一种简化、高效的NCC图像匹配算法.docVIP

一种简化、高效的NCC图像匹配算法 摘 要 归一化的相关相似性度量函数（Normalized cross correlation， NCC）图像匹配技术在电网在线监测中有着广泛的应用，然而运算量大，复杂度高，硬件实现困难。本文针对电力检测环境固定的特点，提出一种简化的NCC算法。该方法通过查找表实现NCC分母中的复杂运算，在一个匹配运算中可以减少1次开根号运算、2m×n次乘法运算和2m×n次加法运算，大大降低算法复杂度。仿真结果表明简化的NCC算法在背景有限变化范围时是一种有效的匹配算法，但是当背景环境的变化过于剧烈时，其鲁棒性有待考验。对于户内高压电力设备的图像识别应用，本文方法具有一定局限性，适合于背景环境变化范围不大的场合；但是对于户外高压电力设备的图像识别，具有广阔的应用前景。 关键词 图像匹配；相关度量；硬件实现 中图分类号TM727 文献标识码A 文章编号 1674-6708（2013）95-0128-02 0引言 随着我国电网规模的扩大，安全运行成为电网管理中最为重要的问题之一，而要实现该目标，原有的人工定期巡检已经不能满足发展的需求，因此电力在线检测技术近年来得到快速发展。图像识别技术作为实时监控和故障诊断的一项重要技术，在未来电力在线检测中有着重要的应用价值。图像匹配作为图像识别中一项可靠使用的技术，也是电力检测无人化中的一项基础技术，因此其研究有着重要的意义。 图像匹配技术大致分为三类：基于像素的图像匹配方法，基于特征的图像匹配方法和基于模型的图像匹配方法。其中基于像素的图像匹配方法运算量大，但可实现性强，并且可靠性高。基于特征的图像匹配方法，由于提取了图像的显著特征，因此匹配运算量小，速度快，但匹配之前的运算量比较大。基于模型的图像匹配方法只适用于非刚体图像，因此应用范围有限。 针对电力系统对可靠性要求比较高的特点，本文选取了基于像素的匹配方法作为研究对象。基于像素的匹配方法是最早发展起来的图像匹配技术，利用图像的灰度信息来计算图像的相似程度，核心在于相似度函数的选择。较早使用的相似度量函数是由Barnea和Silverman提出序列相似性检测算法（Sequential similarity detection algorithm， SSDA），它克服了一般模板匹配算法计算量大的缺点，从而提高了匹配速度，并且算法比较简单，易于实现。Svedlow和McGillem等人提出了交叉相关（Cross correlation， CC）相似性度量函数，但由于CC算法 容易受灰度变化的影响，Rosenfeld和Kark[4]提出了归一化的交叉相关相似性度量函数（Normalized cross correlation， NCC）。NCC算法成为目前广为应用的图像匹配算法。 NCC算法虽然具有很多优点，且发展比较成熟。但运算量大，实现难度高，使得在硬件实现时极为困难，并且占用资源较多。本文基于NCC算法，针对电力在线检测的特点，对其进行优化。本文提出的算法，在尽量减少性能影响的前提下，降低硬件实现时系统的复杂度和成本。 1 NCC算法简介 4 结论 本文针对电力系统图像识别在线检测时所用的NCC算法，存在运算量大、复杂度高与硬件实现困难等问题，提出了一种简化的NCC算法。通过在查找表中查询分母值，可将经典NCC算法中的分母的复杂运算简化。该方法在一个匹配运算中可以减少1次开根号运算2m×n次乘法运算和2m×n次加法运算，提高了算法效率，节省了硬件资源，降低了系统实现难度，同时还保证了算法的识别效率。不过需要注意，仿真结果同时表明，简化后的NCC算法在有限的背景变化范围内是一种有效的匹配算法，当背景变化较大时其鲁棒性有待考验。但是针对大多数应用场合，室内背景的变化范围均有限。对户外电力设备的图像识别，本文方法可以成功应用，具有广阔的应用前景。 参考文献 [1]鲁东海，孙纯军，王晓虎.智能变电站中在线监测系统设计[J]，电力自动化设备，2011（1）. [2]D.Barnea and H. Silverman.A class of algorithms for fast digital image registration[J].IEEE Transactions on Computers，1972，100（2）： 179-186. [3 M.Svedlow，C.McGillem and P.Anuta.Experimental examination of similarity measures and preprocessing methods used for image registration[C].Symposium on Machine Processing of Remotely Sensed Data，P