基于积分图像的快速模板匹配

人脸检测中,模板匹配前往往需要对图像窗口进行灰度分布标准化,而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

一种掩膜图像窗口的快速灰度分布标准化算法

图像窗口模式匹配前常需进行灰度分布标准化预处理,但由于某些模式识别场合需要掩去图像窗口的一些无关区域,常见的灰度分布标准化处理快速算法不适用。应用广义积分图像,实现了一种任意掩膜的图像窗口灰度分布标准化快速算法。掩膜的形状具有对称性时,算法的计算速度还可进一步提高。实验表明,该算法能提高掩膜图像窗口灰度均值、方差的计算速度1倍以上,可实现多尺度目标检测中对大量掩膜图像窗口的快速灰度分布标准化处理。     

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

基于图像中心矩的快速模板匹配算法

提出了一种以中心矩作为匹配特征,基于积分图像的思想,并采用粗、精阶段相结合的相关跟踪算法。实验结果表明,与以往的以象素作为图像特征的相关跟踪算法不同,本算法运算速度快、实时性强、匹配精度高。采用Visual C 编程,可在40ms,即一个电视周期内完成对图像的处理。本算法在运动目标跟踪、模式识别及机器视觉等领域有着广泛的应用前景。     

基于削减搜索分支的快速模板匹配算法

提出了一种在完全搜索中寻找最优匹配点的模板匹配算法。它首先为图像建立一种类似金字塔的特殊层次结构。利用该结构的特点，削减匹配中无用的搜索分支，以达到提高处理效率的目的。通过该算法找到了完全搜索的最优匹配点，实验结果证明了它可以大大提高处理的效率。     

基于互相关边界特性和图像积分的快速模板匹配算法

基于归一化算法求解相似度原理,提出了综合利用互相关的边界条件和图像积分计算相似度的快速算法,在不降低匹配精度的前提下较大地提高了匹配速度。计算相似度时,归一化算法需要计算各位置的自相关值和互相关值,本算法先只计算自相关值,再利用Holder不等式原理,结合给定的边界阈值,剔除不满足条件的位置,减少其对应的互相关值计算。应用图像的积分进行匹配在于整个图像的积分可以在匹配之前进行计算,而在匹配过程中每一个子区域的自相关可以通过图像积分快速求得。本算法已在焊线机芯片识别系统中应用,结果表明该算法匹配的速度快而又不降低匹配精度,具有实际应用价值。     

基于多模板匹配的单人脸检测

提出了一种基于多模板匹配的一般环境图象中单人脸的检测方法。首先用双眼模板初步筛选,然后使用具有不同长宽比的多个人脸模板进行检测和定位,最后利用有脸器官的边缘特征进行确认。采用比固定比率压缩输入图象的方法解决不同尺度有脸的检测问题。实验表明这种方法具有较高的速度和检测成功率。     

基于模板匹配的快速人脸定位

提出了一种基于模板匹配的快速人脸定位算法.该算法利用积分投影法预测人脸可能的范围与位置,然后在限定的范围内采用模板匹配的方法定位人脸,从而实现了快速且可靠的人脸定位.     

多方向模板的构造及匹配的快速算法

多方向模板匹配是图像处理的重要方法。对原有的Prewitt模板进行了扩充，构造了新的多方向模板，建立了相应的快速模板匹配算法。在图像处理中，通过多方向模板，图像得到了加强，并且提取了图像相关的线性特征，实行快速算法在理论上比经典算法快4．57倍，节省了运行时间。     

基于模板分解和积分图像的快速Kirsch边缘检测

将 Kirsch 算子的模板分解为差值模板和公共模板, 然后通过相邻差值模板的差异比较, 找出边缘强度最大的方向, 并计算出相应的边缘强度值, 避免了将8个方向的边缘强度全部算出, 减少了 Kirsch 算子的模板与原图像的卷积运算. 公共模板和原图像的卷积则利用灰度信息处理时得到的积分图像来加速. 实验证明应用这种快速算法的 Kirsch 边缘检测,运算量比当前主流快速算法(FKC 算法)有较大幅度的减少. 另外, 运用模板分解和积分图像减少卷积运算的思路具有一定通用性, 实例说明此思路可用于一些其它边缘检测和空域滤波算法中.     

一种基于Harr小波的快速模板匹配算法

针对传统模板匹配算法的缺点,提出了一种基于Harr小波和SSDA的模板匹配算法,对图像进行由粗到细的匹配。实验结果表明：该算法流程简单,实时性好,匹配精度高。在不失匹配精度的条件下,克服了运算量大的缺点,从而满足图像匹配系统的实时性要求。     

基于PBIL的快速图像匹配方法的研究

为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习(Population-based Increased Learning,简称PBIL)算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。给出了理论分析和实验分析。在实验中,分析了不同终止条件下的算法性能,并将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。实验结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。     

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。     

基于方向码的旋转不变模板快速匹配方法

将图像梯度方向应用于旋转不变性模板匹配时存在计算量较大的问题,由此提出一种改进的基于梯度方向码的旋转不变模板匹配方法,通过计算积分直方图降低统计直方图的计算量,采用像素跳跃的匹配方法减少大量无效的匹配运算。实验结果表明,该方法在保证匹配准确性的前提下,匹配速度提高了3倍至6倍,可以达到实时性要求。     

一种基于模板匹配法的眼底图像拼接方法

图像拼接技术是近年来医学图像处理的研究热点之一,在眼科方面具有广泛的研究价值。笔者根据眼底图像的特点,提出了一种基于模板匹配法的眼底图像拼接方法。首先在两幅图像的重叠区域中分别抓取一对初始匹配点,分别以抓取点为中心取不同大小的模板区域和搜索区域,然后根据模板匹配法的基本原理,确定最佳匹配点,通过平移和旋转变换完成图像之间的配准,最后采用重叠区域线性过渡的图像融合方法消除拼缝,实现图像间的平滑过渡。经实验验证,该方法实现了不同视角眼底图像之间的拼接,且计算速度快,精度高。     

广义行-列积分图及其在快速投影算法中的应用

投影法是一种广泛应用的图像特征提取方法.在人脸检测中应用投影法,由于需要对图像每一窗口进行遍历及多尺度搜索,积分投影函数和方差投影函数的计算会十分耗时.混合投影函数作为积分投影函数和方差投影函数的加权和,运算量更大.提出广义行一列积分图,并应用它实现了一种快速投影算法.理论分析和基于投影的人脸检测实验表明,该算法可大大地提高投影函数的计算效率.