模板匹配与模式识别技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2,匹配尺度:
非相似度:
max f t s
(S--t(x,y)的定义 域)
s f t dxdy
2
s( f t) dxdy
值越小,匹配程度越好
§10.1 模板匹配
• 相似度:该值越大,表示匹配程度好。
m(u,v) t(x, y) f (x u, y v)dxdy
s
m(u, v)
m(u, v)
首先进行粗检索,它不是让模板每次移动一个像 素,而是每隔若干个像素把模板和图像重叠,并计算匹 配的尺度,从而求出对象物大致存在的范围。然后,仅 在这个范围内,让模板每隔一个像素移动一次,根据求 出的匹配尺度确定对象物所在的位置。这样,整体上计 算模板匹配的次数减少,计算时间缩短,匹配速度提高 。但是用这种方法具有漏掉图像中最适当位置的危险性 2,。高精度定位的模板匹配
§10.2 模式识别方法简介
四,人工神经网络方法
• 神经网络是受人脑组织的生理学启发而创立的。 • 由一系列互相联系的、相同的单元(神经元)组
成。相互间的联系可以在不同的神经元之间传递 增强或抑制信号。 • 增强或抑制是通过调整神经元相互间联系的权重 系数来实现。 • 神经网络可以实现监督和非监督学习条件下的分 类。
§10.2 模式识别方法简介
一,统计模式识别
概率分类法 • 基于概率统计模型得到各类别的特征向量的分布
,以取得分类的方法。 • 特征向量分布的获得是基于一个类别已知的训练
样本集。 • 是一种监督分类的方法,分类器是概念驱动的。
聚类分析
目标:用某种相似性度量的方法将原始数据组织 成有意义的和有用的各种数据集。
。
nm
m(u, v) f (k u 1,l v 1) t(k,l)
k 1 t 1
如果灰度差的绝对值部分和超过了某一阈值时,就认为这 位置上不存在和模板一致的图案,从而转移到下一个位置 上计算m(u,v)。因此能大幅度地缩短计算时间,提高匹 配速度。
§10.1 模板匹配
2)粗精检索结合方法:
在一般的图像中有较强自相关性,因此,进行模板匹 配计算的相似度就在以对象物存在的地方为中心形成平缓 的峰。
基于图案轮廓的特征匹配方法与一般的匹配相比较, 表现出更尖锐的相似度的分布。可获得高精度的定位。
§10.2 模式识别方法简介
• 统计模式识别 概率分类法 聚类分析
• 模糊模式识别 • 句法(结构)模式识别 • 人工神经网络方法
§10.1 模板匹配
• 模板匹配是一种最原始、最基本的模式识别方法。研究某 一特定对象物的图案位于图像的什么地方,进而识别对象 物,这就是一个匹配的问题。
• 模板匹配定义: 当对象物的图案以图像的形式表现时,根据该图案
与一幅图像的各部分的相似度判断其是否存在,并求得对 象物在图像中位置的操作叫做模板匹配。 • 模板匹配的用途:
第十章 模板匹配与模式识别技术
模式的直观特性:
可观察性 可区分性 相似性
第十章 模板匹配与模式识别技术
模式识别(Pattern Recognition) ------ 用计算机实现人对各种事物或现象的分 析,描述,判断,识别。
周围物体的认知:桌子、椅子 人的识别:张三、李四 声音的辨别:汽车、火车,人语、鸟鸣 气味的分辩:炸带鱼、红烧肉 人和动物的模式识别能力是极其平常的,但对计 算机来说却是非常困难的。
(1)在几何变换中,检测变换的对应点; (2)多光谱或多时相图像间的几何配准(图像配准); (3)在立体影像分析中提取左右影像间的对应关系; (4)运动物体的跟踪; (5)图像中对象物位置的检测等。
§10.1 模板匹配
• 一,模板匹配方法 1,基本思想:
设检测对象的模板为t(x,y),令其中心与图像 f(x,y)中的一点(i,j)重合,检测t(x,y)和图像重 合部分之间的相似度,对图像中所有的点都进行这样 的操作,根据相似度为最大或者超过某一阈值来确定 对象物是否存在,并求得对象物所在的位置。
( f (x u, y v)2 dxdy
s
m(u, v)
( f (x u, y v) f )(t(x, y) t )dxdy
s
( f (x u, y v) f )2 dxdy (t(x, y) t )2 dxdy
s
s
f --f(x+u,y+v)在S内的均值
t --t(x,y)在S内的均值
数字图像处理
第十章 模板匹配与模式识别技术
第十章 模板匹配与模式识别技术
模式识别的基本定义 模式(pattern) ------ 存在于时间,空
间中可观察的事物,具有时间或空间分布的信 息。
广义地说,存在于时间和空间中可观察的物 体,如果我们可以区别它们是否相同或是否相 似,都可以称之为模式。 模式所指的不是事物本身,而是从事物获得 的信息,因此,模式往往表现为具有时间和空 间分布的信息。
§10.2 模式识别方法简介
五,模式识别系统的基本构成
数据 获取
预处理
特征提取 和选择
分类器 设计
分类 决策
是一种非监督学习的方法,解决方案是数据驱动 的。
§10.2 模式识别方法简介
二,模糊模式识别
• 基于模糊数学理论,利用隶属函数描述事物的不确 定性。
• 识别根据研究对象对于某模糊子集的隶属程度采用 最大隶属原则识别法、择近原则识别法,模糊聚类 分析法对模式进行识别。
§10.2 模式识别方法简介
三,结构模式识别 • 该方法通过考虑识别对象的各部分之间的联 系来达到识别分类的目的。 • 识别采用结构匹配的形式,通过计算一个匹 配程度值(matching score)来评估一个未 知的对象或未知对象某些部分与某种典型模 式的关系如何。 • 当成功地制定出了一组可以描述对象部分之 间关系的规则后,可以应用一种特殊的结构 模式识别方法 – 句法模式识别,来检查一个 模式基元的序列是否遵守某种规则,即句法 规则或语法。
§10.1 模板匹配
• 二,模板匹配方法的改进
1,高速模板匹配法
1)序贯相似性检测法SSDA法:
(Sequential Similiarity Detection•Algorithm)
SSDA法用下式计算图像f(x,y)在点(u,v)的非相
似度m(u,v)作为匹配尺度。式中(u,v)表示的不是模
Байду номын сангаас
板中心坐标,而是它左上角坐标。模板的大小为 m×n