- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
图像匹配中NCC算法的一种快速实现方法
图像匹配中 NCC 算法的一种快速实现方法
黄真宝,陈 阳
(东南大学信息科学与工程学院,江苏南京,210096)
摘 要:在计算机视觉领域,图像匹配是常见的任务,基于灰度的点的匹配是常见的方法。其中
又以抗噪能力强、匹配精度高的归一化互相关(NCC)算法最为常用。然而 NCC 算法计算量较大,常 常难以满足实时处理的要求。通过引入合适的全 1 矩阵,让其和原图像的数据做卷积,大幅度地降低 了NCC的计算量,提高了效率,仿真实验结果也证明了本文方法的有效性。
关键词:图像匹配;归一化互相关;快速算法;卷积
中图分类号:TP751
引
言
0
耗不少的时间。
本文通过引入合适尺寸的全 1 矩阵来直接和图像 的某些数据做卷积,可一次性地获得当前视差值下的 所有感兴趣位置的互相关值,对所有可能的视差情况 均做一遍同样的卷积过程即可得所有可能的视差值 下的互相关值。各个位置处互相关值取最大时所对 应的视差值即为该位置处对应的所求视差,这样视差 图就很方便地获得了。可见,从理论上讲本文方法可 极大地提高 NCC 匹配的速度,实验结果也确实证实了 这一点。
人之所以有立体视觉的一个主要原因是人有两
只眼睛,通过两只眼睛观察到的景物影像略有差别, 在大脑中就可以据此合成出具有纵深感的立体影 像。近年来,电视技术正迅速地由高清向立体发展, 三维立体建模在计算机视觉中的重要性也日益突出, 这其中双目立体视觉的图像匹配[1] 是一个常见的任 务。所谓双目立体视觉的图像匹配,就是从两台如人 眼一样摆放的摄像机获取的两幅图像中分别找出相 同景物的各像素点的位置并建立对应关系。由图像 匹配的结果可得视差图[2],它是深度信息获取和三维 重建的前期步骤[3]。本文以右图(右摄像机拍摄的图 片)为基准进行匹配,则视差[4]为 d 的互相匹配的点在 左图(左摄像机拍摄的图片)和右图的坐标可分别表 示为 IL( x, y + d ) 和 IR ( x, y) 。
图像匹配中常采用 NCC(Normalized cross correla?
tion,归一化互相关)算法[5],其思想是计算对应右图上
的指定点,左图上搜索范围内各个点和该点的相关程
度。如果对整幅图进行匹配的话,以尺寸为 450 像素×
375 像素的测试图片[6]为例,视差范围为[0,59],即使选
取 7×7 的较小矩形支撑区域,相关运算的计算量依然
巨大。因此,必须设法降低计算复杂度。孙卜郊等人
[7] 采用了卷积的思想来加速运算过程,但是其需要先 对其中一幅图像做逆序运算,这本身也需消耗一定的 时间。Ke Zhang 等人[8]为加快运算提出了构造整数图 像的思想,并采用了优化的策略来构造所需的整数图 像,尽管如此,构造两幅图像各自的整数图像仍需消
匹配算法介绍
图像匹配的方法很多[9],其中基于灰度的点的匹 配最直接而又常用[9]。常见的匹配相似性度量函数有 SAD(Sum of Absolute Differences,差绝对值和)、SSD
1
(Sum of squared differences,差平方和)和 NCC 三种[5]。
其中 SAD 和 SSD 算法都是搜索使相似性度量函数取
最小值时对应的 d ,而 NCC 算法则是搜索使相似性度
量函数取最大值时对应的 d 。
在图像匹配中,有搜索窗和模板窗的概念[10]。搜 索窗体现的是对应右图上的待匹配点事先在左图设 定一个搜索范围,只有这个范围内的点才可能是正确 的匹配点。本文中选用国际通用测试图片[6],其已经 过极线校正[11],因此搜索范围可限制在同一行。假设
d 的可能范围为 [dispMin, dispMax](dispMin 一般取 为 0,以下讨论中默认其为 0),则搜索窗的尺寸为
1*(dispMax + 1) 。模板窗体现的是在相似性度量时
选择的支撑区域,文中选择尺寸为 (2n + 1)* (2m + 1)
的矩形窗。
常见的 NCC 相似性度量函数有两种,分别如表达
收稿日期:2011-03-03。
基金项目:国家自然科学基金项目。
式(1)和表达式(2)所示[7,12]。
n m
∑ IR ( x + i, y + j)IL( x + i, y + d + j)
∑
i = -n j = -m
NCC ( x, y, d ) =
(1)
n m
n m
∑
∑ I 2 ( x + i, y + j) ∑ ∑ I 2( x + i, y + d + j)
R
L
i = -n j = -m
i = -n j = -m
- -- ---
- --- -----
n m
∑
∑ é
?IR ( x + i, y + j) - IR ( x, y)? ?IL( x + i, y +
文档评论(0)