一種亞像素定位方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例提供了一種亞像素定位方法及裝置，應(yīng)用于光學(xué)成像系統(tǒng)標(biāo)定領(lǐng)域。該方法包括：獲取第一標(biāo)志區(qū)域的圖像；獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域的灰度值分布；根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度值分布以及所述第二標(biāo)志區(qū)域的灰度值分布建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型；根據(jù)所述相似程度模型的輸出值對所述相似程度模型進(jìn)行優(yōu)化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。本發(fā)明實(shí)施例基于第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的幾何形狀及灰度信息獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系，提高了亞像素定位精度。
【專利說明】
一種亞像素定位方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及光學(xué)成像系統(tǒng)標(biāo)定領(lǐng)域，具體而言，涉及一種亞像素定位方法及裝置。
【背景技術(shù)】
[0002] 光學(xué)成像系統(tǒng)標(biāo)定是進(jìn)行空間三維信息獲取的關(guān)鍵步驟，利用已知空間位置的標(biāo) 志點(diǎn)區(qū)域的物像對應(yīng)關(guān)系恢復(fù)光學(xué)成像系統(tǒng)的幾何構(gòu)像方程是實(shí)現(xiàn)高精度標(biāo)定的重要途 徑。在此過程中，標(biāo)志點(diǎn)區(qū)域的定位精度對標(biāo)定精度有直接影響，而通常像素級的定位精度 已經(jīng)無法滿足實(shí)際工作的需要，因此對標(biāo)志點(diǎn)區(qū)域的亞像素的定位方法提出了迫切需要。 [000 3]目前已有的亞像素定位算子主要有Forstner定位算子等。這類亞像素定位算子主 要基于梯度圖像的局部特性計算而得到，算法中不能體現(xiàn)出標(biāo)志點(diǎn)區(qū)域的幾何形狀等區(qū)域 信息，導(dǎo)致定位精度不理想。

【發(fā)明內(nèi)容】

[0004] 鑒于此，本發(fā)明的目的在于提出一種亞像素定位方法及裝置，以改善上述問題。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例采用的技術(shù)方案如下：
[0006] 本發(fā)明實(shí)施例提供了一種亞像素定位方法，所述方法包括:獲取第一標(biāo)志區(qū)域的 圖像;獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域的灰度值分布;根據(jù)預(yù)設(shè) 的所述第一標(biāo)志區(qū)域的灰度值分布以及所述第二標(biāo)志區(qū)域的灰度值分布建立所述第一標(biāo) 志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型;根據(jù)所述相似程度模型的輸出值對所述相似 程度模型進(jìn)行優(yōu)化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映 射關(guān)系。
[0007] 本發(fā)明實(shí)施例還提供了一種亞像素定位裝置，所述裝置包括：圖像獲取模塊，灰度 值分布獲取模塊，相似程度模型建立模塊及映射關(guān)系獲取模塊。圖像獲取模塊用于獲取第 一標(biāo)志區(qū)域的圖像?；叶戎捣植极@取模塊用于獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的 第二標(biāo)志區(qū)域的灰度值分布。相似程度模型建立模塊，用于根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域 的灰度值分布以及所述第二標(biāo)志區(qū)域的灰度值分布建立所述第一標(biāo)志區(qū)域與所述第二標(biāo) 志區(qū)域的相似程度模型。映射關(guān)系獲取模塊用于根據(jù)所述相似程度模型的輸出值對所述相 似程度模型進(jìn)行優(yōu)化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的 映射關(guān)系。
[0008] 本發(fā)明提供的亞像素定位方法及裝置，根據(jù)第一標(biāo)志區(qū)域的灰度值分布以及圖像 中的第二標(biāo)志區(qū)域的灰度值分布建立第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型， 進(jìn)而再通過優(yōu)化相似程度模型獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映 射關(guān)系。與現(xiàn)有的亞像素定位方法相比，本發(fā)明實(shí)施例提供的亞像素定位方法及裝置基于 第一標(biāo)志區(qū)域以及第二標(biāo)志區(qū)域的幾何形狀及灰度信息獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū) 域之間的亞像素精度的映射關(guān)系，提高了第一標(biāo)志區(qū)域的亞像素定位精度。
[0009] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合 所附附圖，作詳細(xì)說明如下。
【附圖說明】
[0010]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0011] 圖1示出了本發(fā)明較佳實(shí)施例提供的計算機(jī)的方框示意圖；
[0012] 圖2示出了本發(fā)明較佳實(shí)施例提供的一種亞像素定位方法的流程圖；
[0013]圖3示出了本發(fā)明較佳實(shí)施例提供的灰度值分布獲取方法的流程圖；
[0014] 圖4示出了本發(fā)明較佳實(shí)施例提供的第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間映射關(guān)系 獲取方法的流程圖；
[0015] 圖5示出了本發(fā)明較佳實(shí)施例提供的一種亞像素定位裝置的結(jié)構(gòu)框圖；
[0016] 圖6示出了本發(fā)明較佳實(shí)施例提供的一種亞像素定位裝置的灰度值分布獲取模塊 的結(jié)構(gòu)框圖；
[0017] 圖7示出了本發(fā)明較佳實(shí)施例提供的一種亞像素定位裝置的映射關(guān)系獲取模塊的 結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0018] 下面將結(jié)合本發(fā)明實(shí)施例中附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整 地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在 此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計。因 此，以下對在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的 范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做 出創(chuàng)造性勞動的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0019]應(yīng)注意到:相似的標(biāo)號和字母在下面的附圖中表示類似項，因此，一旦某一項在一 個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋。同時，在本發(fā)明的 描述中，術(shù)語"第一"、"第二"等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。
[0020] 如圖1所示，是本發(fā)明較佳實(shí)施例提供的計算機(jī)100的方框示意圖。所述計算機(jī)100 包括用于光學(xué)成像系統(tǒng)標(biāo)定中圖像的亞像素定位裝置200、存儲器101、存儲控制器102、處 理器103、外設(shè)接口 104、輸入輸出裝置105。
[0021] 所述存儲器101、存儲控制器102、處理器103、外設(shè)接口 104、輸入輸出單元各元件 相互之間直接或間接地電性連接，以實(shí)現(xiàn)數(shù)據(jù)的傳輸或交互。例如，這些元件相互之間可通 過一條或多條通訊總線或信號線實(shí)現(xiàn)電性連接。所述亞像素定位裝置200包括至少一個可 以軟件或固件(firmware)的形式存儲于所述存儲器101中的軟件功能模塊。所述處理器103 用于執(zhí)行存儲器101中存儲的可執(zhí)行模塊，例如所述亞像素定位裝置200包括的軟件功能模 塊或計算機(jī)100程序。
[0022] 其中，存儲器101可以是，但不限于，隨機(jī)存取存儲器（Random Access Memory， RAM)，只讀存儲器(Read Only Memory，R0M)，可編程只讀存儲器(Programmable Read-Only Memory，PROM)，可擦除只讀存儲器（Erasable Programmable Read-Only Memory，EPROM)， 電可擦除只讀存儲器（Electric Erasable Programmable Read-Only Memory，EEPROM)等。 其中，存儲器101用于存儲程序，所述處理器103在接收到執(zhí)行指令后，執(zhí)行所述程序，本發(fā) 明實(shí)施例任一實(shí)施例揭示的流過程定義的計算機(jī)100所執(zhí)行的方法可以應(yīng)用于處理器103 中，或者由處理器103實(shí)現(xiàn)。
[0023] 處理器103可能是一種集成電路芯片，具有信號的處理能力。上述的處理器103可 以是通用處理器，包括中央處理器（Central Processing Unit，簡稱CPU)、網(wǎng)絡(luò)處理器 (Network Processor，簡稱NP)等；還可以是數(shù)字信號處理器(DSP)、專用集成電路(ASIC)、 現(xiàn)成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬 件組件?？梢詫?shí)現(xiàn)或者執(zhí)行本發(fā)明實(shí)施例中的公開的各方法、步驟及邏輯框圖。通用處理器 可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。
[0024] 所述外設(shè)接口 104將各種輸入/輸出裝置耦合至處理器103以及存儲器101。在一些 實(shí)施例中，外設(shè)接口 104,處理器103以及存儲控制器102可以在單個芯片中實(shí)現(xiàn)。在其他一 些實(shí)例中，他們可以分別由獨(dú)立的芯片實(shí)現(xiàn)。
[0025]輸入輸出裝置105用于提供給用戶輸入數(shù)據(jù)實(shí)現(xiàn)用戶與計算機(jī)100的交互。所述輸 入輸出裝置可以是，但不限于，鼠標(biāo)和鍵盤等。
[0026]本發(fā)明實(shí)施例提供的亞像素定位方法，主要應(yīng)用于光學(xué)成像系統(tǒng)標(biāo)定。光學(xué)成像 系統(tǒng)標(biāo)定是進(jìn)行空間三維信息獲取的關(guān)鍵步驟，利用已知空間位置的標(biāo)志點(diǎn)區(qū)域的物像對 應(yīng)關(guān)系恢復(fù)光學(xué)成像系統(tǒng)的幾何構(gòu)像方程是實(shí)現(xiàn)高精度標(biāo)定的重要途徑。在此過程中，標(biāo) 志點(diǎn)區(qū)域的定位精度對光學(xué)成像系統(tǒng)的標(biāo)定精度有直接影響，標(biāo)志點(diǎn)區(qū)域的定位精度越 尚，光學(xué)成像系統(tǒng)的標(biāo)定精度也就越尚。
[0027]本發(fā)明實(shí)施例基于已知空間位置的第一標(biāo)志區(qū)域的幾何形狀及灰度信息，提供了 一種亞像素定位方法。下面將結(jié)合具體的實(shí)施例對該方案進(jìn)行詳細(xì)說明。
[0028]圖2示出了本發(fā)明實(shí)施例提供的亞像素定位方法的流程圖。請參照圖2,該方法包 括：
[0029]步驟S210:獲取第一標(biāo)志區(qū)域的圖像；
[0030] 其中，第一標(biāo)志區(qū)域可以為印制在一個二維平面上的人工標(biāo)志。例如，第一標(biāo)志區(qū) 域可以為一個圓形標(biāo)志，也可以為方形標(biāo)志。設(shè)置空間中印制有第一標(biāo)志區(qū)域的二維平面 與光學(xué)成像系統(tǒng)的相對位置，獲取光學(xué)成像系統(tǒng)所采集的第一標(biāo)志區(qū)域的圖像。本實(shí)施例 中，光學(xué)成像系統(tǒng)可以為攝影機(jī)、照相機(jī)等。
[0031] 由于第一標(biāo)志區(qū)域的成像大小將影響數(shù)字圖像處理和第一標(biāo)志區(qū)域的定位精度， 第一標(biāo)志區(qū)域的具體尺寸根據(jù)光學(xué)成像系統(tǒng)的焦距以及空間中第一標(biāo)志區(qū)域與光學(xué)成像 系統(tǒng)之間的距離設(shè)置。
[0032]步驟S220:獲取圖像中與第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域的灰度值分布；
[0033]獲取光學(xué)成像系統(tǒng)所采集的第一標(biāo)志區(qū)域的圖像后，查找圖像中與第一標(biāo)志區(qū)域 對應(yīng)的第二標(biāo)志區(qū)域，并獲取第二標(biāo)志區(qū)域的灰度值分布。
[0034] 具體的，步驟S220包括如圖3所示的步驟S221、步驟S222及步驟S223。
[0035]步驟S221:建立第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的變換模型。
[0036]其中，所述變換模型可以采用平移變換模型、仿射變換模型、平移-旋轉(zhuǎn)-尺度變換 模型、透視變換模型等。根據(jù)上述變換模型均可以得到歐式空間中的第一標(biāo)志區(qū)域向圖像 空間投影時的映射關(guān)系。
[0037] 步驟S222:根據(jù)預(yù)設(shè)的第一標(biāo)志區(qū)域的坐標(biāo)分布以及變換模型獲取第二標(biāo)志區(qū)域 的坐標(biāo)分布。
[0038] 步驟S223:根據(jù)第二標(biāo)志區(qū)域的坐標(biāo)分布獲取第二標(biāo)志區(qū)域的灰度值分布。
[0039 ]例如，設(shè)(Xi，yi)是第一標(biāo)志區(qū)域內(nèi)的N個離散的坐標(biāo)點(diǎn)，其中，i = l，2，···，N。在投 影成像的過程中，由于投影變換使得在圖像I中對應(yīng)的N個像點(diǎn)的坐標(biāo)變?yōu)?x/，y/ )，i = l， 2，···，Ν〇
[0040] (Xi，yi)與（χ/，y/ )之間的對應(yīng)關(guān)系可記為映射了=(1^，1^，妒41?2，其中，1?為實(shí) 數(shù)，xi，yi，x/，y/均屬于實(shí)數(shù)。因此，（xi，yi)與（x/，y/ )之間的對應(yīng)關(guān)系可以表示為：
[0041]
⑴
[0042] 式(1)為描述歐式空間中的第一標(biāo)志區(qū)域向圖像空間投影過程中的變換模型。 [0043]由于變換模型的建立直接影響了第一標(biāo)志區(qū)域亞像素定位的精度。因此，為了提 高亞像素定位的精度以及計算速度，本發(fā)明實(shí)施例中，優(yōu)選采用仿射變換模型。此時，式（1) 可以表示為：
[0044]
(2)
[0045] 根據(jù)式(2)所示的變換模型即可以獲得第二標(biāo)志區(qū)域的灰度函數(shù)。
[0046] 需要說明的是，參數(shù)ai，bi，ci，a2，b2，C2的初值可以預(yù)先存儲在存儲器中，也可以通 過輸入輸出裝置輸入。此時，獲取參數(shù)&1，131，(31，&2，匕2，〇2的初值后即可將式(2)所不的變換 模型初始化，通過圖像處理算法即可以獲得圖像I中對應(yīng)的N個像點(diǎn)坐標(biāo)(x/，y/ )處的灰度 值。
[0047] 當(dāng)然，變換模型采用除仿射變換模型之外的其他變換模型時，也可以獲取第二標(biāo) 志區(qū)域的坐標(biāo)分布，進(jìn)而相應(yīng)地獲取第二標(biāo)志區(qū)域的灰度值分布，其原理與上述仿射變換 模型類似，此處就不再贅述。
[0048] 步驟S230:根據(jù)預(yù)設(shè)的第一標(biāo)志區(qū)域的灰度值分布以及第二標(biāo)志區(qū)域的灰度值分 布建立第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的相似程度模型；
[0049] 其中，第一標(biāo)志區(qū)域的灰度值分布可以預(yù)先存儲在存儲器中。根據(jù)圖像匹配的原 理，當(dāng)?shù)谝粯?biāo)志區(qū)域的灰度分布與第二標(biāo)志區(qū)域的灰度分布在一定度量下最為相近時，貝 1J 達(dá)到最佳的匹配效果，從而實(shí)現(xiàn)第一標(biāo)志區(qū)域的定位。因此，本發(fā)明實(shí)施例基于圖像匹配的 原理，根據(jù)預(yù)設(shè)的第一標(biāo)志區(qū)域的灰度值分布、第二標(biāo)志區(qū)域的灰度值分布以及所述變換 模型，建立第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的相似程度模型。
[0050] 本實(shí)施例中，相似程度模型具體可以通過相關(guān)測度建立，也可以通過差值測度建 立。其中，差值測度又包括均方誤差測度。優(yōu)選的，本發(fā)明實(shí)施例采用均方誤差測度，均方誤 差測度相比于其它測度，更加直觀、簡便，能夠較好對兩個區(qū)域的相近程度做出總體評價。
[0051] 具體的，采用均方誤差測度描述第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的相近程度的表達(dá) 式即相似程度模型如下：
[0052]
(3)
[0053] 式(3)中，ε為第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的匹配度量;I(Xl，yi)為第一標(biāo)志區(qū)域 內(nèi)的第i個離散的坐標(biāo)點(diǎn)的灰度值;G(x/，y/ )為第二標(biāo)志區(qū)域內(nèi)的與（Xi，yi)相對應(yīng)的 (x/，y/ )處的灰度值;N為所選取的第一標(biāo)志區(qū)域內(nèi)的離散坐標(biāo)點(diǎn)的個數(shù)，N為正整數(shù)。 [0054]步驟S240:根據(jù)相似程度模型的輸出值對相似程度模型進(jìn)行優(yōu)化以獲得第一標(biāo)志 區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。
[0055] 其中，亞像素精度是比圖像像素分辨率更高的精度，是對相鄰兩像素之間進(jìn)行細(xì) 分。像素點(diǎn)為整數(shù)級，亞像素點(diǎn)為小數(shù)級。通俗地說，若將一個像素點(diǎn)平均分成多份，則其中 每一份為一個亞像素點(diǎn)。在本實(shí)施例中，亞像素精度的具體精度級根據(jù)用戶需要設(shè)定，即將 一個像素點(diǎn)平均分成的份數(shù)并不作限制。
[0056] 相似程度模型的輸出值即為第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域的匹配度量。按照預(yù)設(shè) 規(guī)則調(diào)節(jié)相似程度模型的參數(shù)，對相似程度模型進(jìn)行多次迭代，使得相似程度模型的輸出 值達(dá)到最佳逼近條件，即可以獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映射 關(guān)系。其中，所述預(yù)設(shè)規(guī)則及最佳逼近條件均可以根據(jù)用戶需要設(shè)置。
[0057] 具體的，如圖4所示，根據(jù)所述相似程度模型的輸出值對所述相似程度模型進(jìn)行優(yōu) 化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系的步驟包 括：
[0058]步驟S241:建立改正量求解方程并根據(jù)改正量求解方程求解相似程度模型的參數(shù) 的改正量；
[0059] 本發(fā)明實(shí)施例中，采用最優(yōu)化算法并根據(jù)所述相似程度模型的輸出值對所建立的 相似程度模型進(jìn)行優(yōu)化。具體的，根據(jù)上述式（1)和式(3)，即可以建立優(yōu)化模型如下：
[0060]
(4)
[0061 ]式(4)中，f為圖像中第二標(biāo)志區(qū)域的灰度的向量表示;g為第一標(biāo)志區(qū)域的灰度的 向量表示，故/€<且;M · ||2表示上的2范數(shù)；ε也可以稱為第一標(biāo)志區(qū)域與第 二標(biāo)志區(qū)域匹配的能量值。
[0062]由（4)式定義的優(yōu)化模型，是以相似程度模型的參數(shù)為求解目標(biāo)的最佳平方逼近。 需要說明的是，相似程度模型的參數(shù)也就是變換模型的參數(shù)。
[0063]本發(fā)明實(shí)施例中，優(yōu)選采用L-M算法對上述最優(yōu)化模型進(jìn)行求解。L-M算法的基本 思想是:通過自動調(diào)整迭代的阻尼因子，使之在當(dāng)前解遠(yuǎn)離正確解時與梯度下降法相似，收 斂緩慢但可以保證較高的穩(wěn)定性;在當(dāng)前解逐步靠近正確解時又演化為高斯牛頓法，快速 收斂到局部極值，從而融合了兩種算法各自的優(yōu)點(diǎn)。
[0064] L-M算法作為無約束非線性最優(yōu)化問題的局部最優(yōu)化數(shù)值迭代解法，通常需要保 證以下兩個適用條件：（1)目標(biāo)函數(shù)在最優(yōu)解附近的一定區(qū)域內(nèi)連續(xù)可微；（2)需要一個較 好的迭代初值。其中，迭代初值包括阻尼因子的初值以及變換模型的參數(shù)的初值，例如，式 ⑵所示的變換模型的參數(shù)ai，bi，Ci，a2，b2，C2。
[0065] 由于數(shù)字圖像是離散化采樣的結(jié)果，為了保證圖像中第二標(biāo)志區(qū)域的灰度函數(shù)的 連續(xù)性，需對圖像進(jìn)行插值處理。從插值效果和計算效率兩方面考慮，本發(fā)明實(shí)施例優(yōu)選采 用雙線性插值。此外，在獲取第一標(biāo)志區(qū)域的圖像的過程中，光照或曝光等因素可能使得圖 像產(chǎn)生局部模糊、噪聲等。而圖像成像時的噪聲及灰度劇烈變化的區(qū)域邊緣通常是非連續(xù) 的階躍函數(shù)。因此，為能更好的保證條件（1)，優(yōu)選的，本發(fā)明實(shí)施例在進(jìn)行步驟S241之前還 需要對圖像中的第二標(biāo)志區(qū)域進(jìn)行高斯平滑處理。
[0066]阻尼因子的初值一般設(shè)置為一個較小的值。本發(fā)明實(shí)施例中，用μω表示第j次迭 代時阻尼因子的值，」= 〇，1，2···πι。其中，m為預(yù)設(shè)的最大迭代次數(shù)。例如，可以將阻尼因子的 初值設(shè)置為〇. 001，即μ(()) = 〇. 001。此外，相似程度模型的參數(shù)的初值，即變換模型的參數(shù)的 初值可以根據(jù)用戶的需要通過輸入輸出裝置105輸入。例如，可以通過鼠標(biāo)選擇的方式輸 入。
[0067]根據(jù)式(4)所示的優(yōu)化模型，圖像中第二標(biāo)志區(qū)域的灰度向量f是關(guān)于變換模型的 參數(shù)向量函數(shù)，可以記為f(t)。例如，當(dāng)變換模型為仿射變換模型時， C2)T，則參數(shù)向量的改正量Δ t= ( Δ ai，Δ bi，Δ C1，Δ a2, Δ b2, Δ C2)T。利用多元函數(shù)的泰勒 展開，獲得f (t+ Δ t)的一階近似如下：
[0075] 在L-M算法迭代過程中需要產(chǎn)生一系列的向量t(1)，t(2)…t (m)，且這些向量在一定 條件下依(4)式收斂于局部極小點(diǎn)t+。因此根據(jù)目標(biāo)函數(shù)式(5)和泰勒展開式，在每一次迭 代中，都要尋找參數(shù)變化量A t使得式(6)的取值最小。
[0076]
(6)
[0077] 式(6)中，J是由第一標(biāo)志區(qū)域各點(diǎn)的偏導(dǎo)數(shù)向量')組成的矩陣， 如式(7)所示。

[0079] 通過式（6)對改正量At進(jìn)行求解，當(dāng)JA t-ε正交于J的列空間時式（6)取得最小 值，即At滿足正規(guī)方程：
[0080] JtJA t = JTe (8)
[0081]式(8)即為高斯牛頓法在一次迭代中求得改正量的方程式，L-M算法為了抑制矩陣 JtJ的奇異性、控制算法的收斂速度并處理最優(yōu)化模型高度非線性化的情況，使用如下正規(guī) 方程求解改正量Δ t:
[0082] NAt = JTe (9)
[0083] 式(9)中，矩陣N=yE+JTJ，E表示單位陣。μ為阻尼因子，隨迭代過程不斷變化。需要 說明的是，式(9)即為步驟S241中的改正量求解方程。根據(jù)式(9)可以求得相似程度模型的 參數(shù)的改正量，即變換模型的參數(shù)的改正量Δ t。
[0084] 步驟S242:根據(jù)改正量及相似程度模型得到匹配度量；
[0085]將當(dāng)前的相似程度模型參數(shù)t(j)加上根據(jù)步驟S241中求得的相似程度模型的參數(shù) 改正量Λ tU+1)后，代入上述相似程度模型即可以得到第一標(biāo)志區(qū)域和第二標(biāo)志區(qū)域的匹配 度量ε ?+1)。也就是說，為第j次即前一次迭代完成后相似程度模型的參數(shù)，AtU+1)為第j + 1次即當(dāng)前次迭代獲得的相似程度模型參數(shù)的改正量，ε?+1)為第j+1次迭代獲得的第一標(biāo) 志區(qū)域和第二標(biāo)志區(qū)域的匹配度量。
[0086]步驟S243:判斷當(dāng)前匹配度量是否小于前一次迭代得到的匹配度量；
[0087] 其中，當(dāng)前匹配度量即為當(dāng)次迭代獲得的匹配度量。當(dāng)當(dāng)前匹配度量小于前一次 迭代得到的匹配度量時，進(jìn)入步驟S244。當(dāng)當(dāng)前匹配度量大于或等于前一次迭代得到的匹 配度量時，說明當(dāng)次迭代為無效迭代，進(jìn)入步驟S245，重新進(jìn)行當(dāng)次迭代。
[0088] 步驟S244:根據(jù)第一預(yù)設(shè)步長減小阻尼因子并更新相似程度模型的當(dāng)前參數(shù)；
[0089] 其中，第一預(yù)設(shè)步長可以根據(jù)用戶的需要設(shè)置。例如，減小后的阻尼因子可以為當(dāng) 前阻尼因子的0.05倍至0.5倍。本實(shí)施例中，第一預(yù)設(shè)步長為0.1倍，即減小后的阻尼因子為 當(dāng)前阻尼因子的0.1倍。此時，該次迭代為有效迭代，根據(jù)步驟S241中求得的相似程度模型 的參數(shù)改正量At a+1)，對相似程度模型的參數(shù)向量t進(jìn)行更新，即ta+1) = ta)+Ata+1)。其 中，tU+1)為第j+Ι次迭代輸出的相似程度模型參數(shù)。
[0090] 執(zhí)行完步驟S244后，進(jìn)入步驟S246。
[0091]步驟S245:根據(jù)第二預(yù)設(shè)步長增大阻尼因子；
[0092]其中，第二預(yù)設(shè)步長也可以根據(jù)用戶的需要設(shè)置。例如，增大后的阻尼因子可以為 當(dāng)前阻尼因子的2倍至20倍。本實(shí)施例中，第二預(yù)設(shè)步長為10倍，即增大后的阻尼因子為當(dāng) 前阻尼因子的10倍。
[0093]完成步驟S245后，返回步驟S241，重新求解相似程度模型的參數(shù)改正量，并重復(fù)上 述步驟S241至步驟S243，直到獲取的相似程度模型的參數(shù)改正量△ t能夠使得使當(dāng)前匹配 度量小于前一次迭代得到的匹配度量。因此，阻尼因子在每次迭代中都可以自適應(yīng)的保證 匹配度量ε減小。
[0094]需要說明的是，在L-M算法的迭代過程中，如果阻尼因子是一個比較大的數(shù)，式(9) 中的矩陣N近似一個對角線矩陣，此時L-M的參數(shù)改正量Δ t向量即更新步長接近于最陡下 降的方向；如果該阻尼因子是一個比較小的數(shù)，L-M算法的更新步長近似于精確的二次步 長，而適合于線性模型。
[0095]步驟S246:判斷是否滿足預(yù)設(shè)的結(jié)束條件；
[0096]其中，所述結(jié)束條件可以為:所述當(dāng)前匹配度量小于或等于預(yù)設(shè)的匹配度量閾值。 需要說明的是，預(yù)設(shè)的匹配度量閾值是多次試驗得到的經(jīng)驗值，是滿足第一目標(biāo)點(diǎn)區(qū)域的 定位達(dá)到亞像素定位精度的匹配度量的門限值。當(dāng)當(dāng)前匹配度量小于或等于預(yù)設(shè)的匹配度 量閾值￡_時，第二目標(biāo)點(diǎn)區(qū)域與第一目標(biāo)點(diǎn)區(qū)域已經(jīng)達(dá)到了較佳的匹配效果，即第一目標(biāo) 點(diǎn)區(qū)域的定位已經(jīng)達(dá)到了的亞像素定位精度。
[0097]所述結(jié)束條件還可以為:所述改正量的各個分量的絕對值小于或等于預(yù)設(shè)的改正 量閾值。需要說明的是，預(yù)設(shè)的改正量閾值也是多次試驗得到的經(jīng)驗值，是滿足第一目標(biāo)點(diǎn) 區(qū)域的定位達(dá)到亞像素定位精度的相似程度模型的參數(shù)改正量即變換模型的參數(shù)改正量 的門限值。當(dāng)當(dāng)前迭代過程中相似程度模型的參數(shù)改正量A tU+1)的各個分量，例如，Aai， Abi，Δ ci，Aa2, Ab2, Δ C2,的絕對值均小于或等于預(yù)設(shè)的一個改正量閾值amin時，第一目標(biāo) 點(diǎn)區(qū)域的定位已經(jīng)達(dá)到了的亞像素定位精度。
[0098]當(dāng)然，所述結(jié)束條件還可以為：當(dāng)前迭代次數(shù)大于預(yù)先設(shè)定的最大迭代次數(shù)。其 中，最大迭代次數(shù)可以根據(jù)用戶的需要設(shè)置。
[0099]當(dāng)完成步驟S244后，滿足上述結(jié)束條件中的任意一個時，均停止迭代，結(jié)束定位， 輸出相似程度模型的當(dāng)前參數(shù)，也就是變換模型的當(dāng)前參數(shù)，進(jìn)入步驟S247。當(dāng)上述所述結(jié) 束條件均不滿足時，返回步驟S241進(jìn)行下一次迭代，重復(fù)執(zhí)行步驟S241至步驟S246,直至滿 足上述結(jié)束條件停止迭代。
[0100]步驟S247:獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。 [0101]根據(jù)上述迭代過程輸出的相似程度模型的當(dāng)前參數(shù)，也就是變換模型的當(dāng)前參數(shù) 對上述變換模型進(jìn)行更新，得到第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān) 系。根據(jù)所得到的亞像素精度的映射關(guān)系，就可以得到第一標(biāo)志區(qū)域中的任一標(biāo)志點(diǎn)在光 學(xué)成像系統(tǒng)中的像平面上的相應(yīng)位置，從而實(shí)現(xiàn)第一標(biāo)志區(qū)域的亞像素定位。
[0102] 綜上所述，本發(fā)明提供的亞像素定位方法，根據(jù)第一標(biāo)志區(qū)域的灰度值分布以及 圖像中的第二標(biāo)志區(qū)域的灰度值分布建立第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度 模型，進(jìn)而再通過優(yōu)化相似程度模型獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域之間的亞像素精度 的映射關(guān)系。與現(xiàn)有的亞像素定位方法相比，本發(fā)明實(shí)施例提供的亞像素定位方法基于第 一標(biāo)志區(qū)域以及第二標(biāo)志區(qū)域的幾何形狀及灰度信息獲得第一標(biāo)志區(qū)域與第二標(biāo)志區(qū)域 之間的亞像素精度的映射關(guān)系，提高了第一標(biāo)志區(qū)域的亞像素定位精度。
[0103] 另外，本發(fā)明實(shí)施例還提供了一種亞像素定位裝置200,如圖5所示。所述亞像素定 位裝置200包括:圖像獲取模塊210、灰度值分布獲取模塊220、相似程度模型建立模塊230和 映射關(guān)系獲取模塊240。
[0104] 其中，圖像獲取模塊210用于獲取第一標(biāo)志區(qū)域的圖像。灰度值分布獲取模塊220 用于獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域的灰度值分布。相似程度模 型建立模塊230用于根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度值分布以及所述第二標(biāo)志區(qū)域的 灰度值分布建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型。映射關(guān)系獲取模 塊240用于根據(jù)所述相似程度模型的輸出值對所述相似程度模型進(jìn)行優(yōu)化以獲得所述第一 標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。
[0105] 進(jìn)一步地，如圖6所示，在本實(shí)施例中，灰度值分布獲取模塊220包括:變換模型建 立子模塊221、第一獲取子模塊222及第二獲取子模塊223。
[0106] 其中，變換模型建立子模塊221用于建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域 之間的變換模型。第一獲取子模塊222用于根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的坐標(biāo)分布以及 變換模型獲取所述第二標(biāo)志區(qū)域的坐標(biāo)分布。第二獲取子模塊223用于根據(jù)所述第二標(biāo)志 區(qū)域的坐標(biāo)分布獲取所述第二標(biāo)志區(qū)域的灰度值分布。
[0107] 進(jìn)一步地，如圖7所示，在本實(shí)施例中，所述映射關(guān)系獲取模塊240包括:改正量獲 取子模塊241、匹配度量獲取子模塊242和判斷及結(jié)果輸出子模塊243。
[0108] 其中，改正量獲取子模塊241用于建立改正量求解方程并根據(jù)所述改正量求解方 程求解所述相似程度模型的參數(shù)的改正量。
[0109] 匹配度量獲取子模塊242用于根據(jù)所述改正量及所述相似程度模型得到所述匹配 度量。
[0110]判斷及結(jié)果輸出子模塊243用于判斷當(dāng)前匹配度量是否小于前一次迭代得到的匹 配度量。當(dāng)當(dāng)前匹配度量小于前一次得到的匹配度量時，根據(jù)第一預(yù)設(shè)步長減小阻尼因子 并更新所述相似程度模型的當(dāng)前參數(shù)，判斷是否滿足預(yù)設(shè)的結(jié)束條件，當(dāng)滿足所述結(jié)束條 件時，獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。當(dāng)當(dāng)前 匹配度量大于或等于前一次得到的匹配度量時，根據(jù)第二預(yù)設(shè)步長增大阻尼因子以重新求 解所述相似程度模型的參數(shù)的改正量。
[0111] 在本申請所提供的實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，也可以通過其它 的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示 了根據(jù)本發(fā)明的多個實(shí)施例的裝置、方法和計算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能 和操作。在這點(diǎn)上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部 分，所述模塊、程序段或代碼的一部分包含一個或多個用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行 指令。也應(yīng)當(dāng)注意，在有些作為替換的實(shí)現(xiàn)方式中，方框中所標(biāo)注的功能也可以以不同于附 圖中所標(biāo)注的順序發(fā)生。例如，兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可 以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個 方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于 硬件的系統(tǒng)來實(shí)現(xiàn)，或者可以用專用硬件與計算機(jī)指令的組合來實(shí)現(xiàn)。
[0112] 另外，在本發(fā)明各個實(shí)施例中的各功能模塊可以集成在一起形成一個獨(dú)立的部 分，也可以是各個模塊單獨(dú)存在，也可以兩個或兩個以上模塊集成形成一個獨(dú)立的部分。 [0113]所述功能如果以軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時，可以 存儲在一個計算機(jī)可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說 對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計 算機(jī)軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個 人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實(shí)施例所述方法的全部或部分步驟。 而前述的存儲介質(zhì)包括:U盤、移動硬盤、只讀存儲器(R0M，Read-0nly Memory)、隨機(jī)存取存 儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。需要 說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實(shí)體或者操作與 另一個實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí) 際的關(guān)系或者順序。而且，術(shù)語"包括"、"包含"或者其任何其他變體意在涵蓋非排他性的包 含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括 沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。 在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除在包括所述要素 的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
[0114]以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項】
1. 一種亞像素定位方法，其特征在于，所述方法包括： 獲取第一標(biāo)志區(qū)域的圖像； 獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域的灰度值分布； 根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度值分布以及所述第二標(biāo)志區(qū)域的灰度值分布建 立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型； 根據(jù)所述相似程度模型的輸出值對所述相似程度模型進(jìn)行優(yōu)化以獲得所述第一標(biāo)志 區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述圖像中與所述第一標(biāo)志區(qū)域 對應(yīng)的第二標(biāo)志區(qū)域的灰度值分布的步驟，包括： 建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的變換模型； 根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的坐標(biāo)分布以及所述變換模型獲取所述第二標(biāo)志區(qū)域 的坐標(biāo)分布； 根據(jù)所述第二標(biāo)志區(qū)域的坐標(biāo)分布獲取所述第二標(biāo)志區(qū)域的灰度值分布。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述變換模型為仿射變換模型。4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度 值分布以及所述第二標(biāo)志區(qū)域的灰度值分布建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域 的相似程度模型的步驟，包括： 根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度值分布、所述第二標(biāo)志區(qū)域的灰度值分布以及所 述變換模型，利用均方誤差測度建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的所述相似程 度模型。5. 根據(jù)權(quán)利要求2-4中任一項所述的方法，其特征在于，所述根據(jù)所述相似程度模型的 輸出值對所述相似程度模型進(jìn)行優(yōu)化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間 的亞像素精度的映射關(guān)系的步驟，包括： 建立改正量求解方程并根據(jù)所述改正量求解方程求解所述相似程度模型的參數(shù)的改 正量； 根據(jù)所述改正量及所述相似程度模型得到匹配度量； 判斷當(dāng)前匹配度量是否小于前一次迭代得到的所述匹配度量； 當(dāng)所述當(dāng)前匹配度量小于前一次迭代得到的所述匹配度量時，根據(jù)第一預(yù)設(shè)步長減小 阻尼因子并更新所述相似程度模型的當(dāng)前參數(shù)，判斷是否滿足預(yù)設(shè)的結(jié)束條件，當(dāng)滿足所 述結(jié)束條件時，獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān) 系； 當(dāng)所述當(dāng)前匹配度量大于或等于前一次迭代得到的所述匹配度量時，根據(jù)第二預(yù)設(shè)步 長增大所述阻尼因子以重新求解所述相似程度模型的參數(shù)的改正量。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述結(jié)束條件包括:第一結(jié)束條件、第二結(jié) 束條件及第三結(jié)束條件中的至少一種，其中，所述第一結(jié)束條件為迭代次數(shù)大于預(yù)先設(shè)定 的最大迭代次數(shù)，所述第二結(jié)束條件為所述當(dāng)前匹配度量小于或等于預(yù)設(shè)的匹配度量閾 值，所述第三結(jié)束條件為所述改正量的各個分量的絕對值小于或等于預(yù)設(shè)的改正量閾值。7. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述建立改正量求解方程并根據(jù)所述改正 量求解方程求解所述相似程度模型的參數(shù)的改正量的步驟之前，還包括： 對所述圖像中的所述第二標(biāo)志區(qū)域進(jìn)行高斯平滑處理和插值處理。8. -種亞像素定位裝置，其特征在于，包括： 圖像獲取模塊，用于獲取第一標(biāo)志區(qū)域的圖像； 灰度值分布獲取模塊，用于獲取所述圖像中與所述第一標(biāo)志區(qū)域?qū)?yīng)的第二標(biāo)志區(qū)域 的灰度值分布； 相似程度模型建立模塊，用于根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的灰度值分布以及所述第 二標(biāo)志區(qū)域的灰度值分布建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域的相似程度模型； 映射關(guān)系獲取模塊，用于根據(jù)所述相似程度模型的輸出值對所述相似程度模型進(jìn)行優(yōu) 化以獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān)系。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述灰度值分布獲取模塊包括： 變換模型建立子模塊，用于建立所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的變換模 型； 第一獲取子模塊，用于根據(jù)預(yù)設(shè)的所述第一標(biāo)志區(qū)域的坐標(biāo)分布以及所述變換模型獲 取所述第二標(biāo)志區(qū)域的坐標(biāo)分布； 第二獲取子模塊，用于根據(jù)所述第二標(biāo)志區(qū)域的坐標(biāo)分布獲取所述第二標(biāo)志區(qū)域的灰 度值分布。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述映射關(guān)系獲取模塊包括： 改正量獲取子模塊，用于建立改正量求解方程并根據(jù)所述改正量求解方程求解所述相 似程度模型的參數(shù)的改正量； 匹配度量獲取子模塊，用于根據(jù)所述改正量及所述相似程度模型得到匹配度量； 判斷及結(jié)果輸出子模塊，用于判斷當(dāng)前匹配度量是否小于前一次迭代得到的所述匹配 度量； 當(dāng)所述當(dāng)前匹配度量小于前一次迭代得到的所述匹配度量時，根據(jù)第一預(yù)設(shè)步長減小 阻尼因子并更新所述相似程度模型的當(dāng)前參數(shù)，判斷是否滿足預(yù)設(shè)的結(jié)束條件，當(dāng)滿足所 述結(jié)束條件時，獲得所述第一標(biāo)志區(qū)域與所述第二標(biāo)志區(qū)域之間的亞像素精度的映射關(guān) 系； 當(dāng)所述當(dāng)前匹配度量大于或等于前一次迭代得到的所述匹配度量時，根據(jù)第二預(yù)設(shè)步 長增大所述阻尼因子以重新求解所述相似程度模型的參數(shù)的改正量。
【文檔編號】G06T7/00GK106056586SQ201610351180
【公開日】2016年10月26日
【申請日】2016年5月25日
【發(fā)明人】回丙偉, 李洪
【申請人】湖南拓視覺信息技術(shù)有限公司