摘 要： 在雙目立體視覺(jué)系統(tǒng)中,，圖像匹配是關(guān)鍵步驟之一,。在眾多匹配算法中，歸一化互相關(guān)（NCC）算法由于具有精度高,、魯棒性強(qiáng)等優(yōu)點(diǎn)得到廣泛應(yīng)用,，但其計(jì)算量大、運(yùn)算速度較慢,，使其難以在線(xiàn)應(yīng)用,。為此，本文提出一種改進(jìn)的NCC立體匹配算法,，通過(guò)引入積分圖像和平方積分圖像,，將矩形窗口區(qū)域像素求和運(yùn)算轉(zhuǎn)化為四個(gè)像素點(diǎn)值的簡(jiǎn)單相加減，同時(shí)剔除基準(zhǔn)圖像中無(wú)法匹配區(qū)域以減小搜索范圍,，使計(jì)算復(fù)雜度得到簡(jiǎn)化,，計(jì)算量大為降低,。實(shí)驗(yàn)證明，改進(jìn)后的NCC算法在保證匹配質(zhì)量的基礎(chǔ)上，執(zhí)行速度得到顯著提高,，利于在線(xiàn)應(yīng)用,。
關(guān)鍵詞： 圖像匹配；歸一化互相關(guān)（NCC）； 積分圖像 ,； 圖像處理
0 引言
雙目立體視覺(jué)是計(jì)算機(jī)視覺(jué)的一個(gè)重要分支，近年來(lái),，雙目立體視覺(jué)技術(shù)得到了大量研究[1],，主要應(yīng)用在機(jī)器人導(dǎo)航、三維測(cè)量和虛擬現(xiàn)實(shí)等領(lǐng)域,。雙目立體視覺(jué)系統(tǒng)的實(shí)現(xiàn)過(guò)程由圖像獲取,、攝像機(jī)標(biāo)定、特征點(diǎn)提取,、圖像匹配和三維立體重建等步驟組成[2],。圖像匹配本質(zhì)上是尋找兩幅圖像的相似性[3-4]，是恢復(fù)三維立體場(chǎng)景的先決條件[5],，是立體視覺(jué)系統(tǒng)中的關(guān)鍵技術(shù)之一,。雙目立體視覺(jué)圖像匹配[6]技術(shù)是通過(guò)兩臺(tái)水平擺放的攝像機(jī)分別獲取兩幅圖像，并從中找出相同景物各像素點(diǎn)的對(duì)應(yīng)關(guān)系,，得到其最佳視差值,，最終獲得圖像視差圖的技術(shù)。
圖像匹配方法按照匹配基元不同可分為特征匹配[7],、相位匹配[8]和區(qū)域匹配[1,，9]三種。特征匹配是針對(duì)提取的特征進(jìn)行描述,，然后運(yùn)用所描述的參數(shù)進(jìn)行匹配的一類(lèi)算法,，計(jì)算量小，速度快,，但是匹配效果受到圖像特征稀疏性的影響難以獲得致密視差圖,。相位匹配是最近才發(fā)展起來(lái)的一類(lèi)算法，能夠反映信號(hào)的結(jié)構(gòu)信息和抑制圖像的高頻噪聲,，適用于并行處理存在相位奇點(diǎn)和相位卷繞問(wèn)題的情況,。區(qū)域匹配是基于局部窗口間灰度信息相關(guān)程度的匹配算法，常用的匹配相似度量函數(shù)有NCC（Normalized Cross Correlation,，歸一化互相關(guān)）,、SAD（Sum of Absolute Differences，差絕對(duì)值和）和SSD（Sum of Squared Differences,，差平方和）,。這三種算法中，NCC算法最常用,，它通過(guò)計(jì)算視差范圍內(nèi)基準(zhǔn)圖像與實(shí)時(shí)圖像對(duì)應(yīng)像素點(diǎn)間的相關(guān)性來(lái)獲取視差圖,，相關(guān)系數(shù)一般在[-1,，1]之間取值，該算法將搜索相關(guān)系數(shù)最大值對(duì)應(yīng)的視差作為最佳視差值,，具有精度高,、魯棒性強(qiáng)[10]的優(yōu)點(diǎn)，缺點(diǎn)是計(jì)算量大,、速度慢,，在線(xiàn)應(yīng)用受到限制。
本文針對(duì)NCC算法的缺點(diǎn),，通過(guò)在立體匹配中引入積分圖像和平方積分圖像,，并且剔除基準(zhǔn)圖像中無(wú)法匹配區(qū)域，對(duì)原NCC算法進(jìn)行了改進(jìn),，在保證匹配質(zhì)量的情況下,，使匹配速度得到顯著提高，實(shí)驗(yàn)結(jié)果驗(yàn)證了該改進(jìn)算法的有效性和快速性[11],。
1 積分圖像及平方積分圖像
1.1 積分圖像
積分圖像（Integral Image）理論是Viola P.等于2001年提出的[12],。積分圖像是一種用于快速計(jì)算圖像某窗口區(qū)域灰度和的一種圖像中間表示，有較廣泛的應(yīng)用[13-15],。積分圖像中任意一點(diǎn)（i,，j）的值用ii（i，j）表示,，代表了源圖像中行數(shù)小于i,、列數(shù)小于j的所有灰度值的和，即：
其中i（x,，y）表示源圖像中（x,，y）點(diǎn)的灰度值。令s（i,，j）為源圖像中第i行、第j列的灰度值積分,，則有：
s（i,，j）=s（i，j-1）+i（i,，j）（2）
ii（i,，j）=ii（i-1，j）+s（i,，j）（3）
利用式（2）和式（3）編程實(shí)現(xiàn)時(shí),，應(yīng)該擴(kuò)展一行一列以確保i-1，j-1為正數(shù),。
如果要計(jì)算原始圖像中頂點(diǎn)依次為A,、B,、C、D的矩形窗口,，只需將原圖像遍歷一遍得到積分圖像后,，利用四個(gè)頂點(diǎn)對(duì)應(yīng)的值進(jìn)行簡(jiǎn)單加減運(yùn)算，即可求得該區(qū)域灰度,。不管矩形窗口區(qū)域有多大,，利用積分圖像只需進(jìn)行3次加減運(yùn)算，即：
S=p（D）+p（A）-p（B）-p（C）（4）
其中,，S表示矩形窗口區(qū)域的灰度值,；p（A）、p（B）,、p（C）和p（D）分別表示矩形頂點(diǎn)的灰度值,。
1.2 平方積分圖像
為了能夠快速獲得區(qū)域內(nèi)像素點(diǎn)灰度平方和，在積分圖像基礎(chǔ)上引入了平方積分圖像[15],，在實(shí)際應(yīng)用中以矩陣形式存儲(chǔ),，平方積分圖像中任意一點(diǎn)值表示為Pii（i，j）,，即：
其中i2（x,，y）表示源圖像中（x，y）點(diǎn)的灰度值的平方,，參考式（2）,、式（3），源圖像中第i行,、第j列的灰度平方積分Ps（i,，j）以及平方積分圖像中任意一點(diǎn)（i，j）的值 Pii（i,，j）可以分別由下面公式求得：
Ps（i,，j）=Ps（i，j-1）+i2（i,，j）（6）
Pii（i,，j）=Pii（i-1，j）+Ps（i,，j）（7）
再利用式（4）,，可求出某窗口區(qū)域的灰度值平方和，運(yùn)算簡(jiǎn)單,，計(jì)算量大幅降低,。
2 NCC算法及其改進(jìn)
2.1 原NCC匹配算法
圖像匹配本質(zhì)上是求兩圖像間的相似性，即針對(duì)右圖待匹配點(diǎn),，在視差d所有可能取值范圍[0,，disMax]內(nèi),，計(jì)算（disMax+1）個(gè)歸一化系數(shù)，取相關(guān)系數(shù)最大值對(duì)應(yīng)的左圖點(diǎn)作為最佳匹配點(diǎn),，對(duì)應(yīng)的d為最佳視差,。若選擇圖像尺寸為M×N，模板窗口尺寸為m×m,，則歸一化互相關(guān)系數(shù)計(jì)算式如下[16]：
由式（8）可知,，對(duì)于每一視差，在計(jì)算相關(guān)性系數(shù)時(shí)都需要對(duì)窗口區(qū)域求均值,，復(fù)雜度較高,，消耗的時(shí)間長(zhǎng)，所以實(shí)時(shí)性差,。
2.2 改進(jìn)的NCC算法
在原NCC算法中涉及到求窗口區(qū)域像素的均值,，因此在計(jì)算每一個(gè)視差值時(shí)都要進(jìn)行6（m×m-1）次加法、4（m×m-1）次減法,、2（m×m-1）次乘方,、2次乘法、3次除法和1次開(kāi)方,，而且計(jì)算的次數(shù)隨著窗口m×m大小的變化而變化,，模板窗口越大，匹配時(shí)消耗的時(shí)間越多,。為了減低計(jì)算量,，對(duì)歸一化互相關(guān)系數(shù)先不進(jìn)行求均值運(yùn)算，而是將其分子分母先展開(kāi)化簡(jiǎn),?；诖耍瑢?duì)歸一化互相關(guān)系數(shù)進(jìn)行重推可得：
其中：
其中,，式（14）利用卷積運(yùn)算降低計(jì)算復(fù)雜度,，而式（15）~（18）均可以用積分圖像或平方積分圖像計(jì)算窗口區(qū)域的值，因此區(qū)域灰度值的和可用四個(gè)頂點(diǎn)簡(jiǎn)單的加減運(yùn)算來(lái)代替,?；谏鲜龇治觯瑢?duì)于每一個(gè)視差值只需要進(jìn)行8次加法,、7次減法、4次除法,、4次乘法,、1次開(kāi)方和1次卷積，而且在計(jì)算量上不會(huì)隨模板窗口大小變化而變化,，這極大地降低了計(jì)算相關(guān)系數(shù)過(guò)程中的難度,。從計(jì)算量上引入積分圖像后有利于降低復(fù)雜度,，提高運(yùn)算速度。
由于雙目立體匹配中兩圖像間存在視差,，右圖右邊界的許多點(diǎn)在左圖上找不到相匹配的點(diǎn)并且模板窗口有一定的尺寸,，由此其實(shí)際匹配的區(qū)域范圍是y≤N-dispMax+m，x≤M-m,。剔除掉無(wú)法匹配的區(qū)域既能確保匹配點(diǎn)完全被搜索到,，又可以減少匹配時(shí)間、提高搜索效率,。
圖像匹配是三維重建的一個(gè)重要步驟,，而在獲得圖像時(shí)物體的幾何信息會(huì)丟失，因此匹配時(shí)需要遵循多個(gè)約束條件[17]才能保證重建過(guò)程的正常進(jìn)行,，包括：
?。?）外極線(xiàn)約束；
?。?）唯一性約束,，指右圖中某點(diǎn)與左圖的對(duì)應(yīng)點(diǎn)是確定且唯一的，它們的關(guān)系與一次函數(shù)中自變量和應(yīng)變量的關(guān)系是一樣的,，不存在一對(duì)多的形式,；
（3）連續(xù)性約束,；
?。?）視差有限性約束，認(rèn)為在匹配時(shí)兩圖像間的視差是有界的,；
?。?）左右一致性約束，指不管選擇左圖或右圖作為基準(zhǔn)圖,，它們之間的對(duì)應(yīng)關(guān)系是不變的,。
通過(guò)前面分析，對(duì)NCC算法進(jìn)行改進(jìn),，引入積分圖像和平方積分圖像后,，其實(shí)現(xiàn)步驟如下：
輸入：右攝像機(jī)采集的基準(zhǔn)圖像IR，左攝像機(jī)采集的實(shí)時(shí)圖像IL,。
輸出：視差矩陣,，顯示視差圖。
步驟1：計(jì)算IR和IL對(duì)應(yīng)的積分圖像和平方積分圖像,，用SR,、SRR和SL、SLL表示,，并且對(duì)x,、y賦初值,。
步驟2：在視差范圍內(nèi)，利用式（4）對(duì)積分圖像和平方積分圖像進(jìn)行簡(jiǎn)單的加減運(yùn)算,，求取模板窗口和搜索窗口覆蓋區(qū)域灰度值的和及其灰度值的平方和,。
步驟3：利用矩陣卷積，計(jì)算模板窗口與搜索窗口所包含區(qū)域的SRL,。
步驟4：利用式（13）計(jì)算相關(guān)系數(shù),，重復(fù)步驟2~3，直到滿(mǎn)足y≤N-dispMax+m且x≤M-m條件時(shí),，獲得最佳匹配的視差矩陣,，返回視差圖。算法流程圖如圖1所示,。
3 實(shí)驗(yàn)驗(yàn)證與分析
本文實(shí)驗(yàn)采用CPU為Pentium（R）Dual-Core,、內(nèi)存為1.96 GHz的PC機(jī)，采用的編程環(huán)境為MATLAB 2011b,。
3.1 標(biāo)準(zhǔn)測(cè)試圖像驗(yàn)證與分析
文中采用兩組國(guó)際通用標(biāo)準(zhǔn)測(cè)試圖進(jìn)行實(shí)驗(yàn),。圖2為測(cè)試圖Teddy；圖3為測(cè)試圖Cones,；圖4為兩組測(cè)試圖的標(biāo)準(zhǔn)視差圖,；圖5是利用NCC算法獲得的視差圖；圖6是本文提出的改進(jìn)NCC算法獲得的視差圖,。
由圖5可以看出在右邊界區(qū)域不存在匹配點(diǎn),，利用NCC算法在此區(qū)域進(jìn)行匹配會(huì)增加計(jì)算時(shí)間，影響實(shí)時(shí)性,；圖6的改進(jìn)NCC算法在匹配時(shí)剔除了無(wú)法匹配的區(qū)域,，提高了算法的計(jì)算效率。表1給出了當(dāng)模板尺寸為m=7像素和m=9像素時(shí)的時(shí)間消耗,，從中可以看出,，改進(jìn)的NCC算法比原算法耗時(shí)大為減少，提高了算法的實(shí)時(shí)性,。當(dāng)m=9像素時(shí)消耗的時(shí)間僅為原算法的38%,，并且時(shí)間消耗幾乎不受模板尺寸的影響。同時(shí),，將兩種算法得到的視差圖與標(biāo)準(zhǔn)視差圖進(jìn)行比較發(fā)現(xiàn),，改進(jìn)NCC算法具有更好的精度和魯棒性。
3.2 實(shí)際采集圖像驗(yàn)證與分析
本實(shí)驗(yàn)采用Point Grey公司生產(chǎn)的Bumblebee2型號(hào)立體攝像機(jī)對(duì)場(chǎng)景進(jìn)行采集,，得到校正后的圖像見(jiàn)圖7,，選擇右攝像機(jī)拍攝的圖像為基準(zhǔn)圖像、左攝像機(jī)拍攝的圖像為實(shí)時(shí)圖像。圖8為利用NCC算法和本文算法得到的視差圖,。
表2給出了兩種算法的耗時(shí)情況，從中可以看出,，改進(jìn)NCC算法減少時(shí)間消耗顯著,。比較表1和表2數(shù)據(jù)，當(dāng)圖像尺寸和模板尺寸越大時(shí),，改進(jìn)的NCC算法越能夠表現(xiàn)其優(yōu)越性,。
4 結(jié)束語(yǔ)
本文通過(guò)引入積分圖像和平方積分圖像，并剔除源圖像中無(wú)法匹配區(qū)域,，改進(jìn)了原NCC算法,，降低了計(jì)算復(fù)雜度，提高了匹配速度,。當(dāng)圖像尺寸和模板窗口越大,、左右圖像視差越大時(shí)，耗時(shí)減少更為顯著,，且保持了較好的匹配精度,，如果利用VC等高級(jí)語(yǔ)言移植到機(jī)器人等環(huán)境建模，可以進(jìn)行在線(xiàn)立體匹配,。
參考文獻(xiàn)
[1] 隋婧,，金偉其.雙目立體視覺(jué)技術(shù)的實(shí)現(xiàn)及其進(jìn)展[J].電子技術(shù)應(yīng)用，2004,，30（10）：3-7.
[2] 程黃金.雙目立體視覺(jué)系統(tǒng)的技術(shù)分析與應(yīng)用前景[J].電腦知識(shí)與技術(shù),，2011，7（9）：2145-2147.
[3] 孫卜郊,，周東華.基于NCC的快速匹配算法[J].傳感器與微系統(tǒng),，2007，26（9）：104-106.
[4] ZITOVA B,， FLUSSER J. Image registration methods： a survey[J]. Image and Vision Computing,， 2003，21（11）： 977-1000.
[5] 賈貝貝,，阮秋琦.雙目立體視覺(jué)的三維人臉重建方法[J].智能系統(tǒng)學(xué)報(bào),，2009，4（6）：513-520.
[6] 錢(qián)曾波,，邱振戈,，張永強(qiáng).計(jì)算機(jī)立體視覺(jué)研究的進(jìn)展[J].測(cè)繪學(xué)院學(xué)報(bào)，2001,，18（4）：267-272.
[7] 曾巒,，王元?dú)J，譚久彬.改進(jìn)的SIFT特征提取和匹配算法[J].光學(xué)精密工程，2011,，19（6）：1391-1397.
[8] 林靜,，江開(kāi)勇，林俊義,，等.基于立體校正的快速相位立體匹配[J].貴州師范大學(xué)學(xué)報(bào)（自然科學(xué)版）,，2013，31（2）：92-95.
[9] 白明,，莊嚴(yán),，王偉.雙目立體匹配算法的研究與進(jìn)展[J].控制與決策，2008,，23（7）：721-729.
[10] WEI S,， LAI S. Fast template matching based on normalized cross correlation with adaptive multilevel winner update[J]. IEEE Transactions on Image Processing， 2008,，17（11）： 2227-2235.
[11] 徐奕,，周軍.立體視覺(jué)匹配技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用，2003,，15（5）：58-62.
[12] VIOLA P,， JONES M. Rapid object detection using a boosted cascade of simple features[C]. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2001：511-518.
[13] PORIKLI F. Integral histogram： a fast way to extract histograms in cartesian spaces [C]. Proceedings 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition,，2005：829-837.
[14] LAMPERT C,， BLASCHKO M， HOFMANN T. Efficient sub-window search： a branch and bound framework for object localization[J]. Pattern Analysis and Machine Intelligence,， 2009,，31（12）：2129-2142.
[15] 邵平，楊路明.基于模板分解和積分圖像的快速Kirsch邊緣檢測(cè)[J].自動(dòng)化學(xué)報(bào),，2007,，33（8）：795-800.
[16] 韓冰，王永明,，劉楊,，等.一種基于積分圖像的快速歸一化積相關(guān)算法[J].彈箭與制導(dǎo)學(xué)報(bào)，2009,，29（5）：283-286.
[17] 肖艷青,，劉黨輝，孫朋.圖像立體匹配研究進(jìn)展[J].測(cè)控技術(shù),，2009,，28（8）：1-5.