数字视频图像处理与通信教学课件ppt作者刘富强王新红宋春林陈康力第7章课件.pptVIP

得到二进制序列之后，便可以由此构造二进制阵列。二进制阵列是有序的集合 ，n=1，2，……，N，其中N是二进制排列的分层数，在这个例子中N=3。 继续上面的步骤，幅度是48的像素点的位置是（1，1），二进制编码是111。因此，在构造的3个二进制阵列 、 、 的（1，1）位置上分别填入1、1、1三个编码值；幅度是41的像素点的位置是（3，3），二进制编码是110。因此，在构造的3个二进制阵列 、 、 的（3，3）位置上分别填入1、1、0三个编码值；……依次类推最终得到的结果如图7-11所示。 图7-11 二进制阵列 下面是算法的第二个步骤，序贯地将得到的二进制阵列与基准图进行由粗到细的关联，直到找到匹配点为止。对于此例，首先用 阵列与基准图进行如下运算，得： (7-27) 上式的意义解释为：当 阵列放在基准图的某一搜索位置（u，v）上时，与 阵列中的1值相对的基准图像素值之和减去与 阵列中的0值相对的基准图的像素值之和，这一计算将忽略与 阵列中的 号对应的基准图像素元。 实际上是一比特量化模板与基准图的积相关函数，它反映了图像中最粗糙的图像结构的信息（即一种高低表示）与基准图的相关。 被称为基本的相关面。 上式的意义解释为：当 阵列放在基准图的某一搜索位置（u，v）上时，与 阵列中的1值相对的基准图像素值之和减去与 阵列中的0值相对的基准图的像素值之和，这一计算将忽略与 阵列中的 号对应的基准图像素元。 实际上是一比特量化模板与基准图的积相关函数，它反映了图像中最粗糙的图像结构的信息（即一种高低表示）与基准图的相关。 被称为基本的相关面。 那么，如何通过基本的相关面来减少计算量呢？方法是在基准图全区域的检索过程中，设定一个阈值 ，舍弃那些 的点，这样可以很大程度地减少下一轮搜索的目标数。通过这样的操作将更多的计算时间用在更有可能接近目标的区域上，对于 的点，需要进行更加细致的相关运算： (7-28) 同理，在第二次搜索时也设定一个阈值 ，并在 的点上以 为基础进行更仔细的运算： (7-29) 再设阈值 等等，依此类推，可以得到第n个相关面为： (7-30) 当设阈值为 时，若 的点只有一个，则匹配完成，即点（u，v）为最佳匹配点。显然，通过逐次细化，阈值将变得越来越小： (7-31) 这样相关的搜索点也会变得越来越少，这样就达到了有效减少总体计算量，并提高相关的处理速度的目的。 这种二进制位的幅度排序算法（即BARC算法），所需要的加法总计算量为： (7-32) 其中k是一个在1和2之间的常数，而L，W和l，w分别为基准图和模板的尺寸。 ? FFT的相关算法 由傅里叶分析中的相关定理可知两个函数在定义域中的卷积等于他们在频域中的乘积，而相关则是卷积的一种特定形式。因此，存在着另一种计算相关函数的方法。虽然这样在时间上并没有缩短，但快速傅里叶变换技术比直接的模板匹配算法速度提高了一个数量级，因此用FFT进行频域相关计算是一种可行的方法。 首先把基准图和模板进行二级离散傅里叶变换（DFT）。对于基准图，有 (7-33) 其中u和v分别表示J和其在方向上的频率变量，且 并假定基准图的尺寸是M M维的。模板的离散傅里叶变换y（u，v）是用同样的方式计算得到的。然后，由相关定理可以写出离散傅里叶变换 为： (7-34) 为此，对 求傅里叶反变换，就可以得出空间域中的相关函数 为： (7-35) 由此可见，相关函数可以通过DFT的方法计算出来，而计算DFT最有效的方法就是采用FFT