基于投票加权累积度量的模板匹配算法

从点集相关性的角度提出了一种新的模板边缘图像匹配度量——投票加权累积度量(WVAM),在该度量中融入了抗几何畸变以及抗杂点与相似区域干扰的机制,能够实现异源情况下模板边缘图像的匹配定位。为了进一步提高WVAM匹配的单相关峰特性,转换点的坐标投票为局部结构信息投票,形成了融入局部结构相似性的投票加权累积度量(LSS-WVAM),该度量能够表征模板边缘图像与待匹配区域的整体结构相似性,更具有稳健性。在仿真实验中利用全局与局部度量信噪比作为评价指标,证明了WVAM具有比LTS-HD(Least trimmed square Hausdorff distance)更好的全局单峰与局部梯度特性。与WVAM相比,LSS-WVAM在全局和局部性能上约提高30%和4%。