基于归一化互相关模板匹配的目标区域精准定位方法技术

本发明专利技术公开了一种基于归一化互相关模板匹配的目标区域精准定位方法，主要包括依据不同的应用场景设定NCC算法参数；采用BPC值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用PSO算法更新粒子坐标；记录NCC值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。本发明专利技术中，在计算NCC值的过程中引入了一个上限函数作为筛选条件，应用于目标区域快速定位，可以解决各种工业生产中的定位问题，并显著提高生产效率，本发明专利技术提出的方法适用于有实时性要求的场景。

【技术实现步骤摘要】
基于归一化互相关模板匹配的目标区域精准定位方法
本专利技术涉及一种计算机图像处理方法，尤其涉及一种基于归一化互相关(NormalizedCrossCorrelation，NCC)模板匹配的目标区域精准定位方法。
技术介绍
模板匹配是计算机视觉应用中常用的方法之一，可以应用在视频跟踪，字符识别、目标重定位等领域。模板图像和目标图像的筛选窗口之间的相似性度量是模板匹配的核心[1]。通过评估筛选窗口的相似度即可找出目标区域的准确位置。视频跟踪采用图像传感器对动态环境中的运动目标(如人、车辆等)进行实时观测通过检测、识别和跟踪图像序列中的运动目标，监视场景中目标的活动，理解和描述目标的各自行为和相互间行为。基于模板匹配的视频跟踪技术可以用于安防，寻人。在印刷电路板制造领域，随着印制电路板(PrintedCircuitBoard，PCB)板组装技术向高密度化和“零缺陷”的方向发展[2]，模板匹配技术可以用于高精度的PCB检测与装配。纺织品质量检测主要依靠人工检测，易受工人的主观经验、判断力和注意力的影响，检测过程费时费力。采用模板匹配的检测方式，可以大大提高检测结果的精度与可靠性，提高整体流水线的生产效率。基于视觉的模板匹配技术可以广泛的应用于生产生活的各行各业。传统的模板匹配方法通常使用平方差和、模板与目标图像的方差、归一化的模板与目标图像的方差、模板与目标图像的点积等方法计算模板与基础图像之间的相似度得分[3]。在搜索图中，以像素点(i，j)为左上角，取m*n大小的筛选窗口，计算其与模板的相似度；遍历整个搜索图，找到与模板图最相似的窗口作为最终匹配结果[4]。[参考文献][1]陈超,牛王强,杜芃.基于模板匹配和特征匹配的集装箱箱号识别算法[J].上海海事大学学报,2019,40(01):68-73。[2]AyoubG.Real2timeSPCwithAOI.SMTMagazine,2001,15(6):36～38.[3]杨昆,张明新,刘永俊.基于优化粒子群的NCC模板匹配算法[J].计算机应用与软件,2015(8):162-165。[4]吴平,王彬,薛洁,等.基于模板匹配的加速肺结节检测算法研究[J].计算机工程与应用,2015,51(7):184-188。
技术实现思路
针对现有技术在视频跟踪，字符识别、目标重定位应用过程中的模板匹配的实时性问题，在实际处理图像像素较大的图片时，NCC(NormalizedCrossCorrelation，归一化互相关)相似度计算过程非常耗时的问题，本专利技术提出一种基于归一化互相关模板匹配的目标区域精准定位方法，利用NCC相似度评估模板图像和目标图像的筛选窗口之间的相似性，遍历搜索区域，找到与模板图最相似的窗口作为最终匹配结果。在计算NCC值的过程中引入了一个上限函数作为筛选条件，可以更快地略过匹配度不高的筛选窗口。采用快速的搜索策略，更快速的NCC模板匹配筛选策略应用于目标区域快速定位，可以解决各种工业生产中的定位问题，并显著提高生产效率。为了解决上述技术问题，本专利技术提出的一种基于归一化互相关模板匹配的目标区域精准定位方法，主要包括：依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。具体步骤如下：步骤一、设置归一化互相关(NCC)算法参数，设：惯性因子w＝0.5，权重系数r1以及权重系数r2均为0到1之间的随机数，学习因子c1＝c2＝2；粒子数量选取为120，最大运行步数设定为5000步；设定关联度比率Cr＝0％～100％，在实际应用中依据不同的应用场合设定不同的关联度比率，在印刷电路板的目标区域定位应用中，Cr＝30～50％；在纺织品的缺陷检测应用中，Cr＝30～80％；最高匹配度ηmax＝0.96；设定目标图案的数量为z，z为常数；初始化粒子在原始图像中的坐标位置为(x,y)，利用式(1)计算初始粒子的归一化互相关(NCC)值：式(1)中，模板大小为m*n像素，为模板对应到原始图像中区域的平均灰度值，f(x+i,y+j)表示原始图像中(x+i,y+j)点的像素值；为模板图像的平均灰度值，w(x,y)为模板图像中(x,y)点的像素值；步骤二、利用式(2)计算每个粒子的边界偏相关(BPC)值：式(2)中，为上限函数；其中：式(3)中，pp＝Cr×m-1；式(2)中，由原始图像和模板图像的像素值计算得到；判断式(4)是否成立，若成立进行步骤四，否则，进行步骤三；步骤三、利用式(1)计算该粒子的归一化互相关(NCC)值，然后进行步骤二；步骤四、将步骤一中根据初始化粒子在原始图像中的坐标位置求得的最大的归一化互相关(NCC)值作最优值，依据式(5)和式(6)所示的粒子群优化(PSO)算法更新粒子的位置信息和速度信息，Vi(t+1)＝wVi(t)+c1r1(Pi(t)-Xi(t))+c2r2(gbest(t)-Xi(t))(5)Xi(t+1)＝Xi(t)+Vi(t+1)(6)式(5)和式(6)中，Vi(t)，Vi(t+1)分别是第i个粒子在t次迭代和t+1迭代的速度；Pi(t)是第i个粒子在t次迭代中找到的最优解；gbest(t)是所有粒子在t次迭代中找到的最优解；Xi(t)和Xi(t+1)分别是第i个粒子在t次迭代和t+1迭代的位置信息；步骤五、设定相似度的阈值为0.98，记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量，所记录的粒子的坐标位置即为搜索到的目标图像的位置；步骤六、步骤五中记录的粒子数量等于z则找到了所有的目标图像，判断是否找到了所有的目标图像或是运行步数是否达到了设定的最大运行步数，若满足，进行步骤七，否则，返回步骤二，继续更新搜索粒子的位置信息和速度信息；步骤七、将搜索到的目标图像输出，在原始图像中标记目标图像的位置。与现有技术相比，本专利技术的有益效果是：(1)模板匹配是计算机视觉应用中常用的方法之一，可以应用在视频跟踪，字符识别、目标重定位等领域。NCC是基于图像灰度的一种匹配技术，在大多数应用场景都可以适用。本专利技术提出的方法具有广泛的适用性。(2)处理图像像素较大的图片时，NCC相似度计算过程非常耗时。对此，提出了一种快速的BPC(BoundedPartialCorrelation，边界偏相关)策略。在计算NCC值的过程中引入了一个上限函数，作为筛选条件，可以更快地略过匹配度不高的筛选窗口。本专利技术提出的方法适用于有实时性要求的场景。(3)BPC算法定义了关联度比率，依据不同的应用场合设定不同的关联度本文档来自技高网...

【技术保护点】
1.一种基于归一化互相关模板匹配的目标区域精准定位方法，其特征在于，/n依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。/n

【技术特征摘要】
1.一种基于归一化互相关模板匹配的目标区域精准定位方法，其特征在于，
依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。


2.根据权利要求1所述的目标区域精准定位方法，其特征在于，具体步骤如下：
步骤一、设置归一化互相关(NCC)算法参数，设：惯性因子w＝0.5，权重系数r1以及权重系数r2均为0到1之间的随机数，学习因子c1＝c2＝2；粒子数量选取为120，最大运行步数设定为5000步；设定关联度比率Cr＝0％～100％，在实际应用中依据不同的应用场合设定不同的关联度比率，在印刷电路板的目标区域定位应用中，Cr＝30～50％；在纺织品的缺陷检测应用中，Cr＝30～80％；最高匹配度ηmax＝0.96；设定目标图案的数量为z，z为常数；初始化粒子在原始图像中的坐标位置为(x,y)，利用式(1)计算初始粒子的归一化互相关(NCC)值：



式(1)中，模板大小为m*n像素，为模板对应到原始图像中区域的平均灰度值，f(x+i,y+j)表示原始图像中(x+i,y+j)点的像素值；为模板图像的平均灰度值，w(x,y)为模板图像中(x,y)点的像素值；
步骤二、利用式(2)计算每个粒子的边界偏相关(BPC)值：

【专利技术属性】
技术研发人员：董娜，常建芳，秦明辉，吴志强，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12