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.     

模板匹配技术研究及其在车牌识别系统中的应用

采用模板匹配技术在图像识别系统中是一种比较简单而快速的方法,模板匹配技术就是把未知图像和一个标准的图像进行比较,找出它们之中是否存在相同或相似之处.找出最相似的字就是其识别的结果,该过程称为"匹配".     

模板匹配的并行算法

模板匹配方法是检测图像边缘的重要方法之一。本文对模板匹配方法的Ｐｒｅｗｉｔｔ算子进行了研究，提出了用该算子检测图像边缘的快速算法，向量及分布式算法，并且在并行虚拟环境ＰＶＭ上实现了分布式计算，加速效果明显。     

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。     

一种基于几何特征的改进模板匹配算法

在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数，为了满足实时性行要求，本文提出一种基于几何特征的快速模板匹配算法，实验表明该算法能有效地识别出棒材目标，并显著提高了速度。     

一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．     

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。     

图象模板匹配技术在探针台系统中的应用

主要论述了数字图像处理技术在探针台系统中的应用,分析了基于灰度信息的模板匹配算法以及自动对准技术的原理及实现手段,为其它电子专用设备中自动识别对准的应用提供一些思路与技巧。     

一种改进的模版匹配识别算法

通过对现有常用的几种模板匹配算法的分析与研究,提出了一种全区域特征加权模板匹配识别算法,它是对特征加权的模板匹配算法的一种改进。经过理论分析与实际测试,这种改进的识别算法进一步降低了字符的误识率。     

基于动态模板匹配的移动机器人目标识别

将视觉显著性与基于动态模板匹配的目标识别方法相结合,提出了一种适用于未知环境下的移动机器人目标识别方法.具体而言,首先设计了基于分布式控制的移动机器人视觉系统,提高了视频处理效率;之后利用基于背景先验的显著性检测方法对图像进行预处理,排除了相对次要的背景区域;最后对处理后的图像进行动态模板匹配,提高了目标识别的准确率.实验结果表明,该方法能够满足移动机器人在目标识别过程中对图像处理的实时性和准确性的要求,具有良好的有效性.     

神经网络和模板匹配在自动打分系统中的应用

为提高实验教学中实验报告成绩的录入效率,设计了一个基于图像处理技术的手写字符识别系统。以VISUAL C++ 6.0为编译环境,MFC为图形界面开发平台,通过CCD摄像头进行图像采集,根据图像识别原理对图片进行预处理,并分别采用BP神经网络和模板匹配两种不同方法对实验报告成绩及学号字符进行识别,比较了两种方法在识别准确率和速度方面的优劣。测试结果表明,BP神经网络法比模板匹配法识别的准确率更高,而后者识别速度较后者快10倍左右,自动打分系统较传统的手工录入法大幅度提高了数据输入速度。该系统可以应用于各类实验报告成绩的快速录入。     

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。     

两种改进的模板匹配识别算法

在开发在线轮胎编码图像自动识别系统时,通过对现有常用的几种识别算法分析与研究,提出了两种改进的标准模板匹配识别算法,分别是基于特征加权的模板匹配算法和基于特征块的模板匹配算法,两种改进的算法都以抽取字符特征为基础,结合模糊原理进行识别,经过理论分析与实际测试,两种改进的识别算法都进一步提高了图像字符的识别率。     

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。     

基于平均模板的人脸图像纠正

提出了一种能提高人脸识别鲁棒性的图像预处理方法,即基于平均模板的图像纠正算法ICBAT。该算法通过将人脸图像与平均模板进行比较,利用两者的差值构造权值,用此权值对人脸图像加权纠正以减少由光照引入到人脸图像中的亮斑和阴影。实验表明该ICBAT算法能大幅度降低人脸识别算法对表情和光照变化的敏感性,而且能大幅度提高人脸识别算法对训练样本数的非依赖性。     

基于模版对比的手写体数字识别神经网络模型

针对现有手写体数字识别神经网络模型的不足,提出基于模版对比的改进方法。建立8×12像素的手写体数字0～9的标准模版,则模版中每个数字与其他数字之间存在一定的像素差异,以此作为标准模版差异值。由于书写存在不确定性,采用在一定范围内随机增大或减小标准模版差异值的方法来构建神经网络模型的训练样本、检验样本与测试样本。在遵循建模基本原则和步骤的情况下,建立了泛化能力较好的手写体数字识别的神经网络模型。实验表明：该方法建模便捷、实用性好,测试样本的正确识别率达99.6%以上。     

图像数字水印中的模板匹配检测方法

基于对数极坐标映射(LPM),设计了图像数字水印技术中的模板匹配检测方法.该模板匹配检测方法的特点是:在图像数字水印的嵌入过程中,从对数极坐标域中切取一块模板匹配信息;计算该模板匹配信息与加入水印后的图像在LPM域中的相位谱的相关系数来进行水印的检测工作.这种方法不使用原始图像的全部信息,减少了相关性检验的计算时间,提高了工作效率.实验结果表明该方法对图像中数字水印具有较强的检测能力.     

一种快速模板匹配的波形识别算法

本文以数字波形为例,提出波形幅值向量化处理快速建立匹配模板.把输入信号的波形做准归一化处理与模板进行匹配,求出与所有模板的距离.实验结果表明此方法不仅可行,而且正确率和执行效率相当高.