Chamfer Matching
Chamfer matching是一种进行图像匹配的方法，最早见于(Barrow,1977)。
构造距离变换
方法的名字chamfer指的是一个求取距离变换(DT, distance transform, distance function)的过程。 距离变化的一个例子如下。对于一个有特征点(*)和非特征点(-)组成的二值图像，距离变换就是求得每一个点到最近特征点的距离。早期文献中用到的特征点都是边缘点。
上图来自(Borgefors,1986)这篇文章，文章详细描述了计算DT的方法。计算是一个迭代的过程，计算的过程可以理解为类似Floyd–Warshall算法的任意点对最短路算法。计算的距离为整数值，并不是简单的计算欧氏距离。这些值是由一个mask来定义的。
有了这样一个mask，在第m次迭代时，点(i,j)处的距离v就可以按照如下的方式计算：
这个迭代式可以按照并行或者串行的方式迭代计算。按照并行方式的话，就是每次在每个位置上应用整个mask。按照串行方式，则是将这个mask按照加粗的线条分为上下两个部分，上半部分为forward mask，下半部分为backward mask。当从图像左上角向右下计算时，应用forward mask；从右下角向左上计算时，应用backward mask；如此交替进行。
显然，mask的形式影响到计算的结果。文章(Borgefors,1988)认为，欧氏距离不是最好的选择（可能受限于当时的计算能力，作者认为图像本身并不精确，不需要计算欧氏距离）。作者给出了一个3-4DT的方法，mask的尺寸为3x3，近似模拟了欧式距离的比例(1:1.414约为3:4)。
匹配过程
对两幅图像进行匹配的过程是这样的：为其中一幅计算DT，然后将另一幅的特征点叠加在DT上，计算特征点对应的DT值的均值。这是原始的论文给出的方法。下图显示了将待匹配的曲线叠加在DT上。曲线和图像的距离就可以通过叠加点上DT值的某种均值来计算。
后来的文章(Borgefors,1988)认为，采用均值不是最佳的策略，为了避免假的匹配，一种更好地方法是计算root mean square (r.m.s)：
匹配的图像可以在DT上平移、旋转、缩放，因此，匹配的过程就是寻找到一个最优的位置。由于存在众多的局部极小点，这个优化过程是不能够简单的采用某些梯度下降的方法得到的。
Hierarchical Chamfer Matching
文章(Borgefors,1988)给出了一种优化的过程。 从文章的题目可知，第一步是构建图像金字塔， 构建的方法是对原始边缘图进行比例为2的降采样。 降采样的方法是在2x2的小块上进行OR，即或运算。 这一步得到的叫做边缘金字塔。对边缘金字塔进行距离变换，得到的叫做距离金字塔。
用来构建距离金字塔的图像叫做pre-distance image。带匹配的图像叫做pre-polygon image。 在将polygon叠加在DT上之前，可以进行一些变换，这些变换用参数表示，比如平移可以用一对参数(x,y)表示。优化的过程就是按照一定的步长(dx,dy)调整参数，在参数空间的邻近点上寻找局部最优值。比如，调整x，就可以比较f(x+dx),f(x),f(x-dx)获取x的优化方向，如此迭代直至找到局部最优。当参数维度较大时，同时比较参数空间各个维度上的邻近点会导致严重的性能问题。因此，文章采取住个参数调整的方法。
优化的过程从一个较粗的尺度开始，以若干个不同的参数值为起点，分别独立的进行优化。在得到一组局部最优点后，根据一些原则拒绝掉其中的一部分。剩余的局部最优点再次作为起点，在下一个尺度层次上进行优化。
参考文献
- Barrow, H. G., Tenenbaum, J. M., Bolles, R. C., & Wolf, H. C. (1977). Parametric correspondence and chamfer matching: Two new techniques for image matching.
- Borgefors, G. (1986). Distance transformations in digital images. Computer vision, graphics, and image processing, 34(3), 344-371.
- Borgefors, G. (1988). Hierarchical chamfer matching: A parametric edge matching algorithm. IEEE T-PAMI, 10(6), 849-865.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
