对基于特征值模版匹配方法如何减小外在因素影响讨论.docVIP

对基于特征值模版匹配方法如何减小外在因素影响讨论 　　摘要：基于特征值模版匹配的方法，基本思路就是要让特征值模版能够通过各种算法和战术更好也更精准的描述特征值模版与进行匹配模式的相似程度。在这个过程中，一个难以忽略的因素便是外在因素，这些外在因素很大程度上将影响到匹配的结果，本文将细致讨论如何尽可能的减少外在因素的影响。 　　关键词：模版匹配方法；外在因素；算法战术 　　中图分类号：TN929文献标识码：A文章编号：1007-9599 (2012) 02-0000-02 　　How to Reduce the Discussion of External Factors of the Eigenvalue-based Template Matching Method 　　Liu Xin 　　(Software Engineering College,Sichuan University,Chengdu610207,China) 　　Abstract:The based eigenvalues template matching method,the basic idea is to make the eigenvalue template through a variety of algorithms and tactics better and more accurate description of the eigenvalue template and the degree of similarity for matching patterns.In this process,a difficult negligible factor is the external factors,these external factors will largely affect the result of a match will be detailed in this article discusses how to minimize the impact of external factors. 　　Keywords:Template matching method;External factors;Algorithm tactics 　　影响了基于模版匹配的外在因素：光线，可分为自然光（混合光线），单色光等；光位，可分为顺光，逆光等；捕捉方式，常用有颜色捕捉，缺陷捕捉等；噪声与干扰：有光噪声，物体噪声等，干扰不同于噪声，这些信息是被正确采集下来的偶然事件。 　　这里将详细阐述了如何解决匹配抖动的问题即外在因素影响匹配结果的问题。匹配程度参考公式1： 　　y=kx(0k≤1，x≥0)，IF y≤degree，x属于R集合 　　若这里的X是某一个模式与库模版的匹配程度，Y是最终会被进行参考的匹配程度，degree值是我们能够接受的最差的成功匹配的阈值，R集合呢，也正是发生成功匹配时，X的范围集合。K这里是权重值，它受到外在因素，和库模版所能被参考的程度的影响，反向的，K的设置也正是为了减小外在因素对最终匹配程度的干扰，当K的值越趋近与0时，更多的X将满足方程条件，换句话说R的域将随K的减小而增大，首先在栅栏的帮助下，我们会发现X将会离散的分布在很小的区间上，K值轻微的变化，会引起R域的抖动。为让库模版在做匹配时能够尽可能的少受到外在因素的影响，我们提出了匹配程度参考公式2： 　　match_degree=m*default_template+n*current_template 　　其中m和n是大于零并且小于1的浮点数，它们决定了初始化库模版和生成库模版对匹配程度影响的比重，方程拆分为： 　　match_degree_1=m*default_template(0m≤1，default_template≥0) 　　match_degree_2=n*current_template(0n≤1，current_template≥0) 　　我们可以很清晰的发现，参考公式2其实来源于匹配程度参考公式1，这原于要解决的两个重要的模版匹配问题： 　　1.在匹配操作刚开始的时候如何选取库模版呢? 　　2.在匹配操作进行了一段时间后如何选取更加准确的模版？ 　　首先考虑第一个问题，我们使用这样的战术，在匹配之初，我们首先拥有这样的特征信息，这可能是模式的轮廓信息，缺陷信息，这些特征信息，被转化为特征值存储在初始化库模版中，用以最初的匹配操作使用。这样做实际上是有缺陷的，因为我们很清楚的了解到外在因素对匹配过程的影响，所以单纯的使用不具备外在因素的特征信息的库模版，是不能很好的进行匹配操作的。因此我们需要在使