[发明专利]基于树分解的非标准模板图像匹配方法

说明书

技术领域

本发明涉及一种基于树分解的非标准模板图像匹配方法，属于电子信息技术领域。

背景技术

模板匹配是一种在待检测图像中寻找与已知模板相匹配区域的方法。它被广泛地应用于信号处理，计算机视觉，图像和视频处理。最原始的模板匹配方法是直接计算模板与待检测图像中所有大小相同的候选区域之间的相似度，并取相似度最大的候选区域作为最佳的匹配结果。但是这样做的运算量较大，时间复杂度较高，在实际应用中效率很低。为此，提出了许多有效的改进方法，其中包括基于正交Haar变换的快速模板匹配方法，它利用正交Haar变换把模板和候选区域进行相应的映射，通过阈值比较对候选窗口进行筛选。该方法能够获得较高的准确性和较快的匹配速度，但是它有一个致命的缺陷，即它只能处理高和宽都相等的且大小为2的幂次的标准模板图像，而对于非2的幂次的模板图像将无法处理。本发明的算法主要针对处理非2的幂次的模板图像，也正好弥补了基于正交Haar变换的快速模板匹配方法的一大缺陷。利用本发明将可以处理任意大小的模板图像，并且都能获得很好的匹配效果。

发明内容

本发明的目的在于提出一种基于树分解的非标准模板图像匹配方法，其主要的步骤如下：

步骤1、读入模板图像T，及待检测图像E，若T和E为彩色图像则将它们转化为灰度图像，转化后的灰度图像仍用T和E分别表示模板图像和待检测图像；同时分别计算T和E的积分图矩阵I_T和I_E，积分图矩阵的计算可以使用列优先处理的方法，或行优先处理的方法；

步骤2、计算待检测图像E的条形和矩阵S_E，S_E的计算与T的高度H_T有关；条形和矩阵S_E中任意位置(x，y)的值记为S_E(x，y)，其表示左上角坐标为(x,0)，高为H_T，宽为y的区域像素之和，该值可以利用积分图矩阵I_E快速得到，如下：

其中0≤x≤H_E－1，0≤y≤W_E－1，H_E和W_E分别为E的高和宽；

步骤4、任意(x，y)位置上的候选窗口，即表示将模板T的左上角坐标放置在待检测图像E中(x，y)位置上时，T所覆盖的区域，其中0≤x≤H_E－1，0≤y≤W_E－1，H_E和W_E分别为E的高和宽；利用条形和矩阵S_E可以快速计算出该候选窗口的特征值，记为f(x，y)，计算公式如下：

其中W_T表示T的宽；

此外，记模板T的特征值为f_T，它等于T的所有像素值之和；若|f_T－f(x，y)|<threshold，则将(x，y)位置上的候选窗口保存至候选窗口集C中；并处理下一位置上的候选窗口，直至所有的候选窗口都被处理完成为止，即E中所有可能被T覆盖的区域均被处理过为止；其中threshold为设定的阈值，它可以取为[a,2a]范围内的某个值a=H_T×W_T，H_T和W_T分别表示模板T的高和宽，以下出现的threshold均与此意义相同；将T及C中的每个候选窗口看成独立的区域块，并进行以下步骤的处理；

步骤5、将模板T进行高折半划分，这样将把T的每个区域块划分为上下两个新的子区域块；若记划分前区域块的像素和为p；划分后可以利用T的积分图矩阵I_T计算出其中一个新子区域的像素和，记为r；则划分出来的另一个新子区域的像素和为p－r；并且，这样的两个上下子区域的像素和之差，将构成T的第一类特征向量的一个分量，其值为(p－r)－r＝p－2r；

接着，将T进行宽折半划分，这样将把T的每个区域块划分为左右两个新的子区域块；若仍记划分前区域块的像素和为p；划分后利用T的积分图矩阵I_T计算出其中一个新子区域的像素和，仍记为r；则划分出来的另一个新子区域的像素和也可以由p-r得到；并且，这样的两个左右子区域的像素和之差，将构成T的第二类特征向量的一个分量，其值为(p-r)-r＝p-2r；