基于相关系数影像匹配..ppt

基于相关系数影像匹配 孙岩标 何连 申建 06011 200632590012 计算公式 相关系数原理 相关系数匹配是基于统计理论形成的一种影像匹配方法。协方差函数除以两信号的方差即得相关系数，它是一个标准化的协方差函数。离散灰度数据相关系数实用公式如上： 其中c,r为搜索区影像相对于目标区影像位移的行、列数的参数，对于一维相关应有 如 则（c,r）为匹配点 相关系数满足 ，在[一1，1]绝对尺度范围之间衡量两者之问的相似性。相关系数刻划了两者之间的近似程度的线性描述。一般来说，P(c，r)越接近1，两者越近似的有线性关系。在图像灰度线性畸变未知的条件下，采用相关系数算法可以克服线性畸变的影响。相关系数方法具有固有的抑制噪声的能力，并且当相对的缩放、旋转和畸变不大时，也能够得到满意的匹配效果。 基本步骤 读入左右影像 确定目标窗口大小 确定目标点的位置 预测右影像搜索范围 逐窗口计算相关系数并保存相应的储存单元 比较相关系数，取最大相关系数作为匹配点 运行结果 左右影像为同一幅影像 左右影像不为同一幅图像 double CRightView::CalXiShu(int c, int r) { CMatchDoc* pDoc = (CMatchDoc *)GetDocument(); unsigned char *lpBits1 = pDoc-m_pBits1 + pDoc-m_nEffectWidth1 * m_nStartY + m_nStartX; unsigned char *lpBits2 = pDoc-m_pBits2 + pDoc-m_nEffectWidth2 * r + c; double S1 = 0 , S2 = 0 , S3 = 0 , S4 =0 , S5 = 0; for ( int i = 1 ; i M ; i++) { for ( int j = 1 ; j N ; j++) { double temp1 = *(lpBits1 + M * j + i); double temp2 = *(lpBits2 + M * j + i); double a = temp1 * temp2; double b = temp1 * temp1; double c = temp2 * temp2; S1 += a; S2 += b; S3 += c; S4 += temp1; S5 += temp2; } } S1 /= 10000; S2 /= 10000; S3 /= 10000; S4 /= 10000; S5 /= 10000; double a1 = (S4 * S4) / (M * N); double a2 = (S5 * S5) / (M * N); double a3 = (S2 - a1) * (S3 - a2); double te = sqrt(a3); double a4 = S1 - (S4 * S5) / (M * N); double temp = a4 / te; return temp; } for ( int j = 0 ; j pDoc-m_nHeight2 - N ; j++ ) { for ( int i = 0 ; i pDoc-m_nWidth2 - M ; i++) { double temp = CalXiShu(i,j); if ( temp result) { result = temp; c = i; r = pDoc-m_nHeight2 - j; } } } 谢谢 * *