图像匹配

匹配时，互相关系数取最大值；第三项是常数，模板的总能量，取值与坐标
无关。
因此，可以下列的相关系数作为相似性量度：
R(i,
j)

D(i, D(i,
j)的第二项 j)的第一项

m
S i, j (m, n) •T (m, n)
n
或归一化为R(i, j)
[S i, j (m, n)]2
（2）特征点的匹配 （3）对匹配结果进行插值
字符串匹配是根据逐个符号完成的。首先将两个区域边界A和B分别进行编
码，得到两个字符串。从起点开始，如果在某个位置上编码位的数值相同，则
认为这两个边界有一次匹配，设M为两个字符串匹配的次数，则非匹配的次数
为Q=max(||A||,||B||)-M,其中||arg||代表arg的字符串表达长度（符号个数），
比较T和S i, j 的内容，若两者一致，则T和S i, j 的差值为零。
但实际应用中并非如此，一般可用下面的公式来描述 T和 S i, j 的
相似度（相似性）。
MM
D(i, j)
| S i, j (m, n) T (m, n) | 或
m1 n1
M
D(i, j)
M [S i, j (m, n) T (m, n)]2 展开有
图像匹配
汇报人：夏鑫 学 号：17722062
目录
➢ 模板匹配 ➢ 特征匹配
01
➢ 模板匹配
模板：要判定搜索图像中是否存在某一目标物，可以事先将该 目标物从标准图像中分割提取出来，以矩阵的形式表示成代表该目 标物的样版，则称该样板为模板。
模板匹配：根据该模板与一幅图像的各部分的相似度，判定目 标物是否存在，并求得目标物在图像中的位置，这一操作就叫模板 匹配。
首先定义两个区域边界的相似度为两形状数之间的最大公共形状数。设有闭合曲线A 和B，都用4链码表示，当A和B具有相同的相似度k时，则它们的相似度就是k。
两个区域边界A和B形状数的距离D（A，B）为其相似度的倒数，即D（A，B）=1/k。则 它必然满足:
D(A,B)≥0 D(A,B)=0 当且仅当A=B D（A，C）≤max[D(A,B),D(B,C)] 利用形状数匹配法进行匹配的步骤： （1）用不同密度的网络划分边界区域，获得不同序数的形状数。 （2）利用相似级别k或相似距离D进行相似性判别
模板匹配最基本的原则：通过计算相关函数来找到目标物在被 搜索图像中的坐标位置。
模板匹配原理： 设模板为T（m，n），其大小为M*M;搜索图像为S（m，n）， 其大小为N*N，且N≥M。将模板T叠放在搜索图像S上平移，模板
覆盖下的区域称为子图 S i, j，（i，j）为区域左上角点在图像S中的
坐标，称为参考点，可以看到：1≤i,j≤N-M+1
在实际应用中的多数场合，我们关心的并不是目标物所在区 域的所有像素，而是目标物的特征，即要在一幅图像中找到目标 物只要进行目标物特征的匹配，就可以达到目的。
常用的匹配特征：特征点、字符串、形状数、惯量等效椭圆 最常用的特征点是图像中的一些特殊点，如：边缘点、交界 点和拐点。 特征点匹配的主要步骤：（1）选取特征点
①如果使用相似级别k，k越大则越相似 ②如果使用相似距离D，D越小则越相似
当且仅当两边界的字符串相等时，Q=0.
我们用一个相似性量度R来衡量两边界的近似程
R

M Q
max(||
M A ||, || B ||) M
（1）R越大说明两个边界的匹配程度越高
（2）当完全匹配时R无穷大
（3）起点位置对计算量影响很大，因此通常需要对字符串进行归一化处理
形状匹配中常用的一种方法是形状数匹配法，其基本原理是：通过比较两个对象边界 的形状数的相似程度，来匹配对象。
m1 n1
D(i, j)
[S i, j 来自百度文库m, n)]2 2
S i, j (m, n) •T (m, n)
[T (m, n)]2
mn
mn
mn
第一项为覆盖区域的子图能量，它随坐标（i，j）的变化而缓慢变化；第二项
为子图和模板的互相关系数，它随坐标（i，j）的变化而变化，当T与 S i, j 达到
(
S i, j (m, n) •T (m, n)
mn
[S i, j (m, n)]2 )1/ 2 (
[T (m, n)]2 )1/ 2
mn
mn
mn
模板匹配的特点：由于模板匹配需要逐点进行检测，因此计算量很大，要在
(N-M+1)*(N-M+1)个参考位置上做相关计算，匹配效率和精度也比较低。
02
➢ 特征匹配