基于归一化互相关模板匹配的目标区域精准定位方法技术

本发明专利技术公开了一种基于归一化互相关模板匹配的目标区域精准定位方法，主要包括依据不同的应用场景设定NCC算法参数；采用BPC值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用PSO算法更新粒子坐标；记录NCC值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。本发明专利技术中，在计算NCC值的过程中引入了一个上限函数作为筛选条件，应用于目标区域快速定位，可以解决各种工业生产中的定位问题，并显著提高生产效率，本发明专利技术提出的方法适用于有实时性要求的场景。

【技术实现步骤摘要】
基于归一化互相关模板匹配的目标区域精准定位方法
本专利技术涉及一种计算机图像处理方法，尤其涉及一种基于归一化互相关(NormalizedCrossCorrelation，NCC)模板匹配的目标区域精准定位方法。
技术介绍
模板匹配是计算机视觉应用中常用的方法之一，可以应用在视频跟踪，字符识别、目标重定位等领域。模板图像和目标图像的筛选窗口之间的相似性度量是模板匹配的核心[1]。通过评估筛选窗口的相似度即可找出目标区域的准确位置。视频跟踪采用图像传感器对动态环境中的运动目标(如人、车辆等)进行实时观测通过检测、识别和跟踪图像序列中的运动目标，监视场景中目标的活动，理解和描述目标的各自行为和相互间行为。基于模板匹配的视频跟踪技术可以用于安防，寻人。在印刷电路板制造领域，随着印制电路板(PrintedCircuitBoard，PCB)板组装技术向高密度化和“零缺陷”的方向发展[2]，模板匹配技术可以用于高精度的PCB检测与装配。纺织品质量检测主要依靠人工检测，易受工人的主观经验、判断力和注意力的影响，检测过程费时费力。采用模板匹配的检测方式，本文档来自技高网...

【技术保护点】
1.一种基于归一化互相关模板匹配的目标区域精准定位方法，其特征在于，/n依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。/n

【技术特征摘要】
1.一种基于归一化互相关模板匹配的目标区域精准定位方法，其特征在于，
依据不同的应用场景设定归一化互相关(NCC)算法参数；采用边界偏相关(BPC)值判别初始化粒子在原始图像中的坐标位置是否为候选目标图像的位置；使用粒子群优化(PSO)算法更新粒子坐标；记录归一化互相关(NCC)值满足相似度的粒子在原始图像中的坐标位置和数量；该粒子的坐标位置即为搜索到的目标图像的位置；依据相似度值搜索到所有目标图像的位置；将搜索到的目标图像输出，在原始图像中标记目标图像的位置。


2.根据权利要求1所述的目标区域精准定位方法，其特征在于，具体步骤如下：
步骤一、设置归一化互相关(NCC)算法参数，设：惯性因子w＝0.5，权重系数r1以及权重系数r2均为0到1之间的随机数，学习因子c1＝c2＝2；粒子数量选取为120，最大运行步数设定为5000步；设定关联度比率Cr＝0％～100％，在实际应用中依据不同的应用场合设定不同的关联度比率，在印刷电路板的目标区域定位应用中，Cr＝30～50％；在纺织品的缺陷检测应用中，Cr＝30～80％；最高匹配度ηmax＝0.96；设定目标图案的数量为z，z为常数；初始化粒子在原始图像中的坐标位置为(x,y)，利用式(1)计算初始粒子的归一化互相关(NCC)值：



式(1)中，模板大小为m*n像素，为模板对应到原始图像中区域的平均灰度值，f(x+i,y+j)表示原始图像中(x+i,y+j)点的像素值；为模板图像的平均灰度值，w(x,y)为模板图像中(x,y)点的像素值；
步骤二、利用式(2)计算每个粒子的边界偏相关(BPC)值：

【专利技术属性】
技术研发人员：董娜，常建芳，秦明辉，吴志强，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12