基于特征区域的模板匹配改进算法

摘要：针对在复杂战场场景下识别提取战场目标过程中，存在识别跟踪效果不好的问题，本文提出了综合运用特征区域匹配算法。首先，对战场环境建立目标运动模型，然后，定义了一种新的最小失配距离(MMD)相似性度量，并基于目标的特征区域进行快速相关匹配，从可能区域中提取出目标。该算法通过精确模板匹配由粗到精的目标搜索策略，既保证了目标提取的精度、速度，又能对各种噪声干扰有较强的抑制，达到战场图像目标匹配的要求。

关键词：距离相关算法；模板匹配；特征区域

中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)36-2714-03

Match the Improvement Calculate Way According to the Template of the Characteristic District

ZHANG Wei

(School of Information Science and Engineering， Central South University, Changsha 410083, China)

Abstract: Direct against the the problemof existence of error identification and tracking during the process of tracking the target in a complex battlefield, this paper presents a comprehensive use of regionalcharacterist -ics matching algorithm.First, a target moving campaign model is build for battlefield environment.And then, the minimum mismatch distance (MMD) similaritymeasureis defined ,and by using the regional rapid match based on the relevant characteristics of objectives,the objects areextracted from the region.The algorithm to accurately match the template from crude to fine the goal of search strategy, guaranteed both the accuracy and speed,and suppress the noise’s strong effections, achieve the requirements of battlefield images to target match.

Key words: minmum mismatch distance; template matching; characteristic district

1 引言

在复杂背景环境下的提取运动目标是计算机视觉和图像处理领域的经典研究课题之一，也是视觉信息处理领域的难点，同时还是图像应用系统可靠性和实用性制约因素，研究复杂背景条件下提取运动目标具有较大的意义。图像提取效果将直接影响到机器视觉系统对客观世界的理解，结合到来未数字化战场目标的实际，装甲车辆数字化的要求，须建立摄像机运动与图像运动的关系模型又能为研究抗噪声提供良好的平台。

近年来，专家学者们提出了各种各样的方法来提取目标，现在常用的方法主要有：基于运动区域检测的目标提取方法，基于模板匹配的目标提取方法，基于纹理分割的提取方法。图像模板匹配算法，基于小波变换的多分辨率模板匹配方法越来越多地受到关注，这种算法计算比较复杂，目前在工程上难以实时实现。国内外比较实用的相关目标提取算法还是基于灰度的多点相关[1]，但是算法缺乏行之有效的置信度函数，在应用中受到一定的限制。英国空军研究所最近率先提出了一种区域模板相关匹配算法，这种算法不仅匹配参考模板与搜索区图像的灰度特征，匹配信息中包含了目标位置和面积特征，而且在连续帧间算法具有较好的置信度函数，能够实现模板的智能更新和失锁检测。

因此本文着眼于特征区域来研究复杂场景下的目标提取技术。按照建立运动目标模型，并解决当目标经过可能区域提取之后，如果有多个区域满足了提取条件，做进一步的搜索，对模板进行适时更新。

2 复杂场景下车载图像干扰噪声规律及模型

图像的运动可以看成为旋转和抖动的组合。是由摄像机载体的运动与摄像机相对运动载体的运动共同引起的。图像的运动取决于摄像机运动载体坐标系和地面坐标系之间的相对运动。为了直观表示摄像机坐标系、图像平面坐标和景物点之间的关系，定义摄像机坐标系为：以摄像机中心O'为坐标原点，沿摄像头主轴为Y轴，摄像头垂直于像平面为Z轴，x轴和y轴分别平行于X轴和Y轴，如图所示（这里将CCD摄像机成像假设成为针孔成像即针孔摄像机模型），空间点P像点P1和摄像机中心O'在一条直线上)。假设图像运动只是由摄像机相对于被摄目标运动的线速度v: (vx,vy,vz)和角速度Ω: (Ωx, Ωy, Ωz)引起的(这里将炮载摄像机的运动线速度和角速度沿摄像机空间坐标系分解成三个矢量)。P:(x,y,z)T表示地面景物点， P1:(x,y)T表示景物点p于t1时刻在摄像机像平面坐标系xoy上投影点的坐标(即点的图像坐标)。由于炮载摄像机的运动，经过时间Δt后，点p在摄像机像平面内投影点的坐标发生变化，此时点p在图中的坐标位置为P2(x2,y2)T。

运动线速度和角速度沿摄像机空间坐标系分解成三个矢量。P:(x,y,z)T表示地面景物点，P1:(x,y)T表示景物点p于t1时刻在摄像机像平面坐标系xoy上投影点的坐标（即点的图像坐标）。由于炮载摄像机的运动，经过时间Δt后，点p在摄像机像平面内投影点的坐标发生变化，此时点p在图中的坐标位置为P2:(x2,y2)T。

由上图，摄像机中心在t1，t2两个时刻的坐标位置之间的关系可以表达为：

（1）

其中，θ是摄像机的旋转角， 是摄像机的位移量，根据透视投影原理，景物点在二维图像上，投影点的坐标公式为：

（2）

在上式中，S为变焦系数，θ是t2时刻相对于t1时刻图像的旋转量，是t2时刻相对于t1时刻图像的平移量。

2.2 图像的运动模型

由于图像的运动方式各不相同，可采用不同的运动模型表示，常用的三种图像运动数学模型为：Trnaslation，simliaity和Affine模型。在战场监视系统中，由于的摄像机焦距比较远，变焦系数较小，故可以将图像的运动模型简化为只包含旋转和平移量两种，对simliariy模型做适当的简化，只保留旋转分量和平移分量。即：

（3）

3 模板匹配

模板匹配是基于图像相似性度量，在现场获取的实时图像中寻找最接近目标模板图像区域的一种目标提取方式。它无需对图像进行分割和特征提取处理，只在原始图像数据上进行运算，从而保留了图像一的全部信息，在许多复杂环境场景中这是一种切实可行的提取方法。然而，跟踪是一个动态过程。随着目标与传感器在距离、高度、方位、姿态、环境条件等因素的变化，目标图像的尺寸、位置，方向和形态也会发生变化，场景中每次获取的图像都只是随机过程中的一个样本函数，因此，踉踪过程中对两幅有变化的图像去求相似度是一个复杂的间题。