模板匹配技术实验报告.docVIP

模板匹配技术实验报告徐晗 实验内容： 利用①相关匹配（Correlation Matching）、②基于Hausdorff距离匹配方法 及③考虑对场景图象距离变换（Distance Transform）的Hausdorff距离匹配方法,实现模板目标在场景图象中的定位。 实验过程： 对于每个模板分别给出最后的目标定位位置坐标（左下角坐标为（0,0））,对于方法①与②，比较定位精度的偏差；对于方法②与③比较定位效率（时间）。 实验环境： Matlab 实验结果： 程序运行结果： 相关匹配 由于相关匹配是在原图上进行匹配，所以对匹配位置的像素用底片色显示，以便于观察。 模板一 相关度分布图 相关度彩色网格图： 匹配结果图： 左下角位置为（0,0），以模板左上角位置为参考点，模板匹配位置在 ans = 172 111 即坐标(172,111)为模板左上角位置所在。 模板二： 相关度分布 相关度彩色网格图： 匹配结果图： 左下角位置为（0,0），以模板左上角位置为参考点，模板匹配位置在 ans = 174 104 即坐标(172,111)为模板左上角位置所在。 Hausdorff距离变换匹配 模板边缘提取，用参数为0.005的log算子和canny算子： Template_1 ，log算子 Template_2，canny算子 背景边缘： 模板一 Hausdorff距离彩色网格图 分割效果图： 左下角位置为（0,0），以模板左上角位置为参考点，模板匹配位置在 ans = 174 111 模板二 Hausdorff距离彩色网格图 变换效果图 以模板左上角为参考点，匹配点位置坐标为 ans = 175 102 基于场景的hausdorff变换： 边缘提取使用参数为0.006的log算子 模板一 模板二 背景： 场景距离hausdorff变换： 模板一 匹配结果彩色网格图： 匹配结果 以模板左上角为参考点，匹配点位置坐标为 ans = 172 111 模板二 匹配结果彩色网格图： 匹配结果 以模板左上角为参考点，匹配点位置坐标为 ans = 161 99 效果对比 相关度匹配与hausdorff距离匹配效果对比： 通过对之前结果的观察，可以看出在使用模板一时，两者的匹配效果都很好，在实际程序运行结果中，实际上hausdorff距离算法得到了三个相同值的极值点，在图上只显示出一个，不过由于三个点是相邻的，非常接近，所以选用了其中的一个匹配度最高的显示出来。由于相关匹配算法应用的是原始图像进行匹配，对图像信息使用的较多，因此匹配效果更加精准；而hausdorff变换要先提取边缘，且对图像噪声很敏感，因此往往需要尝试不同的边缘检测方法和其他参数，而且由于算法的缘故，经常会出现多个匹配点，在这方面精准度不如相关匹配。 在使用模板二的计算中，相关匹配算法得到的结果比较接近实际情况，由于模板与图像不完全相同，所以无法算出具体的偏差，不过从实际效果看还是可以接受的；hausdorff算法则由于背景边缘在一些位置比较密集，而模板边缘与背景目标边缘相差较大，经常会出现判断错误的情况，但在调整好了参数之后效果与相关匹配还是比较接近的，结果也可以接受。 Hausdorff距离算法与基于场景的hausdorff变换效率对比： 实际测得使用hausdorff距离算法计算一次所用的时间大概为： Elapsed time is 833.266206 seconds. 由于时间较长，没有反复统计，不过一般都在700s以上，在系统同时做其他工作时时间可以超过1000s，计算量大，耗时多； 使用基于场景变换的hausdorff算法计算一次所用的时间大概为： Elapsed time is 9.190022 seconds. 半分钟左右即能得到结果，实际运行时间大约为hausdorff距离变换的1/25，效率更高。