基于网格IC图象的多模板快速匹配算法

为了加快 IC图象中多个相似单元模板的匹配与定位 ,提出了一种基于网格 IC图象的多模板快速匹配算法 .该算法首先抽取网格图象和模板的二值拓扑结构 ,以构成图象和模板的粗分辨率表示 ;然后 ,在拓扑结构表示上通过综合来构造多模板的二叉树模型 ;接着 ,在二值拓扑结构表示上运用树模型进行搜索 ,在搜索过程中应用二叉决策树识别多个模板 ;最后 ,将粗匹配得到的目标 ,在原图象对应位置的小邻域内进行二次匹配 ,以确定模板和对应实例的位置 .应用此算法对 IC图象库进行测试 ,结果表明 ,所提出的多模板二叉决策树搜索算法与逐个模板匹配的方法相比 ,速度和效率均有较大幅度的提高     

一种基于鲁棒Hausdorff距离的目标匹配算法

在传统的基于边缘位置的Hausdorff距离匹配的基础上,将边缘的梯度信息引入到距离度量当中,构造了一种新的三维距离函数。在此基础上,提出了一种鲁棒的三维Hausdorff距离及其目标匹配算法,采用粗匹配与精匹配相结合的两步匹配策略有效解决了由距离度量维数增加所导致的算法复杂性增大的问题。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离目标匹配算法在鲁棒性上有很大的提高。     

基于多尺度变形模板的目标检测与识别

在分析现有模板匹配算法存在问题的基础上，提出一种基于多尺度变形模板的新方法，它在已有的Snake算法基础上，加入了形态约束，并利用小波变换的多尺度特性，使得匹配过程在由粗至精的尺度上进行，从而使运算速度大大提高，对噪声的敏感程度也相应下降，而轮廓初始化是在较粗的尺度上，利用Hausdorff距离初步匹配得到的，漏警概率较低。实验结果与理论分析相吻合，验证了算法对多类目标适用，具有速度快，精度高和对图像畸变，噪声与遮挡不敏感的优点。     

基于Hausdorff距离的图像配准快速算法

在图像配准过程中,传统Hausdorff距离算法的计算量较大。针对该问题,提出一种基于Hausdorff距离的图像配准快速算法。将参考图像和待配准图像进行边缘检测,在待配准图像上任意选取一个模板,通过设定一个变化的阈值对Hausdorff距离算法进行改进,以减少不必要点的计算,实现快速匹配,并根据匹配数据,对图像进行尺度变换及旋转操作,使2幅图像能在空间上配准。实验结果表明,与传统的配准算法相比,该算法的计算复杂度较低。     

基于特征区域的模板匹配改进算法

针对在复杂战场场景下识别提取战场目标过程中,存在识别跟踪效果不好的问题,本文提出了综合运用特征区域匹配算法。首先,对战场环境建立目标运动模型,然后,定义了一种新的最小失配距离(MMD)相似性度量,并基于目标的特征区域进行快速相关匹配,从可能区域中提取出目标。该算法通过精确模板匹配由粗到精的目标搜索策略,既保证了目标提取的精度、速度,又能对各种噪声干扰有较强的抑制,达到战场图像目标匹配的要求。     

一种改进的Hausdorff距离模板匹配算法

检测和提取图像中的目标图像是图像处理和模式识别等领域里非常活跃的问题.因为Hausdorff距离对于目标遮挡、图像噪声和图像晃动等情况具有较好的鲁棒性,因此使用Hausdorff距离进行图像匹配是较常用的方法之一.为了降低此算法的计算复杂度,提高匹配效率,提出了一种能够从待匹配图像中高效匹配出模板图像的改进算法.将文中提出的改进算法分别应用到一幅图像和视频序列图像中,实验结果证明了该算法的高效性.     

基于Hausdorff距离的手势识别

随着先进人机交互技术的提出及发展，手势识别正成为其中一项关键技术，基于视觉的手势识别是当前涉及图象处理，模式识别，计算机视觉等领域的一个比较活跃的课题，由于Hausdorff距离模板匹配的方法具有计算量小，适应性强的特点，因此基于Hausdorff距离，建立了一个手势识别系统，该系统采用边缘特征像素点作为识别特征，并首次利用Hausdorff距离模板匹配的思想，在距离变换空间内，实现了中国手指字母集上的基于单目视觉的30个手指字母的手势识别，为提高系统的鲁棒性，还提出了修正的Hausdorff距离形式，测试集上的平均识别率为96．7％，实验结果表明，基于Hausdorff距离的模板匹配方法用于基于听觉的静态手势识别是可行的。     

基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。     

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状，设计了一种新的指纹匹配方法，即利用纹线匹配技术来寻找基准点对的指纹匹配算法．该算法首先基于指纹纹线的相似程度寻找一对基准特征点；然后根据基准点对的坐标，计算两幅指纹图象(模板图象、待识图象)的相对平移和旋转参数，并将待识图象相对于模板图象进行图象姿势纠正；最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目．以实现两枚指纹的匹配．实验证明．该算法匹配速度很快，误识率低，准确性高，并具有图象旋转平移不变性．对面积适中的指纹图象，匹配结果可以满足在线应用的需要．该算法有望发展成为一种实用、有效的指纹匹配技术．     

基于模板聚类与综合的多模板快速定位算法

针对在一幅图像中定位多个模板的所有实例的情形，提出了一种基于多模板聚类和综合的快速目标定位方法。该方法首先使用带反馈的分级聚类算法对多模板进行聚类，并对每类模板用建立的数学模型综合出一个母板；然后，应用每类的母板在平移空间内搜索和匹配，且只在与母板相匹配的那些位置上才引导类内各子模板在该位置的匹配运算，最后用该算法对边缘图像进行了聚类、综合和匹配实验。实验结果表明，该算法在集成电路显微图像的多模板定位中是非常有效的。     

基于Hausdorff度量的快速图象匹配算法

借助于计算机形态学的膨胀运算,文章提出了一种基于Hausdorff距离的快速图象匹配算法.Hausdorff距离相似性度量简化为膨胀和累加运算两个步骤,与传统的Hausdorff距离计算方法相比,具有简单、快速的特点.仿真结果验证了所提出算法的有效性.     

基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

一种图像测量中标定参照物的快速定位方法

提出一种在图像测量中标定参照模板的自动快速定位方法，该方法采用粗检测与精定位相结合的二步策略，首先在下采样的增强图像中借助形态学与连通分量标记等算法检测可能的模板区域，然后利用感兴趣区域的直方图特性分析和角点检测算法确认真正的模板区域并给出精确的定位信息，实验结果表明了该方法的有效性。     

Hausdorff距离和量子粒子群的二维图像匹配

提出了一种基于Hausdorff距离和量子粒子群算法的二维图像匹配算法。为了实现二维图像的搜索,首先利用Canny算子提取图像的边缘,再利用Hausdorff距离作为图像搜索的目标函数,然后引入了带量子行为的粒子群的优化算法来求解搜索所需的空间变化参数,实验结果表明,带量子行为的粒子群的优化算法（QPSO）能够迅速地在全局范围内找到最优解,因此应用于二维图像搜索是可行的。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

一种适用于图像拼接的自适应模板匹配算法

在图像拼接中通常使用模板匹配方法进行图像配准,模板特征选取、基准模板位置与大小选取在很大程度上影响图像配准的准确度和速度。根据人类观察事物的行为特点,该文基于局部边缘密度LED和模糊聚类算法定位出特征物体区域,并在此区域上构建基准模板,在匹配上具有更高的可靠性。在模板匹配中采用加权相似性度量的方法,提高相似性度量的可靠性。据此,提出了一种强壮的自适应模板匹配算法,在自动图像拼接中体现出很强的实用性。