NK NL Psxo=2.(G(K+1.-1,L+J.-1)-T(K,L))-Payo(K,L) K=1L=1 Pv(K,L)=[G(K+I。-1,L+J,)-G(K+1。-1,L+J-2)]/2 G4s0=√(P,x0)2+(P,)z 上式中NK,NL是窗口的宽度，T(K,L)是模板，PGx,PGY分别是窗口内图象函数的差 分，它是取一点处之相邻两点函数差的平均值做为该点的差分的。所有上述各量是由一个专 门的子程序产生的。 第四部分是检查匹配条件。若不满足，则进而确定步距计算下一个搜索点。应按式(6) 检查匹配条件。若满足，则(I。,J)即是所求的匹配点。若不满足，则检查GDSO,若 G4s。=0,则返回第一部分重新开始另一搜索。若G4s。中0，则 1。sSum。 Gd3 Dx0=入。X Ps￥0 Gdso Px Dy。=入。×Ga0 I。n+1=Ig-IDxe J。n+1=Jg-IDy0 式中IDx。是Dx的整数部分。新的搜索点(I+,J8*)是由上一个搜索点(I:,J:)沿梯度 矢量的反方向前进一步入，而得到的。它应返回程序的第二部分接受鉴别。 这就是子图配准的随机搜素算法的全部内容。附录是用FORTRTRANN写出的这一算 法的主程序。图4显示出搜索过程，表示了这一算法的结果。 三、结论 本算法是借助于随机技巧来建立一种改进搜素方式的算法。对于任何的、从一个二维数 组中搜索一个紧密的子数组这一类问题，本算 2n77777n7nW NR=1 法都是适用的。如果要从本算法收到节省计算 工作量的效益，如前所述，应该是在<0.5 NR 的情况下。本文建议，以0.05≤≤0.2做为使 用本算法的有利范围。 曾在灰度级为32的、纹理结构复杂、谱带很 NR-3 宽的图片上试用了本算法，结果是成功的。图片 搜索区 尺寸为NXNY=64×64,子图的尺寸为NK· NL=10×14,搜索范围为NXK·NYL=55 4- ×51这样E=0.21。按照传统算法约应计算 Tithiitatitttthtls 匹配点 1400点而使用本算法，仅计算了97个点，占用 。一随机起始点 计算机的CPU时间仅19秒钟。多次试算的结 △一中间搜紫点 果都证明了这一算法的效果。 图4 步距入。的选择，并不一定要拘泥于(7)式(7)式。为了改普收歙的速度，入。可以按一定 60· 乏 艺 · 〔 ，。 一 ， 。 一 ，，一 ， 〕 · 。 ，。 ， ， 二 ， 。 ， 二 。 侧 一 ， 。 。 一 ， 。 一 ， 。 一 」 上式 中 ， 是窗 口 的宽度 ， ， 是模 板 ， 。 。 ， 。 ， 。 分 别是窗 口 内图 象函数的 差 分 ， 它是取一点处之相 邻 两点 函数差 的平 均值做为该点 的差 分 的 。 所有 上述 各量是 由一个专 门的子 程序产生的 。 第四 部分是检查 匹 配条件 。 若不 满足 ， 则进而确定 步距计算下一个搜索点 。 应按式 检查匹配条件 。 若满足 ， 则 。 ， 。 即是所求 的匹 配点 。 若 不 满 足 ， 则检查 ， 若 。 。 ， 则返回 第一部分重新开 始另一搜索 。 若 。 笋 ， 则 入。 二 。 。 。 入。 。 。 一 ， 飞赞 ， 舀 。 ” ‘ ’ 卜 。 。 “ “ 尝一 ， 。 式 中 。 是 。 的整数部分 。 新的搜索点 十 ‘ ， 忿 ’ 是 由 一 个搜索点 言 ， 沿梯度 矢最 的反方向前进一 步 入。 ， 而得到 的 。 它应返 回程序 的第二部分接受鉴 别 。 这就是子 图配准 的随机搜索算法的全 部内容 。 附录是用 写出的这一 算 法的主程序 。 图 显示出搜索过程 ， 表示 了这一算法 的结果 。 三 、 结论 本算法是借助于 随机技巧来建立一种 改进 搜索方式 的算法 。 对于任何的 、 从一个二维数 组中搜索一个紧密的子数组这一类问题 ， 本算 法都是适用 的 。 如果要 从本算法收 到节省计算 工作 的效益 ， 如前所述 ， 应该是 在 乙 的情况 下 。 本文建议 ， 以 。 《 七《 做 为 使 用本算法的有利范围 。 曾在灰度级为 的 、 纹理结构复杂 、 谱带很 宽的图片上试用 了本算法 ， 结果是成功 的 。 图片 尺寸为 一 ，子 图 的尺 寸为 ， 搜索 范围 为 一 这样 七 。 。 按照 传统算 法 约应 计算 点而使用 本算法 ， 仅计算了 个点 ， 占用 计算机的 时 间仅 秒钟 。 多次试算的结 果都证 明 了这一算法的效果 。 步距 入。 的选择 ， 并 不一定要拘泥 于 ’ 式 产 式 。 。 － 随机起始点 么 一 中间搜索点 图 为 了改善收欲的速度 ， 入 。 可 以 按一 定