1 中国科学院合肥物质科学研究院合肥 230031
2 中国科学技术大学合肥 230026
3 中国科学技术大学第一附属医院合肥 230001
Gamma（γ）分析是剂量验证、剂量分布比较最重要的手段，由于不同剂量分布的坐标系定义/方向，基准点设置不一致，进行γ分析时往往要对待比较的剂量分布进行对齐，而目前常用的γ分析软件的对齐手段简单，在处理大照射野剂量分布时有显著错误，严重影响了剂量分析比较的准确性。二维剂量分布对齐的要求是在只进行平移、旋转等空间变换，从而达到两张剂量图上相应剂量点的空间位置一致。因为不同点之间的距离在对齐过程中必须是不变的，所以，本研究将对齐问题转化为刚性配准问题。本文采用基于归一化互相关的刚性配准方法，将治疗计划系统计算的剂量分布图与实际测量的剂量分布图进行配准，并输出配准后相应的平移量。选取36组计划系统和实测中心点一致的pinnacle3治疗计划系统设计的静态调强质量保证数据，其中，18组为小照射野，另18组为大照射野，使用PTW VeriSoft软件分别计算其在3%/3 mm、3%/2 mm、2%/2 mm通过标准下γ通过率。对于小照射野，直接计算与VeriSoft对齐后和刚性配准后的不同标准γ通过率结果均基本相当，其中在3%/3 mm通过标准下，VeriSoft对准后和刚性配准后与直接计算的γ通过率平均差异分别为0.5%和0.3%。对于大照射野，与直接计算的γ通过率结果相比，18组病例在VeriSoft对齐后于3%/3 mm、3%/2 mm、2%/2 mm通过标准下的γ通过率平均差异分别为17.1%、23.3%和28.3%，均呈现较大差异。而刚性配准后与直接计算在3%/3 mm、3%/2 mm和2%/2 mm标准下γ通过率的平均差异分别为0.4%、1.1%和2.3%，平均差异均较小。刚性配准解决了VeriSoft在处理大照射野剂量分布时存在显著错误的问题，其可以作为放射治疗计划剂量验证时一种适用于不同照射野剂量分布对齐的方法。
γ分析 归一化互相关 VeriSoft 刚性配准 剂量分布比较 Gamma analysis Normalized cross-correlation VeriSoft Rigid registration Dose distribution comparison 辐射研究与辐射工艺学报
2023, 41(4): 040303
1 陆军工程大学石家庄校区电子与光学工程系, 河北石家庄 050003
2 中国人民解放军 32181部队, 河北石家庄 050000
3 石家庄铁道大学电气与电子工程学院, 河北石家庄 050043
为实现在光电跟踪系统条件下的高精度测量并且满足复杂环境下高精度目标匹配, 本文选用去均值归一化互相关匹配算法。为提高匹配速度以及跟踪实时性, 利用和表法计算公式中图像求和、平方和图像匹配互相关来简化计算复杂度；采用小波分层金字塔法作为搜索策略, 并将模板质心作为参考点进行十字形搜索, 引入终止阈值减少误匹配点进一步提高搜索速度。为验证该算法的有效性, 实验中将光电跟踪系统放置在二维转台上, 调整转台利用该算法跟踪目标靶板。实验结果表明, 目标脱靶量控制在 3个像素以内, 该算法在光电跟踪系统上可实现高精度稳定跟踪。
模板匹配 光电跟踪系统 归一化互相关匹配 和表法 小波金字塔 image matching optoelectronic tracking system normalized cross correlation sum-table scheme wavelet pyramid
北京信息科技大学应用数学研究所，北京 100101
视差估计是计算成像领域中的重要技术手段。给出由傅里叶视差层（FDL）重建场景深度信息的计算框架，基于FDL的表达方式给出在光场变换域中解构场景的视差层（DL），进而实现视差重建的新方法。利用光场数据重构出FDL，对FDL进行傅里叶逆变换得到对应的DL，利用归一化互相关（NCC）来度量DL图像与中心视图像素点之间的相关性，实现场景视差的准确重建。模拟数据实验和实际数据实验的结果表明，所提方法能够有效地进行场景的精确视差重建。
图像处理 光场 傅里叶视差层 视差重建 归一化互相关 光学学报
2022, 42(16): 1610001
西北师范大学物理与电子工程学院, 甘肃 兰州 730070
针对基于模板匹配的目标跟踪算法在目标被遮挡时容易出现跟踪丢失的问题,提出一种改进的结合遮挡判断和Kalman预测器的模板匹配算法。首先使用三帧差分法提取运动目标并计算运动目标区域。然后针对目标是否被遮挡引入Bhattacharyya距离进行判断,当Bhattacharyya距离小于设定的阈值,表明目标没有被遮挡,则使用归一化互相关(NCC)匹配算法对目标进行稳定跟踪,反之则利用Kalman预测器对被遮挡目标的位置和大小进行预测。实验结果表明,所提算法在静态背景下、目标发生遮挡时的跟踪成功率达到71.43%,比单一NCC匹配算法提高了21.43个百分点。
图像处理 目标跟踪 三帧差分法 Bhattacharyya距离 归一化互相关匹配算法 Kalman预测器 激光与光电子学进展
2020, 57(18): 181023
1 贵州大学大数据与信息工程学院, 半导体功率器件可靠性教育部工程研究中心, 微纳电子与软件技术重点实验室,贵州 贵阳, 550025
2 贵阳朗玛信息技术股份有限公司, 贵州 贵阳, 550022
针对量子图像拼接时,Harris算法需要人为设置阈值,以及图像局部相似度大导致误匹配率高的问题,提出了基于改进的Harris和二次归一化互相关(NCC)的量子图像拼接算法。在阈值设置方面,基于图像重复度高的事实,通过二值化和阈值下降统计图像子区域的量子点或环的数量以确定Harris阈值,并将其作为全图阈值。在误匹配方面,首先以小窗口进行NCC的匹配,初步筛选角点;然后在此结果上用大窗口进行第二次NCC,以降低误匹配率。实验结果表明:在量子点或环计数方面,该算法具有较好的精度和速度;在阈值设置方面,该算法将角点数量控制在合理的范围内;在匹配阶段,二次NCC的方法将误匹配率降低至4.82%~27.27%。因此,本文算法改善了量子图像拼接的可靠性和时间开销,在量子图像拼接中具有潜在的应用价值。
图像处理 量子图像 图像拼接 Harris 归一化互相关 量子计数 激光与光电子学进展
2020, 57(10): 101005
1 西南石油大学计算机科学学院, 四川成都 610500
2 密歇根理工大学, 密歇根州霍顿 49931, 美国
互相关计算方法的性能对超声弹性成像运动的计算效率起着决定性的作用。在串行计算环境下, 基于和表的快速互相关算法在维持计算精度的同时可以获得更快的计算效率。然而, 在并行计算环境下, 尤其是 GPU平台上, 基于和表的快速互相关算法的实现以及性能还没有相关的报道。在本研究中, 以二维超声弹性成像的运动追踪应用为目标, 基于和表的快速互相关算法(ST-NCC)在 GPU平台上得以实现, 并且从计算效率及计算精度和传统的互相关算法进行了详细比较。初步结果显示, 虽然基于和表的快速互相关算法 (ST-NCC)在串行计算环境下获得了较好的计算效率, 但是在 GPU环境下, 两种方法的计算效率没有较大的差距。
散斑追踪 块匹配 归一化互相关 和表 超声弹性成像 speckle tracking block-matching normalized cross-correlation sum-table ultrasound strain elastography
1 长光卫星技术有限公司，吉林 长春 130033
2 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
景象匹配对匹配算法的运行速度和内存占用均要求较高。为提升归一化互相关算法的运行速度并降低其内存占用率，本文重点对其中的基准子图能量计算步骤进行了加速研究。经过详细分析，积分图法具有灵活、快速的优点，但缺陷为其在快速计算的同时需花费较大内存，并不适合直接应用在嵌入式系统中。本文提出了一种快速递推算法。该算法利用相邻像素值的能量进行连续递推，计算时可以不必像积分图法那样给所有的图像能量都分配空间，只需预留1行的像素空间便能完成整个能量计算过程。实验结果表明: 在时间花费方面，快速递推法具有和积分图法相当的运算速度，耗时均只为传统归一化互相关算法的1/2; 在内存占用率方面，快速递推法约为积分图法的1/3以下，且实时图尺寸越大，快速递推法占用的内存越小。综上所述，在归一化互相关算法中利用经典积分图法和本文提出的快速递推法计算基准子图能量，均较传统NCC算法有所加速，两种算法各具优点，经典积分图法快速、灵活，适用于对速度要求高，但对内存占用率要求不太高的应用场景; 而快速递推法快速、省内存，更适用于嵌入式系统的应用。
归一化互相关 基准子图能量 经典积分图法 快速递推法 Normalize Cross Correlation(NCC) sub-image’s energy classic integral image method fast Recurrence method 光学 精密工程
2018, 26(10): 2565
天津大学 精密仪器与光电子工程学院 光电信息技术教育部重点实验室, 天津 300072
针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题, 将图像自相似性用于图像特征点提取, 并改进特征点匹配过程, 提出了自相似性与改进归一化互相关相结合的方法。该方法首先根据像素点自对称值提取出图像特征点, 然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配, 最后由阈值筛选和随机抽样一致性算法优化匹配结果, 从而完成低对比度图像特征点的提取和匹配。实验结果表明, 该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率, 且对图像尺度和旋转变换具有较强的鲁棒性。
特征点匹配 低对比度图像 自相似性 归一化互相关 随机抽样一致性算法 feature point matching low contrast image self-similarity normalized correlation random sample consensus algorithm
1 沈阳航空航天大学 电子信息工程学院, 辽宁 沈阳 110136
2 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
3 长沙航空职业技术学院, 湖南 长沙 410124
针对图像匹配算法计算量大, 实时性差的问题, 提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域, 利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后, 通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明, 该算法减少了传统SIFT算法的大量无用搜索, 改善了图像的几何失真, 降低了算法复杂度, 提高了图像匹配的速度, 在保证90%以上的匹配准确率的基础上, 计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。
尺度不变特征变换(SIFT) 区域分块 图像匹配 图像拼接 归一化互相关 Scale Invariable Feature Transformation(SIFT) area blocking image matching image mosaic normalized cross correlation
1 中国科学院光电技术研究所自适应光学重点实验室, 四川 成都 610209
2 中国科学院大学, 北京 100049
斜率算法对哈特曼-夏克传感器非常重要，而基于归一化互相关斜率算法的哈特曼-夏克传感器可满足强噪声情况下点光源和扩展目标的斜率探测需求。为解决互相关斜率处理器可移植性差的问题，提出用多核中央处理器(CPU)来实现斜率探测。在优化归一化互相关算法的基础上，编程实现斜率探测，并从多核并行和运算向量化两方面优化程序，提升斜率提取速度。当模板分辨率为9 pixel×9 pixel时，优化程序在Intel(R) Core(TM) i7-3770k四核计算机上运行，完成400 个15 pixel×15 pixel的子孔径斜率提取，用时约为340 μs。搭建了自适应光学系统，对优化后的斜率算法进行系统闭环测试。结果表明，使用多核CPU 的相关哈特曼-夏克自适应光学系统能在强噪声环境下进行有效的波前校正。
自适应光学 波前传感 多核中央处理器 目标跟踪 归一化互相关 波前斜率探测
