導(dǎo)語：紅外熱成像技術(shù)管理論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：介紹一種優(yōu)化的快速模板的匹配算法，可實(shí)現(xiàn)目標(biāo)實(shí)時提取、識別和跟蹤，并成功應(yīng)用于紅外熱成像跟蹤技術(shù)的研究，解決了復(fù)雜背景條件下目標(biāo)跟蹤穩(wěn)定度差的技術(shù)難點(diǎn)。該算法用VisualC++編寫，可方便地移植到其它操作平臺或嵌入式系統(tǒng)。

關(guān)鍵詞：模板匹配粗匹配精匹配亂序匹配VisualC++

紅外熱成像跟蹤技術(shù)是一種被動式目標(biāo)檢測、跟蹤技術(shù)，用于對紅外視頻信號進(jìn)行目標(biāo)檢測、提取和跟蹤。對比度特征鑒別是比較常用的目標(biāo)提取方法。它無法記憶、識別目標(biāo)形態(tài)特征，在復(fù)雜背景下提取效果、跟蹤穩(wěn)定性較差。而模板匹配算法以目標(biāo)特征數(shù)據(jù)為模板，在搜索區(qū)域里尋找匹配點(diǎn)，即以目標(biāo)形態(tài)特片為判據(jù)實(shí)現(xiàn)目標(biāo)檢索和跟蹤。即便在復(fù)雜背景狀態(tài)下，跟蹤靈敏度和穩(wěn)定度都極高，非常適用于復(fù)雜背景下的目標(biāo)跟蹤。

模板匹配算法由于計(jì)算量龐大，應(yīng)用成本較高。經(jīng)過多方優(yōu)化、簡化后，可用工控機(jī)實(shí)現(xiàn)實(shí)時模板匹配處理。在沒有增加成本、耽誤工程進(jìn)度的前提下，增強(qiáng)了復(fù)雜背景下的跟蹤靈敏度和穩(wěn)定度，提高了產(chǎn)品的綜合競爭能力。為模板匹配算法的低成本應(yīng)用開壁了一條新路。

本文介紹的模板匹配算法在Windows2000下用VisualC++編制，可方便地移植到多種操作平臺。

1模板匹配原理

模板匹配是數(shù)字圖像處理的重要組成部分之一。把不同傳感器或一傳感器在不同時間、不同成像條件下對同一景物獲取的兩幅或多幅圖像在空間上對準(zhǔn)，或根據(jù)已知模式到另一幅圖中尋找相應(yīng)模式的處理方法就叫做模板匹配。

假設(shè)要在搜索區(qū)域中尋找與模板圖像相關(guān)程度最大的位置，可以通過模板匹配來計(jì)算兩者的相關(guān)程度。圖1是模板匹配算法的示意圖。假設(shè)模板（b）疊放在搜索圖(a)上平移，模板覆蓋下的部分記作子圖Si,j，其中i,j是這塊子圖的左上角像點(diǎn)在S圖中的坐標(biāo)。從圖1中可得出i,j的取值范圍：1≤i≤K-M+1、1≤j≤L-N+1。

衡量模板T和子圖Si,j的匹配程度，可用下列兩種測度：

或者

展開前一個式子，有：

（3）式右邊的第三項(xiàng)表示模板的總能量，是一個常數(shù)，與(i,j)無關(guān)。第一項(xiàng)是模板覆蓋下那塊子圖像的能量，它隨(i,j)位置而緩慢改變。第二項(xiàng)是子圖像和模板的互相關(guān)函數(shù)，隨（i,j）變化而迅速改變。模板T和子圖Si,j匹配時這一項(xiàng)的值最大，因此可用下列相關(guān)函數(shù)來反應(yīng)匹配程度：

或者歸一化為：

公式（5）

2建立數(shù)學(xué)模型

2.1計(jì)算公式

模板匹配算法計(jì)算模板和匹配區(qū)域的相似程度，以最相似位置為匹配點(diǎn)。由于模板需要在匹配區(qū)域上逐次匹配，運(yùn)算量很大。所以選擇匹配公式對整個匹配的效率有極大的影響。

工控機(jī)的數(shù)據(jù)處理能力有限，需要針對紅外熱成像跟蹤技術(shù)的特點(diǎn)來簡化數(shù)學(xué)模型，選定計(jì)算量最小的計(jì)算公式。目標(biāo)跟蹤算法用來確定目標(biāo)位置，可以用匹配誤差的相對大小作為目標(biāo)判別的依據(jù)，誤差最小的位置就是目標(biāo)位置，需要考慮絕對相似程度。

公式（1）～（5）都能夠真實(shí)反應(yīng)模板的相對匹配程度，選擇計(jì)算量最小、效率最高的公式（1）作為原始數(shù)學(xué)模型。匹配點(diǎn)位置算法完成整個匹配區(qū)域內(nèi)的小匹配誤差點(diǎn)檢索，表示為公式（6）：

變量K、L為匹配區(qū)域尺寸；M、N為模板尺寸。

2.2模板尺寸

模板尺寸對系統(tǒng)性能和計(jì)算量的影響不容小覷。模板過大導(dǎo)致動態(tài)特性變差；過小又會減少目標(biāo)的特征數(shù)據(jù)量，降低匹配的敏感程度，增大目標(biāo)檢測難度。實(shí)際操作中，模板尺寸設(shè)置為32×16時的效果非常理想。

2.3匹配區(qū)域

不同的應(yīng)用環(huán)境下，對匹配區(qū)域和實(shí)時性要求也不盡相同。光電探測設(shè)備需要在視頻圖像采集周期內(nèi)(20ms)完成數(shù)據(jù)實(shí)時處理。由于目標(biāo)在兩場視頻圖像之間的移動量較小、特征變化不大，匹配區(qū)域可以大大縮小。

匹配區(qū)域太小會導(dǎo)致目標(biāo)動態(tài)特性變差，過大又會導(dǎo)致計(jì)算量大幅度增加，具體選擇需要權(quán)衡設(shè)備參數(shù)來決定。由于CCIR制式視頻信號是隔行掃描，系統(tǒng)出于實(shí)時性考慮，數(shù)據(jù)以場為單位處理，導(dǎo)致圖像比例為2:1狀態(tài)。為了保持水平、垂直方向的動態(tài)特性一致，圖像匹配區(qū)域也按2:1比例選擇。

在滿足實(shí)時性要求的情況下，選擇相對較大的匹配范圍，可提高設(shè)備的動態(tài)特性，從表1實(shí)測數(shù)據(jù)可以看出，選擇匹配區(qū)域100×50點(diǎn)、模板32×16點(diǎn)時，動態(tài)范圍為69×35，時間消耗為13ms。光電探測設(shè)備系統(tǒng)目標(biāo)動態(tài)特性要求處理區(qū)域不小于40×20點(diǎn)?？梢娨陨线x擇可以很好地滿足動態(tài)特性和實(shí)時性要求。

表1匹配區(qū)域與完全優(yōu)化處理時間對比表

匹配區(qū)域256×128200×100150×75100×5070×35

直接處理時間（ms）320177883013

優(yōu)化處理時間（ms）907255135

*數(shù)據(jù)測試平臺為：PIII933CPU、256MB內(nèi)存、Win2000操作系統(tǒng)

**數(shù)據(jù)是在加入算法優(yōu)化、模板尺寸為32×16的情況下獲取的。

3數(shù)學(xué)模型優(yōu)化方法

數(shù)學(xué)模型結(jié)合選擇的模板和搜索區(qū)域大小，可以知道模板最佳匹配點(diǎn)計(jì)算公式如下：

由公式（7）可以看出，程序需要進(jìn)行大量的循環(huán)計(jì)算，整體運(yùn)算量仍然不小，需要進(jìn)一步優(yōu)化，減少處理時間。運(yùn)用如下優(yōu)化算法進(jìn)一步減少實(shí)際運(yùn)算量。

3.1粗精匹配結(jié)合

觀察實(shí)際模板匹配運(yùn)算結(jié)果可以發(fā)現(xiàn)，匹配點(diǎn)附近的匹配誤差迅速下降，有顯區(qū)別于其它位置。針對這一特點(diǎn)，采用粗精匹配結(jié)合的算法迅速鎖定匹配點(diǎn)大致區(qū)域，可大大降低整體匹配次數(shù)。

具體實(shí)現(xiàn)方法：先跳動著隔幾個點(diǎn)進(jìn)行一次粗匹配，大致框定匹配區(qū)域，然后在附近區(qū)域逐一檢索獲得最佳匹配點(diǎn)。運(yùn)算量可減少到三分之一以下，且目標(biāo)提取效果相當(dāng)好。

3.2限制最大匹配誤差

因?yàn)橹恍枵业阶钚∑ヅ湔`差的位置，不必完整計(jì)算每一位置的絕對匹配誤差，而以已經(jīng)計(jì)算最小匹配誤差作為最大允許誤差。若計(jì)算誤差大于該最大允許誤差，就肯定不是最佳匹配點(diǎn)，可以提前結(jié)束計(jì)算，進(jìn)入下一匹配位置的計(jì)算；如果匹配完成后仍小于最大允許誤差，就用當(dāng)前誤差替換最大允許誤差，并把該點(diǎn)作為潛在的匹配位置記錄下來。

匹配點(diǎn)和非匹配點(diǎn)的誤差常常相差2～3個數(shù)量級。經(jīng)過這種處理后，匹配點(diǎn)后剩余的計(jì)算量可以大大降低。

3.3亂序匹配

目標(biāo)出現(xiàn)在匹配區(qū)域中的位置不確定。不固定順序算法可以更快地檢索到匹配區(qū)域，迅速降低最大匹配誤差，減少剩余非匹配點(diǎn)的計(jì)算一，降低整體運(yùn)算量。

針對光電探測設(shè)備的實(shí)際工作情況，在跟蹤狀態(tài)下，目標(biāo)位移角速度和角加速度有限，導(dǎo)致目標(biāo)常處于匹配區(qū)域中心附近。選擇由中心向周圍輻射匹配的方式效果最理想。

4程序樣本

以下程序樣本綜合使用了上面的優(yōu)化算法，成功應(yīng)用于紅外熱成像跟蹤技術(shù)的原理樣機(jī)，達(dá)到了預(yù)期效果。

該函數(shù)用于圖像模板匹配運(yùn)算，適用于256灰度值的黑白圖像數(shù)據(jù)。

Deal_With:TemplateMatch(unsignedchar*lpSource,LONGlWidth,LONGlHeight,unsignedchar*lpTemplate,LONGlTemplateWidth,LONGlTemplateHeight，)

{

unsignedchar*Source;//指向待處理圖像的指針

unsignedchar*Template；//指向模板圖像的指針

inti,j,m,n;//循環(huán)變量

unsignedcharlMaxWidth，lMaxHeigth，//匹配位置

unsignedlongD;//相似誤差

unsignedlongMaxD;//最大允許相似誤差

//粗相關(guān)

MaxD=0x10000000;//約定最大匹配誤差

for(j=0;j<lHeight-lTemplateHeight+1;j+=2){

for(i=0;i<lWidth-lTemplateWidth+1;i+=2){

D=0;

Source=(unsignedchar*)lpSource+lWidth*j+i;

Template=(unsignedchar*)lpTemplate;

for(n=0;n<lTemplateHeight&&D<MinD;n++){

for(m=0;m<lTemplateWidth&&D<MinD;m++)

D+=(*Source++-*Template++)*(*Source++-*Template++);

Source+=lWidth-lTemplateWidth;

}

if(D<MaxD){

MaxD=D;

lMaxWidth=i;

lMaxHeight=j;

}

}

}

//精相關(guān)

lMaxWidthExact=lMaxWidth;

lMaxHeightExact=lMaxHeight;

for(j=lMaxHeight-2;j<=lMaxHeight+2;j++){

for(i=lMaxWidth-2;i<=lMaxWidth+2;i++){

D=0;

Source=(unsignedchar*)lpSource+lWidth*j+i;

Template=(unsignedchar*)lpTemplate;

for(n=0;n<lTemplateHeight&&D<MinD;n++){

for(m=0;m<lTemplateWidth&&D<MinD;m++)

D+=(*Source++-*Template++)*(*Source++-*Template++);

Source+=lWidth-lTemplateWidth;

}

if(D<MaxD){

MaxD=D;

lMaxWidthExact=i;//x方向最佳匹配點(diǎn)位置

lMaxHeightExact=j;//y方向最佳匹配點(diǎn)位置

}

}

}

}