《一种数字散斑相关方法中测度函数改进方法.pdf》由会员分享，可在线阅读，更多相关《一种数字散斑相关方法中测度函数改进方法.pdf（7页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103824301 A (43)申请公布日 2014.05.28 CN 103824301 A (21)申请号 201410088944.9 (22)申请日 2014.03.12 G06T 7/00(2006.01) (71)申请人 中国矿业大学 ( 北京 ) 地址 100083 北京市海淀区学院路丁 11 号 中国矿业大学 ( 北京 ) (72)发明人 孙继平 洪亮 (54) 发明名称 一种数字散斑相关方法中测度函数改进方法 (57) 摘要 本发明涉及光学测量、 图像匹配领域， 特别是 涉及一种数字散斑相关方法中测度函数改进方 法。 现有的相关测度公式中， 图像模板。
2、子域f和目 标子域 g 的形状都为正方形且尺度和方向相同， 当目标图像中的内容相对于原始图像有变形时， 以上述方法在目标图像中截取的任何一个子域 g 都不可能和模板子域 f 含有完全相同的内容， 这 将导致相关测度函数曲面的主峰不够突出并降低 图像匹配的精度。本发明将模板子域形状定为正 八边形， 将目标子域的形状定为与模板子域具有 映射关系的八边形， 这将使二者尽量包含相同的 内容， 并使相关测度函数曲面的主峰更突出， 主峰 中心更尖锐， 明显提高图像配准精度。 (51)Int.Cl. 权利要求书 1 页 说明书 4 页 附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请。
3、 权利要求书1页 说明书4页 附图1页 (10)申请公布号 CN 103824301 A CN 103824301 A 1/1 页 2 1. 一种数字散斑相关方法中测度函数改进方法， 其步骤为 ： (1) 设 I 为原始图像， T 为目标图像， f 为 I 中截取的模板子域， g 为 T 中截取的目标子 域 ； (2)将模板子域f的形状取为正八边形， 目标子域g的形状取为和f具有映射关系的八 边形 ； (3)根据f与g的映射关系， 用插值的方法求取g与f的节点网格对应的网格节点处的 图像灰度值， 将该组插值获得的图像灰度值与 f 的灰度数据比较， 得到相关测度。 2. 根据权利要求 1 所述的。
4、数字散斑相关方法中测度函数改进方法， 其特征在于， 所述 的步骤 (2) 中， 获取目标子域 g 的形状的方法为 ： 初步计算或预测 T 中内容相对于 I 中内容 的变形规律， 根据这个变形规律对对应于 f 的正八边形进行变形处理， 变形处理后获得的 八边形作为 T 中目标子域 g 的形状。 3. 根据权利要求 2 所述的数字散斑相关方法中测度函数改进方法， 其特征在于， 所述 的根据这个变形规律对对应于 f 的正八边形进行变形处理， 进一步包括 ： (1) 若 T 中内容相对于 I 中内容无任何变形， 目标子域 g 的形状为正八边形， 其大小和 方向与 f 完全相同 ； (2)若T中内容相对。
5、于I中内容仅有横向拉伸或压缩， 目标子域g的形状为所述的对应 于 f 的正八边形经同样横向拉伸或压缩后获得的八边形 ； (3)若T中内容相对于I中内容仅有纵向拉伸或压缩， 目标子域g的形状为所述的对应 于 f 的正八边形经同样纵向拉伸或压缩后获得的八边形 ； (4)若T中内容相对于I中内容仅有刚性旋转， 目标子域g的形状为所述的对应于f的 正八边形经同样刚性旋转后获得的正八边形 ； (5)若T中内容相对于I中内容仅有横向剪切变形， 目标子域g的形状为所述的对应于 f 的正八边形经同样横向剪切变形后获得的八边形 ； (6)若T中内容相对于I中内容仅有纵向剪切变形， 目标子域g的形状为所述的对应于。
6、 f 的正八边形经同样纵向剪切变形后获得的八边形 ； (7)若T中内容相对于I中内容包含以上两种以上的变形， 目标子域g的形状为所述的 对应于 f 的正八边形经同样混合变形后获得的八边形。 4.根据权利要求1所述的数字散斑相关方法中测度函数改进方法， 其特征在于， 求取g 与 f 的节点网格对应的网格节点处的图像灰度值的插值算法包括 ： (1) 双线性插值法 ； (2) 双立方插值法 ； (3) 双三次样条插值法。 权 利 要 求 书 CN 103824301 A 2 1/4 页 3 一种数字散斑相关方法中测度函数改进方法 技术领域 0001 本发明涉及光学测量、 图像匹配领域， 特别是涉及一。
7、种数字散斑相关方法中测度 函数改进方法。 背景技术 0002 图像匹配 ( 图像识别 ) 大体上可分为两种情况 ： 基于对象的识别和非对象识别。 所谓对象是一些像素集合， 该集合具有特定的图像特征 ( 灰度变异、 轮廓、 纹理等 )。基于 对象的识别是相对容易的， 其匹配测度函数一般都具有一个陡峭的单峰。但有时需要做比 对的图像中没有明显的对象或由于图像过于模糊 ( 或模板过小 ) 使模板中无法定义足以 识别的对象， 例如岩石力学实验中试件的表面图像由一些随机的灰度斑点组成 ( 一般称为 散斑图 )。对两幅含有相同内容的散斑图进行匹配时， 由于单独的散斑不含有足以分辨的 信息量， 无法视作对象。
8、加以搜索， 只有通过增大比对窗口， 使窗口内的散斑增多， 直到其具 有足以分辨的信息量才能实现匹配。这种匹配是一种非对象识别。在光学测量领域， 图 像匹配函数一般采用某种相关测度计算， 所以将这种图像匹配方法称作数字散斑相关方 法 -DSCM(Digital Speckle Correlation Method)。 0003 基于区域灰度的图像匹配可作如下数学描述 ： 0004 设 I 为原始图像， f 为其中截取的图像模板。T 为目标图像， g 为其子域。在将模 板和目标子域比较时， 对应点处的灰度值分别为 f(i， j) 和 g(i+u， j+v)， (u， v) 为 g 与 f 的 像间。
9、相对位移矢量， 相应可将 g 表示为 g(u， v)。根据某相关算法， 可建立图像间的相关测度。 计算 g 与 f 的相关测度值， 记作 C(u， v)。基于图像灰度相关的测度有多种算法， 针对具体 情况， 采用合适的算法， 可以使相关测度函数 C(u， v) 获得较好的图形表现。若某相关测度 函数曲面有一个明显的单峰， 其峰值所对应的子域与模板 f 恰好包含相同内容。 0005 基于区域灰度的各种配准方法， 其差异主要表现在相似度量准则的不同， 基于不 同的度量准则， 发展出了很多相关公式， 金观昌在 计算机辅助光学测量(第2版) (北京 ： 清华大学出版社， 2007) 第 146 页将现。
10、有的大多数相关公式列举如下 ： 0006 C1 - |f-g| 0007 C2 - |f-f -(g-g )| 0008 C3 -|f-g| 0009 C4 -(f-g)2 0010 C5 (fg) 0011 0012 说 明 书 CN 103824301 A 3 2/4 页 4 0013 0014 0015 0016 0017 0018 0019 以上各式中， f 的 g 分别表示在原始图像中截取的图像模板和目标图像中截取的 目标子域，f 和 g 分别表示 f 和 g 的均值。 0020 以上各式中， f 和 g 两个子域的形状都为正方形且尺度和方向相同。当目标图像 中的内容相对于原始图像有。
11、变形时， 以上述方法在目标图像中截取的任何一个子域 g 都不 可能和模板子域 f 含有完全相同的内容， 这将导致相关测度函数曲面的主峰不够突出并降 低图像匹配的精度。 发明内容 0021 本发明提供了一种数字散斑相关方法中测度函数改进方法， 通过将模板子域形状 定为正八边形， 将目标子域的形状定为与模板子域具有映射关系的八边形， 使二者尽量包 含相同的内容， 改善相关测度函数曲面的主峰范围内的曲面形态， 提高配准精度。 0022 为实现上述目的， 本发明所采用的技术方案是 ： 一种数字散斑相关方法中测度函 数改进方法， 包括如下步骤 ： 0023 (1) 设 I 为原始图像， T 为目标图像，。
12、 f 为 I 中截取的模板子域， g 为 T 中截取的目 标子域 ； 0024 (2)将模板子域f的形状取为正八边形， 目标子域g的形状取为和f具有映射关系 的八边形 ； 0025 (3)根据f与g的映射关系， 用插值的方法求取g与f的节点网格对应的网格节点 处的图像灰度值， 将该组插值获得的图像灰度值与 f 的灰度数据比较， 得到相关测度。 0026 进一步地， 所述的步骤 (2) 中， 获取目标子域 g 的形状的方法为 ： 初步计算或预测 T中内容相对于I中内容的变形规律， 根据这个变形规律对对应于f的正八边形进行变形处 理， 变形处理后获得的八边形作为 T 中目标子域 g 的形状。 00。
13、27 所述的根据这个变形规律对对应于 f 的正八边形进行变形处理， 进一步包括 ： 说 明 书 CN 103824301 A 4 3/4 页 5 0028 (1) 若 T 中内容相对于 I 中内容无任何变形， 目标子域 g 的形状为正八边形， 其大 小和方向与 f 完全相同 ； 0029 (2)若T中内容相对于I中内容仅有横向拉伸或压缩， 目标子域g的形状为所述的 对应于 f 的正八边形经同样横向拉伸或压缩后获得的八边形 ； 0030 (3)若T中内容相对于I中内容仅有纵向拉伸或压缩， 目标子域g的形状为所述的 对应于 f 的正八边形经同样纵向拉伸或压缩后获得的八边形 ； 0031 (4)若T。
14、中内容相对于I中内容仅有刚性旋转， 目标子域g的形状为所述的对应于 f 的正八边形经同样刚性旋转后获得的正八边形 ； 0032 (5)若T中内容相对于I中内容仅有横向剪切变形， 目标子域g的形状为所述的对 应于 f 的正八边形经同样横向剪切变形后获得的八边形 ； 0033 (6)若T中内容相对于I中内容仅有纵向剪切变形， 目标子域g的形状为所述的对 应于 f 的正八边形经同样纵向剪切变形后获得的八边形 ； 0034 (7)若T中内容相对于I中内容包含以上两种以上的变形， 目标子域g的形状为所 述的对应于 f 的正八边形经同样混合变形后获得的八边形。 0035 进步地， 求取 g 与 f 的节点。
15、网格对应的网格节点处的图像灰度值的插值算法包 括 ： 0036 (1) 双线性插值法 ； 0037 (2) 双立方插值法 ； 0038 (3) 双三次样条插值法。 0039 本发明达到的有益效果 ： 使相关测度函数曲面的主峰更突出， 主峰中心更尖锐， 明 显提高图像配准精度。 附图说明 0040 图 1 原始图像和目标图像的关系 ； 0041 图 2 正八边形的目标子域 ； 0042 图 3 经横向拉伸或压缩的目标子域 ； 0043 图 4 经纵向拉伸或压缩的目标子域 ； 0044 图 5 经刚体旋转的目标子域 ； 0045 图 6 经横向剪切变形的目标子域 ； 0046 图 7 经纵向剪切变。
16、形的目标子域。 具体实施方式 0047 下面结合附图对本发明做进一步详细说明。 0048 本发明的一种数字散斑相关方法中测度函数改进方法， 包括如下步骤 ： 0049 (1) 设 I 为原始图像， f 为其中截取的图像模板子域， T 为目标图像， g 为其目标子 域， 在将模板子域f和目标子域g比较时， 对应点处的灰度值分别为f(i， j)和g(i+u， j+v)， (u， v) 为 g 与 f 的像间相对位移矢量， 相应可将 g 表示为 g(u， v)， 根据某相关算法， 可建立图 像间的相关测度 C， 计算 g 与 f 的相关测度， 记作 C(u， v)， 当 (u， v) 为变量时， 函。
17、数 C(u， v) 称为相关测度函数， 简称测度函数， 现有的测度函数算法获取模板子域f和目标子域g的方 说 明 书 CN 103824301 A 5 4/4 页 6 法都为截取正方形子域， 如图 1 所示。将这些测度函数算法做以下改进 ： 将模板子域 f 的形 状取为正八边形， 目标子域 g 的形状都取为和 f 具有映射关系的八边形。 0050 (2)根据f与g的映射关系， 用插值的方法求取g的与f的节点网格对应的网格节 点处的图像灰度值， 将该组插值获得的图像灰度值与 f 的数据比较计算相关测度。 0051 进一步地， 获取目标子域g的形状的方法为 ： 初步计算或预测T中内容相对于I中 内。
18、容的变形规律， 根据这个变形规律对对应于 f 的正八边形进行变形处理， 变形处理后获 得的八边形作为 T 中目标子域 g 的形状， 进行的变形处理进一步包括 ： 0052 (1)若T中内容相对于I中内容无任何变形， 目标子域g的形状为对应于f的正八 边形， 其大小方向与 f 完全相同， 如图 2 所示 ； 0053 (2)若T中内容相对于I中内容仅有横向拉伸或压缩， 目标子域g的形状为对应于 f 的正八边形经同样横向拉伸或压缩后获得的八边形， 如图 3 所示 ； 0054 (3)若T中内容相对于I中内容仅有纵向拉伸或压缩， 目标子域g的形状为对应于 f 的正八边形经同样纵向拉伸或压缩后获得的八。
19、边形， 如图 4 所示 ； 0055 (4)若T中内容相对于I中内容仅有刚性旋转， 目标子域g的形状为对应于f的正 八边形经同样刚性旋转后获得的正八边形， 如图 5 所示 ； 0056 (5) 若 T 中内容相对于 I 中内容仅有横向剪切变形， 目标子域 g 的形状为对应于 f 的正八边形经同样横向剪切变形后获得的八边形， 如图 6 所示 ； 0057 (6) 若 T 中内容相对于 I 中内容仅有纵向剪切变形， 目标子域 g 的形状为对应于 f 的正八边形经同样纵向剪切变形后获得的八边形， 如图 7 所示 ； 0058 (7)若T中内容相对于I中内容包含以上两种以上的变形， 目标子域g的形状为对 应于 f 的正八边形经同样混合变形后获得的八边形 ； 0059 进一步地， 求取 g 的与 f 的节点网格对应的网格节点处的图像灰度值的插值算法 包括 ： 0060 (1) 双线性插值法 ； 0061 (2) 双立方插值法 ； 0062 (3) 双三次样条插值法。 说 明 书 CN 103824301 A 6 1/1 页 7 图 1 图 2图 3 图 4 图 5 图 6 图 7 说 明 书 附 图 CN 103824301 A 7 。