基于SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

基于成对几何直方图的PCB标志检测与匹配

矩方法和模板匹配方法在PCB标志检测中长期被使用,但是这两种方法存在低速和匹配率低下等问题。由于图像的形状特征对各种干扰具有很好的稳健性,本文提出一种利用Freeman链码描述图像轮廓,然后利用顶点检测算法简化图像的顶点以减少计算量,最后利用这一图像轮廓生成成对几何直方图,利用其旋转不变性对图像进行基于轮廓的检测与匹配的方法。实验结果表明利用成对几何直方图方法进行的PCB标志检测与匹配的综合正确检测率高达96%。     

基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

模板匹配算法在动车零部件故障检测系统中的应用

针对动车零部件丢失、松动的故障,设计了一套采用自动视频图像识别技术进行故障自动检测的系统;在图像处理这一重要环节中,采用了基于轮廓的模板匹配算法对动车零部件是否松动、是否丢失的故障进行检测。阐述了动车零部件故障检测系统架构、各部分的实现并提出了基于轮廓的模板匹配零部件检测方法,并从对图像进行预处理、确定零部件的特征区域到设置最小分值过程进行了详细阐述。应用过程表明,应用模板匹配算法对动车零部件故障检测能够达到预期的效果。     

基于轮廓模板和自学习的图像纹理增强超采样算法

提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法,有效地恢复了插值图像丢失的细节纹理,抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息,对轮廓模板插值图像的细节纹理进行了恢复.其中,为了弥补轮廓模板插值缺少先验知识的缺陷,将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优,匹配的过程中采用双匹配,相比较于全局搜索和小窗搜索,提高了效率并保证了匹配精度.此外,使用高斯模糊代替了传统提取高频信息的方法,简化了算法的复杂度,提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗,以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成,节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行,算法效率得到进一步优化.理论分析和实验结果表明,相比传统的基于插值、基于自学习的图像超分辨率方法,本文方法获得更好的实验结果,主观效果得到明显改善,有效地恢复了图像的纹理细节,提高了图像边缘锐度,避免了产生锯齿等人工效应,客观指标得到提高.     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识别的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识剐的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。     

基于粒子群优化的模板匹配跟踪算法

针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法。该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板。首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板。理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1%和69.8%,且成功率为原算法的2.02倍和1.94倍。实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性。     

一种面向密封条长度检测的模板匹配优化算法

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。     

基于特征点匹配的改进模板匹配算法

特征点匹配是图像匹配领域中一项重要研究内容.暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法.为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板.基于输入图像和另一幅图像之间的模板匹配,使...     

加权模板匹配的二值化阈值不敏感性研究

数字图像二值化处理过程中,阈值的选取非常之关键,为了在实际应用中能够快速准确地匹配出二值化图像中的目标图像,文中采用模板匹配的方法,对标准模板匹配算法和加权模板匹配算法的二值化阈值敏感性进行了研究。根据实验图像在二值化处理过程中所取阈值的波动对图像匹配结果的影响情况,得到加权模板匹配算法与标准模板匹配算法的二值化阈值敏感性差异。实验结论同时表明加权模板匹配算法具有较强的二值化阈值不敏感性和匹配性能好的优点。     

基于广义掩膜积分图像的快速模板匹配

目标检测中模板匹配常需用掩膜排除待匹配窗口中的一些不相关区域.模板匹配的相关算法计算过程十分耗时,但由于掩膜的区域往往不规则,适用的快速算法较少.提出广义掩膜积分图像,实现了一种有掩膜的快速模板匹配算法.该算法不仅只需遍历待匹配窗口和模板的像素一次,而且在不改变匹配精度的同时简化了计算过程.人脸检测实验证明,该算法能显著提高有掩膜的模板匹配计算效率,特别适于需对目标和模板进行整体与局部多次匹配的应用场合.     

基于边界纹理一致性的帧内模板匹配预测算法

提出基于边界纹理一致性的视频帧内模板匹配预测算法,根据图像内容纹理的一致性,在绝对差和(或均方差)的基础上,引入边界纹理一致性约束,形成新的模板匹配准则,以增强模板匹配预测与当前块周围像素之间的相关性,提高模板匹配预测的准确性。实验结果证明,该算法相对于帧内模板匹配预测算法,编码效率平均提升0.11 dB,最高能提升0.17 dB。     

基于多模板匹配的室性早搏判别算法

提出一种基于可变宽度模板的多模板匹配的室性早搏判别算法。该方法通过样本数据创建初始模板库,根据不同的RR间期确定模板宽度,使用基于模板队列匹配和模板库匹配的二级匹配策略,利用相关系数和RR间期比相结合的算法检测室早,模板库可自动扩充。经MIT-BIH心律失常数据库测试,该算法达到了98.66%的灵敏度(正确率),平均错误率为1.11%。     

一种基于圆周划分的模板匹配算法

本文提出了一种基于圆周划分的模板匹配算法，与传统模板匹配算法相比，本算法具有速度较快、有一定的旋转不变性、抗干扰性好的特点。     

基于像素字符串比较的图像快速匹配算法

在分析传统的模板匹配算法的基础上提出了一种新的基于字符串匹配的快速匹配算法。算法的思路是在模板图像上任意确定一列像素，并将这一列像素的灰度值看成是一个字符串，以此对原图像的每一列进行字符串匹配。如果在原图像上的某一列上找到了完全匹配的串，或者找到最大匹配的串，就找到了所要匹配的模板在图像中的可能位置。然后在所有找到的位置上再做进一步的字符串匹配。如此继续就可以确定模板图像在待匹配图像上的位置。算法在统计意义上保证了匹配效果，且提高了匹配速度。实验结果表明该算法是一种有效的图像匹配算法。     

序列图像的目标识别算法改进

提出一种改进的动态模板匹配算法,将仿射不变矩作为提取目标时的不变特征,同时采用一种改进的canny算法对目标进行边缘检测,以去除伪边缘,利用长方形模板代替方形模板,提高算法的实时性。实验结果表明,该算法的识别率高于传统动态模板匹配算法,同时可以有效降低计算量。