南京邮电大学电子与光学工程学院 陈志彭

1 引言

目标定位广泛应用于计算机视觉和图像处理的相关领域，例如目标跟踪、目标检测等。针对目标识别和定位这一问题，已经形成了一系列的相关理论和技术，现在流行的目标定位的方法主要有两种，一种是基于区域的目标匹配，另一种时基于局部几何特征的目标匹配[1]。

典型的模板匹配就是计算模板和搜索图像滑动窗口内的子图像在每一个像素点上的像素值相似度，并将相似度高于阈值的区域作为目标在图像上的位置，这种方法对于模板或被搜索图像的尺度变化以及图像旋转等问题的适用性不够好。

针对传统上基于灰度相似性度量的模板匹配算法在图像旋转情况下适用性不高以及容易受到环境光照影响的局限性，本文采用一种基于边界梯度特征的目标定位方法。该算法主要思想是在图像金字塔逐步求精的基础上采用边界梯度而非像素点处的像素值进行相似性度量，使得算法能够针对图像旋转情况具有其匹配准确性和适用性。另外，针对目标定位的多目标问题，本文算法在遍历整个搜索图像的同时，将所有高于设定阈值的匹配得分以及对应的坐标和旋转角都保存在一个链表里，在遍历结束之后根据匹配得分对整个链表进行排序，得到所要确定的多个目标位置以及相对旋转角。

2 基于边界梯度特征的匹配方法

2.1 基于构建图像金字塔的匹配方法

传统的模板匹配是计算搜索图像每幅子图像在各种旋转角度下的灰度值相似度量值，这是一个十分耗时的过程，虽然通过使用终止条件可以加快算法处理的速度，但是并不能降低算法的复杂度[5]。……