摘要：图像匹配一直是图像处理中一个极其重要的研究内容。图像匹配的发展对医学图像分析、导航、目标匹配、文字识别等众多图像应用技术的发展都起着十分重要的作用。目前，各种各样的匹配算法也很多，评价标准也不统一，但是匹配精度、匹配速度、通用性和鲁棒性等是衡量匹配算法优劣的主要评价标准。

　　关键词：

　　匹配算法；图像匹配；关键技术；图像评价

　　中图分类号：

　　F49

　　文献标识码：A

　　文章编号：16723198（2013）21017602

　　1基本概念

　　图像匹配是指通过特定的某种算法在某待测图像或待测图像的子图中（也就是搜索图像）寻找目标图像（也称为模板图像）的过程。一般情况下，待测图像比较大，目标图像稍小。由于视角不同、拍摄器材不同等都会造成同一物体在不同时间的成像也是不同的，再加上噪声、旋转、干扰、图像预处理等对图像的影响，无形地扩大了搜索图像和目标图像之间的差异，从而增加了增加匹配难度。因此，如何极速地检测出目标图像在搜索图像中的准确位置仍是图像匹配研究人员的重要研究方向。

　　2关键技术

　　大量优秀的国内外学者都将自己的精力投入到图像匹配研究中，因此产生了海量的图像匹配算法。这些算法各有优劣，推动着图像匹配技术的发展。就这些算法来说，图像匹配技术的研究及算法主要包含以下四个方面：

　　（1）相似度。相似度是相似性度量的简称，主要用来衡量待测图像和目标图像之间的相似程度。目前使用较多的相似性度量主要有：最小距离度量、相关函数度量及概率度量这三种。最小度量主要包含：Hausdorff距离、AD（绝对差）、SD（平方差）、MAD（平均绝对差）及MSD（平均平方差）等；归一化互相关函数、协方差函数、积相关函数等是主要的相关函数；概率度量则是一种相似比，它是用后验概率来估算的目标图像与潜在待测子图间的相似度。

　　（2）特征空间。提取待测图像及目标图像的部分特征或是主要特征构成特征空间，然后通过对比特征空间进行匹配。所以，构建合理而恰当的特征空间不但能提高图像匹配速度，也能提升匹配精度。目前常用的图像特征主要有空间位置、点特征、图像边缘、纹理、颜色形状等。

　　（3）搜索策略。搜索策略的优劣直接影响图像匹配的精度及速度。目前使用的搜索算法比较多也比较复杂，有单一的某种搜索算法，也有融合了几种算法的搜索算法，还有一些是基于基本算法的改进算法。常用的基本搜索算法有遗传算法、粒子群优化算法、金字塔分层搜索法、鱼群算法等。

　　（4）搜索空间。待测图像中所有的可能位置和变换后可能的匹配位置共同构成图像匹配的搜索空间。因此，为了缩短匹配时间，应尽量缩小搜索空间。

　　相似性度量函数和特征空间的选择主要影响匹配精度和算法的抗噪性及抗干扰能力。而搜索策略和搜索空间则将直接影响算法的匹配速度。

　　3匹配评价

　　目前，图像匹配算法缺乏通用性，算法的好坏也没有统一的标准。我们一般主要从以下四个方面来评价图像匹配算的性能：

　　（1）匹配概率。正确匹配的次数与总匹配次数之间的比值就是匹配概率，它基于统计学的概率统计。一般情况下，我们应该把算法的错误匹配率限定在一个比较小的特定精度范围内，也就是说我应该尽量提升算法的正确匹配概率。匹配概率高低的主要影响因素有提取到的图像特征空间、匹配算法和匹配精度。提取的图像特征细而且密集，那么匹配概率则较高，但图像变换这缓慢，匹配较慢。匹配算法也会影响匹配概率，有些极端的匹配算法也会导致匹配概率接近零。

　　匹配概率=正确匹配次数总匹配次数

　　（2）匹配精度。匹配的准确性就被称为匹配精度。匹配精度的计算方法有多种，我们一般用匹配误差的均方差来表示：均方差小，则匹配位置误差小，匹配精度高；反之匹配精度低。匹配误差是指匹配算法得到的匹配位置和目标图像在待测图像中的真实位置之间的偏差。匹配精度的影响因素很多，主要有噪声污染、干扰、变形、算法选择、适应度函数构造等。

　　（3）匹配速度。图像的匹配速度是指匹配的时间。主要由匹配算法的本身计算量和算法的结构两部分决定。算法的本身计算量等于相似性计算量乘以待检测的匹配点。所以相似性计算简单，且待检测点少，那么相应的匹配时间久短。算法的结构主要是指算法是并行还是串行算法，并行能较大程度的提升匹配速度，但是并行算法的实现不但与算法本身设计有关，还需要相应的硬件支持才能运行。虽然如此，现在已经有很多学者已投身于基于并行算法的分布式图像匹配系统研究中了。

　　（4）鲁棒性及通用性。实际应用中，待测图像一般都是有噪声或是干扰等，这就要求匹配算法具有较强的抗干扰和除噪能力，这就是算法鲁棒性。目前，没有一种图像匹配算法能适用于所有的图像匹配，但是我们都希望匹配算法能尽量适合于更多的匹配需求。所以应尽可能提高算法的通用性。所以鲁棒性和通用性不是匹配算法质量最主要的评价标准。

　　4结束语

　　图像匹配虽然起步较晚，发展较快，已经在理论和实践上取得了很大发展，但它依然存在很多问题。比如相似度函数的设计或是选择，图像特征的提取，算法的构造等仍有很大的改进空间。我们仍在为设计出有强通用性、高匹配精度、高匹配概率、匹配速度快、强鲁棒性的匹配算法而努力。

　　参考文献

　　[1]戴涛，朱长仁，胡树平.图像匹配技术综述[J].数字技术与应用，2012：174176.

　　[2]蒋大林，李林.图像匹配技术研究[C].计算机技术与应用进展，2008.

　　[3]卜凡艳.数字图像匹配技术研究[D].合肥：合肥工业大学，2010.

　　[4]王宏力.贾万波.图像匹配算法研究综述[J].计算机技术与应用进展，2008：418422.

　　[5]刘锦峰.图像模板匹配快速算法研究[D].广州：中山大学，2007，（5）.

　　[6]WuGang，WuChun-feng.TargetLocationMethodBasedonInvariableMomentFeatureMatching[J].OpticsPrecisionEngineering，2009，17（2）：460468.

　　[7]孙仲康，沈振康.数字图像处理及其应用[M].北京：国防工业出版社，1983.

　　[8]陈智.图像匹配技术研究[D].武汉：华中师范大学，2006.

 

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。