基于灰度特征模板匹配的物体识别方法研究

摘要............................................. 3

第一章绪论................................... 6

1.1 研究课题背景.......................... 6

1.2 灰度特征模板匹配技术国内外发展现状.... 7

1.3 课题研究的目的........................ 9

1.4 课题的研究内容及章节安排.............. 9

第二章灰度特征模板匹配原理和算法介绍........ 11

2.1 灰度特征模板匹配的原理............... 11

2.2 相机标定............................. 12

2.3 图像校正............................. 13

2.4 灰度特征模板匹配算法................. 13

2.4.1 基于特征的灰度特征模板匹配算法..... 13

2.4.2 基于局部的灰度特征模板匹配算法..... 14

第三章基于区域灰度图像特征的灰度特征模板匹配技术........................................... 14

3.1 边缘特征灰度特征模板匹配算法......... 15

第四章灰度特征模板匹配算法设计与仿真........ 16

4.1 灰度特征模板匹配算法设计与仿真....... 16

4.2 总结分析............................. 20

第五章结束语............................... 20

参考文献..................................... 21

致谢..................................... 22

摘要

随着国内外信息技术及计算机视觉技术的不断发展壮大，图像灰度特征模板匹配算法渐渐成为视觉行业钻研的重要方向，各国科研人员与学术人员都开始在该领域不断拓宽。因为灰度特征模板匹配算法相关系统设备较为简易、成本较少、不需要人为操作等优秀特点，在灰度特征模板匹配的相关模型设计中成为使用最为普遍的模型，深受相关工作者的喜爱。灰度特征模板匹配算法在灰度特征模板匹配中所占的比重很大，逐渐成为关键核心技术，因为其匹配的准确度对后续的三维重建产生很大的影响，所以能够有效的处理此问题成为灰度特征模板匹配技术发展的重要因素。针对灰度特征模板匹配技术的相关研发设计拥有至关重要的意义，最重要的是在各行各业的实用性方面仍然具有重要的使用价值。

目前为止，在图像灰度特征模板匹配算法研究方向仍然有很多的技术难题需要攻克，例如在灰度特征模板匹配过程中有一定的遮挡、深度不连续和弱纹理等相关问题，解决方法也多种多样，但我们最终的目的是为了保证匹配过程中的准确度和匹配速度，这是需要我们努力攻克解决的难题。本次论文设计重点设计灰度特征模板匹配的相关系统，从而研究灰度特征模板匹配的相关设计算法和应用理论。采用基于区域灰度的匹配算法，以兴趣点邻域窗的灰度为匹配基元，以相关程度作为相似性测度，实现灰度特征模板匹配的功能。

关键词：计算机视觉；灰度特征模板匹配；边缘检测；特征提取

Abstract

With the continuous development and growth of information technology and computer vision technology at home and abroad, image stereo matching algorithm has gradually become an important direction of vision industry research, researchers and academic personnel in various countries have begun to expand in this field.Because the stereo matching algorithm related system equipment is relatively simple, less cost, do not need human operation and other excellent characteristics, in the stereo vision related model design has become the most common model, loved by related workers.Stereo matching algorithm accounts for a large proportion in stereo vision, and gradually becomes the key core technology, because its matching accuracy has a great impact on the subsequent three-dimensional reconstruction, so it is an important factor for the development of stereo vision technology to be able to deal with this problem effectively.It is of vital significance to research and design related to stereo matching technology. The most important thing is that it still has important use value in practical aspects of all walks of life.

So far, in stereo image matching algorithm research there are still many technical problems need to overcome, such as in the process of stereo matching has certain depth of shade, discontinuous and related problems such as weak texture, the solution is varied, but our ultimate goal is to guarantee the matching speed and accuracy in the process of matching, this is we need to work hard to overcome problem.This paper focuses on the design of stereo vision related systems, so as to study the stereo matching related design algorithms and application theory.A matching algorithm based on regional gray level is adopted to realize stereo matching, with the gray level of neighborhood window of interest points as the matching primitive and the correlation degree as the similarity measure.

Key words: Computer vision;Stereo matching;Edge detection;Feature extraction

第一章绪论

1.1 研究课题背景

计算机视觉研究是基于计算机模拟人类视觉系统的快捷技术，目前主要使用在在三维场景中的目标进行识别、跟踪和测量上，同时朝着图形图像处理方向不断革新。起初，由于各国人工智能对计算机视觉的需求极高，对计算机视觉控制设备给予了很多优秀的设想和建议，而且研究出了很多至关重要的新技术。后来由于灰度特征模板匹配技术的出现，科学家在计算机视觉信息化化、智能化方面取得了很大的进步，最终成功设计出多种图像灰度特征模板匹配的算法。如今，由于视觉算法水平的不断改进，计算机视觉应用在很广的范围，分别在军工业、互联网、医学、信息娱乐等主流行业，具有很大的市场需求和研究前景。而且在学科方面，包含了计算机科学、信号处理、数学及统计理论、视觉生理学、视觉心理学以及人工智能等等[2]。因为世界科学技术和人类文明的不断发展和创新，计算机视觉不管是在功能上还是在性能上都得到了前所未有的的发展和提高，逐渐变成当今社会人们必不可缺的智能工具，从而改善了人们的生活方式。

计算机视觉从20世纪50年代开始就已经出现在人们的生活中，同时伴随着世界的计算机技术和科技水平不断改善，早期的研究方向重点放在对二维图像上，最后能够满足计算机代替人类。目前为止，计算机视觉领域，特别是灰度特征模板匹配算法领域得到了快速发展，世界各国的相关研究人员都在该方面做出了特殊的贡献。早在20世纪60年代，在美国的大多数城市，伴随着人口数量和人口流动量也在不断提升，对三维场景灰度特征模板匹配分析的相关研究设计需求及要求更高，因此，美国MIT的Roberts公司，针对三维场景中的立体目标进行了相关研发设计，从而开始对三维空间视觉算法的相关研究，也为世界各国指明了方向。现如今，随着世界各国在计算机技术、集成电路以及灰度特征模板匹配技术的迅猛发展，灰度特征模板匹配领域获得了长足的进步，并应用在了诸多科研技术领域，例如：工业精密检测、农业、军事、医疗诊断、商用电子、机器人导航、虚拟三维重建以及无人机操控等。这些领域的技术已经得到了前所未有的进步，同时也具有一定的应用价值和市场潜力。计算机灰度特征模板匹配在消防领域的重视度也越来越高，通过图像识别技术及特征提取等技术判断火情情况。另一方面，由于灰度特征模板匹配技术的不断革新，促使人工智能、机器人技术等相关行业不断地壮大和发展，在给这些研究领域带来技术变革的同时，也明确了研究方向，有效地推动人类现代化进程[3]。

计算机灰度特征模板匹配一般可以分为以下六个步骤分别是：图像的采集、摄像机建模、特征的提取、灰度特征模板匹配、深度确定以及内插。随着这几年灰度特征模板匹配技术的不断革新，计算机视觉更加智能化，经过有效的数据采集分析和处理，现如今计算机视觉及灰度特征模板匹配技术逐渐成为各行各业中重要一员。同时灰度特征模板匹配技术和功能一直在发展，这也为计算机视觉在技术上得到不断突破，这也为计算机视觉引领了方向。

1.2 灰度特征模板匹配技术国内外发展现状

近几年，我国很多研究单位、高等学府以及设计公司，特别是做人工智能及智能机器人的相关公司，针对灰度特征模板匹配技术的研究和创新投入很大的财力和人力。国外针对灰度特征模板匹配技术的研究相对较早，在20世纪中后期，麻省理工学院就开始了对灰度特征模板匹配技术的研究，并成功完成对三维积木模型的重建，更令人骄傲的是Huffman、Waltz等将二维图像的处理技术延伸到三维视图，从而有效地处理了阴影等难题，成为灰度特征模板匹配匹配研究方向的重要里程碑[4]。

随着灰度特征模板匹配技术在国内外的不断发展，世界各国的相关技术人员都在灰度特征模板匹配方面提供了众多的技术发明，从而使灰度特征模板匹配技术得到全方位的发展，给各行各业带来了很大的便利。不同的技术基础，可以分为很多层的分类。因此，从不同的匹配基元角度出发，能够把灰度特征模板匹配技术分为三个方向，分别是基于区域、基于特征以及基于相位的匹配方法。

20世纪末，纽约和芝加哥开始使用计算机视觉匹配技术。那时，计算机视觉匹配技术已经发展到计算机行业，跟现如今的计算机视觉匹配技术相差不远。美国还改进了相关算法，对其进行控制。21世纪初，一个新的计算机视觉匹配技术在纽约应用了起来。

我国在智能灰度特征模板匹配控制系统方向的研发力度不够，而且很晚，然而随着近几年来我国灰度特征模板匹配行业的蓬勃发展，灰度特征模板匹配数量也在快速增加，同样的对灰度特征模板匹配智能化的需求量也急剧增加。即使国外在智能灰度特征模板匹配控制方面研究比较突出，但我国的实际需求情况比较复杂，并不能完全的应用此项技术，灰度特征模板匹配种类较多，没有一致规范，而且消费习惯也不一样，达到智能灰度特征模板匹配控制还有一定的距离，但是智能灰度特征模板匹配控制系统在国内的还是有宽广的未来。