基于方向码的模板匹配方法

提出了一种新的基于方向码的模板匹配方法.算法由两步构成:在匹配的第1步,利用方向码直方图选择匹配候选点并粗略估算出旋转角度;在匹配的第2步,针对匹配候选点,利用模板和子图间方向码的差值进行匹配.实验证明提出的算法在真实图像具有旋转变化时仍是稳定的,这是因为匹配是基于由像素梯度信息计算出的方向码进行,而不是直接根据灰度值进行.     

基于模板匹配的装配缺陷检测算法研究

工业CT技术能准确地重建出工件内部结构的灰度图像,这为无损检测工件内部装配缺陷（漏装、误装和多装等）提供了可能。提出一种新的模板匹配算法来实现装配缺陷的检测。首先,利用模板的平均灰度矢量进行粗搜索,确定出候选匹配点集;其次,利用模板的Zernike矩进行精搜索,定位出目标。实验结果表明,即使提取的模板相对于被检测部件存在任意角度的旋转,提出的模板匹配算法仍能准确地检测被识别的零部件。     

基于级联模板匹配的目标定位

为了实现快速的目标定位,本文提出了一种基于级联模板匹配的目标定位的方法。首先用不同尺度的多模板匹配来寻来目标在源图中的候选区域,其次通过颜色直方图对候选区域进行筛选,最后使用Hu形状不变矩来验证候选区域是否为目标。该方法对于一般的旋转和尺度变换具有鲁棒性。实验结果表明该方法是快速有效的。     

基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.     

一种结合互信息和模板匹配的配准方法

传统的互信息法直接对大图进行互信息配准,容易出现局部极值并产生误匹配现象,针对该问题,提出一种将互信息与模板匹配相结合的配准方法,采用互信息为相似度准则进行图像的模板匹配,得到候选的匹配子图,通过待配准大图其余部分与模板和子图的空间关系,得到配准后的大图,分别计算按照各个候选子图配准情况下的待配准图的互信息,得到最大的互信息所对应的子图,确定最终的配准结果。实验结果表明,该方法在对灰度差较大的图像进行配准时,能够获得良好的效果。     

定位图像匹配尺度与区域的摄像机位姿实时跟踪

目的 提出一种定位图像匹配尺度及区域的有效算法,通过实现当前屏幕图像特征点与模板图像中对应尺度下部分区域中的特征点匹配,实现摄像机对模板图像的实时跟踪,解决3维跟踪算法中匹配精度与效率问题。方法 在预处理阶段,算法对模板图像建立多尺度表示,各尺度下的图像进行区域划分,在每个区域内采用ORB（oriented FAST and rotated BRIEF）方法提取特征点并生成描述子,由此构建图像特征点的分级分区管理模式。在实时跟踪阶段,对于当前摄像机获得的图像,首先定位该图像所对应的尺度范围,在相应尺度范围内确定与当前图像重叠度大的图像区域,然后将当前图像与模板图像对应的尺度与区域中的特征点集进行匹配,最后根据匹配点对计算摄像机的位姿。结果 利用公开图像数据库（stanford mobile visual search dataset）中不同分辨率的模板图像及更多图像进行实验,结果表明,本文算法性能稳定,配准误差在1个像素左右;系统运行帧率总体稳定在2030 帧/s。结论 与多种经典算法对比,新方法能够更好地定位图像匹配尺度与区域,采用这种局部特征点匹配的方法在配准精度与计算效率方面比现有方法有明显提升,并且当模板图像分辨率较高时性能更好,特别适合移动增强现实应用。     

基于伪Zernike矩的快速旋转无关图像匹配方法

传统的图像匹配方法往往会因为匹配图像与模板图像之间存在任意角度旋转而失效,而现有的抗旋转图像匹配方法因为计算量大而不能满足实时应用的需要.因此研究一种旋转无关的图像匹配算法成为必要.将圆投影匹配算法结合多值模板和塔形加速技术加快了滑动窗口的搜索效率,并使用伪Zernike矩进行精匹配.实验结果表明,改进后的算法在保证匹...     

适用于复杂环境下的实时目标跟踪技术

针对复杂环境下目标跟踪过程中目标存在旋转、视角、尺度等变化以及噪声干扰的问题,提出了一种基于尺度不变特征与快速模板匹配相结合的目标跟踪技术;该技术通过分别提取预先存储模板和实时采集图像的尺度不变特征,建立初始模板;采用菱形搜索策略对模板的低分辨率子图和待跟踪图像的低分辨率子图进行快速互相关检测,根据检测结果在该帧高分辨率图像中建立紧凑ROI,在此区域内进行模板匹配,对目标进行精确定位;在目标跟踪的过程中采用自适应模板更新策略,以保证在目标发生变化时跟踪的稳定性;实验结果表明,该技术在稳定性、准确性和实时性等方面均优于传统方法。     

基于多关联模板匹配的人脸检测

提出一种基于多关联模板匹配的人脸检测算法.模板由一系列关联的双眼模板和人脸模板组成,它们都是通过仿射变换根据伸缩比和姿态(即旋转角度)从单一平均脸模板产生出来的.首先,使用双眼模板搜索候选人脸,再用人脸模板匹配进一步筛选候选人脸,最后,通过启发式规则验证是否是人脸.对于各种类型的图像进行大量实验的结果表明,该算法对于正面包括多角度人脸的检测很有效.     

基于模板匹配的苹果果实识别

为了实现果蔬收获机器人的果实识别和定位,同时为了消除由于果实大小和生长角度对识别的影响,以自然环境下的果园苹果作为识别对象,采用模板匹配方法,计算目标图与模板图的归一化互相关系数矩阵,通过在空域对模板图像做尺度变换和角度旋转进而对目标图像进行模板匹配,实现对果园苹果的果实识别。实验结果表明,该模板匹配算法能有效识别自然环境下的苹果果实,可以用于机器人视觉系统的识别任务。     

基于维纳滤波的图像模板匹配

一种常用于图像恢复的维纳滤波技术被用于图像的模板匹配,其基本思想是：将模板图像看作是作用于匹配系数矩阵的模糊函数,匹配系统矩阵的元素值表示在待搜索图像的对应位置是否存在给定的模板;模糊函数与加性噪声共同作用于匹配系统矩阵产生待搜索图像。这样就将模板匹配问题转化为一个图像恢复问题。通过维纳滤波将待搜索图像去模糊,即得匹配系统矩阵,从而完成匹配。与相关匹配法相比,该方法具有匹配点定位准确,稳健性强的特点。     

基于多特征抽取的商标图像检索

提出了一种多特征抽取方法进行商标图像检索。首先根据图像的连通性把图像分割成多个独立的单元子图像,然后对各个单元子图像提取特征;同时提出多对多特征匹配方法对商标图像进行检索。实验结果表明,应用该方法得到的检索结果是有效的,能够很好地满足人的视觉感受。     

基于图像处理的微位移检测方法研究

本文研究了一种基于模板匹配的在图像序列中目标定位的方法,采用金字塔搜索法以及全局—局部搜索法提高算法速度,采取基于双三次插值法的亚像素技术提高定位精度。实验验证了方法的可行性。     

基于权值模板和监督学习的验证码识别

针对粘连字符分割致使验证码字符识别效果不佳的问题,提出一种带权值的模板匹配和基于监督学习的模板权值调整相结合的字符识别方法。该方法利用模板的灰度和权值,在验证码图像上搜寻兴趣点,再根据兴趣点的匹配度和兴趣点之间的欧式距离过滤掉次佳兴趣点,保留最佳兴趣点。利用基于目标像素个数期望的二值化阈值迭代优化,提高二值化质量和基于有监督的Hebb规则的模板权值学习提高识别率。通过与简单的模板匹配识别方法比较,实验结果表明,该方法对多网站验证码具有很好的识别率。     

一种基于模板匹配的电路照片拼接方法

鉴于实际工作中,经常需要将多幅图象拼成一大幅大图象的问题,提出了一种针对显微照片的新拼接方法。该方法是应用模板匹配技术来实现图象的自动拼接,由于是通过利用图象信息来选择模板,从而为模板匹配的定位创造了条件,该方法分为模板选择、模板匹配和图象拼接3步。实际运用结果表明,该方法简单易行,在电路照片的拼接中,定位较准确,且拼接效果好。     

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。     

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。     

基于特征线段的图像快速拼接算法

在讨论图像拼接的模板匹配法的基础上,针对计算量太大的问题,提出了一种提高效率的改进算法。选取四条特征线段做为模板,并利用相邻图像之间的颜色信息进行图像拼接。试验结果表明,改进算法不但降低了计算复杂度,还很好的保证了拼接质量。