像对匹配的模板选择与匹配

目的 图像模板匹配法常用于寻找像对间区域的对应关系，目前尚存的问题有：1）随着摄影基线的增加，待匹配区域在目标影像中有效信息逐渐降低；2）匹配区域的选择对匹配结果准确性影响较大。为了解决上述问题，提出一种基于分值图的图像模板选择与匹配方法。方法 首先利用图像多通道特征，提出采用抽样矢量归一化相关算法SV-NCC （sampling vector-normalized cross correlation）度量两幅图像间区域一致性，增加多通道特征间的有效信息对比，以此降低噪声与光照对模板匹配的影响。其次，在矢量空间中对图像进行分块聚类，将模板区域根据颜色特征分为几类，统计匹配图像的每个区域类中心颜色在待匹配图像中相似数量的倒数作为度量值，其值越大则颜色或颜色组合在目标图像中相似的概率越小，以该位置为基础选取模板进行匹配的准确率越高。最后，给出依据分值图排序模板区域的方法，并选取高分值区域作为最终的模板选择区域。结果 实验采用公共数据集从两个方面对本文方法进行客观评价：1）在摄影基线变换不大的情况下，SAD与SV-NCC方法的准确率均较高，达到90%以上。随着摄影基线的增大，采用SAD方法匹配准确率降低速率更快，在第6幅Graf图像的测试中匹配准确率低于20%，而SV-NCC方法匹配准确率高于40%；2）随着摄影基线的增大，落在高分值图区域匹配的正确率高于未落在高分值图区域匹配的正确率，由此可见高分值图区域的合理选择将提高模板匹配方法的准确率，验证了本文分值图与选择最佳模板匹配位置方法的有效性。结论 该方法从定量和定性比较上都体现了较好的像对匹配能力，其匹配结果适用于影像融合、超分辨率重建及3维重建等技术中的先期处理步骤。

Template selection and matching algorithm for image matching