | |
| CN110675463B (en) | Method and device for generating partial color pencil drawing | |
| CN111369570B (en) | Multi-target detection tracking method for video image | |
| JP6260113B2 (en) | Edge extraction method and equipment | |
| JP3817979B2 (en) | Template matching method | |
| US7058221B1 (en) | Method of recognizing object based on pattern matching and medium for recording computer program having same | |
| JP2625384B2 (en) | Image recognition device and image recognition method | |
| US6885770B2 (en) | Irradiation field extracting method and apparatus and recording medium | |
| JP3878590B2 (en) | Time-series image processing method and apparatus | |
| Čisar et al. | Kernel sets in compass edge detection | |
| JP4560434B2 (en) | Change region extraction method and program of the method | |
| JPH0217832B2 (en) | ||
| CN105608711A (en) | Local-sensitive-histogram-based dynamic target tracking and extracting method of video | |
| JP3447716B2 (en) | Image processing device | |
| CN111476807A (en) | Edge processing method and device for segmenting image and analysis instrument | |
| JP2005242703A (en) | Image processing device and method | |
| JP2005071125A (en) | Object detector, object detection method, object data selection program and object position detection program | |
| Nercessian et al. | A new reference-based measure for objective edge map evaluation | |
| CN112802055B (en) | Target ghost detection and edge propagation inhibition algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060327 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20060417 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060523 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060605 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090623 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100623 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100623 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110623 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110623 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120623 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120623 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130623 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |