第10章-模板匹配与模式识别技术

模式识别最基本的方法--模板匹配技术；入门性介绍统计模式识别、结构模式识别和人工神经网络分类的基本概念和原理。§10.1模板匹配§10.2模式识别方法第十章模板匹配与模式识别技术

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

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

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

§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。

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：

非相似度：(S--t(x，y)的定义域)值越小，匹配程度越好§10.1模板匹配相似度：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

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