3 2 2 2 2 2 2 1258/ TP 　CN43 　ISSN 1007 130X 　　　　计算机工程与科学 COMPU TER EN GIN EERIN G & SCIENCE 2009 年第 31 卷第 4 期 　 　 Vol 4 ,2009 　 31 ,No 文章编号 :1007 130X(2009) 04 0043 03 基于 Matlab 的车辆图像的配准与融合 Matlab Based Vehicle Image Registration and Fusion 曹 　洁1 ,李浩茹1 ,陈继开2 ru1 ,CHEN Ji CAO Jie1 ,L I Hao kai2 ( 1. 兰州理工大学电气工程与信息工程学院 ,甘肃 兰州 730050 ; 2. 兰州理工大学机电工程学院 ,甘肃 兰州 730050) ( 1. School of Electric and Information Engineering ,Lanzhou University of Technology ,Lanzhou 730050 ; 2. School of Mechatronics Engineering ,Lanzhou University of Technology ,Lanzhou 730050 ,China) 摘 　要 :采用模板匹配法对同源传感器视频采集到的车辆图像进行匹配 ,对所配准的图像采用加权平均的融合算法进 行融合 ,可以获得对同一场景 、同一目标更准确 、全面 、可靠的图像描述 ,从而实现对车辆图像特征的精确提取 。通过 Mat lab 仿真实验表明 ,该方法能更有效地提取车辆图像特征 ,达到对车辆外型的准确描述 。 Abstract :By adopting the method of template correlation matching to match the vehicle images from a video camera and f use the image fusion algorithms of weighted averaging ,we can achieve a more accurate ,more complete and more reliable im age data f rom the same location. In this way ,the vehicle feature image extraction is realized. The experimental result s show that the proposed approach outperforms the conventional vehicle feature image extraction in describing vehicle exterior p re cisely. 关键词 :模板匹配算法 ;加权平均融合 ;Matlab ;车辆图像 ;车辆外型 Key words :template correlation matching algorithm ;weighted average f usion ;Matlab ;vehicle image ;vehicle appearance 中图分类号 : TP391. 41 文献标识码 :A 1 　引言 基于视频的车辆识别技术是通过图像传感器获取道路 交通图像 ,利用计算机对图像进行处理识别 ,进而获取车型 识别中所需要的有用信息 [1 ] 。其中 ,车辆图像的配准与融 合是车辆图像处理和应用的基础 。 多源图像配准和融合技术的研究目前已经取得了很多 成果 ,但可实用的图像融合系统还处于实验研究阶段 。对 于像素级融合 ,多源图像相关像素的配准结果直接影响融 合图像质量 ,而基于最大相关和相位相关方法的图像配准 方法 ,以及图像多尺度塔形分解与重构的多分辨图像融合 算法 ,其巨大的数据处理使得图像融合处理系统研制开发 具有相当大的难度 [2 ] 。本文将图像配准及融合技术应用于 智能交通中 ,将两个同类传感器获得的车辆图像进行了配 准与融合 。车辆图像的配准采用模板匹配算法 ,目的是验 证该算法对获取的车辆图像的适应性 ,以及实现快速配准 。 通过像素级图像融合 ,对所配准的图像采用加权平均的融 合算法 ,实现了车辆图像的配准与融合 。 2 　图像的配准 2. 1 　模板匹配法 设检测对象的模板为 t ( x , y) 同类传感器图像间的灰度具有较强的相关性 ,为基于 空间域相关的配准方法提供了有利的条件 [3 ] 。模板匹配法 应用于光学图像的配准 ,已经取得了较好的配准效果 [4 ] 。 ,令其中心与图像 f ( x , y) 中的一点 ( i , j) 重合 ,检测模板 t ( x , y) 和图像重合部分 之间的相似度 ,对图像中所有点都进行同样的操作 ,根据相 似度为最大或者超过某一阈值来确定对象物是否存在 ,并 求得对象物所在的位置 。这一过程就是模板匹配 ,如图 1 所示 。 作为匹配的尺度 ,有以下几种形式 : max s | f - t | (1) 11 30 ;修订日期 :2008 收稿日期 :2007 作者简介 :曹洁 (1966 通讯地址 :730050 甘肃省兰州市七里河区兰工坪路 287 号兰州理工大学计算机与通信学院 ; Tel : 13919402855 ; E mail2. lut . cn Address :School of Elect ric and Information Engineering ,Lanzhou University of Technology , 287 Langongping Rd , Qilihe Dist rict , Lanzhou , Gansu 730050 ,P. R. China ) ,女 ,安徽宿州人 ,教授 ,研究方向为智能交通、信息融合理论及应用 ;李浩茹 ,硕士生 ,研究方向为智能交通。 mail :lihaoru @ 04 10 34 

3 图 1 　模板匹配 | f - t | d xd y s s ( f - t) 2 d xd y (2) (3) 其中 , S 表示 t ( x , y) 的定义域 。式 (1) ～式 (3) 中计算的是 模板和图像重合部分的非相似度 。该值越小 ,表示匹配度 越好 。 m ( u , v) = t ( x , y) f ( x + u , y + v) d xd y s m ( u , v) = m ( u , v) f ( x + u , y + v) 2 d xd y s (4) (5) ( f ( x + u, y + v) - f ) ( t( x , y) - t) d xd y m ( u, v) = s ( f ( x + u, y + v) - f ) 2 d xd y ( t( x , y) - t) 2 d xd y s s (6) 　　利用式 (4) ～式 (6) 计算模板和其它图像重合部分的相 似度 。式中 , ( u , v) 表示模板左上角坐标 , f 、t 分别表示 f ( x + u , y + v) 、t ( x , y) 在 S 内的均值 。匹配程度与 m ( u , v) 和 m 2. 2 　相似性相关法 ( u , v) 成正比关系 。 设模板 T 和子图 S i , j 都由 M ×M 点组成 ,则有 M2 个 点对 ,点对中任一像点的灰度值α可在 0 ～ (2 b - 1) 间取 值 。这里 , b 是像点量化的比特数 。定义成对函数 Nα,β( i , j) 为子图中像点灰度值α ,对应位置中模板中像点灰度值 β的点对数目 。若子图同模板在灰度上完全匹配 ,则得到 : 2b - 1 2b - 1 D ( i , j) = ∑ ∑ d = 0 β= 0 Nαβ( i , j) = M2 ,α = β 0 ,α ≠β (7) (8) 它定义成对函数的相关测度为 : 2b - 1 R PF ( i , j) = ∏ α= 0 2b - 1 ∑ β= 0 Nαα ( i , j) Nαβ( i , j) 括号中分子是匹配点对数 ,分母是灰度值可能取得的组合 点对数 。 3 　图像的融合 3. 1 　图像融合的目的 图像的融合是一种对多源图像信息进行提取与综合的 技术 。图像融合的目的就是充分利用已有的信息资源 ,获 得多个源图像中的冗余信息和互补信息 ,强化图像信息 ,以 44 便于对图像的进一步分析 、理解及目标的检测或识别 。融 合后的图像具有描述所有研究对象的较优化的信息表征 , 能减少或抑制被感知对象或环境解释中可能存在的多义 性 、不完全性 、不确定性和误差 ,从而极大限度地利用各种 信息源提供的信息 ,大大提高其信息的解释能力 [5 ] 。 已有的像素图像融合算法考虑的典型应用环境包括 : (1) 多传感器图像融合应用 ,这种情况下要解决的问题主要 是不同分辨率图像的融合问题 ,其关键是原图像的校准技 术 [6 ] ; (2) 同一传感器不同聚焦点图像的融合 ,其目的是提 高图像的清晰度 ; (3) 同一传感器在不同时刻获得图像的融 合 ,目的是抑止噪声 [7 ] 。尽管可以通过图像预处理降低源 图像中的噪声水平 ,但并不能完全消除图像中的噪声 ,因此 要求融合算法有一定的消噪能力 。 3. 2 　加权平均融合算法 加权融合算法的基本原理是不对参加融合的各源图像 进行任何图像变换或分解 ,而是直接对各源图像中的各对 应像素分别进行选择 。由于仅涉及双通道图像间的像素点 运算 ,所以图像灰度加权平均法运算量较小 ,适合实时处 理 。简单的图像融合方法是源图像之间对应的每个像素加 权平均 : n L j = ∑ i = 1 A ji G ji n ∑ i = 1 A ji = 1 (9) (10) 其中 , L j 为融合图像的第 j 个像素灰度值 , Gji 为参加融合 的第 i 幅图像第 j 个像素灰度值 , A ji 为参加融合的第 i 幅 图像第 j 个像素权值 。 假设对多幅源图像素灰度值加权平均融合过程可以表 示为 : F( m1 , m2 ) = W 1 N 1 ( m1 , m2 ) + … + W j N j ( m1 , m2 ) (11) 其中 , W 1 , …, W j 为各图像加权系数 ,且 W 1 + W 2 + … + W j = 1 。多数情况下 ,参加融合的图像提供了冗余信息 , 通过该融合算法可以提高检测的可靠性 ;同时 ,也可提高融 合图像的信噪比 [8 ] 。 4 　实验及结果 4. 1 　图像的选择及配准 在 Matlab 仿真实验中使用的图像是运动的同一车辆 的三帧图像 ,图像分别取自车辆的正面图和左右各 45°方 向的侧面图 。经过图像预处理 ,得到如图 2 所示的图像 。 实验中 ,以图 2a 作为参考图像 ,对图 2b 和图 2c 进行配准 纠正 ,取模板窗口的大小分别进行比较 。当图像中设置的 窗口数目较多时 ,可以提供较多数量的配准控制点 ,从而使 配准结果具有更好的稳定性和精度 ,但配准时间较长 。随 着配准控制点的数目减少 ,配准精度也会降低 。在实际应 用中 ,需要根据实际要求来考虑 。通过 Matlab 仿真实验 , 得到如图 3 所示的图像 。图 3 中的配准 1 是图 2a 和图 2b 的配准图 ,图 3 中的配准 2 是图 2a 和图 2c 的配准图 。在 配准过程中 ,对精度影响较大的配准点 (即计算坐标与参考 

2 2 2 2 2 2 2 图中的实际坐标误差较大的配准点) 进行了滤除 。由图 3a 和图 3b 可以看出 ,配准后的图像与基准图像方向一致 。 4. 2 　图像的融合 本文采用加权平均图像融合算法对配准好的图 3a 、图 3b 两幅车辆图像进行融合 ,并通过 Matlab 仿真得到如图 3c 所示的融合图 。从图 3c 中可以看出 ,与图 3a 和图 3b 相 比较 ,融合图像更加清晰 ,由此证明融合算法是有效的 ,并 且融合后的图像为下一步车辆特征提取提供了条件 。 4. 3 　融合效果的评价 图像的灰度直方图是图像的重要统计特征 ,由此可以 看出图像整体的性质 。灰度直方图是一个离散函数 ,它表 示数字图像每一个灰度级与该灰度级出现频率的对应关 系 。图 4a 是预处理后图像的直方图 ,图 4b 和图 4c 分别是 配准图像和融合图像的直方图 。从图 4 中的直方图可以看 出 ,融合图像的直方图比预处理后图像和配准图像的直方 图灰度分布更均匀 ,表明融合后的图像细节更清晰 。 图 4 　直方图 均值和标准偏差是检验融合图像质量的一个基本指 标 。本文对多幅图像进行了融合实验 ,得到如表 1 所示评 价参数 。从表 1 中可以看到 ,随着融合图像增多 ,融合图像 的质量也随之提高 。 表 1 　评价参数 测试图片 两张图片融合 五张图片融合 均值 74. 061 8 80. 317 2 标准偏差 89. 012 5 95. 985 1 信噪比 13. 695 0 37. 146 9 5 　结束语 的优点 。利用 Matlab 进行了图像配准 、图像融合的仿真实 验 ,并对图像融合效果作出了评价 。模板匹配法和加权平 均的融合算法利用 Matlab 仿真工具箱函数易于实现 ,可根 据具体情况调整 ,应用方便 ,达到了实验的目的 。 参考文献 : [ 1 ] 　杨杰 ,郭伟. 基于图像处理的车型自动识别及应用研究 [J ] . 交通与计算机 ,2001 ,19 (3) :30 32. [ 2 ] 　刘卫光 ,崔江淘 ,周利华. 多源图像实时配准融合系统[J ] . 系 统工程与电子技术 ,2005 ,27 (1) :185 186. [ 3 ] 　吴保奎 ,刘广柱. 同类传感器遥感图像自动配准的研究 [J ] . 黄河水利职业技术学院学报 ,2005 ,17 (4) :28 30. [ 4 ] 　Wong R. Y Sequential Scence Matching Using Eage Features[J ]. IEEE Trans on Aeroc Elec System ,1978 ,14 (1) :128 140. [ 5 ] 　刘哲 ,郝重阳 ,刘晓翔 ,等. 多光谱图像与全色图像的像素级 融合研究[J ] . 数据采集预处理 ,2003 ,18 (3) :296 301. [ 6 ] 　Tseng D C ,Chen Y L ,Liu M S. Wavelet Based Multispect ral Image Fusion[ C] ∥ Proc of GARSS’01 ,2001 :1956 1958. [ 7 ] 　杨煊 ,杨万海 ,裴继红. 基于小波分解的不同聚焦点图像融合 方法[J ] . 电子学报 ,2001 ,29 (6) :846 848. [ 8 ] 　夏明革 ,何友 ,欧阳文. 像素级图像融合方法与融合效果评价 [J ] . 遥感技术与应用 ,2002 (8) :224 228. (上接第 42 页) 5 　结束语 本文提出了一种基于 Gentle AdaBoost 的多特征融合 的快速人脸检测算法 。该算法结合运动特征 、肤色特征和 类 haar 特征 ,相比单纯利用类 haar 特征 ,大大提高了检测 速度 ;为了能检测多角度旋转的人脸 ,还采用多分类器融合 的方法 。将这种算法与 CAMShift 人脸跟踪算法结合运用 于智能视觉监控系统 ,并用 DSP 实现了系统构架 。实验表 明 ,系统能自动获取进入监控范围的人的正面人脸图像 ,并 以此人脸特征的目标建立图像对象 ,进行全程跟踪监控 ,系 统的平均处理速度也达到了 8 帧/ s (CIF 格式) ,还提供了 方便的人机接口 。系统还存在以下不足之处 :处理速度还 没有达到实时的 24 帧/ s ;在多人脸跟踪时 ,当人脸互相遮 挡时 ,会出现跟丢的情况 。 参考文献 : [ 1 ] 　Viola P ,Jones M , Robust Real Time Object Detection [ C ] ∥ Proc of IEEE ICCV Workshop on Statistical and Computa tional Theories of Vision ,2001 :1 24. [ 2 ] 　黄金凤. 人脸检测系统的设计与实现 : [ 硕士学位论文 ] [ D ] . 泉州 :华侨大学 ,2007. [ 3 ] 　Bradski G. Computer Vision Face Tracking for U se in a Per Intel Technology Journal , 1998 cept ual User Interface [J ] . (Q2) :1 15. 本文将图像配准与融合技术应用到视频检测的车辆图 像中 ,采用模板匹配的配准方法对车辆图像进行了配准 ,应 用加权平均的融合算法对配准的车辆图像进行融合 ,两种 算法在确保图像清晰度的同时兼顾了运算实现快速 、简单 [ 4 ] 　Cheng Y. Mean Shift , Mode Seeking and Clustering [ J ] . IEEE Trans on Pattern Analysis and Machine Intelligence , 1995 , 17 (8) : 790 799. [ 5 ] 　许小东 ,徐佩霞. 基于 TM S320DM 642 的视频解码系统优化 [J ] . 数据采集与处理 ,2005 ,20 (1) :91 95. 54