專利名稱:一種基于鄰域上下文特征的模板匹配方法
技術(shù)領(lǐng)域:
本發(fā)明屬于圖像處理方法,具體涉及一種基于鄰域上下文特征的模板匹配方法,
用于檢測目標(biāo)部件。
背景技術(shù):
模板匹配是圖像處理中經(jīng)典的方法,其中模板就是一幅已知的小圖像,在目標(biāo)檢 測任務(wù)中模板是一個目標(biāo)的實例;模板匹配就是在一幅大圖像中搜索目標(biāo),確定其坐標(biāo)位 置,在目標(biāo)部件的檢測任務(wù)中就是要找到該部件在目標(biāo)中出現(xiàn)的位置。在模板匹配中,這個 待匹配的目標(biāo)圖像稱為場景圖像。比如,在執(zhí)行汽車輪胎檢測的任務(wù),模板就是一幅汽車輪 胎的圖像,而一個汽車的圖像就是待匹配的場景圖像,模板匹配就是根據(jù)這個模板的信息 在汽車場景圖像中找到輪胎,并確定其位置。 模板匹配的搜索過程就是將模板疊放在大圖像上平移,模板覆蓋被搜索圖的那個 區(qū)域叫做子圖。傳統(tǒng)的模板匹配方法是基于灰度值的,即通過度量模板與子圖之間的灰度 相關(guān)性來確定目標(biāo)的位置,這種方法有很大的局限性,比如光照變化等情況對于圖像灰度 值的影響是很大的。因此有很多基于特征的模板匹配方法,利用模板與子圖的特征之間的 相關(guān)性來確定目標(biāo)位置,因為特征的魯棒性,在一定程度上提高了匹配的性能?;谔卣鞯?模板匹配方法已經(jīng)在目標(biāo)檢測任務(wù)中得到廣泛的應(yīng)用。但目標(biāo)部件一般情況下比較小,分 辨率比較低,因此經(jīng)常會出現(xiàn)檢測錯誤的情況。
發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于鄰域上下文的模板匹配方法,考慮了目標(biāo)部件周圍
信息的約束,提高目標(biāo)部件檢測的準(zhǔn)確性。 —種基于鄰域上下文的模板匹配方法,具體步驟為 (1)計算模板的鄰域上下文特征; (2)對場景圖像逐像素點遍歷提取搜索子圖,對于每一搜索像素點,計算其對應(yīng)搜 索子圖的鄰域上下文特征,如果該搜索子圖與模板的鄰域上下文特征相同,則計算該搜索 子圖與模板的灰度相關(guān)性,并將該像素點記為候選點; (3)在各候選點中,選擇其對應(yīng)搜索子圖與模板圖像的灰度相關(guān)性最大的候選點, 記為最終的目標(biāo)部件位置; 其中,模板或搜索子圖的鄰域上下文特征是指模板或搜索子圖的平均灰度值與它 們鄰域上下文區(qū)域中其它八個子區(qū)域的平均灰度值的比較結(jié)果;模板或搜索子圖的鄰域上 下文區(qū)域是指以模板或搜索子圖為中心,寬度和高度分別為模板或搜索子圖的寬度和高度 的3倍的區(qū)域,鄰域上下文區(qū)域被平均分為九個子區(qū)域,其中中間一個為模板或搜索子圖。
本發(fā)明采用的搜索過程中,考慮了模板中目標(biāo)部件的鄰域上下文信息的約束,只 在滿足該約束的位置計算模板與子圖的相關(guān)性。因為目標(biāo)部件一般情況下比較小、分辨率 比較低,檢測錯誤率比較高。但是在目標(biāo)部件檢測任務(wù)中,目標(biāo)的部件周圍一般都有比較一致的模式(比如在一般的汽車側(cè)面圖像中,汽車的前輪上面是車身,而下面則是地面),因 此需要考慮目標(biāo)部件的鄰域上下文信息。本發(fā)明采用的模板匹配方法在檢測目標(biāo)部件中利 用了模板的鄰域上下文信息的約束,提高目標(biāo)部件檢測的準(zhǔn)確性;本發(fā)明在檢測目標(biāo)部件 過程中去除了很多不滿足鄰域上下文信息約束位置,因此提高了檢測的速度。
圖l是本發(fā)明流程圖; 圖2是模板的獲取圖像; 圖3是模板圖像; 圖4是模板在獲取圖像中的位置;; 圖5是模板的鄰域上下文區(qū)域; 圖6是模板的鄰域上下文區(qū)域在獲取圖像中的位置; 圖7是模板與鄰域子區(qū)域的關(guān)系示意圖; 圖8是待檢測圖像; 圖9是待檢測圖像中滿足鄰域上下文約束的位置; 圖10是最終的檢測位置。
具體實施例方式本發(fā)明步驟流程如圖1所示,現(xiàn)舉例說明
(1)獲取模板以及模板鄰域上下文區(qū)域; 給定一幅圖像,如圖2所示的一幅汽車圖像,選出待檢測部件的模板,該實例中我
們選取一個倒車鏡作為模板,如圖3所示,記為T(m, n),其中1《m《WT, 1《n《HT, WT
和HT分別為模板的寬度和高度,WT = 7, HT = 7,在給定圖像中的位置如圖4所示,模板區(qū)
域用白色框標(biāo)出。以模板區(qū)域的中心為中心,寬度和高度分別為模板寬度和高度3倍的區(qū)
域作為該模板的鄰域上下文區(qū)域,記為E,如圖5所示,其寬度WC = 21和高度HC = 21,在
給定圖像中的位置如圖6所示,該鄰域上下文區(qū)域用白色框標(biāo)出; (2)計算模板鄰域上下文特征C(k) , 1《k《K。, K。 = 8為特征維度; 在模板T的鄰域上下文區(qū)域E中,模板區(qū)域周圍有8個子區(qū)域,從左上角開始順
時針方向依次記為ESp ES2, ES3, ES4, ES5, ES6, ES7和ES8,如圖7所示。對于子區(qū)域ESk,
1《k《K。,比較ESk的平均灰度值與模板T的平均灰度值,如果ESk的平均灰度值大于模
板T的平均灰度值,則C(k) = l,否則C(k) = 0 ; (3)對待檢測的場景圖像F(如圖8所示)逐像素點遍歷提取搜索子圖,在滿足鄰 域上下文約束的位置計算各搜索子圖Gi,j(m, n)與模板圖像T(m, n)的相關(guān)性;
在每個搜索像素點位置(i, j),計算其對應(yīng)搜索子圖Gi,j(m,n)的鄰域上下文特征 Si, j (k) , 1《k《K。(該計算方法與模板的鄰域上下文特征計算方法相同),其中1《m《WT, 1《n《HT, (i, j)為搜索子圖左上角像素點在場景圖像F上的坐標(biāo),場景圖像的寬度WS =100和高度HS = 40,搜索子圖大小與模板大小相同,搜索子圖對應(yīng)的鄰域上下文區(qū)域與 模板的鄰域上下文區(qū)域大小相同,搜索范圍為8《i《WS-WC = 94,8《j《HS-HC = 34 ;
比較子圖鄰域上下文特征Si,j(k)和模板上下文特征C(k),如果Si,j(k) =C(k),1《k《K。,則計算模板T(m, n)與子圖Gi,j(m, n)的灰度相關(guān)性
町//r
ZZr(w,")xGw(w,")
D(/, /) = , ffl=1 "=1j ;
|_W"」 、卜肌 |盯肌
Z£r2(m,")藝藝c附,") 并將場景中像素點(i,j)的像素值置為D(i,j);否則場景中像素點(i,j)的像素 值置為O; 圖9給出了場景圖像中滿足鄰域上下文約束(Si,j(k) =C(k),l《k《K。)的位 置,白色區(qū)域表示滿足,黑色區(qū)域表示不滿足;其中滿足約束的白色區(qū)域的像素點稱為候選 點; (4)在場景圖像的候選點中,選擇對應(yīng)搜索子圖與模板圖像的相關(guān)性最大的候選
點,即為最終的目標(biāo)部件位置,結(jié)果如圖io所示,其中白色叉所在的位置為最終目標(biāo)部件
左上角對應(yīng)的位置,該位置坐標(biāo)為(30, 12)。 為了進(jìn)一步說明本發(fā)明提出的方法在檢測目標(biāo)部件任務(wù)中的準(zhǔn)確性,我們給出了 一組本發(fā)明方法和傳統(tǒng)方法(無鄰域上下文約束的方法)的對比結(jié)果。如圖ll所示,第一 列是模板,第二列是模板的鄰域區(qū)域,第三列給出了待檢測的圖像,并標(biāo)出了模板的真實位 置,第四列和第五列分別是本發(fā)明方法和傳統(tǒng)方法的實驗結(jié)果。從這些結(jié)果可以看車,本發(fā) 明的方法在檢測目標(biāo)部件任務(wù)中更加準(zhǔn)確。
權(quán)利要求
一種基于鄰域上下文的模板匹配方法,具體步驟為(1)計算模板的鄰域上下文特征;(2)對場景圖像逐像素點遍歷提取搜索子圖,對于每一搜索像素點,計算其對應(yīng)搜索子圖的鄰域上下文特征,如果該搜索子圖與模板的鄰域上下文特征相同,則計算該搜索子圖與模板的灰度相關(guān)性,并將該像素點記為候選點;(3)在各候選點中,選擇其對應(yīng)搜索子圖與模板圖像的灰度相關(guān)性最大的候選點,記為最終的目標(biāo)部件位置;其中,模板或搜索子圖的鄰域上下文特征是指模板或搜索子圖的平均灰度值與它們鄰域上下文區(qū)域中其它八個子區(qū)域的平均灰度值的比較結(jié)果;模板或搜索子圖的鄰域上下文區(qū)域是指以模板或搜索子圖為中心,寬度和高度分別為模板或搜索子圖的寬度和高度的3倍的區(qū)域,鄰域上下文區(qū)域被平均分為九個子區(qū)域,其中中間一個為模板或搜索子圖。
全文摘要
本發(fā)明公開了一種基于鄰域上下文的模板匹配方法,對場景圖像逐像素點遍歷提取與模板圖像相同區(qū)域范圍的搜索子圖,對于滿足鄰域上下文約束的搜索子圖,計算其與模板的相關(guān)性,依據(jù)相關(guān)性越大,該搜索子圖對應(yīng)的遍歷像素點成為目標(biāo)點可能性越大的準(zhǔn)則選取目標(biāo)像素點。本發(fā)明關(guān)鍵之處在利用了鄰域上下文的約束,并不是在所有的位置都計算子圖與模板的相關(guān)性,而是只在滿足鄰域上下文約束的位置計算。在目標(biāo)部件檢測中加入該約束,提高了檢測的準(zhǔn)確性,由于該約束去除了很多位置點,因此還提高了檢測速度。
文檔編號G06K9/64GK101794394SQ20101011114
公開日2010年8月4日 申請日期2010年2月5日 優(yōu)先權(quán)日2010年2月5日
發(fā)明者唐奇伶, 孫彬, 桑農(nóng), 笪邦友, 蔣良衛(wèi), 高峻, 高常鑫, 黃銳 申請人:華中科技大學(xué)