基于树分解的非标准模板图像匹配方法

摘要

本发明公开了一种基于树分解的非标准模板图像匹配技术，依次包括以下步骤：利用条形和计算区域特征值的方法对所有候选窗口进行初步筛选；再对候选窗口的高和宽进行折半划分，并利用前一次划分的结果计算候选窗口的新区域特征值，通过与模板图像相应的区域特征值进行比较，对候选窗口进行筛选；如此处理，直至候选窗口的高或宽都不能再进行划分为止；最后，采用全搜索的方法从剩余的候选窗口中找出最佳匹配的候选窗口。在划分过程中，只要模板和候选窗口的高或宽仍能进行划分处理，算法都会继续进行划分处理，因此它能适应高和宽不相等的非标准模板图像匹配。而在划分过程中，使用了基于树分解的区域特征计算技术，避免了大量重复的计算，从而提高了匹配的速度，也使得本发明有了更广泛的适应性。

主权项

1.一种基于树分解的非标准模板图像匹配方法，其特征在于，依次包括以下步骤：步骤1、读入模板图像T，及待检测图像E，若T和E为彩色图像则将它们转化为灰度图像，转化后的灰度图像仍用T和E分别表示模板图像和待检测图像；同时分别计算T和E的积分图矩阵I_T和I_E，积分图矩阵的计算可以使用列优先处理的方法，或行优先处理的方法；步骤2、计算待检测图像E的条形和矩阵S_E，S_E的计算与T的高度H_T有关；条形和矩阵S_E中任意位置(x，y)的值记为S_E(x，y)，其表示左上角坐标为(x,0)，高为H_T，宽为y的区域像素之和，该值可以利用积分图矩阵I_E快速得到，如下：其中0≤x≤H_E－1，0≤y≤W_E－1，H_E和W_E分别为E的高和宽；步骤4、任意(x，y)位置上的候选窗口，即表示将模板T的左上角坐标放置在待检测图像E中(x，y)位置上时，T所覆盖的区域，其中0≤x≤H_E－1，0≤y≤W_E－1，H_E和W_E分别为E的高和宽；利用条形和矩阵S_E可以快速计算出该候选窗口的特征值，记为f(x，y)，计算公式如下：其中W_T表示T的宽；此外，记模板T的特征值为f_T，它等于T的所有像素值之和；若|f_T－f(x，y)|<threshold，则将(x，y)位置上的候选窗口保存至候选窗口集C中；并处理下一位置上的候选窗口，直至所有的候选窗口都被处理完成为止，即E中所有可能被T覆盖的区域均被处理过为止；其中threshold为设定的阈值，它可以取为[a,2a]范围内的某个值a=H_T×W_T，H_T和W_T分别表示模板T的高和宽，以下出现的threshold均与此意义相同；将T及C中的每个候选窗口看成独立的区域块，并进行以下步骤的处理；步骤5、将模板T进行高折半划分，这样将把T的每个区域块划分为上下两个新的子区域块；若记划分前区域块的像素和为p；划分后可以利用T的积分图矩阵I_T计算出其中一个新子区域的像素和，记为r；则划分出来的另一个新子区域的像素和为p－r；并且，这样的两个上下子区域的像素和之差，将构成T的第一类特征向量的一个分量，其值为(p－r)－r＝p－2r；接着，将T进行宽折半划分，这样将把T的每个区域块划分为左右两个新的子区域块；若仍记划分前区域块的像素和为p；划分后利用T的积分图矩阵I_T计算出其中一个新子区域的像素和，仍记为r；则划分出来的另一个新子区域的像素和也可以由p－r得到；并且，这样的两个左右子区域的像素和之差，将构成T的第二类特征向量的一个分量，其值为(p－r)－r＝p－2r；这样对T高和宽进行的一次划分处理称为一趟划分，重复对T进行高和宽划分，并记第i趟高划分后得到的第一类特征向量为f_T1⁽ⁱ⁾，第i趟宽划分后得到的第二类特征向量为f_T2⁽ⁱ⁾；若在第k趟划分时，T中有区域块的高不能进行折半划分，即有某个区域块的高为1，则令T的第一类特征向量f_T1^(k)=0，其中0表示零向量；若在第k趟划分时，T中有区域块的宽不能进行折半划分，即有某个区域块的宽为1，则令T的第二类特征向量f_T2^(k)=0；每一趟划分处理均在上一趟划分的基础上进行，直至模板T中即存在高为1，又存在宽为1的区域块；步骤6、对C中所有的候选窗口进行划分处理，并对它进行筛选判断，即步骤6.1、对C中任意(x，y)位置上的候选窗口进行第i趟划分，初始时i＝1，即先对它进行高折半划分，使得每个区域块被划分为上下的两个子区域块，并计算得到它的第一类特征向量；再对它进行宽折半划分，使得每个区域块被划分为左右的两个子区域块，并计算得到它的第二类特征向量；这里，令f1⁽ⁱ⁾(x，y)表示C中任意(x，y)位置上的候选窗口，在进行第i趟划分时，高划分得到的第一类特征向量；若(x，y)位置上的候选窗口的高不能再进行划分，即它存在某个区域块的高为1，则令f1⁽ⁱ⁾(x，y)=0，其中0表示零向量；同时，令f2⁽ⁱ⁾(x，y)表示C中任意(x，y)位置上的候选窗口，在进行第i趟划分时，宽划分得到的第二类特征向量；若(x，y)位置上的候选窗口的宽不能再进行划分，即它存在某个区域块的宽为1，则令f2⁽ⁱ⁾(x，y)=0；步骤6.2、对划分后的候选窗口进行筛选判断，即对于C中任意(x，y)位置上的候选窗口，在第i趟划分后，若|f_T1⁽ⁱ⁾－f1⁽ⁱ⁾(x，y)|²>threshold²或|f_T2⁽ⁱ⁾－f2⁽ⁱ⁾(x，y)|²>threshold²，则从C中将该候选窗口剔除，其中符号|·|表示对向量取模运算；步骤6.3、对下一个未被处理的候选窗口进行划分处理，并对它进行筛选判断，即转至步骤6.1并对未被处理的候选窗口进行划分处理，直至C中所包含的候选窗口均被处理完为止；然后判断，若C中剩余的候选窗口数量多于给定的限制量N，且C中剩余的候选窗口仍可以进行高或宽折半划分，即经过第i趟划分后，C中剩余的候选窗口不同时存在高为1或宽为1的区域块，则对C中剩余的候选窗口进行第i+1趟划分，并对它们进行判断筛选，即令i的值加1，并转至步骤6.1；其中H_E和W_E分别为待检测图像E的高和宽，alpha可以取为[0.00001,1]范围内的某个值，符号表示向上取整运算；步骤7、若C中不包含任何元素，则返回匹配失败信息；否则若C中包含不唯一的元素，则使用全搜索的方法，即通过计算C中剩余的每个候选窗口与模板T之间的相似度，并从中选出最相似的候选窗口作为最佳的匹配结果，其中相似度的度量方式可以选择归一化的相关系数或归一化平方差之和；否则返回C中唯一的元素，即最佳匹配的候选窗口。