[发明专利]一种基于多核DSP的灰度图像匹配方法

说明书

技术领域

本发明属于图像匹配技术领域，尤其涉及一种基于多核DSP的灰度图像匹配方法。

背景技术

图像匹配技术是图像处理领域的一个重要研究方向，在模式识别、医疗诊断、导弹末端引导以及遥感图像处理等领域具有重要的应用价值。当前，匹配速度快、鲁棒性强且准确度高的匹配算法日益成为图像匹配的重点研究方向。一般而言，图像匹配技术分为两类：基于图像灰度信息的匹配和基于图像特征的匹配。基于特征的匹配算法处理包括点、线、面等图像特征，该类算法受图像尺寸变换和噪声因素影响小，抗干扰能力较强。但是存在计算量大、通用性较差、特征提取与分割对匹配精度影响大以及不利于硬件实现等缺点。基于图像灰度信息匹配的基本思想是以统计的观点将图像看成二维信号，采用统计相关的方法寻找信号间的相关匹配。不同算法的区别主要在于相似性度量方法和搜索策略的选取。传统的相似性度量方法有归一化互相关法、绝对差和法、临近差方和法等不同方法。其中，归一化互相关匹配法是经典的匹配方法，它通过计算原始图像与模板图像之间的互相关度量值来确定二者的匹配程度。该方法抗噪声性能强、在灰度及几何畸变不大的情况下，匹配准确度较高，缺点是计算量大，匹配速度慢。搜索策略方面，遍历搜索是常用的搜索方法。该方法对图像逐个像素点搜索，准确度高，但处理速度较慢，难以满足系统实时性要求。许多研究者尝试通过改进搜索策略来减少搜索点数。常见的改进策略有分层算法、遗传算法等。中国专利号201210398873.3，名称是一种基于多核DSP的高速并行图像匹配方法，公开了一种三层金字塔结构的匹配优化算法，采用首次粗匹配、再次粗匹配与精匹配三个步骤。改进的搜索策略使得搜索点数减少，匹配速度加快，然而匹配准确率也随之下降。如何在减少搜索点的同时，保证较高的匹配准确率，成为改进搜索策略的关键。

综上所述，改进搜索策略的灰度图像匹配方法存在匹配准确率降低的问题。

发明内容

本发明的目的在于提供一种基于多核DSP的灰度图像匹配方法，旨在解决改进搜索策略的灰度图像匹配方法存在匹配准确率降低的问题。

本发明是这样实现的，一种基于多核DSP的灰度图像匹配方法，所述基于多核DSP的灰度图像匹配方法包括以下步骤：

步骤一，对图像进行n次小波变换并保留小波变换后低频部分的子图像，则子图像的宽度与高度均为原图像的子图像面积为原图像面积的在子图像内进行匹配；采用改进型归一化互相关度量方法，在子图像上遍历搜索，搜索过程中保留几个相似度较高的匹配点；搜索结束后，将相似度较高的匹配点映射到原始待匹配图像的搜索子区域中；

步骤二，分别在每个搜索子区域内采用差分进化算法，对每个种群进行初始化，选择合适的变异因子与交叉因子，经过变异操作、交叉操作以及选择操作，完成一次迭代处理；迭代过程中，逐渐舍弃相似性较差的搜索子区域；迭代结束时，仅保留一个子区域，找到最佳匹配点，完成匹配过程。

进一步，所述改进型归一化互相关度量方法的公式如下：

S(x,y)表示原始待匹配图像中坐标位置为(x,y)处像素点的灰度值，T(u,v)表示模板图像中坐标位置为(u,v)处像素点的灰度值，模板图像大小为m×n。

进一步，所述差分进化算法的图像匹配具体步骤如下：

(1)原始待匹配图像宽度M，高度N，模板图像的宽度m，高度n；取左上角坐标为(i,j)，则取值范围分别是1≤i≤(M-m)和1≤j≤(N-n)，且i，j都是整数；

(2)在每个子区域中取一个种群，记作种群1、种群2、种群3，种群4；对四个种群分别进行初始化操作，其中每个种群保留15个初始化个体；图像匹配的实数编码形式为(i,j)，在各种群范围内随机生成初始化个体，个体坐标表示为(X_i,X_j)，表达式如下：

X_i＝D_xk+rand()*W_k；

X_j＝D_yk+rand()*H_k；

k＝1,2,3,4表示不同种群，(D_xk,D_yk)为各种群左上角位置坐标，rand()取0到1间随机数，W_k、H_k为各种群的宽度与高度。