基于特征的模板匹配方法

基于模板匹配和形态学的掌纹线特征提取方法

彭其胜;陈华华

【期刊名称】《杭州电子科技大学学报》

【年(卷),期】2013(033)003

【摘 要】该文提出了一种有效的掌纹线特征提取方法,将模板匹配与数学形态学相结合,从4个不同的方向提取掌纹线.然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征.实验结果表明基于模板匹配和数学形态学的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来了,能够满足大型数据库掌纹识别的要求.

【总页数】4页(P21-24)

【作 者】彭其胜;陈华华

【作者单位】杭州电子科技大学通信工程学院,浙江杭州 310018;杭州电子科技大学通信工程学院,浙江杭州 310018

【正文语种】中 文

【中图分类】TN911.73

【相关文献】

1.基于形态学滤波和Hough变换的掌纹主线提取方法 [J], 郑艳清;裘正定;吴介

2.一种掌纹线特征的提取方法 [J], 宋炯;林喜荣;包桂秋;申晶

3.一种基于形态小波的在线掌纹的线特征提取方法 [J], 戴青云;余英林

4.一种基于数学形态学和模板匹配的掌纹线特征提取方法 [J], 彭其胜 5.基于形态学滤波和邻域搜索的掌纹主线提取方法 [J], 李海燕;潘培哲;唐一吟;余鹏飞;黄亚群;陈建华

因版权原因，仅展示原文概要，查看原文内容请购买

遥感图像中的目标检测与识别

第一章 引言

1.1 研究背景

遥感图像是通过人造卫星或无人机等设备获取的地面图像数据，具有广泛的应用领域，如农业、城市规划、环境监测等。然而，由于遥感图像中的数据量庞大，人类无法直接分析和处理，因此需要借助计算机算法进行目标检测与识别。

1.2 研究意义

目标检测与识别在遥感图像中具有重要的应用价值。通过准确地识别和定位遥感图像中的目标，可以帮助农民进行精准农业管理，提高作物产量；可以为城市规划提供数据支持，促进城市可持续发展；可以监测环境变化，及时发现异常情况等。

第二章 遥感图像目标检测方法

2.1 基于特征的目标检测方法

基于特征的目标检测方法是最经典的方法之一。常用的特征包括颜色、纹理、形状等。通过提取图像的特征，然后使用分类算法进行目标检测。

2.2 基于深度学习的目标检测方法

随着深度学习算法的快速发展，基于深度学习的目标检测方法在遥感图像中得到广泛应用。典型的方法包括Faster R-CNN、YOLO等。这些方法通过深度神经网络对图像进行特征提取和目标定位，具有较高的准确率和检测速度。

第三章 遥感图像目标识别方法

3.1 基于模板匹配的目标识别方法

基于模板匹配的目标识别方法是最简单直接的方法之一。该方法将目标样本与遥感图像进行匹配，找到最匹配的目标位置。然而，由于遥感图像中目标的变化多样性，该方法容易受到光照、角度等因素的影响，识别效果有限。

3.2 基于机器学习的目标识别方法 基于机器学习的目标识别方法可以通过训练分类器来识别遥感图像中的目标。常用的机器学习算法包括支持向量机、随机森林等。这些方法通过训练大量的样本数据，从中学习目标的特征，然后进行目标识别。

3.3 基于深度学习的目标识别方法

基于深度学习的目标识别方法在目标识别领域取得了巨大的进展。通过使用深度神经网络进行特征提取和目标分类，可以实现准确的目标识别。典型的方法包括卷积神经网络、残差神经网络等。

・研究开发・・・・・・　电脑知识与技术　

一种基于几何特征的改进模板匹配算法　

李弟平’。罗三定　（１，湖南农业大学计算机与通信工程学院，湖南长沙４１００１２；２．中南大学信息科学与工程学院，湖南长沙４１００８３）　

摘要：在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数，为了满足实时性行要求，本文提出一种基于几何特征的　

快速模板匹配算法，实验表明该算法能有效地识别出棒材目标，并显著提高了速度。　

关键词：棒材计数；模板匹配；类圆形目标识别　

中图分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１００９－３０４４（２００６）１７—０１１８—０３　Ａｎ　Ｉｍｐｒｏｖｅｄ　Ｔｅｍｐｌａｔｅ　Ｍａｔｃｈｉｎｇ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｇｅｏｍｅｔｒｉｃ　Ｆｅａｔｕｒｅ　

ＬＩ　Ｄｉ—ｐｉｎｇ１，ＬＵＯ　Ｓａｎ—ａｉｎｇ￣　（１．ＣｏＨｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｏｆ　ＣＳＵ，Ｃｈａｎｇｓｈａ　４１　００８３，Ｃｈｉｎａ；２．Ｔｈｅ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　ＨＵＡＵ，　

Ｃｈａｎｇｓｈａ　４１００１２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｃｏｕｎｔｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ｒｅａｌ—ｔｉｍｅ　ｖｉｄｅｏ　ｉｓ　ａｐｐｆｉｅｄ　ｉｎ　ｔｈｅ　ｓｔｅｅｌ　ｂａｒ　ｃｏｕｎｔｉｎｇ　ｓｙｓｔｅｍ．Ｉｎ　ｏｒｄｅｒ　ｔＯ　ｃｏｕｎｔ　ｂａｒ　ｒｅａｌ　ｔｉｍｅ，　Ｔｈｉｓ　ｐａｐｅｒ　ａｄｖａｎｃｅｓ　ａｎ　ｉｍｐｒｏｖｅｄ　ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｇｅｏｍｅｔｒｉｃ　ｆｅａｔｕｒｅ　ｔＯ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ．Ａｃ—　

ｃｏｒｄｉｎｇ　ｔＯ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔ，ｔｈｅ　ｏｂｊｅｃｔ　ｉｓ　ｒｅｃｏｇｎｉｔｉｏｎ　ｐｒｏｐｅｄｙ　ａｎｄ　ｑｕｉｃｋｌｙ　ｂｙ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ，　Ｋｅｙ　ｗｏｒｄＳ：Ｃｏｕｎｔ　ｏｆ　Ｓｔｅｅｌ—Ｂａｒ；Ｔｅｍｐｌａｔｅ　Ｍａｔｃｈｉｎｇ；Ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　Ｓｕｂｏｒｂｉｃｕｌａｒ　Ｏｂｊｅｃｔ　

很早就想总结一下前段时间学习 HALCON的心得，但由于其他的事情总是抽不岀时间。 去

年有过一段时间的集中学习，做了许多的练习和实验，并对基于 HDevelop的形状匹配算法的参

数优化进行了研究，写了一篇《基于 HDevelop的形状匹配算法参数的优化研究》文章，总结了

在形状匹配过程中哪些参数影响到模板的搜索和匹配，又如何来协调这些参数来加快匹配过程， 提高匹配的精度，这篇 paper放到了中国论文在线了，需要可以去下载。

德国MVTec公司开发的HALCON机器视觉开发软件，提供了许多的功能，在这里我主要 学习和研究了其中的形状匹配的算法和流程。 HDevelop开发环境中提供的匹配的方法主要有三

种，即 Component-Based、Gray-Value-Based、Shape-Based,分别是基于组件(或成分、元素)的 匹配，基于灰度值的匹配和基于形状的匹配。 这三种匹配的方法各具特点， 分别适用于不同的图

像特征，但都有创建模板和寻找模板的相同过程。 这三种方法里面， 我主要就第三种-基于形状

的匹配，做了许多的实验，因此也做了基于形状匹配的物体识别， 基于形状匹配的视频对象分割

和基于形状匹配的视频对象跟踪这些研究， 从中取得较好的效果，简化了用其他工具，比如VC++

来开发的过程。在 VC下往往针对不同的图像格式，就会弄的很头疼，更不用说编写图像特征提 取、模板建立和搜寻模板的代码呢，我想其中间过程会很复杂， 效果也不一定会显著。 下面我就

具体地谈谈基于 HALCON的形状匹配算法的研究和心得总结。

1. Shape-Based matchi ng 的基本流程

HALCON提供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图 像建立模板也可以， 但这样除非是对象在整个图像中所占比例很大， 比如像视频会议中人体上半

身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的， 这往往也是要牺牲匹配速