基于分割模板加权Hausdorff距离矩阵的特征匹配算法

兵工学报 ›› 2011, Vol. 32 ›› Issue (11): 1353-1358.

基于分割模板加权Hausdorff距离矩阵的特征匹配算法

徐一鸣^1,2，刘晓利¹，刘怡昕^1,3

(1.南京理工大学瞬态物理国家重点实验室, 江苏南京 210094;2.南通大学电气工程学院江苏南通 226000;3.南京炮兵学院江苏南京 211132)

收稿日期:2010-04-27 修回日期:2010-04-27 上线日期:2014-05-04
通讯作者: 徐一鸣 E-mail:helloyiming@sina.com
作者简介:徐一鸣（1981—），男，博士研究生

A Feature Matching Algorithm Based on Template Partition Weighted Hausdorff Distance Matrix

XU Yi-ming^1,2， LIU Xiao-li¹， LIU Yi-xin^1,3

(1.National Key Laboratory of Transient Physics, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu，3.Nanjing Artillery Academy, Nanjing 211132, Jiangsu，China)

Received:2010-04-27 Revised:2010-04-27 Online:2014-05-04
Contact: XU Yi-ming E-mail:helloyiming@sina.com

摘要/Abstract

摘要： 针对电视制导系统图像匹配时遇到的大比例目标遮挡以及严重噪声干扰等情况，提出一种基于分割模板加权Hausdorff距离（HD）矩阵的特征匹配算法。将模板分割为若干个子模板；利用最小核相似区检测角点（SUSAN）算子提取图像的角点；分别计算子模板与搜索图像对应区域的基于角点响应函数的加权HD，构造出HD矩阵；经过角点密度矩阵修正得到相似性度量，采用Frobenius矩阵范数求得矩阵的最佳解，即对应于最佳匹配位置。在目标跟踪实验中加入大比例遮挡及严重斑点噪声（n=10），当模板与对应区域的特征点数量相差达到－43.75%~56.25%时，仍然可以实现配准。

关键词: 信息处理技术, 特征匹配, 最小核相似区检测角点, Hausdorff距离, 矩阵范数

Abstract: A feature matching algorithm based on template partition Hausdorff distance matrix was proposed to resolve the problems of large scale target occlusion and serious noises in TV guidance process. The template image could be divided into several sub-templates and the corners were detected by using SUSAN operator. Hausdorff distance matrixes between sub-templates and searching image were constructed by calculating weighted Hausdorff distance based on the corner response function. Corrected by corner density matrix, a similarity measure was obtained, and the matrix with a minimal Frobenius norm was corresponding to the best matching position. A target tracking experiment with partial target occlusion and serious spot noise (n=10) was carried out, and the target could be tracked accurately when the difference of feature points in template and correlation area ranged from －43.75% to 56.25%.

Key words: information processing technique, feature matching, smallest univalue segment assimilating nucleus corner, Hausdorff distance, matrix norm

中图分类号:

TP391

徐一鸣，刘晓利，刘怡昕. 基于分割模板加权Hausdorff距离矩阵的特征匹配算法[J]. 兵工学报, 2011, 32(11): 1353-1358.

XU Yi-ming， LIU Xiao-li， LIU Yi-xin. A Feature Matching Algorithm Based on Template Partition Weighted Hausdorff Distance Matrix[J]. Acta Armamentarii, 2011, 32(11): 1353-1358.

参考文献

［1］赵峰伟. 景象匹配算法性能评估及其应用[D]. 北京：国防科学技术大学，2002.
ZHAO Feng-wei. Performance evaluation and application of image matching algorithms[D]. Beijing：National University of Defense Technology，2002. (in Chinese)
[2] Smith S M，Brad Y M. SUSAN-a new approach to low level image processing[J]. International Journal of Computer Vision，1997，231，23（1）：4578.
[3] 刘博，仲思东. 一种基于自适应阈值的SUSAN角点提取方法[J]. 红外技术，2006，28（6)：331-333.
LIU Bo，ZHONG Si-dong. A SUSAN corner detector based on adaptive threshold[J]. Infrared Technology，2006，28（6）：331-333. (in Chinese)
[4] Huttenlocher D P，Klanderman G A，Rucklidge W J. Comparing images using the Hausdorff distance[J]. IEEE Trans Pattern Analysis and Machine Intelligence，1993，15（10）：850-863.
[5] Dubuisson M P，Jain A K. A modified Hausdorff distance for object matching[C]∥Proceedings of 12th International Conference on Pattern Recognition. Jerusalem：IEEE Computer Society，1994：566-568.
[6] William J，Rucklidge. Efficiently location objects using the Hausdorff distance[J]. International Journal of Computer Vision，1997，24（3）：251-270.
[7] Shen F，Wang H. Real time gray level corner detector[J]. Pattern Recognition Letters，2002，23（8）：1-6.
[8] Sim D G，Kwon O K，Park R H. Object matching algorithm using robust Hausdorff distance measures
[J]. IEEE Trans Image Process，1999，8(2)：425-429.
[9] Arturo P，Victor A R，Raul Enrique S Y，et al. Monte Carlo evaluation of the Hausdorff distance for shape matching[J]. LNCS，2006, 4225：686-695.
[10] Borgrfore G. Distance transformations in digital images [J]. Computer Vision Graphics and Image Processing，1986，34：344-371.

[1]	徐国军，张林，韩梅，范培勤. 基于声干涉特征匹配的水中目标运动分析研究[J]. 兵工学报, 2019, 40(5): 1038-1049.
[2]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.
[3]	李关防，崔杰，袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401.
[4]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[5]	王啸, 韩太林, 张永立, 刘轩, 王义君, 宫玉琳. 多通道瞬态信号自适应变频算法[J]. 兵工学报, 2017, 38(6): 1161-1167.
[6]	张石，张百海，王飞帆，关子霄. 基于跳数量化的无线传感器网络节点定位算法[J]. 兵工学报, 2017, 38(5): 932-939.
[7]	夏平, 任强, 吴涛, 雷帮军. 融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割[J]. 兵工学报, 2017, 38(5): 940-948.
[8]	曹俊，郑翠娥，孙大军，张殿伦. 基于凸优化的水下载体定位研究[J]. 兵工学报, 2017, 38(3): 520-526.
[9]	向颉，茅永兴，郭才发. 船载雷达测速数据的船速修正新方法[J]. 兵工学报, 2017, 38(11): 2268-2273.
[10]	潘江怀，乔慧. 多传感器空间配准的病态性及其稳健估计[J]. 兵工学报, 2017, 38(10): 1965-1973.
[11]	王清，丁赤飚，付琨，任文娟. 基于膨胀运算的移动对象兴趣点检测方法[J]. 兵工学报, 2017, 38(10): 2041-2047.
[12]	李子高，李淑秋，闻疏琳. 一种基于独立成分分析的水下宽带信号波达方位估计方法[J]. 兵工学报, 2017, 38(1): 114-122.
[13]	刘泳庆，蒋硕，于栋，邵晓田. 窄带干扰抑制对码相位测量零值的影响分析[J]. 兵工学报, 2016, 37(2): 293-298.
[14]	管四海, 李智，黄辉，王哲. 带零吸收项的变步长l₀范数归一化最小均方误差算法[J]. 兵工学报, 2016, 37(11): 2170-2176.
[15]	焦传海，李永成，谢恺，杨运甫. 基于期望偏差和广义似然比检验的非重构宽带压缩盲感知[J]. 兵工学报, 2016, 37(10): 1837-1843.