数字互相关

数字互相关（精选四篇）

数字互相关 篇1

数字图书馆与网格都具有分布性、异构性、自治性等特征, 因此可以利用网格技术建立一套资源共享的有效机制, 包括:数据交换与通信格式、信息交互协议、资源管理与组织方式、组织原则、用户管理与认证、访问控制等方面, 以便将独立的数字图书馆有机组织起来, 协同工作, 以统一界面对外提供资源服务, 来解决数字图书馆的互操作问题。

2. DL Grid互操作模型

DL Grid系统通过Globus和OGSA-DAI提供的服务接口, 实现网格资源的发现和采集, 屏蔽了底层物理数据库的分布性和异构性, 对采集的元数据进行清洗和重组, 为用户提供一个虚拟的逻辑数据库视图, 实现对网格数据资源的透明访问。DL Grid系统在OGSA-DAI的基础上对内实现了元数据的发现、采集、重组和元数据的管理, 对外实现服务发现、数据连接和数据查询处理等功能。

3. 相关技术

3.1 网格资源发现与采集

系统的网格资源发现模型采用了集中与分布式相结合的资源组织形式, 所有资源均以虚拟形式进行管理。MDS是一种基于网格环境的信息服务框架, 采用轻型目录访问协议 (Lightweight Directory Access Protocol, LDAP) 对外提供统一接口, 管理网格中各种资源和服务, 提供方便有效的目录服务。在网格环境中, 由于资源的复杂性和多样性, 通过统一的资源注册接口来查找和采集网格中资源, 但是资源提供者需要提供自己的静态信息以方便查找, 如库名、base URL、端口号等。这些异构的信息被统一提交到LDAP服务器中, 然后存放到目录服务器中, 这些资源信息是采集服务、查询服务和告知服务的基础。

资源的采集使用org.globus.mds包, 与MDS服务器相连。具体流程如下:⑴连接到服务器, ⑵初始化一个MDS对象, ⑶通过mds.Host Info Lookup, _mds.search执行搜索, ⑷得到MDS所有信息写入XML文件, 并对该文件进行XML解析得到基地址, ⑸把基地址分配给相应采集节点, 执行采集程序。

3.2 元数据管理

元数据管理借鉴了元数据服务的思想并做了改进, 采用了分层的分布式结构, 把所有资源被划分为多个逻辑域, 每个域的GDSR都和一个元数据服务器 (Domain Meta Data Service, DMS) 相连, 用来存储和管理本域内元数据, 并对本域内的数据库系统的操作。对所有域建立索引由系统的中央元数据服务器 (Global Meta Data Service, GMS) 统一管理。

中央元数据服务器GMS由两个模块组成:索引服务模块 (Index Service, IS) 和元数据库。其中元数据库中存储了索引信息和系统内每个域的采集到的元数据服务器信息, 索引信息记录了系统内所有逻辑数据库到域元数据服务器的索引。当某个域的DMS不能提供可用的数据服务时或发生错误时, 系统自动将请求转交给GMS, 由GMS分配给其他域的DMS执行。

每个域的元数据服务器DMS可分为由四部分:服务发现模块 (Service Discovery, SD) 、服务日志、域元数据管理模块 (Domain Meta Data Management, DMM) 和元数据库。其中元数据库中存储了域内所有逻辑数据库、系统采集到的数据库资源的元数据。DMM模块从GDSR获得注册到本域内的所有GDSF的句柄, 访问GDSF的服务数据元素, 抽取描述数据库资源的信息, 存储到本域的元数据库中。服务日志记录了本域内数据库资源提供的数据服务活动, SD模块用于从服务日志中发现满足用户需求的服务。

4. 模型性能分析

针对本文所提出的DL Grid系统, 我们用GT4和OGSA-DAI部署实现。并模拟了4个数据库, 分别为SQL server, My Sql, DB2, Oracle, 通过连接校园网, 来测试网格环境下异构数字图书馆检索及联机编目功能。通过试验我们收割2万条元数据, 在此基础上我们实现了跨多个异构数据库的检索查询服务。通过试验发现在查询条件较少时, 跨多库连接查询时的处理时间要比直接用JDBC连接用时要长, 但是随着查询条件的增加, 在处理时间上的差别是逐渐减少的, 下一步重点是通过缓存机制来提高系统的请求响应时间。

5. 结语

互操作联邦数字图书馆研究 篇2

【摘  要  题】专题探讨……

1 研究数字图书馆互操作的必要性

随着在线数字图书馆（DLs）的日益增多，人们发现必须访问许多DLs才能找到所需要的资料。由于大多数DLs是基于数据库驱动的，现有流行的搜索引擎不能对其内容建立索引。因此，对于那些需要跨越多个DLs查找资料的用户来说，搜索引擎不能满足这种需求。如何将广泛分布的、异构的DLs联合起来向用户提供统一的服务，即实现DLs之间的互操作，成为DLs研究与开发所关注的中心问题。

所谓数字图书馆的互操作是指交换和共享DLs的文档、查询和服务的能力[1]。它要求来自技术（协议和格式等）、内容（元数据及其语义等）和组织（DLs的基本访问原则、支付方式和认证等）三方面的合作。DLs的互操作可以出现在不同的抽象层次上，我们可以将其概括为两类视图[1]：纵向视图（vertical  view）和横向视图（horizontal  view）。前者涉及法律、社会、文化和知识产权等方面的问题，后者涉及DLs的硬件和软件即体系结构方面的问题。

为什么要研究DLs的互操作？道理很简单：目前很少有DLs既提供丰富的馆藏资源，又提供有效的服务。尽管目前一些DLs拥有大量的馆藏资源，而另外一些DLs却提供许多的服务，但在这两种情况下，用户都不太容易找到其所需要的信息资源。只有在这些DLs之间实现互操作，才能共享DLs的资源和服务。因此，研究DLs的互操作是十分必要的。

2 联邦数字图书馆的实现方法

为了解决用户使用DLs查找资料时同一查询条件的重复提交问题，人们提出了联邦数字图书馆的概念。所谓联邦数字图书馆是指正式或非正式合作操纵DLs的一些组织，它们同意支持一组共同的服务和标准，以便在联盟成员之间共享DLs的资源，实现互操作。联邦数字图书馆允许跨越不同的DLs执行搜索，并将每个DLs的查询结果合并后返回给用户，使用户感到如同使用单个数字图书馆一样。从联邦的耦合度考虑，实现联邦数字图书馆的方法可分为以下三种：NCSTRL方法、Harvesting方法和搜集（Gathering）方法。

2.1 NCSTRL方法

网上计算机科学技术报告图书馆（NCSTRL）是一个拥有100多个机构加盟的联邦数字图书馆[2]，它利用Dienst作为DLs的协议和体系结构。凡是要求加入NCSTRL的机构需要在本地安装Dienst服务器，并按照统一规定的数据格式建立其馆藏资源。NCSTRL借助于分布式搜索技术在联盟DLs之间实现资源共享，它将用户的查询送往参与联邦的所有DLs上分别执行，收集返回的结果，综合整理后返回给用户（图1）。

附图

图1 NCSTRL方法

NCSTRL方法要求所有参与联邦的DLs使用相同的协议或软件系统，因此能够提供全面的互操作。但紧密的联邦必将加重联盟成员的负担，它们不得不就技术标准和策略（如知识产权准则、安全和隐私等）达成一致。从网络和搜索系统方面的限制考虑，NCSTRL是昂贵的运行模式，因为要求每个联盟成员的DLs必须支持复杂的查询语言和对查询的快速实时响应。另外，从查询的频率、元数据的质量以及网络资源的可用性等方面综合考虑，这种实现联邦的方法对联盟成员加负较重。因此，只有那些需求强烈的DLs会采用这种代价较高的模式。

2.2 Harvesting方法

一台计算机能够自动地从其他计算机中收集并提取元数据的方法通常称作Harvesting[3]。利用Harvesting方法建立联邦数字图书馆的基本思想是：从每个DLs收集并提取元数据，经过处理、合并后集中保存在一个中心DL中，然后对保存在中心DL本地的元数据执行搜索（图2）。显然，这种方法需要在中心DL维护一个所有DLs馆藏元数据索引信息的副本，以便提供基于馆藏元数据内容的查询路由服务。

附图

图2 Harvesting方法

Harvest系统[4]是这种方法的代表，它包括一组从各个DLs馆藏中搜集信息并建立基于主题内容索引的集成工具。Harvest体系结构主要包括两部分：搜集者（gatherers）和代理（brokers）。每个搜集者从DLs馆藏中搜集并提取索引信息。代理程序从一个或多个搜集者或其他代理检索索引信息，并按增量方式对其进行更新。代理程序能够为多个馆藏建立集成索引，并提供一个查询界面。

由于Harvesting方法采用集中处理方式，所以能够保证有较好的查询响应时间，但各DLs馆藏元数据内容的变化不能及时得到反映。另外，Harvesting方法不要求严格遵守一组完整的技术协定，只要求做少许支持基本共享服务（如数据访问）的工作。同NCSTRL方法相比，Harvesting方法提供的互操作性相应的要差一些，但对联盟成员的要求却很少。因此，许多组织可能会加入这种松散的DLs联邦。

2.3 搜集（Gathering）方法

对于那些不能正式加盟的DLs组织，仍有可能通过搜集（Gathering）DLs可公开访问信息的.途径获得一定程度的互操作。这种联邦方法通常提供统一的用户界面，用户输入查询请求，系统执行分布式搜索，并将合并后的查询结果返回给用户。元数据蜘蛛（MetaCrawler）[5]是搜集方法的代表，它是由美国华盛顿大学实现的并行Web搜索服务。MetaCrawler提供一个智能接口界面，它能将用户的查询并行地送往多个搜索服务（如Lycos、Altavista和Yahoo等），并对返回的结果进行整理，筛除其中重复的内容，然后返回给用户。MetaCrawler体系结构具有许多优点，它在传统的搜索服务之上提供一个抽象层，使其在Web增长和变化时具有较好的适应性、可伸缩性和便携性。

利用搜集方法建立联邦数字图书馆无须任何DLs直接参与合作，但所提供服务的质量比参与合作情况下的要差。同前面介绍的两种方法相比，搜集方法所提供的互操作性最差。目前许多关于Web的研究可视为在这个层次上添加功能，这将会提供更有效的互操作性。尽管期望整个Web表现出丰富的语义不太现实，但是人们还是期望着通过搜集方法提供服务的水平能够逐步地得到改善。

上述三种联邦方法中，NCSTRL方法通过使用相同的协议或软件系统来消除DLs之间的异构问题，因此可以实现全面的互操作。而对现有的DLs来说，Harvesting方法是比较现实的

建立联邦数字图书馆的方法。搜集方法虽然能够通过搜集DLs可公开访问信息的途径获得一定程度的互操作，但所提供服务的质量及互操作性较差。表1给出了这三种联邦方法的比较。

表1 三种联邦方法的比较

数字互相关 篇3

目前，国内外有为数众多的DL还没有实现连接，形成“联邦服务”的机制。因为它们是属于不同的机构、为了不同的目的而建造的，所以它们使用的都是不同的、不可互操作的技术，这也构成了形成联邦数字图书馆的最大障碍。为了克服这一困难，出现了各种实现DL之间互操作的方案。其中基于元数据收集（metadata harvesting）的OAI-PMH方案由于实现的简单性和易用性而得到了广泛的应用。

然而假设随着采用OAI－PMH技术的DL的增多，怎样才能连接不同的DL，建立一个高效的联邦数字图书馆，使它能够通过统一的接口收集异构的、急速增长的OAI-PMH数据呢？网格技术的出现为我们指明了方向。本文在OAI-PMH框架的基础上，结合网格技术，提出一个全新的DL互操作框架——数字图书馆网格（DL Grid）。

一、OAI-PMH技术

目前国内外存在的大量的DL还没有形成统一的联邦式的服务，用户可能要访问多个DL才能得到自己需要的资料。形成联邦式数字图书馆的最大障碍是不同DL间的互操作问题，OAI-PMH通过元数据收割来解决DL之间的互操作问题。许多以前的DL采用“分布式检索”来实现DL之间的互操作。这种方法只适用于节点较少时（如小于20个）的情况，对于互联网上大规模的节点之间（如大于100）却显得效率低下。OAI-PMH的最新版本2.0定义了元数据交互时通用的格式，这种交互是独立于底层数据库的。

OAI-PMH是一个比其他互操作技术更简单的批量元数据传输协议，其他更具体的功能则要借助其他技术。理解OAI-PMH的关键是理解OAI－PMH中DP（Data Provider，数据提供者）和SP（Service Provider，服务提供者）的区别。DP是一个数据仓储，向SP提供元数据。SP利用DP提供的元数据提供增值服务，SP向用户提供服务，DP向SP提供元数据，一个SP可以从多个DP收割元数据，而实际上，一个DL既可以是DP也可以是SP。OAI-PMH对用户是完全透明的，它定义了SP和DP之间的交互作用。

二、DL Grid体系结构

OA I-PMH是利用Harvesting概念建立的典型元数据采集框架，它为DL的互操作提出了一种简单、可行的解决方案，解决了分布式搜索无法解决的一个规模问题。而网格技术关注大规模的资源共享，革新的应用，以及在某些事例上高性能的需求，它强调多机构之间大规模的资源共享和合作使用，提供了资源共享的基本方法。

通过研究网格和OAI-PMH的架构，本文提出一个基于网格的三层DL互操作框架。过去OAI-PMH只是将DP和SP直接相连，简单地在http上实现元数据的采集，而本文提出的框架中，采集（harvester）节点通过网格收集DP的元数据。为增强收集和索引的动态性能，加快元数据的更新速度，在DL Grid体系结构中引入三类网格服务节点：采集调度服务节点、元数据采集节点和元数据收集/传送节点。本文提出的三层DL Grid从下到上依次分为资源层、网格服务层和服务层。

1.资源层

资源层由异构的DL构成，是整个DL Grid系统的信息提供者，也就是OAI-PMH中的DP。它将DL的相关信息提供给采集调度服务，并且向元数据采集节点提供符合OAI-PMH标准的Dublin Core标准元数据，或者其他任何可以编码成XML文档格式的元数据。

2.网格服务层

网格服务层是DL Grid的核心，它利用网格技术实现资源层中元数据发现、采集、组织、存储等功能，并向服务层提供透明、统一的接口。

（1）采集调度服务节点。该服务的主要功能是：存储一个配置文件，其中存储所有被收集的DP的列表；检查元数据收集节点上的软件版本是否一致、可用，如果某个元数据收集节点的软件不可用，则通过采集调度服务节点向其传送可用的软件压缩包；将收集元数据的任务分配给元数据收集节点并配置参数，再根据参数对收集工作进行跟踪。

（2）元数据收集节点。这类节点从采集调度服务节点处接受任务，获得DP的地址，从DP处采集元数据。采集完成后，通知采集调度服务，领取新任务，并接受采集调度节点的命令将收集的元数据传送给元数据收集/传送节点。

（3）元数据收集/传送节点。该节点的功能是收集元数据收集节点的元数据，并把它们分配到不同的索引和收集节点。

3.服务层

服务层集成收集来的元数据，通过向用户提供统一的联邦搜索服务，为用户提供文献检索、个性化服务、参考咨询等增值服务。该层由以下节点构成：

（1）索引和搜索集群节点。该节点存储下层元数据采集/传送服务节点传来的元数据，并对其进行重新索引或增量索引；按照联邦搜索节点的要求，利用索引执行搜索任务，并返回结果。

（2）联邦搜索节点。该节点向用户提供统一的搜索界面，将用户的搜索请求分配给索引和搜索集群节点，并整合搜索结果提交给用户。

三、实现DL Grid的关键问题

1.元数据管理和信息服务

良好地表示、存储、访问和使用海量资源信息是DL Grid运行的基本前提。在DL Grid中，资源及其提供者是分布的。在DL Grid计算中，需要建立灵活的、可扩展的信息服务体系结构。这种体系结构应当保证资源信息提供者的广泛分布性和加入或离开服务的动态性，避免由于单个信息服务实体的失败导致其他资源信息服务不能正常提供服务。

2.任务管理

任务管理是DL Grid研究必须解决的另一个关键问题。网格计算的目标是分解一个应用为几个子任务。由于应用程序分解的任务之间往往包含优先约束关系，对这样的任务进行调度是必须重点考虑的问题之一。任务管理完成任务提交、查询、为任务指定所需资源、删除任务并监测任务的运行状态。任务调度的作用是根据当前系统的负载情况，对系统内的任务进行动态调度，实现负载平衡，提高系统的运行效率。

3.安全控制

DL Grid所要实现的安全服务主要包含两项基本内容:对资源使用的安全认证和对资源操作的权限控制。安全认证要实现提供给资源使用者及其所要求的资源之间一套能够识别并确认对方身份的机制；权限控制则要求做到能够将资源使用者对该资源的权限明确地映射成该资源在其拥有者本地的操作权限。对于DL Grid中的安全服务，它应该实现下面的功能:

（1）一次性的身份认证。资源的使用者应能在第一次身份认证被确认后就获得对资源相应的操作权限，在释放该资源的控制权之前，使用者对于该资源的各种操作（请求、使用、释放、内部通讯）都不需要再次通过身份认证。

（2）对用户信用信息的保护。这里的用户信用信息主要包括用户的密码等信息，对这类信息的保护需要注意到存储时的保护以及在网络传输时的加密保护措施。

4.用户界面

用户界面设计影响用户使用DL Grid的效率。如何保证用户使用网格资源和构建问题解决（如统一检索、网上咨询）的效率和易用性，使用户界面达到与平台无关、与地理位置无关、安全、易用等目标，是设计DL Grid用户界面应考虑的问题。

实现全球DL的信息资源共享和检索，必须解决不同DL之间的互操作问题。OAI-PMH技术的出现很好解决了这个问题，但是假设使用OAI-PMH技术的DL数量的增加，传统的基于Web的中央控制系统不能满足需要。网格技术在处理分布式系统、异构性资源、动态性服务需求等方面具有强大的功能，作为一种探索性的课题，本文利用先进的网格技术，在原有的OAI-PMH框架基础上，提出了DL Grid的体系框架，为实现大规模DL间的互操作提出了新思路。

基于互相关的图像匹配亚像素定位 篇4

图像特征的精确定位在许多领域有着极为重要的应用[1]。一些经典的检测算子,如LOG算子、Sobel算子、Canny[2]算子等,可对图像特征完成像素级精度的边缘定位,且形式简单,易于实现,速度快。但定位精度差,而在许多场合中,当提高CCD分辨率与光学镜头分辨率受到局限。此时要提高视觉检测系统的精度,显然,通过改变软件算法比改变系统硬件简单而且有效。因而亚像素目标识别、定位方法将是提高图像特征定位精度的有效手段。

从20世纪70年代起就有不少专家提出了一些有效的亚像素边缘定位的方法,如插值法[3]、灰度矩法[4]和一些组合的算法[5]等,虽然定位精度高,但运行速度很慢,难以得到应用。目前,针对亚像素定位技术的研究大多集中于曲面拟合法[6]与梯度法[7,8]。而针对基于相关匹配的亚像素定位方法则研究较少。主要是因为相关匹配具有实现速度慢,运算量大的缺点。但随着专用集成电路与超大规模集成电路技术的发展,硬件处理速度不断提高,相关匹配定位算法速度慢的缺点已逐渐被克服[9],而其运算简单、精度高,具有强适应性及强抗干扰能力的优点则不断被体现。在此背景下,本文针对标准互相关函数对图像进行匹配时,所形成的峰值点附近的特征,吸取文献[10]提取亚像素边缘的思想,给出了一种新的亚像素定位方法。实验结果表明,该方法具有精度高,运算速度快的特点。

2 灰度互相关算法原理

相关的基本原理是基于互相关函数的相关特性,用互相关函数来描述评价多幅图像之间的相似程度。而由相关函数衍生的图像相似程度评测算子有很多:相关算子(CO,Correlation Operator)、标准化互相关算子(NCCO,Normalized Cross Correlation Operator)、统计相关算子(SCO,Statistical Correlation Operator)[11]、相位相关算子(PCO,Phase Correlation Operator)[11]、协方差相关算子(CCO,Covariance Correlation Operator)[12]等。NCCO虽然计算量较大,但仍被认为是其中最佳的相似性判据[11]。

如果将标准化互相关算法的准则定义如下:设基准图为Gr,其大小为Mr×Nr,实时图为Gs,其大小为Ms×Ns,且Ms

这里分别为Gr(u,v)与Gs的灰度均值。F(u,v)的取值范围是[-1,1]。F(u,v)的峰值点即是模板图像特征出现在目标图像中的准确位置。而由于数字图像记录的是离散灰度信息,利用式(1)的相关函数来进行相关搜索时窗口的平移只能以整像素为单位来进行,因此整像素相关搜索所能获得的位移u、v只能是像素的整数倍,还需要通过其它方法来提高亚像素位移定位精度。

3 亚像素定位的原理

由于相关峰分布所呈现出的特点(见图1),在求取亚像素时,一般将相似度函数在以最大值为中心的单峰区域内近似看作满足高斯分布(高斯曲面拟合法),或者将该区域曲面看作下抛物面(抛物面拟合法),然后利用数值拟合的方法可以得到该区域的解析曲面函数,从而获得亚像素级别的坐标位置。

在文献[10]中,为了获得亚像素的边缘,给出了一种亚像素边缘的获得方法。该方法在像素级边缘的法线方向上(法线方向的确定,是根据之前在图像上对每一点求取该点的Hessian矩阵获得的)利用抛物线拟合的方法来获得其亚像素边缘,其原理图2所示。

假设某点(x,y)的Hessian矩阵为

利用抛物线获得插值点设为(nx,ny),若设

其中则该点的亚像素坐标(x0,y0)为

通过利用抛物线插值的方法,该算法的亚像素提取能达到0.1级的像素精度。因为该方法简单易行,且提取精度高,所以本文将该思想引入到基于相关的亚像素匹配定位上。

4 基于相关的亚像素定位算法

在基于相关的亚像素定位中,一般常用的方法是将相关峰附近看为一个理想的半径为w,幅度为h,中心坐标为u=u0,v=v0的高斯曲面,这显然是不够严谨的,通常实际情况无法满足这一要求。另外一种方法是采用抛物面插值方法。显然这种方法较高斯曲面插值方法更合理,但仍然不够充分。下面对应用情况进行分析:

一般的抛物面插值法原理是:因为相关峰附近通常不具有圆对称性,因此采用抛物面插值的方法将极大值附近的曲面视为下抛物面。这种方法显然较高斯曲面插值方法描述更为合理,能够获得更好的结果。但是也存在两个问题:1)相关函数极大值附近不一定会是一个理想的下抛物面;2)所获得的结果精度仅能达到0.1亚像素级别。

在此给出了一种新的插值方法,由相关峰顶点作8个方向上(垂直、水平、左斜向和右斜向)的纵切(纵切数为4),显然切面可以用抛物线拟合的方法得到精确描述,从而将文献[10]抛物线插值的方法引入到基于相关的亚像素定位中来,用二维信息来描述三维信息,获得4对0.1像素级别的点对:(x1,y1),(x2,y2),(x3,y3),(x4,y4),设点(x,y)为到各点距离之和的最小值点。则此点为费马点。

上式中对应fmin处的(x,y)即为所求。而且还可以大大提高插值精度,使之达到0.01亚像素级别。

下面针对该方法进行具体说明,假如拟合抛物线是竖直方向的,则有沿竖直方向,利用抛物线插值方法来拟合,从而获取该处最大的相关系数,然后根据此值代入拟合抛物线方程y=ax2+bx+c可分别求得其对应的横坐标和纵坐标值。拟合抛物线方程的系数a、b、c可由匹配位置处相关峰峰值点附近相邻的3个坐标值来确定。设匹配位置处的相关系数为ρ0,其横坐标为x0,则满足下列等式ρ0=ax02+bx0+c,取(x0,ρ0)附近的其他2点(1x,ρ1)(x2,ρ2),则解如下方程组:

从而确定拟合抛物线方程的系数a、b、c。而真正的实际匹配位置应为相关系数最大处,即为抛物线方程对应的最高点Wmax,也就是抛物线的一阶导数等于0对应点的坐标,从而可确定沿抛物线方向插值所对应的横坐标。如上图2所示。

同理,可利用纵坐标来确定沿抛物线方向插值所对应的纵坐标值,即ρ0=dy02+ey0+f。最终可获得所求的坐标值(x1,y1)。

当对水平方向和两个对角线方向进行拟合的时候,参照上面所述,可获得其他对应三点的坐标值(x2,y2),(x3,y3),(x4,y4)。8个方向利用抛物线拟合的示意图如图3所示。

而四个点所形成的一般形式分为三种:凸四边形、凹四边形和三角形,如图4所示。

利用三角形两边之和大于第三边的初等数学知识,可以很容易证明,四点呈凸四边形时,显然其费马点(距离各顶点距离和最小的点)就是对角线的交点;呈凹四边形时,费马点就是凹进去的那一点;呈三角形时,其费马点就是三点处于一条直线上的中间点。因为点的位置相同,所以呈凹四边形和呈三角形的情形可以归为一类。

5 仿真实验结果

为验证所提出的亚像素定位算法的性能,准确评估该方法的插值精度。实验在Pentium(R)4 CPU 2.40G PC上进行算法的仿真验究,采用标准C语言编制算法程序,并用matlab对结果数据精度进行误差数据对比分析(与曲面拟合法相对比,见图5,其中“ο”代表抛物面拟合算法,“*”代表本文算法。),并对纵切数和精度的关系进行描述(见图7)。实验中,利用多组不同的未加任何污染的基准图和实时图,将坐标事先固定,在此基础上进行亚像素插值来评估插值的精度。表1给出了抛物面拟合算法和本文算法的精度对比测试结果。表2给出了本文算法在沿相关峰顶点作出不同的纵切数时,精度对比测试结果。

从表2中可以很清楚的看出抛物面拟合算法x向最小偏差绝对值为0.019,而本文算法(纵切数为4)x向最大偏差绝对值为0.003 14;抛物面拟合算法y向最小偏差绝对值为0.068,而本文算法(纵切数为4)y向最大偏差绝对值仅为0.001 68。本文算法x向最大偏差比抛物面拟合算法x向最小偏差还要小6倍,而y向更是达到了40倍。显然,本文算法比抛物面拟合算法精度提高了至少一个数量级。图6给出了两者的对比示意图。

表2中,所取一点时,是对应过相关峰顶点135度方向上抛物线的最高顶点;2点时,所取的点是水平和垂直方向上分别对应的抛物线最高顶点;3点时,所取的点是水平、垂直和135度方向上分别对应的抛物线最高顶点。随着点数取的越多,其精度也不断增高(参看下面对比示意图6,其中“ο”代表纵切数为1的情形,“*”代表纵切数为2的情形,“X”代表纵切数为3的情形;“+”代表纵切数为4的情形)。但是相应的,计算量也越来越大,同时计算复杂度也来越高,取一点时,此点即为所求;2点时,显然中点为所求,3点时,费马点就是所求,4点时如图4分析结果,5点以上时,计算极其复杂。

从图7中可以很清楚的看到,无论是x向还是y向数据,都是纵切数越多,曲线偏离过零水平直线的程度越小,即误差越小。下图给出了,随着纵切数的增多,误差减小趋势的曲线图(为清楚显示,仅给出了4条曲线)。

从上图中可以看出,虽然有一定的震荡,但是整体基本上仍然是随着纵切数的增多误差呈不断减小的趋势。而如果将x向偏差和y向偏差综合起来一同考虑的话,即考虑这个趋势将更加明显(篇幅所限,图表分析略)。

6 结论

本文给出了一种新颖的亚像素求取算法,利用抛物线拟合的原理来描述刻画某一方向被沿顶点纵切开的相关峰轮廓线,进而获得此方向上的拟合曲线最高顶点。在不同的方向依次纵切,就会得到不同的顶点,然后根据所获得的点,进一步求取到各点距离之和的最小值点,其对应位置即为所求。实验结果表明,本文算法具有很高的亚像素精度,且随着纵切数的提高,精度会越来越高,但是计算也会越来越复杂。尤其是当纵切数大于等于5时,如何降低其计算复杂度。这在以后的工作当中有待下一步深入研究并加以解决。

参考文献

[1]West G A W,Clarke T A.A survey and examination of subpixel measurement techniques[C]//Proceedings of the Meeting,Close-range Photogrammetry Meets Machine Vision.Bellingham:Society of Photo-optical Instrumentation Engineers,1990:456-463.

[2]Canny J.A computational approach to edge detection[J].IEEETransactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698.

[3]LU H,CARY P D.Deformation measurement by digital image correlation:implementation of a second-order displacement gradient[J].Experimental Mechanics,2000,40(4):393-400.

[4]Lyvers E P,Owen R M,Mark L A,et al.Subpixel measurements using a moment-based edge operator[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(12):1293-1308.

[5]叶声华,段发阶,张洪涛.一种快速亚像素边缘检测方法研究[J].计量学报,2002,23(4):263-265,270.YE Sheng-hua,DUAN Fa-jie,ZHANG Hong-tao.Study on a fast method for sub-pixel edge detection[J].Acta Metrologica Sinica,2002,23(4):263-265,270.

[6]Hung P C,Voloshin A S.In-plane Strain Measurement by Digital Image Correlation[J].J of the Braz Soc of Mech Sci&Eng,2003,25(3):215-221.

[7]Zhou P,Goodson K E.Subpixel displacement and deformation gradient measurement using digital image/speckle correlation[J].Opt Eng,2001,40(8):1613-1620.

[8]Zhang J,JIN G C.Application of an improved subpixel registration algorithm on digital speckle correlation measurement[J].Optics&Laser Technology,2003,35:533-542.

[9]Alzahrani F M,CHEN T A.A real-time edge detector:algorithm and VLSI architecture[J].Real-Time Imaging,1997,3:363-378.

[10]Carsten Steger.An Unbiased Detector of Curvilinear Structures[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1998,2(20):113-125.

[11]Brown L G.A survey of image registration techniques[J].ACM Computer Surveys,1992,24(4):325-376.