基于模板匹配的集装箱实时识别与定位

提出了Matlab平台下的集装箱识别定位新方法,系统利用Matlab7.0提供的Image Acquisition工具箱实现实时视频流的获取。将HSV颜色空间量化编码成162色实现对图像匹配区域的压缩。用直方图相交算法给出匹配图像与模板的相似度,识别出一帧图像中的集装箱。并结合实际情况采取变步长平移搜索方案,进一步提高了系统速度,满足了系统实时性的要求。     

基于模板匹配的中国民族音乐调式识别研究

本文以中国民族音乐理论为研究基础,构建民族音乐调式模板对中国民族音乐调式进行匹配.实验测试数据包含多个五声调式、七声调式以及西洋大小调式的MIDI文件样本.通过实验样本预处理、模板匹配、结果核验等多个步骤最终计算出调式的识别结果.实验结果表明:本算法对中国民族音乐调式的识别具有较高的准确率,能够识别出五声调式和七声调式.     

基于投影特征和模板匹配的车牌汉字识别算法

车牌自动识别算法中,汉字识别是识别的难点,也是车牌识别技术推广应用的瓶颈.目前车牌汉字识别算法主要有特征分析算法和模板匹配算法,特征分析算法受图像质量的影响比较大,模板匹配算法在识别率方面达不到实际应用要求.本文提出了逐级识别算法:首先利用投影法进行匹配,把可识别的字符挑选出来或进行分类.然后,利用字体和区域面积的比例进行筛选,对选出的字符进行模板匹配.通过实验证实:算法不仅速度快、鲁棒性好,匹配精度也很高.     

基于边界模板匹配算法的集装箱箱号识别

为了解决集装箱箱号识别精度差、速度慢的缺点,提出了一种新的识别方法.该方法从字符的边界信息中抽取出其特征向量并利用模板匹配法完成字符的初步识别.然后通过大量的实验确定易混淆的字符集,再利用这些字符的独有特征加以区分识别.实验结果表明此算法不但减少了运算量,而且提高了识别速度和精确度.     

基于模板匹配的车牌字符识别算法研究

针对车牌识别中的字符识别问题,提出了一种改进的模板匹配方法,首先把字符模板根据某种特征进行粗分类,特征类似的分到同一组,识别时首先提取字符的这种特征,根据特征提取相应分组的模板进行匹配,最后给出识别结果。     

基于小波变换的模板匹配方法研究

在研究经典模板匹配方法基础上,提出并使用基于小波变换的模板匹配方法,进行同类传感器图像的配准,通过实验结果分析可以看出,该方法配准精度较高,能对图像进行有效的配准．     

基于B-CFAR预处理的自动匹配目标识别法

针对传统模板匹配识别算法中 ,受目标旋转带来的识别率与运算速度难以两全的问题 ,文章采用了一种改进算法。首先在匹配之前用双参数恒虚警检测 (B-CFAR)提取感兴趣的区域 (ROI) ,这样排除了一些干扰 ,不仅能提高识别率 ,而且对于数据量很大的合成孔径雷达 (SAR)图像匹配速度也有所提高 ,然后对图像上每点窗口内计算方向性并依此选取相应方向的模板 ,最后用相应模板对图像进行匹配。将此算法运用在复杂二维 SAR图像飞机识别中 ,结果表明得到了良好的识别效果     

基于权值模板匹配算法的全自主足球机器人目标识别

提出了一种基于权值模板匹配的全自主足球机器人目标识别方法.首先通过动态窗口、权值变换、图像索引和动态模板等方法提高了目标的识别率,降低了识别时间;然后在足球机器人视觉系统中进行了仿真实验和实地测试.实验结果表明,在原图像含有30%白噪声情况下,其识别率仍能达到99.7%,且识别时间不超过30 ms,这种方法既在一定程度上降低了噪声干扰的影响,又提高了目标识别的速度和准确性,从而提高了系统的实时性和鲁棒性.     

运动目标识别与跟踪的模板匹配算法改进及仿真研究

针对传统模板匹配算法存在运算量大,以及干扰物中有部分区域和目标形状相同时识别率差的问题,改进传统的模板匹配算法,并在MATLAB6.5环境下,应用改进的新算法对简单背景中的运动目标进行计算机识别与跟踪仿真.新算法先对识别区域进行扫描点检测,判断该点是否满足要求再进行模板匹配运算;当某些干扰物体中某部分区域与目标模板相同时,采用自动模板更新的方法进行区分.仿真实验结果表明,改进的模板匹配算法大大减少模板匹配的运算量,并且可以有效地排除干扰物体对目标识别的干扰.     

地貌测量中图像特征的匹配算法

针对地貌测量重构中的图像特征匹配问题,提出了一种新的图像特征匹配方法.通过对待匹配的资源和模板图像进行分区,并根据灰度相关值实现区域之间的匹配,在区域匹配的基础上再根据角点所属区域的对应关系进行角点特征匹配运算.在角点特征匹配过程中,利用去均值归一化相关法进行区域灰度相关运算,从而确定出初始匹配点对.为消除初始匹配角点对中的错误匹配点对,保证角点特征提取的准确性和可靠性,采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除.实验结果表明,该算法可有效提高地貌图像特征匹配的精度和效率.     

基于模板匹配的手写字符识别技术实现

在传统的图像处理程序中,由于没有标准的API,往往会造成编码量大,效率又不高的结果．而OpenCV提供了统一的API,为后续的图像处理提供了极大的便利,在这里首先介绍了在VC＋＋6．0下安装、配置OpenCV（这里主要指的是OpenCV1．0版本）环境,以及建立OpenCV下的VC＋＋6．0应用程序框架．在模板数据库建立的过程中,首先将模板图片进行二值化,将特征值提取出来,存入模板库,从而完成模板数据库建立,再根据模板数据库对目标图片进行比对的过程中,将该目标图片的特征值与模板数据库中的所有特征值进行比对并计算相似度,进而针对相同字符的不同模板计算该相似度的期望和方差,根据计算所得的期望和方差得到最匹配的字符,即最终结果．     

基于BP神经网络的轨道基桩识别

运用BP神经网络对用CCD拍到的基桩图片进行识别,包括BP神经网络的输入、输出层的设计,隐层节点的选取等。实验结果表明,经大量基桩样本的训练后,BP神经网络能将拍到图片中的基桩有效地识别出来,且达到较高的正确率。     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.     

基于改进模板匹配算法的靶标图像检测

针对现代靶场所面临的测量目标小、距离远、目标与背景对比度低的实际问题,提出了一种基于数字图像处理的靶标检测方法。该方法对传统的模板匹配方法进行了改进,能够在靶场测试仪器捕获的图像中,精确并快速地定位靶标十字的中心,从而实现武器装备动态、静态性能测试。     

基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

灰度图像匹配的快速算法

分析了传统的模板匹配算法 ,提出了一种新的基于投影的快速模板匹配算法 .该算法对图像计算一维投影 ,并将投影数据差分转化为描述图像特征的字符串 ,在快速字符串匹配的基础上 ,进行归一化的相关计算 ,既保证了匹配效果 ,又提高了匹配速度 .实验结果表明 ,这是一种有效的新算法     

基于边缘和模板匹配的印鉴自动鉴别方法

利用计算机鉴别印鉴真伪具有广泛的应用前景．提出一种基于边缘和模板匹配的印鉴自动鉴别方法,该方法先将印鉴图象分成若干个子区域,然后提取反映真假印鉴本质特征的若干参数,用它们形成局部和全局特征,最后用ＢＰ神经网进行判决．实验结果表明,该鉴别方法具有较强的适应性和可靠性,已达到实用水平．     

基于十字模板匹配的靶场目标检测方法

针对现代靶场所面临的测量目标小、 距离远、 目标与背景对比度低以及匹配算法计算量大、 时间复杂度高等问题, 提出一种基于数字图像处理的靶标检测方法。该方法以十字特征直线代替模板进行粗匹配, 仅对搜索图中像素点数目较少的一段灰度区域进行匹配, 从而大大减小了计算量, 使匹配速度得到极大提高。通过CCD（Charge Coupled Device）相机采集的靶场目标序列图像进行仿真实验, 实验结果表明, 该算法匹配速度快、 较传统的灰度相关算法具有较强的鲁棒性。