一种改进的快速归一的化互相关算法.pdf

第39卷第8期 同济大学学报(自然科学版) V01．39No．8 SCIENCE) 2011年8月 JOURNALOFTONGJIUNIVERSITY(NATURAL Aug．2011 文章编号：0253-374X(2011)08-1233—05 一种改进的快速归一化互相关算法 谢维达，周宇恒，寇若岚 (同济大学铁道与城市轨道交通研究院，上海201804) 摘要：根据模板和全局最优子图的特点及其相互关系给出2 基于灰度值的图像匹配方法被广泛应用于多种 个判据，对归一化互相关算法进行了改进．首先计算模板自 领域，如医学图像分析[1|、视频处理‘21、交通控制[3] 相关值。再利用快速傅里叶变换方法计算互相关矩阵，利用 等，其中最常用的一种算法是归一化互相关算法 第1个判据大幅缩小可能解的范围，减少匹配时间，然后利 cross (normalized 用第2个判据生成一个规模更小的候选最优解集合，最后确 要优点是对光照强度的线性变化不太敏感，抗干扰 定全局最优解．实验结果说明，改进的归一化互相关算法能 性能较好；计算结果有固定的范围[一1，1]，容易设 加快匹配速度，且能有效地提高图像匹配的准确率． 置检测阈值．但是，NCC算法没有一个简单的频域表 关键词：归一化互相关算法；判据；匹配速度；匹配准确率 Fourier 达式，无法利用类似快速傅里叶变换(fast 391．9 文献标识码：A 中图分类号：TP 素进行计算，导致NCC算法计算量大，速度慢，只适 An FastNormalizedCrossCorrelation Improved 合对处理速度要求不高的场合．目前已提出许多快 Algorithm 速NCC算法，如基于sumtables的快速NCC算 脚Weida，ZttOV懒，KOURuolan法[卜6]，基于winnerupdatestrategy的快速算 elimination of andUrbanRail 法[7。8]，连续排除算法(successive (InstituteRailway Transit。TongjiUniversity。 201804，China) Shanghai partial madefor Abatract：Some were normalized improvements 速度，还应该关注算法的匹配准确程度．因为在外界 cross hasedontwocriterions tothe correlation