导读:本文包含了多模板匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:多模板匹配,几何特征,轮廓模板,LED
多模板匹配论文文献综述
冯开勇,李飞[1]（2019）在《柔性印刷线路板LED的多模板匹配定位方法研究》一文中研究指出当柔性印刷线路板上存在多种类型的LED时,使用单一模板定位焊盘区域导致匹配定位的精度低并存在漏检,本文采用基于几何特征的多模板匹配定位LED。利用Canny算子和最小外接矩形获得焊盘的轮廓模板,将焊盘轮廓模板生成模板ID,并行计算模板和待测图中的焊盘轮廓的hausdorff的距离,返回匹配分数最佳的LED位置的坐标,通过放射变化将焊盘轮廓映射到LED图片中,最后通过建立的图库验证该方法具有较高的准确率。(本文来源于《电子世界》期刊2019年02期）
程淑红,周斌,程树春[2]（2018）在《铝轮毂背腔字符的多模板匹配分割》一文中研究指出从实际工业生产的角度出发,针对铝轮毂背腔字符难以采集,字符背景噪声较大,字符较小等问题,本文提出了一种基于多模板匹配的快速字符提取方法,解决了铝轮毂背腔字符提取困难的问题。首先,采集铸造模板中的标准字符建立模板库;其次,在原有的模板匹配方法的基础上加以改进,既保留了模板匹配快速查找目标的优点又引入多个不同的模板,使其能够同时查找多个目标;然后,对局部区域进行精匹配并且对每个模板做优势评估,以此来进一步优化改进后的字符提取方法;最后,将本文提出的方法与感知哈希方法进行比对,实验证明:本文方法优于感知哈希算法,能够取得很好的字符提取效果。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年03期）
耿超[3]（2018）在《基于多模板匹配的SDM人脸对齐算法及其应用》一文中研究指出人脸对齐指的是在一幅人脸图像上标出特征点准确位置的过程。通常来说,一套人脸对齐流程可大致分为两个步骤:人脸检测和特征点标定。人脸对齐可以给出特征点的准确位置,增加了特征提取的可靠性。人脸对齐是很多人脸相关任务的必要环节,一直是人脸信息处理领域的研究热点。诸如头部姿态估计、人脸识别、情感分析等工作都需要在人脸对齐工作的基础上进行。现实生活中,人脸对齐技术已广泛应用于公共安全,视频监控,智慧城市,电子支付等众多领域。人脸对齐技术近年来已取得飞速发展,但开发出一套高效且稳定的人脸对齐系统仍旧面临着很多困难。有些问题尤为突出,如人脸检测的稳定性与效率,对光照、遮挡等不利因素的抗干扰能力。Viola-Jones人脸检测算法是本文人脸对齐所采用的人脸检测方法,其主要包含以下几个重要的部分:1.利用Haar特征对人脸进行描述;2.利用基于积分图像快速获取几种不同的矩形特征;3.利用Adaboost算法训练分类器;4.将特征分组,建立层级分类器。监督下降法(SDM)是一种高效、准确的人脸特征点定位和人脸对齐方法。在训练阶段,学习一系列下降方向,最小化特征空间中估计形状和真实形状之间的差异。然后在测试阶段,利用这些下降方向迭代预测形状增量。然而,当人脸表情或方向变化过大时,初始形状和真实形状之间差异过大,会导致传统的SDM并不能取得很好的效果。在本文中,我们提出了一个多模板SDM(MtSDM)能在训练集上保持高精度的同时,提高测试集的精度。在训练阶段与传统的SDM只建立一个初始形状和模型不同,MtSDM有针对性的建立不同的初始形状和模型。在测试阶段,计算特定特征点的距离,选择一个合适的模型来更新特征点的位置。实验结果表明,我们提出的方法一定程度上改善了传统SDM的性能并且优于现有的几种优秀算法。我们将MtSDM成功应用于疲劳驾驶检测并取得了不错的成果。(本文来源于《合肥工业大学》期刊2018-04-01）
王玉雷[4]（2018）在《基于尺度变化及多模板匹配的人体目标跟踪》一文中研究指出在当前计算机计算能力得到极大提升且大量的基于计算机技术的新式算法的提出的背景下,使得具有一定智能的机器人实现成为可能,特别是针对服务领域的机器人实现方法得到了广泛的关注。而对于服务机器人来说,一个重要的功能是对目标进行有效的跟踪。从2012年以来大量的基于视频的跟踪方法被提出来,并且取得了较好的成果,这种实现的跟踪方法主要应用于安防监控方向,而对于在实际场景下的跟踪方法目前相对较少,所以本文利用当前对图像处理较好的深度学习卷积神经网络方法,对实现目标跟踪在实际场景下的应用提出一个解决方案。针对在目标跟踪中出现目标大小尺度变化的情况,设计了专门的多尺度输入网络,对相应尺度的目标进行特征提取,有效处理在跟踪中由于距离变化带来的跟踪对象被背景淹没的情况。对于目标尺度不同的匹配问题,改进了孪生网络用于对目标特征进行相似性度量,较好的实现了对不同尺度图片匹配的适应能力。针对在视频跟踪中没有考虑的目标大小发生变化的情况,应用了目标框回归的方法对得到的目标框进行调整,改进了输出效果。对于在长时间跟踪中出现的目标发生变化的情况,本文提出了一个叁尺度基准模板匹配的方法,增强在长时间跟踪中的鲁棒性,对于模板库中可以使用的模板,提出了结合匹配精度以及和前面叁帧结果匹配均值的比较方式,这样在模板匹配的更新中就使用到了跟踪的历史信息,增加了跟踪算法提取目标信息的能力。并且在OTB数据集以及实际环境中对本文中的方法进行了验证,通过原有算法和本文算法的对比测试结果,验证算法的性能。(本文来源于《哈尔滨工业大学》期刊2018-01-01）
孙守勇,蔡骋[5]（2017）在《基于改进的多模板匹配的车牌识别算法》一文中研究指出在车牌字符识别算法中,虽然传统的模板匹配算法具有算法简单、运算速度高等优点,但传统的模板匹配算法识别率低,特别是对于相似字符或者分割出的字符存在倾斜情况时,识别率会大大降低。基于多模板匹配的算法增加了模板的差异化特征,并且加速了模板匹配过程,大大提高了车牌识别正确率与运行速度。(本文来源于《电脑知识与技术》期刊2017年09期）
郭桂平[6]（2016）在《基于多模板匹配的丝印缺陷自动检测系统设计》一文中研究指出产品表面丝印质量的机器视觉检测可有效提高生产效率和产品质量,但由于检测对象存在一定角度的旋转偏差和水平、垂直位置偏差,导致误识率高、检测速度慢。在利用检测对象旋转角度有限的先验条件基础上,检测前建立多个一定旋转角度的模板,对于与基本模板匹配检测有缺陷的对象,再与旋转模板匹配检测。与其中一个匹配检测正确仍然可判断为合格产品,全部出错则选择最小匹配误差的模板来标明缺陷位置。实时检测时无图像旋转处理,匹配只是简单的逻辑与、或运算,速度大大提高,并降低了误识率。本项目设计了针对电气接插件表面丝印质量机器视觉检测系统,设计了光源和图像采集硬件系统,设计了多模板匹配的快速检测方法,在保证对缺陷产品低漏检率的同时,降低了误检率,提高了检测速度。本文所做的研究内容如下:(1)设计了针对电气接插件表面丝印质量检测的机器视觉检测系统,特别是对光源的选择进行了对比实验,设计了效果较好的光源方案;(2)改进了基于模板的图像匹配检测算法,针对较小的旋转、位置偏差的具体应用实际,设计了多模板匹配的方法,即检测前建立多个有一定旋转角度的旋转模板,检测时不再做图像旋转处理,而是同时或依次与多个模板比对,提高了检测速度,并降低了误检率;(3)设计了多模板建立方法:基于3至5个已人工确定的合格样本,进行图像预处理、准确的图像匹配,然后进行数字形态学处理,建立膨胀模板和骨架模板两个基本模板,并进一步分别左右旋转较小的固定角度来建立多个旋转模板;(4)设计了基于线积分阈值来快速进行图像位置定位的方法,快速定位检测对象较小的X-Y位置偏差;本文的研究内容也可用于其它图案外观质量的机器视觉检测。(本文来源于《五邑大学》期刊2016-06-05）
郭桂平,罗兵[7]（2016）在《基于多模板匹配的丝印缺陷快速检测方法》一文中研究指出产品表面丝印质量的机器视觉检测可有效提高生产效率和产品质量,但由于旋转偏差,导致误识率高、检测速度慢。利用检测对象旋转角度有限的先验条件,检测前建立多个一定旋转角度的模板,对于与基本模板匹配出错的对象,再与旋转模板匹配。与其中一个匹配正确仍然可判断为合格产品,全部出错则选择最小匹配误差的模板来标明缺陷位置。实时检测时无图像旋转处理,匹配只是简单的逻辑与、或运算,速度大大提高,并降低了误识率。(本文来源于《电子质量》期刊2016年04期）
黄碧莹,唐桦明,钟能枝,周酥[8]（2016）在《基于多模板匹配的室性心动过速与室上性心动过速自动识别算法》一文中研究指出目的:根据阵发性室上性心动过速(室上速)与室性心动过速(室速)不同的信号特征,提出一种基于特征提取和多模板匹配的室上速与室速的心电识别算法。方法:首先建立室上速和室速模板数据库,对心电信号进行去噪处理并提取R波峰值点,构造以R波峰值点为中心的心电模板和R-R间期模式的心电模板;再提取待测信号的特征值,利用可变宽度模板匹配技术,与数据库中的模板进行归一化相关系数匹配,根据匹配结果判断待测信号的病理类型。结果:以MITBIH心律失常数据库的心电数据为测试信号,利用Matlab平台对算法进行仿真测试,结果显示在20例待测心电信号中,有2例信号判断错误,其中1例室速被误判为室上速,1例室上速判断无果,检测正确率达90%。结论:该算法对室速、室上速的识别率较高,可用于辅助诊断室速和室上速疾病。(本文来源于《中国医学物理学杂志》期刊2016年03期）
苏孝雨,张荣辉,李超,杨亚宁[9]（2015）在《基于多模板匹配的车辆安全带识别技术》一文中研究指出汽车作为人类使用最为广泛的交通工具之一,它给人类带来便利的同时也带来了伤害。为了进一步提高安全带佩戴率,针对目前安全带佩戴存在的问题,本文提出了一种基于多模板匹配的驾驶车辆安全带识别技术。该技术在对采集到的图像进行预处理得到灰度分配较为均匀图像的基础上,采用全局阈值分割法对图像进行阈值分割得到二值化图像,区域分割,捕捉图像中挡风玻璃的区域,结合安全带几何特征的先验知识,得到安全带特征点的位置坐标,从而达到安全带佩戴识别的目的。反复实验研究结果表明,该方法能有效识别驾驶员安全带佩戴状况,具有较高的适用性和准确性。整个技术流程大致分为图像的采集和处理,安全带特征提取与识别。(本文来源于《黑龙江科技信息》期刊2015年25期）
洪传文[10]（2014）在《基于多模板匹配的行人检测算法研究》一文中研究指出行人检测是指检测图像或视频中是否存在行人并给出相应的位置信息,是计算机视觉的重要研究方向之一,其在汽车辅助驾驶系统、军事侦查、视频智能监控等诸多领域具有广泛的应用前景。近年来,人们提出了许多更为准确、高效的行人检测算法,大都将行人检测转化为二分类问题,并采用机器学习的方法训练分类器生成模板,对待检测图像进行多尺度滑窗搜索。在该类方法中,特征求取和分类器的训练是决定其检测准确率的两个关键因素。本文针对行人外观姿态多样、背景复杂的难点,从分类器的训练过程出发,以线性支持向量机(Support Vector Machine,SVM)作为分类器,提出两种自适应学习多个模板的行人检测算法,使得多个模板更好的适应不同外观的行人,进而提高行人的检测准确率。主要研究成果概括如下:第一,提出了基于聚类的多模板匹配行人检测算法。算法考虑选取对颜色和光照变化不敏感的特征描述目标(本文选取了梯度方向直方图(Histogram of Oriented Gradient,HOG)特征),首先采用聚类算法对训练正样本进行聚类,将具有相似外观(例如姿态和视角)的行人样本聚成一类,再分别对每一类样本独立训练生成模板,使得每个模板仅针对一类行人目标,以提高模板对该类目标的适应性;其次,在检测阶段,每个模板独立并行检测测试图像;最后通过线性加权的方式合并不同模板的重复检测结果。在INRIA和ETH行人数据库上对算法进行测试,通过不同聚类方法(基于内平方距离的层次聚类算法、K-Means算法和FCM算法)和不同聚类数目(2类、3类和4类)的仿真实验,并对比了HOG算法,结果表明,该算法可以更好的适应行人外观的变化,在一定程度上降低检测结果的平均丢失率,获得更高的检测准确率。第二,提出了基于级联训练的多模板匹配行人检测算法。在训练阶段,采用分类器级联的训练方式,针对前一级训练样本中的易错样本自适应选择新特征训练生成多个模板。算法定义选取的新特征为互补特征,由本文提出的互补特征选择策略(Complementary Features Selection Strategy,CFSS)从候选特征集中选取,最终选取了RGB和LUV通道下的HOG特征,细胞结构的局部二值模式(Local Binary Patterns,LBP)特征。在检测阶段,每个模板独立并行检测测试图像,最后通过线性加权的方式融合不同模板的重复检测结果。在INRIA行人数据库上对算法进行测试,并对比了VJ、HOG、HogLbp和MultiFtr四种经典的行人检测算法,结果表明,算法采用的级联训练策略、CFSS策略可以有效融合不同特征,提高模板对行人外观变化的适应性,获得更高的检测准确率。(本文来源于《西安电子科技大学》期刊2014-11-01）
多模板匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
从实际工业生产的角度出发,针对铝轮毂背腔字符难以采集,字符背景噪声较大,字符较小等问题,本文提出了一种基于多模板匹配的快速字符提取方法,解决了铝轮毂背腔字符提取困难的问题。首先,采集铸造模板中的标准字符建立模板库;其次,在原有的模板匹配方法的基础上加以改进,既保留了模板匹配快速查找目标的优点又引入多个不同的模板,使其能够同时查找多个目标;然后,对局部区域进行精匹配并且对每个模板做优势评估,以此来进一步优化改进后的字符提取方法;最后,将本文提出的方法与感知哈希方法进行比对,实验证明:本文方法优于感知哈希算法,能够取得很好的字符提取效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多模板匹配论文参考文献
[1].冯开勇,李飞.柔性印刷线路板LED的多模板匹配定位方法研究[J].电子世界.2019
[2].程淑红,周斌,程树春.铝轮毂背腔字符的多模板匹配分割[J].齐齐哈尔大学学报(自然科学版).2018
[3].耿超.基于多模板匹配的SDM人脸对齐算法及其应用[D].合肥工业大学.2018
[4].王玉雷.基于尺度变化及多模板匹配的人体目标跟踪[D].哈尔滨工业大学.2018
[5].孙守勇,蔡骋.基于改进的多模板匹配的车牌识别算法[J].电脑知识与技术.2017
[6].郭桂平.基于多模板匹配的丝印缺陷自动检测系统设计[D].五邑大学.2016
[7].郭桂平,罗兵.基于多模板匹配的丝印缺陷快速检测方法[J].电子质量.2016
[8].黄碧莹,唐桦明,钟能枝,周酥.基于多模板匹配的室性心动过速与室上性心动过速自动识别算法[J].中国医学物理学杂志.2016
[9].苏孝雨,张荣辉,李超,杨亚宁.基于多模板匹配的车辆安全带识别技术[J].黑龙江科技信息.2015
[10].洪传文.基于多模板匹配的行人检测算法研究[D].西安电子科技大学.2014