《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于局部方差和后驗(yàn)概率分類的快速模板匹配算法*
基于局部方差和后驗(yàn)概率分類的快速模板匹配算法*
電子技術(shù)應(yīng)用
林煜桐1，朱姍姍2，彭凌西3，彭紹湖1，謝翔1，林煥然1
（1.廣州大學(xué) 電子與通信工程學(xué)院， 廣東 廣州 510006；2.廣東白云學(xué)院 電氣與信息工程學(xué)院， 廣東 廣州 510450； 3.廣州大學(xué) 機(jī)械與電氣工程學(xué)院， 廣東 廣州 510006）
摘要： 具有旋轉(zhuǎn)不變性的模板匹配算法在工業(yè)制造上具有廣泛的應(yīng)用。為解決傳統(tǒng)的模板匹配方法在目標(biāo)旋轉(zhuǎn)、匹配速度上的問題，提出一種基于局部方差和后驗(yàn)概率分類的模板匹配方法。為減少計(jì)算量，在匹配中通過局部方差過濾掉部分候選窗口，并在后驗(yàn)概率分類模塊中通過對比不同區(qū)域穩(wěn)定特征點(diǎn)對的灰度來計(jì)算窗口相關(guān)性。使用后驗(yàn)概率分類計(jì)算窗口相關(guān)度能在預(yù)處理過程實(shí)現(xiàn)旋轉(zhuǎn)不變性，并保證準(zhǔn)確率在95%以上。實(shí)驗(yàn)結(jié)果表明，該算法在80萬像素級的任意角度匹配圖像上選擇合適的窗口移動(dòng)步長后，可將匹配時(shí)間減少到10 ms以內(nèi)，相較于現(xiàn)有算法速度更快。
中圖分類號：TP391.41 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.233881
中文引用格式： 林煜桐，朱姍姍，彭凌西，等. 基于局部方差和后驗(yàn)概率分類的快速模板匹配算法[J]. 電子技術(shù)應(yīng)用，2023，49(9)：97-102.
英文引用格式： Lin Yutong，Zhu Shanshan，Peng Lingxi，et al. Fast template matching based on local variance and posterior probability classification[J]. Application of Electronic Technique，2023，49(9)：97-102.
Fast template matching based on local variance and posterior probability classification
Lin Yutong1，Zhu Shanshan2，Peng Lingxi3，Peng Shaohu1，Xie Xiang1，Lin Huanran1
(1.School of Electronics and Communication Engineering， Guangzhou University， Guangzhou 510006， China； 2.Faculty of Electronic and Information Engineering， Guangdong Baiyun University， Guangzhou 510450，China； 3.School of Mechanical and Electrical Engineering， Guangzhou University， Guangzhou 510006， China)
Abstract： Template matching algorithm with rotation invariant is widely used in industrial manufacturing. To solve the problems of traditional template matching methods such as target rotation and matching speed, a template matching method based on local variance and posterior probability classification is proposed. To reduce the amount of computation, some candidate windows are filtered out by local variance in the matching process, and window correlation is calculated by comparing the gray levels of stable feature points in different regions in the posterior probability classification module. Using posterior probability classification to calculate window correlation can achieve rotation invariant during preconditioning and ensure that the accuracy is above 95%. Experimental results show that the algorithm can reduce the matching time to less than 10 ms after selecting the appropriate sliding window moving step on 800 000 pixel-level arbitrary angle matching images, which is faster than the existing algorithms.
Key words : machine vision；template matching；local variance；stable pixels；posterior probability classification

0　引言

模板匹配是計(jì)算機(jī)視覺領(lǐng)域的一種經(jīng)典算法[1-2]，在實(shí)際工業(yè)應(yīng)用中用于目標(biāo)定位。它的基本思想是僅憑模板圖像的先驗(yàn)知識，在目標(biāo)圖像中找到與模板圖像最相似的匹配區(qū)域，其匹配思路可以分為基于灰度[3]、基于特征點(diǎn)[4]和基于形狀[5]。

基于灰度的方法[6-8]通過計(jì)算灰度的差異來估計(jì)模板圖像和候選窗口的相似度，其中NCC以及基于NCC的方法[9-10]在線性光照變化的場景有著廣泛的應(yīng)用?；诨叶鹊钠ヅ浞椒ㄋ悸泛唵?，性價(jià)比較高，但是考慮目標(biāo)旋轉(zhuǎn)的情況后匹配時(shí)間會大大增長[11]。

基于特征點(diǎn)的方法如SIFT[12]、SURF[13]和BBS[14]，該類方法以特征點(diǎn)作為匹配單元，不依賴于滑動(dòng)窗口遍歷，因此可很好地解決目標(biāo)旋轉(zhuǎn)、比例變化、變形等問題，但是匹配時(shí)的計(jì)算量和內(nèi)存占用較大，而且實(shí)際工業(yè)應(yīng)用中的目標(biāo)大小和背景亮度都已經(jīng)固定，所以這類方法一般不會成為工業(yè)目標(biāo)檢測的首要考慮。

基于形狀的方法[15-16]通過提取模板的輪廓得到形狀信息，在匹配中以形狀為單位進(jìn)行相似度計(jì)算來實(shí)現(xiàn)匹配[17]，這類方法在邊緣特征明顯的模板匹配任務(wù)上有著很好的發(fā)揮[18]，但是這準(zhǔn)確率非常依賴于線段擬合的結(jié)果和模板的類型，而且目標(biāo)旋轉(zhuǎn)也會影響匹配效果。

對工業(yè)于生產(chǎn)線上的模板匹配，如缺陷檢測[19]和目標(biāo)定位[20]，最大的挑戰(zhàn)是檢測目標(biāo)的旋轉(zhuǎn)、匹配速度問題。為克服這些問題，本文提出一種基于局部方差和后驗(yàn)概率分類的快速模板匹配算法，實(shí)驗(yàn)結(jié)果表明，本方法在目標(biāo)旋轉(zhuǎn)的情況下能實(shí)現(xiàn)快速的目標(biāo)定位，能夠滿足實(shí)時(shí)性和準(zhǔn)確性要求。



本文詳細(xì)內(nèi)容請下載：http://theprogrammingfactory.com/resource/share/2000005645




作者信息：

林煜桐1，朱姍姍2，彭凌西3，彭紹湖1，謝翔1，林煥然1

（1.廣州大學(xué) 電子與通信工程學(xué)院， 廣東 廣州 510006；2.廣東白云學(xué)院 電氣與信息工程學(xué)院， 廣東 廣州 510450；

3.廣州大學(xué) 機(jī)械與電氣工程學(xué)院， 廣東 廣州 510006）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。