【快速阅读四】基于边缘信息的模版匹配中贪婪度参数的简单解析。

　　对这个课题稍作研究，以便记录。

　　 在基于边缘的模版匹配中，我们知道可以有个贪婪度参数可以设置。在Halcon的帮助文档中，也有对他进行说明。我们在Halcon那本经典的书上，没有看到对这个参数的解析。不过他也有讲到在计算某个候选位置的得分时，如果满足一定的条件也可以提前结束对得分的判断，而判定这个点不是一个候选点，原文贴图如下： 

      

 　　这里我通俗的讲解下为什么可以有这个判断条件，也就是这个公式是如何得到的。

　　我们知道，某个点的最大得分必然是1，这只有在每个点都和模版的特征点信息完全一致的情况下获取，这个时候，每个点的得分都是1/n，同时单独一个点的最大得分也是1/n，如果我们设定了目标的最小得分位Smin，那么当计算到第j个点后，还剩下 n-j 个点没有计算得分，那么最理想的情况就是这剩下的 n-j 个点都和模版对应的特征点完全一样，这样，剩下点的最大得分即为：  1/n *(n - j)， 此时，如果前n个点的累计得分Sj 再加上后续的最大的理想得分 还小于Smin的话，那这个点肯定就不能满足目标的得分了，即：

　　　　　　　

　　公式稍作移位后即得到：

　　　　　　　　

　　即书中的公式。

　　当Smin = 0.7时，假如有100个边缘点，则不同的j 和 对应的临界值如下图所示：

                  

　　前面三十个点对应的临界值是负数，是没有什么意义的，也么有必要做判断。

　　当在程序中做这种判断时，所进行的操作是安全的，不会带来任何逻辑上的错误，也不会因为停止继续计算而造成目标漏判等问题，这个操作也会大大的提高程序的速度，毕竟大部分目标点都是无效的。

　　另外，如果更加激进一点的判断手段呢，就是如果前面j个点的累计得分小于 平均值，则认为他不可能得到目标了，即如果符合下式，则直接退出计算：　　　　　　

                                     

　　很明显，当我们计算的前j个点恰好位于光照不均匀区或瑕疵区域时，很有可能把有效的目标点给剔除了，这样就丧失了意义，但是在快接近最后一些匹配点时，这样的规则就能较为安全的实现提前退出，因此，在codeproject的一个文章里，就提出了一个带贪婪度参数的一个停止计算公式：

　　　　　　

　　其中g表示贪婪度参数，其范围是[0,1]，当其为0是，即为前述的最安全的公式，为1时，则为后续的最激进的公式。

　　这个停止标准呢，在计算特征点时，前面的一些特征点使用的是较为安全的推断公式，随着特征点数量的增加，则越来越向后续激进的公式靠近。

　　以下是一些比较曲线：

            

 　　其中红色为g = 0.5时的结果，绿色为g=0.7时的结果，蓝色的为安全的结束线，品红色的为最不请安全的停止线。

　　其实在实际编程时，还要在前面的那个min公式里加上一个max的，即那个停止值不能小于0的。

　　还是感觉这个公式有点不太完美，应该还可以有更为合适的公式的。

翻译

搜索

复制