张铁东 吕林

摘要：介绍了图像匹配及小波变换的基础理论，提出了基于小波多尺度分析的序贯相似性检测的快速图像匹配算法及其在水下导航的应用。实验表明该算法在计算时间和准确度上比传统模板方法都有极大的提高。适用于实时水下导航的实现。

关键词：图像匹配；序贯相似性检测算法（SSDA）；小波分解；水下导航

Abstract: the article introduces the image matching and the basic theory of wavelet transform is proposed based on wavelet multiresolution analysis of sequential similarity of fast image matching algorithm testing and the application of the underwater navigation. The experiment shows that the algorithm in computing time and precision than the traditional template method has greatly improved. Apply to the realization of the real-time underwater navigation.

Keywords: image matching; Sequential similarity detection algorithm (SSDA); Wavelet decomposition; Underwater navigation

中图分类号： TN957.52 文献标识码：A 文章编号：

引言

图像匹配技术是一个跨学科的领域，它涉及到了计算机视觉、计算机图形学和图像处理等多个领域的知识，是图像信息处理领域中极为重要的一项技术，被广泛应用于图像识别、图像分析和计算机视觉等许多领域。图像匹配一般分为基于灰度相关的方法和基于特征的匹配方法两类。目前，基于特征的匹配方法难以从自然环境中自动、稳定、一致地提取高质量的图像特征，因而不易硬件实现。本文采用基于灰度的匹配方法，结合小波多尺度分析对海底地貌图像匹配及其水下导航应用进行了研究。

1.传统模板匹配算法

设参考图S为大小为M M的图像，实时图T是大小为N N的图像，且M>N。图像匹配是将实时图T叠放在参考图S上平移，模板覆盖下的那块大小为N N的搜索图叫做子图 ，（u,v）为这块子图的左上角像点在S图中的坐标，称为参考点，（u,v）取值范围为：

1 u, v

传统的匹配方法有：

（1） 平均绝对差算法（MAD）

（2） 平均平方差算法（MSD）

（3） 归一化相关算法（NCC）

式中： 和 分别是实时图T和图像 的均值：

传统的模板匹配算法的基本搜索策略是遍历性的，为了找到最优匹配点，传统方法均必须在搜索区域内的每一个像素点上进行区域相关匹配计算，图像相关匹配的数据量和计算量很大，匹配速度较慢。