数字视频图像处理与通信-图像匹配讲义.ppt

不选用固定的阈值 ，而采用单调增长的阈值学列。这样做可以是非匹配点用更少的计算就达到阈值而被排除掉，真正的匹配点则需要更多此的误差累计才能达到阈值，如图7-9所示。 图7-9 采用阈值序列单调增加的方式改进SSDA算法 SSDA算法比FFT的相关算法快50倍，是较受人重视的一种算法。 特别地，当待有哪些信誉好的足球投注网站图像为二进制图时，SSDA算法还可以简化，这是模板与对应子区域中的成对像素点的差值为： (7-25) 其中 表示异或运算，由此得： (7-26) 上式称作二进制的Hamming距离，同样当D越小，则子区域同模板的相似度越大。 ? 由前面的讨论可知，任何一种匹配算法的计算量都是采用的相关算法的计算量与有哪些信誉好的足球投注网站区域数目之积来决定的，也就是说： 总计算量=（相关算法的计算量）×（有哪些信誉好的足球投注网站区域数目） 因此，为了减少总的计算量，除了上面介绍的匹配方法之外，我们再介绍几种其他的快速计算法。 上式称作二进制的Hamming距离，同样当D越小，则子区域同模板的相似度越大。 ? 由前面的讨论可知，任何一种匹配算法的计算量都是采用的相关算法的计算量与有哪些信誉好的足球投注网站区域数目之积来决定的，也就是说： 总计算量=（相关算法的计算量）×（有哪些信誉好的足球投注网站区域数目） 因此，为了减少总的计算量，除了上面介绍的匹配方法之外，我们再介绍几种其他的快速计算法。 基于排序的序贯相关算法 这种算法的设计思想并不复杂，简单地说就是在对图像灰度进行二进制幅度排序的基础上进行序贯匹配处理，因此算法共分两步。 第一个步骤称为幅度排序预处理。把模板中的各个灰度值按幅度大小排成列的形式，并计算出各自的位置坐标 ，然后对它进行二进制（或三进制）编码。编码的具体方式是逐层扫描并将每一层一分为二，分别赋值1或0，通常选择幅度大的一组赋值为1，幅度小的一组赋值为0，如果存在某一层的项目数是一个奇数，那么就将该层的中间幅度赋值为 ，直到当各组所剩的元素不能再分为止。最后，根据二进位排序的诸列，把模板变换成二进制阵列的一个有序的集合{ ，n=1，2，……N}。 第二步是由粗到细的相关过程。顺序地将这些二进制阵列与基准图进行由粗到细的相关，直到确定匹配点为止。 下面举例说明具体的操作方式。假设存在一个3 3的图像，如图XX所示。首先将图像的幅度按大小排序填入表中，并将对应的位置也顺次填入。可见幅度最大值是48，它对应的像素点位置是（1，1），幅度第二的值是41，它对应的位置是（3，3）……然后进行分层编码。因为共有9个幅度值，因此中间幅度值24被赋为 。这样剩余的幅度选取较大的赋值为1，即表中前4位被编码为1，后4位被编码为0，记录层号Ⅰ。然后对后4位的值再进行同样的编码，依次递推，最终结果如图7-10所示。最终得到的二进制序列分为三层，分别由Ⅰ、Ⅱ、III来表示。 图7-10 图像的幅度排序预处理 Moravec兴趣算子 Moravec于1977年提出利用灰度方差提取点特征的算子。Moravec算子是在四个主要方向上，选择具有最大—最小灰度方差的点作为特征点： 第一步，计算各像元的兴趣值IV（interest value）。 第二步，给定一经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则。 第三步，选取候选点中的极值点作为特征点。 近些年应用较多的一种方法是：首先利用边缘提取方法提取整个图象的边缘轮廓，然后在此轮廓内利用以上特征点提取方法提取特征点。 下面以滑动同心窗结合连通区域分析的定位方法为例，说明这种方法在车牌识别中的应用。 滑动同心窗原理（SCW） 目标检测，是指在一幅或多幅图像中检测用户所感兴趣的区域。车牌定位也是目标检测的一种。滑动同心窗（sliding concentric windows, SCW）是一种常用的图像分割方法，用于检测用户所感兴趣的各种区域。用户可根据待检测目标的特征，定义SCW的参数，实现正确检测。 直观上，车牌区域在整幅图像中具有其独自的特征。最明显的就是其纹理的不规则，导致其统计特性的急剧变化。由于牌照的规格一致，字体的规格也一致，导致这种统计上的变化又具有某些不变的特征。SCW可以很好地描述这种“不规则”，它统计父窗口和子窗口中所有像素的均值或者标准差，并根据两者的比值大小，反映窗口区域中像素的变化情况 图7-2 父窗体和子窗体的建立 其算法步骤如下： (1) 建立两个同心窗A和B，A嵌套在B内，称A为子窗