一种基于高斯加权的直方图匹配方法
【技术领域】
[0001] 本发明涉及图像处理、光电技术领域，特别涉及一种基于高斯加权的直方图匹配 方法。
【背景技术】
[0002] 以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有 技术。
[0003] 在智能监控系统中的目标跟踪和识别问题都会遇到相似性测度问题。目标跟踪过 程需要比对两帧之间提取目标的相似程度，进而进行帧间目标同一性判断，实现帧间目标 关联。基于图像特征的目标识别问题更直接应用相似性测度，通过判断提取目标与模板之 间的相似程度，实现目标分类。
[0004] 目前基于图像和视频的目标跟踪和目标识别过程中，在进行直方图匹配时，都是 直接对需要比对的直方图应用相似性测度计算，实现目标的相似性判别。由于成像设备存 在差异，即使单台设备，也会在使用过程中由于外部和内部因素的变化，在成像中产生差 异，此差异会造成直方图的变化，从而产生匹配误差，造成跟踪和识别的错误。
【发明内容】
[0005] 本发明的目的在于提出一种基于高斯加权的直方图匹配方法，能够克服直方图匹 配的边界效应，提高了直方图匹配的稳定性和可靠性。
[0006] 根据本发明的基于高斯加权的直方图匹配方法，包括：
[0007] S1、将像素区间[0,255]分为L个子区间，然后对目标图像和模板图像进行直方图 统计，获取目标图像在每个子区间的第一直方图向量、以及模板图像在每个子区间的直方 图向量；
[0008] S2、针对目标图像的每个第一直方图向量HA(i):从所述直方图向量中获取与第一 直方图向量H A(i)对应的第二直方图向量HB(i)，对以第二直方图向量为中心的至少两个相 邻第二直方图向量进行加权，确定直方图加权向量w;
[0009] S3、基于所有的第一直方图向量、与第一直方图向量对应的第二直方图向量以及 所述直方图加权向量，确定目标图像与模板图像之间的相似度；
[0010] 其中，l<i<L、且i为整数。
[0011]优选地，步骤S1之前进一步包括:对目标图像进行归一化处理。
[0012]优选地，步骤S2包括:针对目标图像的每个第一直方图向量Ha( i):
[0013] 采用3〇准则确定所述至少两个相邻第二直方图向量的位置和数量；
[0014] 基于所述模板图像的直方图向量获取所述至少两个相邻第二直方图向量中每个 第二直方图向量的权重值w(k);其中，-L < k < L、且k为整数。
[0015] 依据所述权重值确定直方图加权向量w。
[0016] 优选地，基于所述模板图像的直方图向量获取所述至少两个相邻第二直方图向量 中每个第二直方图向量的权重值包括：
[0017] 根据每个第二直方图向量在所述至少两个相邻第二直方图向量的总和中所占的 比值，为每个第二直方图向量分配权重值；
[0018] 所述至少两个相邻第二直方图向量的权重之和为1。
[0019] 优选地，所述至少两个相邻第二直方图向量为：以第二直方图向量为中心的偶数 或奇数个相邻的第二直方图向量。
[0020] 优选地，所述至少两个相邻第二直方图向量为：以第二直方图向量为中心的5个相 邻的第二直方图向量。
[0021] 优选地，所述直方图加权向量为：
[0022] w= =[w(-2),w(-l),w(0),w(l),w(2)][0.05,0.2,0.5,0.2,0.05]〇
[0023] 优选地，按照公式1确定目标图像与模板图像之间的相似度BhatW(HA，HB):
[0024]
[0025] 根据本发明的基于高斯加权的直方图匹配方法，包括:将像素区间[0,255]分为L 个子区间，然后对目标图像和模板图像进行直方图统计，获取目标图像在每个子区间的第 一直方图向量、以及模板图像在每个子区间的直方图向量;针对目标图像的每个第一直方 图向量:从直方图向量中获取与第一直方图向量对应的第二直方图向量，对以第二直方图 向量为中心的至少两个相邻第二直方图向量进行加权，确定直方图加权向量;基于所有的 第一直方图向量、与第一直方图向量对应的第二直方图向量以及直方图加权向量，确定目 标图像与模板图像之间的相似度。本发明通过对以第二直方图向量为中心的至少两个相邻 第二直方图向量进行加权，能够克服目标图像与目标图像进行匹配时出现的直方图边界效 应问题，提高直方图匹配的稳定性和可靠性。
【附图说明】
[0026] 通过以下参照附图而提供的【具体实施方式】部分，本发明的特征和优点将变得更加 容易理解，在附图中：
[0027]图1是直方图边界效应的示意图；
[0028] 图2是示出根据本发明的基于高斯加权的直方图匹配方法的流程图。
【具体实施方式】
[0029] 下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描 述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。
[0030] 在直方图统计过程中，对于不同帧图像中的同一目标，会出现一定得偏差，如图1 所示。图中的阴影部分处于直方图中两个子区间的边缘，在一帧图像的直方图中，其统计为 第i个子区间，参见图la;在另一帧图像中，由于成像传感器或者环境光线变化等原因，阴影 部分像素统计为第（i_l)个子区间，参见图lb，造成了两幅直方图在形态上的差异，为比对 过程中匹配为一个目标造成了困难，这种现象称为直方图边界效应。
[0031] 本发明中，为了克服这种直方图边界效应，在进行直方图匹配时，针对目标图像的 每个第一直方图向量，获取图像模板中与该第一直方图向量对应的第二直方图向量，通过 对以第二直方图向量为中心的至少两个相邻第二直方图向量进行加权，能够克服目标图像 与目标图像进行匹配时出现的直方图边界效应问题，提高直方图匹配的稳定性和可靠性。
[0032] 图2示出了根据本发明的基于高斯加权的直方图匹配方法的流程图。在步骤S1中， 首先将像素区间[0,255]分为L个子区间，其中，L为正整数。然后对目标图像和模板图像进 行直方图统计，获取目标图像在每个子区间的第一直方图向量、以及模板图像在每个子区 间的直方图向量。
[0033] 由于ISAR图像的纵向分辨率取决于测量雷达带宽、横向分辨率取决于非合作目标 的旋转速度，因此同一目标图像的不同帧之间有可能存在尺度不一致的问题，为了提高目 标图像与目标图像匹配的准确性，步骤S1之前可以进一步包括:对目标图像进行归一化处 理。归一化后图像的大小可以根据图像处理方式以及分析需求进行选择。
[0034] S2、针对目标图像的每个第一直方图向量HA(i):从直方图向量中获取与第一直方 图向量H A( i)对应的第二直方图向量Hb (i )，对以第二直方图向量为中心的至少两个相邻