CN110210346A - 一种视频模板匹配实时处理的优化方法 - Google Patents

一种视频模板匹配实时处理的优化方法 Download PDF

Info

Publication number
CN110210346A
CN110210346A CN201910422598.6A CN201910422598A CN110210346A CN 110210346 A CN110210346 A CN 110210346A CN 201910422598 A CN201910422598 A CN 201910422598A CN 110210346 A CN110210346 A CN 110210346A
Authority
CN
China
Prior art keywords
data
pixel value
sliding
image
template
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910422598.6A
Other languages
English (en)
Inventor
赵亦工
卫林霄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201910422598.6A priority Critical patent/CN110210346A/zh
Publication of CN110210346A publication Critical patent/CN110210346A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/48—Matching video sequences

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了提出一种视频模板匹配实时处理的优化方法，该方法包括以下步骤：读取并存储模板图像的像素值数据；构建与模板图像T大小相同的滑动窗口，采用滑动窗口对背景图像进行滑动取样，每次滑动对应得到一副子图像，读取子图像的像素值数据，并对子图像的像素值数据进行实时存储和更新；采用最小误差法，获得每次滑动对应的子图像的像素值数据与模板图像的像素值数据的相似度，进而得到模板图像的匹配位置。本发明采用基于相似度的模板匹配以及滑动窗口遍历背景图像的全局搜索策略，在保证效果的基础上，利用现场可编程门阵列加速计算，最终实现了对视频的实时处理。

Description

一种视频模板匹配实时处理的优化方法
技术领域
本发明属于图像处理技术领域，更进一步涉及一种视频模板匹配实时处理的优化方法，可用于在背景图像中对模板图像进行匹配，并实时地输出匹配位置。
背景技术
模板匹配是在一副图像中寻找到与给定目标模板图像的技术，其广泛应用于图像处理及信号处理领域，例如图像检索、图像配准、图像识别等等。然而随着科学技术的飞速发展，图像模板匹配处理工作的信息处理量越来越大，同时人们对实时图像处理的需求也越来越高。在采用通用处理器来实现实时图像的模板匹配的过程中，图像的处理速度已经成为该技术的瓶颈，对于高清图像很难达到实时处理。一些优秀的匹配算法在台式机或工作站上能够正确地执行，而将它们应用于嵌入式***后，由于主频、存储资源等限制必须对算法进行简化，而简化后的算法常常执行效果很差，有的甚至不能执行。所以随着硬件的快速发展，使用现场可编程门阵列(FPGA)解决实时图像处理问题已经成为一种趋势。
现有的模板匹配实现方案在实时处理方面不理想，其影响速度的主要因素是搜索计算和匹配的操作。一些方案中，为了进行对图像进行遍历搜索，存储了大量的图像数据，其频繁读取降低了速度；另一些方案中，计算部分设计不合理，限制了***的时钟频率，影响了整体的处理速度。除此之外大量存储和计算也会占用大量的硬件资源，增加实现的成本。
发明内容
为了解决上述问题，本发明的目的是提出一种视频模板匹配实时处理的优化方法，本发明综合考虑了匹配效果和现场可编程门阵列的计算速度快但不擅长复杂逻辑的特点，本发明采用基于相似度的模板匹配以及滑动窗口遍历背景图像的全局搜索策略，在保证效果的基础上，利用现场可编程门阵列加速计算，最终实现了对视频的实时处理。
为了达到上述目的，本发明采用以下技术方案予以解决。
一种视频模板匹配实时处理的优化方法，包括以下步骤：
步骤1，设定模板图像T的大小为m×n，背景图像G的大小为M×N；读取并存储模板图像的像素值数据ref[m×n]。
步骤2，构建与模板图像T大小相同的滑动窗口A，即滑动窗口A的大小为m×n；采用滑动窗口A对背景图像G进行滑动取样，每次滑动对应得到一副大小为m×n的子图像，读取子图像的像素值数据imgp[m×n]，并对子图像的像素值数据imgp[m×n]进行实时存储和更新。
其中，imgp[m×n]表示第p次滑动获得的子图像像素值数据。
步骤3，采用最小误差法，分别获得每次滑动对应的子图像的像素值数据imgp[m×n]与模板图像的像素值数据ref[m×n]的相似度，进而得到模板图像的匹配位置，完成模板图像与背景图像的匹配。
与现有技术相比，本发明的有益效果为：
本发明基于可编程逻辑阵列对模板图像和背景图像的处理，并且在实现过程中通过设计合理的数据存储与更新方法提高了整个处理的速度，并且节省了现场可编程门阵列资源。其基本思路为：通过滑动窗口对背景图像进行全局搜索，然后使用相似度计算对模板图像进行匹配；通过采用多个存储器对滑动窗口获得的子图像的数据进行实施存储和更新，加快了数据存储与更新的速度，节省资源，最终输出模板图像的匹配位置。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明提供的一种模板匹配实时处理的优化方法的流程示意图。
图2为滑动窗口的滑动过程示意图。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
步骤1，设定模板图像T的大小为m×n，背景图像G的大小为M×N；读取并存储模板图像的像素值数据ref[m×n]；
从外部存储器读取得到m×n的模板图像的像素值数据，由于对一次匹配过程来说，模板图像是确定不变的，且图像相对较小，因此，将模板图像的像素值数据存储至寄存器中，模板图像的像素值数据记为ref[m×n]。
步骤2，构建与模板图像T大小相同的滑动窗口A，即滑动窗口A的大小为m×n；采用滑动窗口A对背景图像G进行滑动取样，每次滑动对应得到一副大小为m×n的子图像，读取子图像的像素值数据imgp[m×n]，并对子图像的像素值数据imgp[m×n]进行实时存储和更新；
所述滑动取样为：滑动窗口A从背景图像G的左上角开始，从左向右、自上而下依次滑动，每个时钟周期滑动一次，每次滑动一个像素。
所述读取子图像的像素值数据imgp[m×n]具体为：
当滑动窗口A滑动至背景图像的每一行的最左边时，即滑动窗口A在背景图像G中的位置的左上角坐标为(0,y)时，经过m个时钟周期，读取到背景图像最左端的m×n个像素值数据；
当滑动窗口A不位于背景图像的每一行的最左边时，读取的数据由上一个滑动位置的(m-1)列像素值数据，加上当前滑动位置的最后一列像素值数据组成，即每次滑动对应一个n行m列像素值数据；
所述对子图像的像素值数据imgp[m×n]进行实时存储，其具体步骤为：
对每次滑动获得的像素值数据，将前(n-1)行对应存储于(n-1)个存储器中，每行使用一个存储器；则每个时钟周期从(n-1)个存储器中读取到上一个滑动位置的(n-1)个像素值数据，作为当前滑动位置的最后一列的前(n-1)个数据；从外部存储器中读取当前滑动位置的一个数据，作为当前滑动位置的最后一列的第n个数据，即得到当前滑动位置的最后一列数据。
所述对子图像的像素值数据imgp[m×n]进行实时更新，其具体步骤为：
存储器中的数据更新：首先，当滑动窗口向右滑动一个像素，将存储器中地址为0的数据进行更新，将第二行地址为0处的数据写入第一行地址为0处，完成对第一行数据的更新，依次类推，将第(n-1)行的数据地址为0处的数据写入第(n-2)行地址为0处，完成(n-2)行数据的更新；其次，将从外部存储器读取的第n行地址为0处的数据写到第(n-1)行地址为0处，完成第(n-1)行数据的更新；最后，当滑动窗口再次向右滑动一个像素，则将存储器中地址为1的数据进行更新，将第二行地址为1处的数据写入第一行地址为1处，完成对第一行数据的更新，依次类推，将第(n-1)行的数据地址为1处的数据写入第(n-2)行地址为1处，完成(n-2)行数据的更新；其次，将从外部存储器读取的第n行地址为1处的数据写到第(n-1)行地址为1处，完成第(n-1)行数据的更新。依次类推，完成每次滑动窗口滑动的存储器内的数据更新。
每次将当前窗口A内的m×n个背景图像的像素值数据，存放在寄存器中；当滑动窗口滑动时，对应的对寄存器内的数据进行更新。
按照这样的方式，当滑动窗口A下移时，存储器中已经是更新后的数据，只需要按照之前的操作重复进行即可，直至滑动窗口A滑动至背景图像的右下角，即滑动窗口A的右下角坐标与整幅图像的右下角坐标一致，即完成滑动匹配过程。
步骤3，采用最小误差法，分别获得每次滑动对应的子图像的像素值数据imgp[m×n]与模板图像的像素值数据ref[m×n]的相似度，进而得到模板图像的匹配位置，完成模板图像与背景图像的匹配。
基于相似度的模板匹配，其主要思想是：根据不同的相似度函数来计算模板图像与待匹配图像中滑动窗口所覆盖区域数据的相似度。综合考虑模板匹配的效果和计算复杂程度，本发明采用最小误差法计算相似度。
最小误差法的主要思想是：根据模板图像与滑动窗口所覆盖区域图像的差值来表示它们的相关性。当滑动窗口遍历完背景图像中所有像素后，取差值最小的区域即为模板图像在背景图像中的位置。常见的最小误差函数有方差、均方差、平均绝对误差和绝对误差。最小误差法的计算主要涉及到加法与减法，其很少用到乘法和除法。因此，最小误差法具有实现简单、运算量小的特点。
每次滑动滑动窗口，对应得到当前滑动窗口位置处子图像与模板图像的相似度，将当前滑动窗口位置对应的相似度与上一次滑动窗口位置对应的相似度进行比较，相似度较高的位置即为当前匹配的模板图像的位置；当滑动窗口遍历背景图像后，即得到与模板图像相似度最高的滑动窗口的位置，即为模板图像的匹配位置；
其中，相似度采用绝对误差和表征，相似度越高，绝对误差和越小。
本发明中采用最小误差函数为绝对误差和(SAD)。
绝对误差和函数的计算公式为:G(i,j)为滑动窗口内的背景图像的像素值，T(i,j)为模板图像的像素值，|·|为取绝对值符号，(i,j)表示图像中的像素坐标，D为背景图像与模板图像的绝对误差和。
即将模板图像与背景图像的对应位置处的像素值相减，再对差值取绝对值，最后，将m×n个绝对值相加，得到两幅图像的绝对误差和，绝对误差和越小，表明相似度越大，绝对误差和最小的位置即为匹配的模板图像位置。
本发明采用DSP48E1计算背景图像与模板图像的绝对误差和，DSP48E1是一种现场可编程门阵列硬件资源，它是数字信号处理单元，可实现乘法、加法、乘加等运算，使用该资源进行计算可节省现场可编程门阵列的其他资源。在计算相似度时有较多的加减法运算，可使用DSP48E1以节省资源。
采用DSP48E1计算背景图像与模板图像的绝对误差和，其具体的计算过程为：
首先，计算对应差值：将模板图像与背景图像的子图像的对应像素值相减；其中，每个像素值为8位数据，而DSP48E1能够进行48位数据的加减法，将四个像素值进行组合计算减法，即每次计算四个像素值差值；再在被减数前添加0用于借位，减数前添加0，使得每个数据变为9位数，组合后为36位数，再调用DSP48E1原语进行减法运算，计算完成后再将差值的对应位数进行分割，恢复为四个像素值；遍历背景图像，得到每个背景图像的子图像与模板图像的对应差值；
其次，对每个对应差值取绝对值：所述对应差值的最高位为符号位，低8位为数据；对所述对应差值的最高位是否借位进行判断，若最高位为0，则借位，表明对应差值为负数，则将低8位取反变为正数，即得所述对应差值的绝对值；否则，所述对应差值的低8位数据即为对应差值的绝对值；
最后，对所有对应差值的绝对值进行累加求和，得到背景图像与模板图像的绝对误差和；
具体为：先将所有对应差值的绝对值按两两一组进行求和，得到第一级求和结果，再将第一级求和结果按两两一组进行求和，得到第二级求和结果，依次类推，得到所有对应差值的绝对值的和，即为背景图像与模板图像的绝对误差和。上述对所有绝对值进行累加求和，也可以使用DSP48E1进行求和运算。
上述匹配过程也可以表述为：每次滑动对应得到当前的SAD值，将当前的SAD值与上一次滑动得到的相似度高的SAD值进行比较，将较小SAD值作为当前次相似度高的SAD值，当滑动结束时，即得到最小的SAD值即为相似度最高的SAD值，该窗口对应的位置即为匹配位置，即完成模板图像与背景图像的匹配。
以上步骤通过流水线的方式进行，每个时钟周期可以得到一个SAD值，背景图像输入完毕后已经遍历了所有位置的SAD值，并完成所有SAD值的比较，输出匹配位置。同时最终实现的时钟频率可以达到100MHz，对于每一帧图像都可以快速地得到其匹配位置，即能够对图像进行实时处理。
本发明全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种视频模板匹配实时处理的优化方法，其特征在于，包括以下步骤：
步骤1，设定模板图像T的大小为m×n，背景图像G的大小为M×N；读取并存储模板图像的像素值数据ref[m×n]；
从外部存储器中读取模板图像T的像素值数据，并将其存储于寄存器中；
步骤2，构建与模板图像T大小相同的滑动窗口A，即滑动窗口A的大小为m×n；采用滑动窗口A对背景图像G进行滑动取样，每次滑动对应得到一副大小为m×n的子图像，读取子图像的像素值数据imgp[m×n]，并对子图像的像素值数据imgp[m×n]进行实时存储和更新；
其中，imgp[m×n]表示第p次滑动获得的子图像像素值数据；
步骤3，采用最小误差法，分别获得每次滑动对应的子图像的像素值数据imgp[m×n]与模板图像的像素值数据ref[m×n]的相似度，进而得到模板图像的匹配位置，完成模板图像与背景图像的匹配。
2.根据权利要求1所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述滑动取样为：滑动窗口A从背景图像G的左上角开始，从左向右、自上而下依次滑动，每个时钟周期滑动一次，每次滑动一个像素。
3.根据权利要求1所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述读取子图像的像素值数据imgp[m×n]具体为：
当滑动窗口A滑动至背景图像的每一行的最左边时，即滑动窗口A在背景图像G中的位置的左上角坐标为(0，y)时，经过m个时钟周期，读取到背景图像最左端的m×n个像素值数据；
当滑动窗口A不位于背景图像的每一行的最左边时，读取的数据由上一个滑动位置的(m-1)列像素值数据，加上当前滑动位置的最后一列像素值数据组成，即每次滑动对应一个n行m列像素值数据。
4.根据权利要求3所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述对子图像的像素值数据imgp[m×n]进行实时存储，其具体步骤为：
对每次滑动获得的像素值数据，将前(n-1)行对应存储于(n-1)个存储器中，每行使用一个存储器；则每个时钟周期从(n-1)个存储器中读取到上一个滑动位置的(n-1)个像素值数据，作为当前滑动位置的最后一列的前(n-1)个数据；从外部存储器中读取当前滑动位置的一个数据，作为当前滑动位置的最后一列的第n个数据，即得到当前滑动位置的最后一列数据。
5.根据权利要求4所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述对子图像的像素值数据imgp[m×n]进行实时更新，其具体步骤为：
存储器中的数据更新：首先，当滑动窗口向右滑动一个像素，将存储器中地址为0的数据进行更新，将第二行地址为0处的数据写入第一行地址为0处，完成对第一行数据的更新，依次类推，将第(n-1)行的数据地址为0处的数据写入第(n-2)行地址为0处，完成(n-2)行数据的更新；其次，将从外部存储器读取的第n行地址为0处的数据写到第(n-1)行地址为0处，完成第(n-1)行数据的更新；最后，当滑动窗口再次向右滑动一个像素，则将存储器中地址为1的数据进行更新，将第二行地址为1处的数据写入第一行地址为1处，完成对第一行数据的更新，依次类推，将第(n-1)行的数据地址为1处的数据写入第(n-2)行地址为1处，完成(n-2)行数据的更新；其次，将从外部存储器读取的第n行地址为1处的数据写到第(n-1)行地址为1处，完成第(n-1)行数据的更新；依次类推，完成每次滑动窗口滑动的存储器内的数据更新；
每次将当前窗口A内的m×n个背景图像的像素值数据，存放在寄存器中；当滑动窗口滑动时，对应的对寄存器内的数据进行更新。
6.根据权利要求1所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述最小误差法采用的最小误差函数为绝对误差和，其计算公式为：
其中，G(i，j)为滑动窗口内的背景图像的像素值，T(i，j)为模板图像的像素值，|·|为取绝对值符号，(i，j)表示图像中的像素坐标，D为背景图像与模板图像的绝对误差和。
7.根据权利要求1所述的一种视频模板匹配实时处理的优化方法，其特征在于，所述分别获得每次滑动对应的子图像的像素值数据imgp[m×n]与模板图像的像素值数据ref[m×n]的相似度，进而得到模板图像的匹配位置，其具体步骤为：
每次滑动滑动窗口，对应得到当前滑动窗口位置处子图像与模板图像的相似度，将当前滑动窗口位置对应的相似度与上一次滑动窗口位置对应的相似度进行比较，相似度较高的位置即为当前匹配的模板图像的位置；当滑动窗口遍历背景图像后，即得到与模板图像相似度最高的滑动窗口的位置，即为模板图像的匹配位置；
其中，相似度采用绝对误差和表征，相似度越高，绝对误差和越小。
8.根据权利要求1所述的一种视频模板匹配实时处理的优化方法，其特征在于，采用DSP48E1计算背景图像与模板图像的绝对误差和，其具体的计算过程为：
首先，计算对应差值：将模板图像与背景图像的子图像的对应像素值相减；其中，每个像素值为8位数据，而DSP48E1能够进行48位数据的加减法，将四个像素值进行组合计算减法，即每次计算四个像素值差值；再在被减数前添加0用于借位，减数前添加0，使得每个数据变为9位数，组合后为36位数，再调用DSP48E1原语进行减法运算，计算完成后再将差值的对应位数进行分割，恢复为四个像素值；遍历背景图像，得到每个背景图像的子图像与模板图像的对应差值；
其次，对每个对应差值取绝对值：所述对应差值的最高位为符号位，低8位为数据；对所述对应差值的最高位是否借位进行判断，若最高位为0，则借位，表明对应差值为负数，则将低8位取反变为正数，即得所述对应差值的绝对值；否则，所述对应差值的低8位数据即为对应差值的绝对值；
最后，对所有对应差值的绝对值进行累加求和，得到背景图像与模板图像的绝对误差和；
具体为：先将所有对应差值的绝对值按两两一组进行求和，得到第一级求和结果，再将第一级求和结果按两两一组进行求和，得到第二级求和结果，依次类推，得到所有对应差值的绝对值的和，即为背景图像与模板图像的绝对误差和。
CN201910422598.6A 2019-05-21 2019-05-21 一种视频模板匹配实时处理的优化方法 Pending CN110210346A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910422598.6A CN110210346A (zh) 2019-05-21 2019-05-21 一种视频模板匹配实时处理的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910422598.6A CN110210346A (zh) 2019-05-21 2019-05-21 一种视频模板匹配实时处理的优化方法

Publications (1)

Publication Number Publication Date
CN110210346A true CN110210346A (zh) 2019-09-06

Family

ID=67787919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910422598.6A Pending CN110210346A (zh) 2019-05-21 2019-05-21 一种视频模板匹配实时处理的优化方法

Country Status (1)

Country Link
CN (1) CN110210346A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598177A (zh) * 2020-05-19 2020-08-28 中国科学院空天信息创新研究院 面向低重叠图像匹配的自适应最大滑动窗口匹配方法
CN111780781A (zh) * 2020-06-23 2020-10-16 南京航空航天大学 基于滑动窗口优化的模板匹配视觉和惯性组合里程计
CN112967310A (zh) * 2021-02-04 2021-06-15 成都国翼电子技术有限公司 一种基于fpga的模板匹配加速方法
CN114584673A (zh) * 2020-12-01 2022-06-03 京东方科技集团股份有限公司 一种图像处理方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002472A1 (en) * 2004-06-30 2006-01-05 Mehta Kalpesh D Various methods and apparatuses for motion estimation
US20060002471A1 (en) * 2004-06-30 2006-01-05 Lippincott Louis A Motion estimation unit
US20090028440A1 (en) * 2007-07-27 2009-01-29 Sportvision, Inc. Detecting an object in an image using multiple templates
US20100020880A1 (en) * 2008-07-22 2010-01-28 Mathstar, Inc. Field programmable object array having image processing circuitry
CN103514293A (zh) * 2013-10-09 2014-01-15 北京中科模识科技有限公司 在视频模板库中进行视频匹配的方法
CN105761233A (zh) * 2014-12-15 2016-07-13 南京理工大学 一种基于fpga的实时全景图像拼接方法
US20170339404A1 (en) * 2016-05-17 2017-11-23 Arris Enterprises Llc Template matching for jvet intra prediction
CN109671042A (zh) * 2018-12-19 2019-04-23 西安电子科技大学 基于fpga形态学算子的灰度图像处理***及方法
CN109743562A (zh) * 2019-01-10 2019-05-10 中国科学技术大学 基于Census算法的匹配代价计算电路结构及其工作方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002472A1 (en) * 2004-06-30 2006-01-05 Mehta Kalpesh D Various methods and apparatuses for motion estimation
US20060002471A1 (en) * 2004-06-30 2006-01-05 Lippincott Louis A Motion estimation unit
US20090028440A1 (en) * 2007-07-27 2009-01-29 Sportvision, Inc. Detecting an object in an image using multiple templates
US20100020880A1 (en) * 2008-07-22 2010-01-28 Mathstar, Inc. Field programmable object array having image processing circuitry
CN103514293A (zh) * 2013-10-09 2014-01-15 北京中科模识科技有限公司 在视频模板库中进行视频匹配的方法
CN105761233A (zh) * 2014-12-15 2016-07-13 南京理工大学 一种基于fpga的实时全景图像拼接方法
US20170339404A1 (en) * 2016-05-17 2017-11-23 Arris Enterprises Llc Template matching for jvet intra prediction
CN109671042A (zh) * 2018-12-19 2019-04-23 西安电子科技大学 基于fpga形态学算子的灰度图像处理***及方法
CN109743562A (zh) * 2019-01-10 2019-05-10 中国科学技术大学 基于Census算法的匹配代价计算电路结构及其工作方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周文晖;杜歆;叶秀清;顾伟康;: "基于FPGA的双目立体视觉***" *
沙莎;刘锦峰;: "基于差分有序数组的图像匹配快速算法" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598177A (zh) * 2020-05-19 2020-08-28 中国科学院空天信息创新研究院 面向低重叠图像匹配的自适应最大滑动窗口匹配方法
CN111780781A (zh) * 2020-06-23 2020-10-16 南京航空航天大学 基于滑动窗口优化的模板匹配视觉和惯性组合里程计
CN114584673A (zh) * 2020-12-01 2022-06-03 京东方科技集团股份有限公司 一种图像处理方法和装置
CN114584673B (zh) * 2020-12-01 2024-01-09 京东方科技集团股份有限公司 一种图像处理方法和装置
CN112967310A (zh) * 2021-02-04 2021-06-15 成都国翼电子技术有限公司 一种基于fpga的模板匹配加速方法
CN112967310B (zh) * 2021-02-04 2023-07-14 成都国翼电子技术有限公司 一种基于fpga的模板匹配加速方法

Similar Documents

Publication Publication Date Title
CN110210346A (zh) 一种视频模板匹配实时处理的优化方法
CN101681503B (zh) 信息处理方法及装置
WO2018040463A1 (zh) DeMura表的数据压缩、解压缩方法及Mura补偿方法
CN109974743B (zh) 一种基于gms特征匹配及滑动窗口位姿图优化的视觉里程计
CN109377445A (zh) 模型训练方法、替换图像背景的方法、装置和电子***
CN110058841B (zh) 面向具有对称性的非线性函数通用计算装置和方法
CN108198196A (zh) 基于Sobel算子的量子图像边缘检测的设计与实现方法
CN107357422A (zh) 摄像机‑投影交互触控方法、装置及计算机可读存储介质
JP6970827B2 (ja) 演算処理装置
CN113793349A (zh) 目标检测方法及装置、计算机可读存储介质、电子设备
Motten et al. A binary adaptable window SoC architecture for a stereo vision based depth field processor
TWI789158B (zh) 影像處理方法、系統以及非暫態電腦可讀取記錄媒體
CN106775596B (zh) 一种红外图像线性插值膨胀硬件处理方法
Zhu et al. Efficient illumination insensitive object tracking by normalized gradient matching
CN113468469A (zh) 由计算机执行的特征图的卷积处理方法、装置和电子设备
CN113407537A (zh) 数据处理方法、装置及电子设备
CN113592908A (zh) 一种基于大津法和sad-mcd融合的模板匹配目标跟踪和***
Gay-Bellile et al. Feature-driven direct non-rigid image registration
CN112837349A (zh) 一种目标跟踪方法、设备及计算机可读存储介质
CN106548466A (zh) 三维重建对象的方法和设备
Zhang et al. Improving the Optical Flow Accuracy Based on the Total Variation of Local-Global method
TWM588288U (zh) 哥德巴赫猜想運算系統
JP3522714B2 (ja) 画像生成方法
US11580617B2 (en) Method of matching images to be merged and data processing device performing the same
Shi et al. Large displacement optical flow estimation based on robust interpolation of sparse correspondences

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20231103

AD01 Patent right deemed abandoned