组合场景中快速检测多个相似物体

《组合场景中快速检测多个相似物体》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、组合场景中快速检测多个相似物体Abstract：题目来源于生产实际，要求在如图1（见附图）所示结构的全景图片中，快速检测出我们感兴趣的目标单元物体。很明显，利用一定尺寸的矩形模板可以实现模板匹配，而且有多个数学关系计算模板与匹配区域的相似程度，从而对应多个匹配算法。但这样直接进行同尺寸的匹配，计算量比较大，不能满足我们的速度要求。因此我们的目标即是在待检测图像有平移、旋转等变化的情况下，对既有的模板匹配算法进行优化，从而快速、准确的检测出目标单元图像。模板匹配是一种用于在源图像S中寻找定位给定目标图像T（即模板图像）的技术。其原理很简单，就是通过一些相似度准

2、则来衡量两个图像块之间的相似度Similarity(S,T)。这种方法在图像处理中最常见的应用如印刷中的数字、工业零器件等小尺寸目标图像识别分类。值得注意的是在一般的模板匹配中，源图像和模板图像可以是二值图像、灰度图像、彩色图像，三者的不同在于同等尺寸的匹配中可利用信息的多少。一般来说，常见的匹配形式包括以下几种：平方差匹配（Squaredifferencematchingmethod）互相关匹配（Correlationmatchingmethods）相关系数匹配（Correlationcoefficientmatchingmethods）以及它们的归一化形

3、式，另外还有绝对差值等类似算法。以上算法基于一一对应灰度值的计算，因此不具有旋转不变性和尺度不变性，可适用的范围比较有限。在我们的应用场景中，待检测的源图像是由若干个大小和形状基本相同的单元目标，可能存在一定的旋转，但在模板匹配的允许误差范围内，因此我们可以初步尝试应用以上类别中的匹配算法，在此基础上主要做以下方面的调整：1.调整模板的合理尺寸，可以尝试选取单元图像最有代表性的部分；2.改变匹配的路径，避免重复匹配；3.改变模板的形状；在一般的模板匹配中，首要考虑的因素即是选取的模板T的大小。通常的标准是选取的模板要能完整包括待检测目标的形状特征。模板太小就

4、不能反映目标的全部特性，导致匹配失败。模板太大将会导致计算效率的增加。一般的经验表明，选取的模板中目标的有用信息占整个模板尺寸的30%~50%为宜。设原始图像O的左上角作为原点，分别以水平向右和垂直向下方向作为x与y坐标方向，将模板T的原点与图像O的原点重合放置，默认情况下将1像素间隔作为匹配间隔，依次向右及向下遍历，得到最终的匹配结果。设图像O的尺寸为Owidth*Qheight,模板T的尺寸为Twidth*Theight，从而匹配结果矩阵R的大小为(Owidth-Twidth)*(Oheight-Theight)。如图所示：r11⋯r1n⋮⋱⋮rm1⋯r

5、mn首先，通过在矩阵中寻找最大值Rmax1会得到我们的最佳匹配点。然后再在矩阵中找到仅次于最大值Rmax1的第二个最大值Rmax2，需要注意的是以Rmax1为原点，以模板的尺寸构造的生成图像和以Rmax2为原点，同样以模板尺寸构造的图像会有交叉，这种情况同样表明匹配失败，因此我们需要一种寻找最大值的策略。直观的想法是，再找到最大值后，可以将生成区域范围内的结果矩阵中的元素都设为最大值Rmax1,然后再进行寻找最大值的后续操作，这样将会对结果矩阵进行完整的6次遍历。另一种想法是，将当前生成区域范围内的结果矩阵中的元素做一个辅助符号标记，表明后续寻找其他最大值的

6、操作将跳过该片区域，这样在一定程度上可以减少重复遍历的次数。与全局匹配所不同的是，我们也可以采取分区域匹配。因为待检测目标之间不存在重叠，可以将其连同周围区域分离，这时候可以假设每次需要匹配的目标图像尺寸为16Owidth*16Qheight，每次匹配的结果大小为(16Owidth-Twidth)*(16Oheight-Theight)，将其与全局匹配的结果矩阵比较会发现(Owidth-6Twidth)*(Oheight-6Theight)，大大减少了结果矩阵的大小。另外一个好处是，可以分别在每个较小的结果矩阵内寻找最大值，有效避免重复遍历和寻找失败的情况。

7、在这里平均分割原始图像的前提是，各个目标之间互不重叠，而且大致均匀分布，所以有一定的局限性。分组匹配的预期效果展示：以上都是以矩形区域作为模板来进行匹配，其效率较低的原因是重复计算无关位置的值，增大了计算量，另一方面也可能会将周围区域的无关信息包含进去抵消了正确位置的匹配，引起误判。因此我们可以考虑减少模板内需要匹配的位置，即选择一定的关键点匹配。观察目标单元图像可以发现，各个底座形状有很大不同，而且匹配时需要比较的计算量也比较大，可以考虑去除。最具有区分度的特征形状是中间两条对应曲线，一方面占用的像素比较少，可以减少大大计算量，另一方面，图像中的非目标图像

8、不含有相似形状的图像，可以保证匹配的准确度，我们的思