3 數學模型優化方法

　　數學模型結合選擇的模板和搜索區域大小，可以知道模板最佳匹配點計算公式如下：

　　由公式（7）可以看出，程序需要進行大量的循環計算，整體運算量仍然不小，需要進一步優化，減少處理時間。運用如下優化算法進一步減少實際運算量。

　　3.1 粗精匹配結合

　　觀察實際模板匹配運算結果可以發現，匹配點附近的匹配誤差迅速下降，有顯區別于其它位置。針對這一特點，采用粗精匹配結合的算法迅速鎖定匹配點大致區域，可大大降低整體匹配次數。

　　具體實現方法：先跳動著隔幾個點進行一次粗匹配，大致框定匹配區域，然后在附近區域逐一檢索獲得最佳匹配點。運算量可減少到三分之一以下，且目標提取效果相當好。

　　3.2 限制最大匹配誤差

　　因為只需找到最小匹配誤差的位置，不必完整計算每一位置的絕對匹配誤差，而以已經計算最小匹配誤差作為最大允許誤差。若計算誤差大于該最大允許誤差，就肯定不是最佳匹配點，可以提前結束計算，進入下一匹配位置的計算；如果匹配完成后仍小于最大允許誤差，就用當前誤差替換最大允許誤差，并把該點作為潛在的匹配位置記錄下來。

　　匹配點和非匹配點的誤差常常相差2～3個數量級。經過這種處理后，匹配點后剩余的計算量可以大大降低。

　　3.3 亂序匹配

　　目標出現在匹配區域中的位置不確定。不固定順序算法可以更快地檢索到匹配區域，迅速降低最大匹配誤差，減少剩余非匹配點的計算一，降低整體運算量。

　　針對光電探測設備的實際工作情況，在跟蹤狀態下，目標位移角速度和角加速度有限，導致目標常處于匹配區域中心附近。選擇由中心向周圍輻射匹配的方式效果最理想。

　　4 程序樣本

　　以下程序樣本綜合使用了上面的優化算法，成功應用于紅外熱成像跟蹤技術的原理樣機，達到了預期效果。

　　該函數用于圖像模板匹配運算，適用于256灰度值的黑白圖像數據。

　　Deal_With:TemplateMatch(unsigned char* lpSource,LONGlWIDTh,LONG lHeight,unsigned char* lpTemplate,LONG lTemplateWidth,LONG lTemplateHeight，)

　　{

　　unsigned char* Source; //指向待處理圖像的指針

　　unsigned char*Template； //指向模板圖像的指針

　　int i,j,m,n; //循環變量

　　unsigned char lMaxWidth，lMaxHeigth，//匹配位置

　　unsigned long D; //相似誤差

　　unsigned long MaxD; //最大允許相似誤差

　　//粗相關

　　MaxD=0x10000000; //約定最大匹配誤差

　　for(j=0;j

　　for(i=0;i

　　D=0;

　　Source=(unsigned char *)lpSource+lWidth*j+i;

　　Template=(unsigned char *)lpTemplate;

　　for(n=0;n

　　for(m=0;m

　　D+=(*Source++-*Template++)*(*Source++-*Template++);

　　Source+=lWidth-lTemplateWidth;

　　}