模板匹配与模式识别技术.ppt

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，星期六，2024年，5月§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，星期六，2024年，5月一，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，星期六，2024年，5月相似度：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，星期六，2024年，5月二，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，星期六，2024年，5月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，星期六，2024年，5月§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第11页,共16页，星期六，2024年，5月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。概率分类法一，统计模式识别聚类分析目标：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。是一种非监督学习的方法，解决方案是数据驱动的。§10.2模式识别方法简介第12页,共16页，星期六，2024年，5月基于模糊数学理论，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。二，模糊模式识别§10.2模式识别方法简介第13页,共16页，星期六，2024年，5月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