图像定位匹配方法

(c)
3D图像是互相关系数的曲面 图，图中最高点即是最大互 相关处。
小结
利用归一化互相关函数在图像处理中具有亮 度和对比度上稳定性的特点，将其作为一种相 似性度量的检测量，以匹配图为滑动的模板对 参考图逐行逐列计算互相关系数，互相关系数 最大处就是相似度最大的区域。这样就可以完 成图像的定位匹配。
(1-4)
图像 f ( x, y ) , t ( x, y) 减去均值，具有亮度不 变形，再除以标准差，具有了对比度不 变性。
应用实例
图像匹配是将不同时间、不同传感器（成像 设备）或不同条件下（天候、照度、摄像位置 和角度等）获取的两幅或多幅图像进行匹配， 是在一幅图像中寻找与另一幅图像(较小)最匹配 区域的技术。
(1-1)
(1-2)
在图像处理中，反映的是两个函数在 不同相对位置上互相匹配的程度。当有 两幅图 f ( x, y ) 与 t( x, y) ,如果它们的均值和 ( μ t ,σ t2 ) ，则归一化互相 方差分别为 (μ ,σ ) ， 关函数定义为： μ ) ( f ( x, y ) μ )(t( x, y )
互相关值可以作为图像匹配中的相似性度量值。 把匹配图看做较小的模板图像，滑动模板图，在参考 图上逐像素地计算互相关值。 为了检测最匹配的区域，相关系数最大的地方就是两 幅图最相似的地方。
仿真结果：
(b)
(a)
如图a和c是两幅不同时刻获取 的图像，b图是从a图上截取的 一块模板区域，从测试结果图c 可以看到，匹配结果的区域 （红框）和匹配图b相一致，说 明该区域与匹配图的相关程度 最大。
THANK YOU !
随机信号分析课程应用实例
——图像定位匹配方法
互相关函数
互相关函数分析两个不同随机过程在不 同时刻其状态的相关程度。 两个随机变量X(t),Y(t)的互相关函数为：
RXY (t1, t2 ) E[ X (t1 )Y (t2 )]
相关系数：
ρ XY cov( X , Y ) E[( X μ x )(Y μ Y )] σ X .σ Y σ X .σ Y
f 2 f
f
t
R ( x, y )
x, y
( f ( x, y ) μ
ቤተ መጻሕፍቲ ባይዱx, y
f
)2
(t( x, y ) μ
x, y
(1-3)
t
)2
当随机变量有有限个样本点时：
( f ( x, y ) μ f )(t ( x, y ) μ t ) 1 R( x, y ) n 1 x, y σ f .σ t