模板匹配与模式识别技术.pptVIP

第1页，共16页，星期日，2025年，2月5日一.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。模式识别(PatternRecognition)------用计算机实现人对各种事物或现象的分析,描述,判断,识别。第2页，共16页，星期日，2025年，2月5日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。第十章模板匹配与模式识别技术第3页，共16页，星期日，2025年，2月5日模式的直观特性: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第4页，共16页，星期日，2025年，2月5日模式识别(PatternRecognition)------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。第十章模板匹配与模式识别技术第5页，共16页，星期日，2025年，2月5日§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：(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。第6页，共16页，星期日，2025年，2月5日一，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。2，匹配尺度：§10.1模板匹配非相似度：S--t(x，y)的定义域值越小，匹配程度越好第7页，共16页，星期日，2025年，2月5日相似度：该值越大，表示匹配程度好。--t(x,y)在S内的均值--f(x+u,y+v)在S内的均值§10.1模板匹配第8页，共16页，星期日，2025年，2月5日二，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：(SequentialSimiliarityDetectionAlgorithm)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)表示的不是模板中心坐标，而是它左上角坐标。模板的大小为m×n。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模板匹配第9页，共16页，星期日，2025年，2月5日2）粗精检索结合方法：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。§10.1模板匹配第10页，共16页，星期日，2025年，2月5日§10.2模式识别方法简介统计模式识别