基于图像匹配的积相关跟踪算法研究

1、基于图像匹配的积相关跟踪算法研究    【关键词】图像匹配 积相关跟踪 算法 电视跟踪系统对目标的跟踪是通过跟踪指定目标的图像实现的。目前在该系统中应用比较广泛的是形心跟踪和积相关跟踪算法。形心跟踪算法简单,在一般条件下可以达到较高的跟踪精度,但是这种算法的跟踪精度受周围条件的影响较大。积相关跟踪的优点是受环境的影响很小,并且通过快速简化积相关算法的实现,能够提高系统的实时性,因此能够得到广泛的应用。 1、积相关算法概述 以图像匹配为基础的电视跟踪方法,习惯上称为电视图像相关跟踪,简称为相关跟踪。积相关算法是常见的相关算法中的一种,也叫归一化相关算法:

2、相似性度量(x0,y0)的表达式为: n(x0,y0)=m-1X=0m-1y=0f(x,y)t(x x0,y y0)m-1X=0m-1y=0f2(x,y)m-1X=0m-1y=0t2(x x0,y y0) 其中,0x0n-m, 0y0n-m。如果把f(x,y)和t(x,y)分别看作两个欧式空间里的矢量,那么积相关算法的度量值表达式正是这两个矢量在欧式空间里夹角的余弦。这是一个非常有用的性质,它的实际意义是,当环境光强发生变换时。应用积相关算法可以不受干扰。 2、跟踪稳定性的研究 所谓跟踪的稳定性是指匹配点的位置是否能够唯一确定或者在一个极小的范围内滑动。研究系统跟踪的稳定性具有十分重要的意义。

3、 2.1图像预处理对跟踪稳定性的影响 在智能电视跟踪系统中实现积相关算法时,采取必要的图像预处理是非常必要和有益的。对模板和实时图像进行灰度均衡,使相关峰变得尖锐,从而提高跟踪性能;增大图像的对比度,也可以使相关峰变得尖锐,从而提高跟踪性能;对图像进行灰度最小化处理,使相关峰变得尖锐,提高跟踪性能。 2.2模板选取对跟踪稳定性的影响 积相关跟踪算法的模板需要人工在视场范围内进行锁定,这个初始的第一个模板对跟踪效果也是有影响的。为了得到良好的跟踪效果,相关峰应当尽量选择在图像比较复杂并且没有规律的区域内。 2.3奇偶场对跟踪稳定性的影响 系统采用的摄像头是按照PAL-D制式进行隔行扫描按照奇偶场

4、产生图像的。对一幅静止的图像如果采用隔场匹配,那么一个模板始终与奇数场或者偶数场的实时图像进行匹配,此时跟踪点就始终是稳定的。对于动态的、连续的图像,应该在算法中加入一些处理措施,比如对模板进行刷新,否则可能造成跟踪不稳定。 3、简化的快速积相关图像匹配算法 基于前面给出的简化归一化积相关度量方法,为了进一步减少匹配算法匹配时间,提高匹配效率,且同时保证一定的匹配精度与匹配概率,设计了先粗后精的分层匹配控制策略。 3.1先粗后精的分层匹配控制策略 下图中给出了匹配控制策略的设计框图。 这种匹配控制策略首先是进行粗匹配,确定匹配点的大概位置或候选位置,接着进行精匹配,确定匹配点的精确位置或最佳位

5、置。精匹配是在粗匹配的结果-候选匹配子图中完成的,因而搜索范围大大减少,提高了匹配速度。 对于本文算法,使用该方案需要注意以下三点。 (1) 粗匹配阶段,为了保证精匹配阶段的有效性,必须确保粗筛选后所保留的预选点包含有匹配点。 (2) 门限法实现起来难度较大,多数是靠大量实验及经验获取,且仅在特定的情况下可以采用。实际中,可以考虑采用35点筛选法,即直接取粗匹配阶段度量值最优的35个匹配点作为精匹配基准点。 (3) 图像的预处理是指对匹配图像的灰度数据进行一定的压缩或特征提取。在粗匹配阶段,可以考虑隔像素取值且隔像素搜索。而在精匹配阶段,像素值及搜索范围均要适当扩展。 3.2算法设计 结合简化

6、的度量方法及前面给出的先粗后精的分层匹配控制方案,设计了简化的快速归一化积相关图像匹配算法。 (1) 粗匹配阶段 计算总的匹配搜索次数(如对于大小分别为m×m和n×n的基准图与实时图,则总的搜索次数为(m-n 1)×(m-n 1),进行循环递推匹配。匹配准则如下。 每隔n1像素从基准图左上角开始扫描获取各个基准子图,并在实时图及所选的基准子图中隔n2个像素取其灭度值,组成用于相关匹配的维数较小的灰度矢量。 利用简化的归一化积相关度量方法比较基准子图与实时图灰度矢量的相似性。 采用递归比较的方法得到35个最优的匹配点,对应的基准子图作为候选配子图。 (2) 精匹配阶

7、段 在粗匹配阶段得到的各个匹配点周围适当展开进行搜索匹配(若粗匹配阶段是隔n1像素进行搜索的,则在各匹配点周围展开的幅值为应在n1/2到n1的范围内)。 利用简化的积相关度量方法逐一取候选子图,并在其扩展的范围内进行灰度匹配。 所有度量值中,Rs(u,v)值最大的匹配位置便是最终的匹配结果。 4、提高跟踪实时性 经过大量的实验,采用快速的简化积相关算法进行匹配仿真实验可得出如下结论:        第一是积相关及本文简化快速积相关算法在智能电视跟踪系统中出项的稳定性干扰以及较小的几何畸变具有良好的抑制作用,且实时图

8、像越大,其抑制能力越好。 第二是对未经选定的图像,可以考虑对匹配数据及搜索方案进行适当调整以获得满意的匹配效率。对于经过选定的图像,采用本文提出简化的积相关度量方法及先粗后精的分层匹配控制策略,有效地提高了匹配效率。 第三是减少匹配次数。在匹配时,进行一次粗匹配和二次精匹配。一次粗匹配时将步长设为2个像素,这样可以使计算量减少为原来的1/4。需要指出的是,采取上述的参数进行积相关处理时,一次粗匹配的过程中,可能会遗漏实际的最佳匹配点,但是最佳匹配区域不会被遗漏,也就是说,最佳匹配点可以在二次精匹配中找回。 总之,通过上述方法可以在有限的硬件条件下,有效地提高了系统跟踪的稳定和实时性。 参考文献: 1 Franz Matthias O, Bernhard. Scene-based homing by image matchingJ.Biol. Cybern,1998:191-202. 2刘扬,赵峰伟,等.景像匹配区选择方法研究J.红外与激光工程, 2001, 30(3): 168-170. 3任仙怡,廖云涛,张桂林等.一种新的相关跟踪方法研究J.中国图象图形学报(A版),2002,7(6):553557. 4刘嘉.应用随机过程M.北京:科学出版社,2002:1213. 5彭架雄,雷达图像匹配制导技术,华中理工大学. 6孔丹,李介谷.亚像元精度的图像匹配技术J.红外与激光工程,19