数字图像处理与识别教学课件作者孙正第5章基于模板匹配的图像识别方法课件.pptVIP

5.1 概 述 基本思想 拿已知的模板和原 图像中同样大小的一 块区域去对。 5.2 全局模板匹配 为了从图像中确定出是否存在某一目标，可把某目标从标准图像中预先分割出来作为全局描述的模板，然后在另一幅图像中搜索是否有这种模板目标。 5.2 全局模板匹配 进一步规格化相关度： 5.3 模板向量匹配 把图像被J×K框出部分用向量表示，模板也用 向量表示，这时两个向量相似度可用两向量的向量差作为相似度的一种度量： 5.3 模板向量匹配 SSDA法(Sequent Similarity Detection A1gorithm)： 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，(u,v)是模板左上角的坐标。 5.4 二阶段模板匹配 粗检索：每隔若干个像素把模板和图像重叠，并计算匹配的尺度，求出对象物大致存在的范围。 细检索：在粗检索求出的范围内，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。 若图像待识别部分和模板都用特征向量表示，则向量的维数大为减少。例如用不变矩描述时，则f(j, k)和w(j, k)特征向量只有7维，即： x和w向量差可用差向量的范数来表示： 5.5 特征匹配 若图像中已分割出L个目标物，求其中是否有目标物W，则只需求出