基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA算法

灰度模板匹配问题

http://www.bubuko.com/infodetail-1049139.html

【图像配准】基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法

简介：

       本文主要介绍几种基于灰度的图像匹配算法：平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平方和算法（SSD）、平均误差平方和算法（MSD）、归一化积相关算法（NCC）、序贯相似性算法（SSDA）。下面依次对其进行讲解。

灰度距离测度：模板与目标子图灰度差的绝对值和（SAD）以及灰度差的平方和（SSD）

灰度相关测度:模板与目标子图的归一化相关(NCC)

基于头部特征提取的头部识别方法主要可以分为模板匹配法'】、全局特征空间提取法·以及外观分类法·。而随着立体视觉技术的不断发展,基于头部特征提取的头部识别方法也开始进入俯视图像中的人体检测与跟踪领域,因而除上述方法外,本文将基于头部特征提取的立体视觉头部识别方法也单独分为一类进行论述,同时为了与基于头部特征提取的立体视觉头部识别方法相区别,上述的三种方法将统称为基于头部特征提取的单目视觉头部识别方法.

基于模板匹配的头部识别方法的优点在于简单易行,它无需对图像进行分割和特征提取处理,而只在原始图像数据上进行运算,从而保留了图像的全部信息。如果头部区域模板选取恰当,则头部区域的定位精度较高。其主要缺陷是时间复杂度高、对人体头部的尺度和旋转变化非常敏感等.

特征提取与特征检测也是图像理解与模式识别的重要组成部分。目前图像处理领域中常用的目标特征有灰度颜色特征、纹理特征以及几何形状轮廓特征等,由图像空间到特征空间常用的变换有傅立叶变换、小波变换、Hough变换以及矩变换等'。

轮廓特征依据的是头部区域的轮廓在俯视图像中近似为圆形可称之为类圆轮廓。如〔利用圆的参数方程和基于高斯平滑模板的MSF一模板将整幅图像变换到参数空间,由于对曲率在一定范围内的圆弧曲线轮廓中心具有增强作用,因而在参数空间中头部类圆轮廓的圆心将以局部极值的形态出现,只要在参数空间中搜索出所有局部极值就可以获得对应图像中的所有人体头部所在的位置从而完成头部识别.（由于可以在嵌入式平台实时实现并且不易受到人体之间拥挤程度的影响,因而该方法对本文具有重要的借鉴意义）

,MSF方法已被移植到基于的低端图像处理平台实时实现用于检测自动扶梯客流,实验结果表明该方法的准确率高于80%。

另一种基于头部轮廓特征的全局特征空间提取方法为〔中提出的基于头部轮廓Hausdorff匹配的头部识别与定位方法,该方法首先将整幅图像以及头部轮廓的模板图像都变换到距离空间中,在距离空间中利用头部轮廓模板借助Hausdorff距离准则在图像中进行模板匹配从而完成头部识别.

Hausdorff匹配，待匹配目标在图像中的尺度变化以及旋转尺度影响缺陷在Hausdorff匹配法依然存在。

外观方法：统计模型