一个基於奇异值分解的旋转不变模板匹配方法ANew-NPUCSIE.PDFVIP

第十三屆離島資訊技術與應用研討會論文集 一個基於奇異值分解的旋轉不變模板匹配方法 A New Rotation-Invariant Template Matching Method Based on Singular Value Decomposition 廖甘燕 陳志景 吳俊霖 * 國立中興大學 資訊科學與工程學系 vivianliaw@ phd9706@.tw jlwu@.tw 摘要 匹配的應用中，模板與目標影像之間存在旋轉差異 本文提出一個基於極座標轉換(Polar 是很常見的情形，例如：在工業檢測常常因為機台 Transform) 與奇異值分解 (Singular Value 振動或物體移動導致模板影像或目標影像產生些 Decomposition)的旋轉不變模板匹配方法。藉由將 微角度旋轉 [2] ；車牌辨識系統因為每張車牌影像 影像映射至極座標系統，除了將旋轉差異轉化為位 取得的角度會有差異，因此需要先將車牌影像做前 移差異，還能保留大部份原始影像細節。因此本文 處理之後才能進行模版匹配及辨識[3] 。為了克服 以極座標影像為資料基礎，提出利用奇異值分解萃 旋轉問題，許多匹配演算法發展出不同的轉換方 取出旋轉不變特徵。由於影像奇異值特徵具有穩定 式，讓影像結構或特徵具有旋轉不變性[4][5] ，但 性、轉置不變性、位移不變性及鏡像變換不變性等 也因此增加匹配程序的複雜度及運算成本。另外尚 重要性質，所以利用奇異值特徵非常適合用來進行 需考慮轉換後的結構或特徵是否具有區別性，亦即 旋轉不變的模板匹配特徵使用。以不同影像特性的 在匹配過程中足以代表原始影像而不易混淆。 模板進行旋轉匹配測試之後，實驗結果顯示，本文 所提方法對各類模板的匹配精確度與正確性都很 高，其表示本文所提方法在應用上具有一般性。另 外由不同方法選取可能匹配參考點的分佈情形來 分析，奇異值特徵所選取的參考點都能較集中於目 標區域，表示奇異值特徵具有區別性，是為有效的 影像特徵。 關鍵詞：極座標轉換、奇異值分解、模板匹配、 旋轉不變、環形投影轉換 Abstract (a) (b) A new rotation-invariant template matching method is proposed in this paper. By using the 圖 1. 模板匹配概念 (a)模板影像；(b)目標影像 singular value decomposition (SVD) distance as 中，框線區域為匹配結果 similarity measurement, it performs rotation invariant template matching. Experimental results demonstrate 利用極座標轉換 (Polar Transform) 可將影像 that the accuracy of the proposed method is better 由直角座標系轉換至極座標系之下，除了可消除影 than other existing rotation-invariant template 像的旋轉差異，還保留了大部份原始細節，具有相 matching methods. 當好的區別性。然而在對轉換後的極座標影像進行 Keywords: Polar Transform, Singular Value Decomposition, Template matching, Rotation 相似度比對時，傳統的比對方法因為是基於像素