一种基于复合相关相似度的图像跟踪算法

摘要

本发明为一种基于复合相关相似度的图像跟踪算法。本发明通过结合结构相似度与直方图相似度构造了一个能够十分全面地反映图像之间相似程度的度量公式，克服了通常所用的基于平均绝对误差的相似度的缺点，并进一步提高了辨别结构相似但灰度分布不同于目标的干扰物的能力。实验证明，本发明的图像跟踪算法即使在背景十分复杂的情况下仍然具有极高的跟踪鲁棒性。

主权项

1、一种基于复合相关相似度的图像跟踪算法，其特征在于以模板图像与候选图像之间的结构相似度与直方图相似度的线性组合的复合相似度作为总的相似度度量： $\mathrm{sim}=\beta r_{\mathrm{ST}}^I+(1-\beta )r_{\mathrm{ST}}^H...\left(6\right)$式中，r_ST^I为结构相似度，r_ST^H为直方图相似度，β为线性组合系数，sim为复合相似度；其中， $r_{\mathrm{ST}}^I=\frac{\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}(S(i,j)-m_s)(T(i,j)-m_T)}{\sqrt{\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}{(S(i,j)-m_s)}^2}\sqrt{\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}{(T(i,j)-m_T)}^2}}...\left(4\right)$式中S(i，j)与T(i，j)分别是图像块S与图像块T中第i行、第j列的像素灰度值；m_S与m_T分别是图像块S与图像块T所有像素的灰度平均值；M与N分别是图像块的行数与列数； $r_{\mathrm{ST}}^H=\frac{\underset{g=0}{\overset{255}{\Sigma }}(H_S\left(g\right)-\overline{H_S})(H_T\left(g\right)-\overline{H_T})}{\sqrt{\underset{g=0}{\overset{255}{\Sigma }}{(H_S\left(g\right)-\overline{H_S})}^2}\sqrt{\underset{g=0}{\overset{255}{\Sigma }}{(H_T\left(g\right)-\overline{H_T})}^2}}...\left(5\right)$式中H_S(g)与H_T(g)分别是图像块S与图像块T的灰度直方图在灰度值g处的取值；与分别是图像块S与图像块T的灰度直方图的平均值。