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%。     

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。     

基于改进K均值聚类生成匹配模板的心搏分类方法

为提高分析含大量数据的动态心电时的准确性和分析效率,提出了一种基于改进的K均值聚类生成心搏模板的匹配方法.使用K均值聚类和波形反混淆技术进行循环纠错,生成可变宽心搏模板、并建立心搏模板库.利用可变宽心搏模板和相关系数相结合的策略,对动态心电中心搏进行快速准确分类.实验方法经心率失常数据库MIT-BIT和ANMA/ANSI标准验证,分类结果总体准确率达98.06%,达到了心搏分类目标.     

基于多模板匹配的车牌字符识别算法

在车牌识别系统中,传统的模板匹配算法处理时间长,对笔画缺失或断裂的字符识别效果不好。为此本文提出一种基于多模板的匹配算法,首先构建三种类型的模板库,并在构建好的多模板库上进行模板匹配,整个过程采用分块匹配的方法来加速模板匹配的过程。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

基于区域的立体匹配优化方法

为解决立体匹配过程中存在大量重复计算问题,提出了灰度差平方和(SSD)算法中模板计算的优化方法.该方法通过分析相邻像素计算模板的平移特性及其内部的相关性,提出将像素点计算模板的结果采用列存储方式,并在匹配过程中采用循环队列数据结构的存储策略.根据待匹配像素点在图像中所处位置的情况,分别给出了利用已计算模板的相关列,实现...     

基于模板匹配和SVM的草图符号自适应识别方法

在草图符号的自适应学习中,不同用户的训练样本数量可能不同,保持在不同样本数量下良好的学习效果成为需要解决的一个重要问题.提出一种自适应的草图符号识别方法,该方法采用与训练样本个数相关的分类器组合策略将模板匹配方法和SVM统计分类方法进行了高效组合.它通过利用支持小样本学习的模板匹配方法和支持大量样本学习的SVM方法,并同时利用草图符号中的在线信息和离线信息,实现了不同样本个数下自适应的符号学习和识别.基于该方法,文中设计并实现了支持自适应识别的草图符号组件.最后,利用扩展的PIBGToolkit开发出原型系统IdeaNote.评估表明,该方法可以在24类草图符号分别使用1到20个训练样本时具有较高的识别正确率和较好的时间性能.     

TTCN-3测试系统中模板匹配机制的一种实现方法

TTCN-3拥有一个功能强大且易于掌握的模板匹配机制。本文提出一种TTCN-3测试系统开发过程中模板匹配机制通用的、开放的实现方案。通过对模板匹配功能在TTCN-3测试系统中的作用进行深入分析,采用面向对象的程序设计语言C++实现TTCN-3测试系统中带有匹配机制的模板表示和模板匹配操作,并给出一个对于DNS协议实现功能测试的抽象测试套的翻译方案验证本文设计的合理性。     

超声心动图块匹配斑点跟踪算法模板块大小的自适应估计

块匹配法是利用超声心动图对心肌进行斑点跟踪定量分析最为常见、有效的方法,块匹配法中模板块大小对斑点跟踪精度有很大的影响,然而现有算法中模板块大小都是由经验来确定,不仅造成斑点跟踪精度较差而且缺乏自适应性。本文提出一种用于超声心动图块匹配斑点跟踪的模板块大小自适应估计方法。首先利用双向跟踪准确度估计跟踪误差,然后根据不同大小块的双向跟踪准确度自适应地确定块匹配中模板块的大小,解决了模板块大小自适应的问题。通过与传统固定模板块大小的方法比较,采用自适应模板块大小方法的斑点跟踪结果在精确度和稳定性上都取得了更好的结果,其中斑点跟踪平均误差由2.5±0.2下降为1.1±0.1,为心脏功能临床诊断和治疗提供了更为可靠的相关参数。     

自适应模板更新的鲁棒目标跟踪算法*

针对受复杂背景、光照以及目标尺度变化等因素的影响,目标模板更新精度不高,导致跟踪算法鲁棒性差的问题,提出了一种基于深度特征和模板更新的自适应粒子滤波目标跟踪方法。首先对跟踪目标进行仿射变换;然后构造一个12层的卷积神经网络来提取跟踪目标及其仿射变换的深度特征得到目标模板和候选模板,并以此构建候选模板库;其次采用粒子滤波算法跟踪目标,将预测结果与候选模板库中的模板进行匹配,确定新的目标模板并自适应更新候选模板库。实验结果表明,该算法在遮挡、光照、尺度变化、目标旋转和复杂背景的恶劣条件下仍能稳定地跟踪目标,与其他7种先进算法在18组测试视频中进行比较,具有更高的目标跟踪精度和更强的鲁棒性。     

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。     

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。     

基于行为识别匹配的用户日常运动检测

针对用户日常运动过程中步态计步器(Pedometer of Gait, POG)检测问题,相较于传统的统计机器学习方法,基于模板匹配的方法往往具有更高的精度和效率。主要提出了一种基于模板匹配的改进Dynamic Template Wrapping(DTW)方法,并在开源实验数据上做了验证。实验结果显示,相对于传统模板匹配方法和统计学习方法,所提出的IsDTW方法不仅具有相对较高的实验精度(92%),在运行效率上也在一定程度上优于传统方法,对实际应用更具价值。     

基于层级匹配的维吾尔文关键词文档图像检索

为实现基于关键词的维吾尔文文档图像检索,提出一种基于由粗到细层级匹配的关键词文档图像检索方法。使用改进的投影切分法将经过预处理的文档图像切分成单词图像库,使用模板匹配对关键词进行粗匹配;在粗匹配的基础上,提取单词图像的方向梯度直方图(HOG)特征向量;通过支持向量机(SVM)分类器学习特征向量,实现关键词图像检索。在包含108张文档图像的数据库中进行实验,实验结果表明,检索准确率平均值为91.14%,召回率平均值为79.31%,该方法能有效实现基于关键词的维吾尔文文档图像检索。     

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。     

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。     

一种快速的具有旋转不变性的模板匹配方法

传统的基于相关的匹配方法计算量相当大，而且当模板相对于搜索图有角度旋转时，匹配的计算量更大。用圆警影和zemike矩的方法对快速的且具有旋转不变性的模板匹配方法进行了研究，圆投影将图像由二维变换成一维，这样就降低了计算复杂度，通过相似性度量可进行快速地粗匹配，然后在可能的匹配点中，再用Zemike矩实现精匹配。     

系统日志模板提取方法研究

提取日志模板是处理海量系统日志十分有效的方法.本文以Web系统日志为切入点,采用基于标签识别树的模板提取方法提取日志模板,并在其基础上,研究并完善了其日志预处理和模板表达式生成方法.针对于系统日志普遍存在的结构复杂问题,具体采用了基于文本相似度的预处理方法,实现了日志消息分类;采用模板最大匹配的方法,解决了由于日志格式不统一和切词导致的模板匹配度低的问题.最后,对本次日志模板提取方法的实验进行了评估,结果证明该方法的准确率达到96.4%,且模板匹配度大幅上升.