基于小波多尺度的NCC算法的优化

摘要

图像模板匹配问题中,基于像素灰度值的相关算法已经十分普遍,其中归一化交叉相关算法(Normalized CROSS Correlation.简称NCC)是基于灰度匹配的经典算法之一,并得到广泛的应用,但是此算法还存在时间复杂度高的缺点。多尺度理论与多种分辨率下的图像表示和分析有关,即一张数字图像可以表示成多张分辨率子图的集合。其特点就是在某种分辨率下无法发现的特性在另一种分辨率下很容易发现,小波是多尺度分析的重要工具,被誉为数学上的显微镜,可以用来构建不同的自适应滤波器以改进滤波器的收敛性,这也小波的优点之一。图像经过多尺度小波分解后,在分辨率最低层的低频子图,仅保留了图像的大部分信息,这是经过小波变换后图像的一个特点。基于小波多尺度的NCC算法不但优化了算法本身也同时优化了基于灰度匹配的搜索路径,这样即保证了NCC算法的精确度,又减少了匹配的时间,并且经过仿真实验证明此算法是行之有效的。