红外热成像技术管理论文

1、红外热成像技术管理论文 摘要：介绍一种优化的快速模板的匹配算法，可实现目标实时提取、识别和跟踪，并成功应用于红外热成像跟踪技术的研究，解决了复杂背景条件下目标跟踪稳定度差的技术难点。该算法用VisualC+编写，可方便地移植到其它操作平台或嵌入式系统。 关键词：模板匹配粗匹配精匹配乱序匹配VisualC+ 红外热成像跟踪技术是一种被动式目标检测、跟踪技术，用于对红外视频信号进行目标检测、提取和跟踪。对比度特征鉴别是比较常用的目标提取方法。它无法记忆、识别目标形态特征，在复杂背景下提取效果、跟踪稳定性较差。而模板匹配算法以目标特征数据为模板，在搜索区域里寻找匹配点，即以目标形态特片为判据实现目标

2、检索和跟踪。即便在复杂背景状态下，跟踪灵敏度和稳定度都极高，非常适用于复杂背景下的目标跟踪。 模板匹配算法由于计算量庞大，应用成本较高。经过多方优化、简化后，可用工控机实现实时模板匹配处理。在没有增加成本、耽误工程进度的前提下，增强了复杂背景下的跟踪灵敏度和稳定度，提高了产品的综合竞争能力。为模板匹配算法的低成本应用开壁了一条新路。 本文介绍的模板匹配算法在Windows2000下用VisualC+编制，可方便地移植到多种操作平台。 1模板匹配原理 模板匹配是数字图像处理的重要组成部分之一。把不同传感器或一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模

3、式到另一幅图中寻找相应模式的处理方法就叫做模板匹配。 假设要在搜索区域中寻找与模板图像相关程度最大的位置，可以通过模板匹配来计算两者的相关程度。图1是模板匹配算法的示意图。假设模板（b）叠放在搜索图(a)上平移，模板覆盖下的部分记作子图Si,j，其中i,j是这块子图的左上角像点在S图中的坐标。从图1中可得出i,j的取值范围：1iK-M+1、1jL-N+1。 衡量模板T和子图Si,j的匹配程度，可用下列两种测度： 或者 展开前一个式子，有： （3）式右边的第三项表示模板的总能量，是一个常数，与(i,j)无关。第一项是模板覆盖下那块子图像的能量，它随(i,j)位置而缓慢改变。第二项是子图像和模板的

4、互相关函数，随（i,j）变化而迅速改变。模板T和子图Si,j匹配时这一项的值最大，因此可用下列相关函数来反应匹配程度： 或者归一化为： 公式（5） 2建立数学模型 2.1计算公式 模板匹配算法计算模板和匹配区域的相似程度，以最相似位置为匹配点。由于模板需要在匹配区域上逐次匹配，运算量很大。所以选择匹配公式对整个匹配的效率有极大的影响。 工控机的数据处理能力有限，需要针对红外热成像跟踪技术的特点来简化数学模型，选定计算量最小的计算公式。目标跟踪算法用来确定目标位置，可以用匹配误差的相对大小作为目标判别的依据，误差最小的位置就是目标位置，需要考虑绝对相似程度。 公式（1）（5）都能够真实反应模板的

5、相对匹配程度，选择计算量最小、效率最高的公式（1）作为原始数学模型。匹配点位置算法完成整个匹配区域内的小匹配误差点检索，表示为公式（6）： 变量K、L为匹配区域尺寸；M、N为模板尺寸。 2.2模板尺寸 模板尺寸对系统性能和计算量的影响不容小觑。模板过大导致动态特性变差；过小又会减少目标的特征数据量，降低匹配的敏感程度，增大目标检测难度。实际操作中，模板尺寸设置为3216时的效果非常理想。 2.3匹配区域 不同的应用环境下，对匹配区域和实时性要求也不尽相同。光电探测设备需要在视频图像采集周期内(20ms)完成数据实时处理。由于目标在两场视频图像之间的移动量较小、特征变化不大，匹配区域可以大大缩小

6、。 匹配区域太小会导致目标动态特性变差，过大又会导致计算量大幅度增加，具体选择需要权衡设备参数来决定。由于CCIR制式视频信号是隔行扫描，系统出于实时性考虑，数据以场为单位处理，导致图像比例为2:1状态。为了保持水平、垂直方向的动态特性一致，图像匹配区域也按2:1比例选择。 在满足实时性要求的情况下，选择相对较大的匹配范围，可提高设备的动态特性，从表1实测数据可以看出，选择匹配区域10050点、模板3216点时，动态范围为6935，时间消耗为13ms。光电探测设备系统目标动态特性要求处理区域不小于4020点。可见以上选择可以很好地满足动态特性和实时性要求。 表1匹配区域与完全优化处理时间对比表

7、 匹配区域25612820010015075100507035 直接处理时间（ms）320177883013 优化处理时间（ms）907255135 *数据测试平台为：PIII933CPU、256MB内存、Win2000操作系统 *数据是在加入算法优化、模板尺寸为3216的情况下获取的。 3数学模型优化方法 数学模型结合选择的模板和搜索区域大小，可以知道模板最佳匹配点计算公式如下： 由公式（7）可以看出，程序需要进行大量的循环计算，整体运算量仍然不小，需要进一步优化，减少处理时间。运用如下优化算法进一步减少实际运算量。 3.1粗精匹配结合 观察实际模板匹配运算结果可以发现，匹配点附近的匹配误差

8、迅速下降，有显区别于其它位置。针对这一特点，采用粗精匹配结合的算法迅速锁定匹配点大致区域，可大大降低整体匹配次数。 具体实现方法：先跳动着隔几个点进行一次粗匹配，大致框定匹配区域，然后在附近区域逐一检索获得最佳匹配点。运算量可减少到三分之一以下，且目标提取效果相当好。 3.2限制最大匹配误差 因为只需找到最小匹配误差的位置，不必完整计算每一位置的绝对匹配误差，而以已经计算最小匹配误差作为最大允许误差。若计算误差大于该最大允许误差，就肯定不是最佳匹配点，可以提前结束计算，进入下一匹配位置的计算；如果匹配完成后仍小于最大允许误差，就用当前误差替换最大允许误差，并把该点作为潜在的匹配位置记录下来。

9、匹配点和非匹配点的误差常常相差23个数量级。经过这种处理后，匹配点后剩余的计算量可以大大降低。 3.3乱序匹配 目标出现在匹配区域中的位置不确定。不固定顺序算法可以更快地检索到匹配区域，迅速降低最大匹配误差，减少剩余非匹配点的计算一，降低整体运算量。 针对光电探测设备的实际工作情况，在跟踪状态下，目标位移角速度和角加速度有限，导致目标常处于匹配区域中心附近。选择由中心向周围辐射匹配的方式效果最理想。 4程序样本 以下程序样本综合使用了上面的优化算法，成功应用于红外热成像跟踪技术的原理样机，达到了预期效果。 该函数用于图像模板匹配运算，适用于256灰度值的黑白图像数据。 Deal_With:Te

10、mplateMatch(unsignedchar*lpSource,LONGlWidth,LONGlHeight,unsignedchar*lpTemplate,LONGlTemplateWidth,LONGlTemplateHeight，) unsignedchar*Source;/指向待处理图像的指针 unsignedchar*Template；/指向模板图像的指针 inti,j,m,n;/循环变量 unsignedcharlMaxWidth，lMaxHeigth，/匹配位置 unsignedlongD;/相似误差 unsignedlongMaxD;/最大允许相似误差 /粗相关 MaxD=

11、0x10000000;/约定最大匹配误差 for(j=0;j for(i=0;i D=0; Source=(unsignedchar*)lpSource+lWidth*j+i; Template=(unsignedchar*)lpTemplate; for(n=0;n for(m=0;m D+=(*Source+-*Template+)*(*Source+-*Template+); Source+=lWidth-lTemplateWidth; if(D MaxD=D; lMaxWidth=i; lMaxHeight=j; /精相关 lMaxWidthExact=lMaxWidth; lMaxHeightExact=lMaxHeight; for(j=lMaxHeight-2;j for(i=lMaxWidth-2;i D=0; Source=(unsignedchar*)lpSource+lWidth*j+i; Template=(unsignedchar*)lpTemplate; for(n=0;n for(m=0;m D+=(*Source+-*Template+)*(*Source+-*Temp