本发明专利技术涉及一种基于灰度统计特征的灰度模板匹配的方法。现有的模板匹配的速度慢、效率低。本发明专利技术方法的具体步骤是:首先调整待匹配图像I的宽度为和高度,其次将待匹配图像I进行分块,然后将图像I像素块C↓[i]与灰度模板T进行比对,计算像素块C↓[i]与灰度模板T相似区域,根据每个像素块C↓[i]的相似区域得到子图K↓[i]。根据灰度直方图相似距离D′↓[I],灰度级位置方差相似距离D′↓[σ],几何矩相似距离D′↓[M]求和得到K↓[i]和T的距离D′;对所有K↓[i]和模板T的距离D′,选择D′最小的K↓[i]记为K↓[min],这个K↓[min]为与模板T匹配的图像子图。本发明专利技术方法匹配过程,通过计算模板T与匹配子图潜在的重叠区域来对模板T在图像I中进行快速的移动,提高了模板匹配的速度。此外该方法还具有较好的匹配准确性。
【技术实现步骤摘要】
本专利技术属于图像检索
,特别是涉及一种基于灰度统计特征的灰度 模板匹配的方法。
技术介绍
根据已知的灰度模式T (模板图像),在另一幅灰度图像I中搜索相似子图 G的过程称为灰度模板匹配。灰度模板匹配可以运用于灰度图像模板检索应用 中。灰度模板图像检索不同于传统的基于内容的灰度图像检索,前者是根据模 板T对灰度图像数据库中所有的图像I进行模板匹配,模板T和图像I的尺寸 大小可以不一致,而后者要求检索图像和数据库中图像I的尺寸大小一致。由 此可见,灰度模板图像检索具有更加广泛的使用用途,由于快速灰度模板匹配 方法可以提高灰度模板图像检索的检索速度。此外,灰度信息是彩色图像的一 个重要信息,灰度模板图像匹配也可以用于彩色模板图像匹配应用,因此快速 灰度模板匹配方法也具有非常好的使用前景。
技术实现思路
本专利技术的目的在于提供一种使用灰度统计特征的灰度模板匹配方法。本专利技术方法的具体步骤是步骤(l).设定灰度模板T的宽度为M、高度为A^,待匹配图像I的宽度 为M,、高度为似2, 似尸、'A^+a (&=1,2,3.", 0Sa〈7V,), M2= & ,7V2 + (&=1,2,3..., 0《p<iV2);如果《>0,则将待匹配图像I的横向的边沿进行复制延伸,使得"-iV,,则延伸后的待匹配图像I的宽度为M卜(、+1).W,,复制 延伸的图像在横向为一个像素;如果/ >0,则将待匹配图像I的纵向的边沿进 行复制延伸,使得"=^2,则延伸后的待匹配图像I的高度为M;—^+l).A^, 复制延伸的图像在纵向为一个像素;步骤(2).将待匹配图像I以灰度模板T为单元进行分块:对于复制延伸过 的待匹配图像I,分为(M;/A^)x(M;/A^)块;对于未进行复制延伸的待匹配图 像I,分为(MJAgx(MJ^)块;按照先从左到右、再从上到下的顺序将各块 图像进行编号为像素块C,., /",2,3…;步骤(3).按照像素块C,编号的顺序,将图像I的像素块C,.与灰度模板T 进行比对,具体的比对方法是(a).对灰度模板T的模板当前像素点S从灰度模板T的左上角开始,按照 先从左到右、再从上到下顺序在模板T中以一个像素单位进行移动,模板当前 像素点S与灰度模板T左上角的像素点为对角线构成像素子块矩阵^,该像素子块矩阵&的宽度为AV,高度为W"模板当前像素点S在模板T中移动过程 中,得到A^x^个不同的像素子块矩阵K,计算每个像素子块矩阵^的灰度统计特征,所述的灰度统计特征包括灰度统计直方图、灰度级位置方差和灰度图 像P《阶几何矩;图像像素矩阵的灰度统计直方图是灰度级函数,表示图像矩阵中具有每种灰度级的象素的个数。灰度图像矩阵像素的灰度值为之间的整数值,将 灰度图像的灰度级平均分为16个灰度等级,第一灰度等级范围是,第二 个灰度等级是,…,最后一个是。对灰度图像的所有像素, 统计每个灰度级范围的像素的个数,统计的像素个数就是灰度统计直方图在此灰度级的值。用公式(1)表示 /(/)=/(,") (1)其中,y表示第J灰度级,/(力表示灰度统计直方图在第J'灰度级的值,/(,") 表示灰度图像中所有灰度值在第)灰度级范围内的像素的个数。以图像矩阵的左下角为原点,灰度级位置方差如公式(2)表示頭 .-Xy)2}5>{("广;》2}— 二(2)其中^表示灰度图像中的所有灰度值在第7灰度级范围内的像素的x坐标 值的灰度级位置方差; 表示灰度图像中所有灰度值在第y灰度级范围的像素 的y坐标值的灰度级位置方差;A^表示灰度图像中所有灰度值在第y灰度级范 围的像素的个数;、表示灰度图像中所有灰度值在第)灰度级范围内的像素横 坐标值;A表示灰度图像中所有灰度值在第y灰度级范围内的象素的横坐标平 均值;^表示灰度图像中所有灰度值在第7灰度级范围内的像素的纵坐标值; ^.表示灰度图像中所有灰度值在第y灰度级范围内的象素的纵坐标平均值;灰度图像/^阶几何矩如公式(3)表小MM^表示图像的p《阶矩,/(x,力表示灰度图像在(;c,3;)位置处的像素灰度 值。S表示灰度图像的所有像素。;c表示灰度图像像素的横坐标值,y表示灰度图像像素的纵坐标值。(b).把像素子块矩阵^划分为四个区域 像素子块矩阵rz的右下角的一个像素点为区域D;区域D所在的行去除区域D的一个像素点后的所有像素点的集合为区域B; 区域D所在的列去除区域D的一个像素点后的所有像素点的集合为区域C;像素子块矩阵r,去除区域B、 C、 D后的所有像素点的集合为区域A;区域A是当前像素点g在灰度模板T移动过程中的一个像素子块矩阵;区域A和区域B合并构成的区域A+B是当前像素点S在灰度模板T中移动过程中 的一个像素子块矩阵;区域A和区域C合并构成的区域A+C是当前像素点《在 灰度模板T中移动过程中的一个像素子块矩阵。区域A,区域D,区域A+B,区 域A+C,区域A+B+C+D的灰度统计直方图的关系有<formula>formula see original document page 14</formula>其中,^+,+^C/)表示A+B+C+D区域的灰度统计直方图的第)灰度级的值, ^+,)(力表示A+B区域的灰度统计直方图的第y灰度级的值,/(^)(y)表示A+C区 域的灰度统计直方图的第y灰度级的值,/(^(力表示A区域的灰度统计直方图的 第)灰度级的值,/(d)G)表示D区域的灰度统计直方图的第j灰度级的值。区域A,区域D,区域A+B,区域A+C,区域A+B+C+D的像素横坐标值关系 有 '<formula>formula see original document page 14</formula>其中,4力表示灰度图像的像素中灰度值在第7灰度级范围内的一个像素的横坐标值;Zx(力表示区域A+B+C+D中所有灰度值在第y灰度级范围内的像素 的横坐标值总和;2>(刀表示区域A+B中所有灰度值在第7灰度级范围内的像 素的横坐标值总和;2>(力表示区域A+C中所有灰度值在第j灰度级范围内的 像素的横坐标值总和;Zx(力表示区域A中所有灰度值在第y灰度级范围内的像 素的横坐标值总和。Zx(y)表示区域D中所有灰度值在第y灰度级范围内像素的横坐标值总和;^^0)表示区域A+B+C+D中所有灰度值在第乂灰度级范围内 的像素的横坐标值平均值;A,+M一(;c(力2)表示区域A+B+C+D中所有灰度值在第j灰度级范围内的像素的横坐标值的平方的期望值。cr(^+c+^表示区域A+B+C+D中所有灰度值在第乂灰度级范围内的像素的横坐标值的灰度级位置方差。 区域A、区域D、区域A+B、区域A+C、区域A+B+C+D的像素的纵坐标值关系有:<formula>formula see original document page 15</formula>其中y(力表示灰度图像的像素中灰度值在第j灰度级范围内的一个像素的横坐 标值;2>(力表示区域A+B+C+D中所有灰度值在第)灰度级范围内的像素的横坐标值总和;JX力表示区域A+B中所有灰度值本文档来自技高网...
【技术保护点】
一种基于灰度统计特征的灰度模板匹配方法,其特征在于该方法的具体步骤是: 步骤(1).设定灰度模板T的宽度为N↓[1]、高度为N↓[2],待匹配图像I的宽度为M↓[1]、高度为M↓[2],M↓[1]=k↓[1].N↓[1]+α,k↓[1 ]=1,2,3…,0≤α<N↓[1],M↓[2]=k↓[2].N↓[2]+β,k↓[2]=1,2,3…,0≤β<N↓[2];如果α>0,则将待匹配图像I的横向的边沿进行复制延伸,使得α=N↓[1],则延伸后的待匹配图像I的宽度为M′↓[1]=(k↓[1]+1).N↓[1],复制延伸的图像在横向为一个像素;如果β>0,则将待匹配图像I的纵向的边沿进行复制延伸,使得β=N↓[2],则延伸后的待匹配图像I的高度为M′↓[2]=(k↓[2]+1).N↓[2],复制延伸的图像在纵向为一个像素; 步骤(2).将待匹配图像I以灰度模板T为单元进行分块:对于复制延伸过的待匹配图像I,分为(M′↓[1]/N↓[1])×(M′↓[2]/N↓[2])块;对于未进行复制延伸的待匹配图像I,分为(M↓[1]/N↓[1])×(M↓[ 2]/N↓[2])块;按照先从左到右、再从上到下的顺序将各块图像进行编号为像素块C↓[i],i=1,2,3…; 步骤(3).按照像素块C↓[i]编号的顺序,将图像I的像素块C↓[i]与灰度模板T进行比对,具体的比对方法是: (a ).对灰度模板T的模板当前像素点P↓[1]从灰度模板T的左上角开始,按照先从左到右、再从上到下顺序在模板T中以一个像素单位进行移动,模板当前像素点P↓[1]与灰度模板T左上角的像素点为对角线构成像素子块矩阵T↓[Z],该像素子块矩阵T↓[Z]的宽度为N↓[W],高度为N↓[H];模板当前像素点P↓[1]在模板T中移动过程中,得到N↓[1]×N↓[2]个不同的像素子块矩阵T↓[Z],计算每个像素子块矩阵T↓[Z]的灰度统计特征;所述的灰度统计特征包括灰度统计直方图、灰度级位置方差和灰度图像pq阶几何矩; 灰度统计直方图是灰度级函数,对灰度图像的所有像素,统计每个灰度级范围的像素的个数,统计的像素个数就是灰度统计直方图在此灰度级的值,表示为:I(j)=I(j,n) 其中j表示第j灰度级,I(j)表示灰度 统计直方图在第j灰度级的值,I(j,n)表示灰度图像中所有灰度值在第j灰度级范围内的像素的个数; 以图像矩阵的左下角为原点,灰度级...
【技术特征摘要】
【专利技术属性】
技术研发人员:章志勇,凌云,王勋,杨柏林,
申请(专利权)人:浙江工商大学,
类型:发明
国别省市:86[中国|杭州]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。