导读:本文包含了二值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:加权模板匹配,标准模板匹配,阈值不敏感性,二值化
二值模板匹配论文文献综述
王刚,段会川[1]（2012）在《加权模板匹配的二值化阈值不敏感性研究》一文中研究指出数字图像二值化处理过程中,阈值的选取非常之关键,为了在实际应用中能够快速准确地匹配出二值化图像中的目标图像,文中采用模板匹配的方法,对标准模板匹配算法和加权模板匹配算法的二值化阈值敏感性进行了研究。根据实验图像在二值化处理过程中所取阈值的波动对图像匹配结果的影响情况,得到加权模板匹配算法与标准模板匹配算法的二值化阈值敏感性差异。实验结论同时表明加权模板匹配算法具有较强的二值化阈值不敏感性和匹配性能好的优点。(本文来源于《计算机技术与发展》期刊2012年01期）
姜志高[2]（2011）在《基于二值化处理与模板匹配的图像识别》一文中研究指出随着计算机智能技术的发展,自动化的图像识别程度已经成为现代计算机系统中的重要技术,二值化处理是图像识别的重要的预处理环节,通过对二值图像的信号计算,实现对象与图像背景的分割(segmentation),以及各个对象之间的图像分割。分割的精度直接影响图像特征识别的准确率。对模板匹配的图像识别由于图像的材质,光照环境与图像的清晰度等情况的出现,提出了一种基于模板匹配的图像轮廓提取和识别算法,以图像标定(labeling)和模板(template)为核心运算,得到Glassfire算法对二值化的图像标定构成结果,并对区域边界进行有效的追踪。以区域、轮廓跟踪为辅助计算处理,构建了从输入信号源图像到最终分离结果图像之间一系列的计算过程,将图像中所表现的物体按照算法定义的分割算法和模板匹配关系进行分类计算,模板匹配主要有平均绝对差MAD(Mean Absolute Difference),均方误差MSE(Mean Square Error)和归一化灰度关联NCG(Normalized Gray-Level Corrlation)叁种方法,使计算机得到快速和正确的识别结果。(本文来源于《才智》期刊2011年26期）
陈刘奎,郑宏[3]（2011）在《利用叁值模板模糊匹配进行手指静脉识别》一文中研究指出针对静脉特征图像中静脉边缘和末梢模糊造成匹配困难的问题,提出了一种基于叁值模板图像的模糊匹配方法。该方法将提取出的静脉特征图像分割为叁值图像,值1代表目标区,0.5代表模糊区,0代表背景区。叁值图像用于模板匹配时,计算模板间非0值区域之间的平均距离作为相似分数,分数越低,则模板越相似。该方法匹配能力强,不要求点与点之间的绝对位置匹配,对模糊的静脉边缘和末梢匹配具有较强的鲁棒性。对实验中采集的456张近红外手指静脉图像进行匹配,正确识别率达99.46%,表明本文方法是可行的和有效的。(本文来源于《武汉大学学报(信息科学版)》期刊2011年02期）
田斐,李海军[4]（2010）在《基于混沌优化和二值互信息的快速模板匹配》一文中研究指出针对模板匹配方法中速度、精度和鲁棒性不能兼顾这一问题,提出一种新的模板匹配方法。新方法使用互信息作为图像的相似性测度,并通过图像的二值化,理论上将互信息的计算速度提高到原来的约14.7倍;新方法对改进的变尺度混沌优化算法(EMSCOA)进一步改进。大量模板匹配实验表明新改进的EMSCOA算法(称为EEMSCOA),在模板匹配领域比原算法(EMSCOA)提高了约9倍的速度;同时焊缝焊接及其他实验也表明,所提的基于混沌优化和二值互信息的快速模板匹配方法,能够克服倾斜、遮挡、形变等干扰,快速、准确地找到最优匹配点,因此所提算法是实用有效的。(本文来源于《电光与控制》期刊2010年01期）
吴晓,曹其新[5]（2008）在《基于权值模板匹配算法的全自主足球机器人目标识别》一文中研究指出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.(本文来源于《厦门大学学报(自然科学版)》期刊2008年06期）
吴晓,曹其新[6]（2008）在《基于权值模板匹配算法的全自主足球机器人目标识别》一文中研究指出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,最后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30ms,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。(本文来源于《第四届十叁省区市机械工程学会科技论坛暨2008海南机械科技论坛论文集》期刊2008-10-01）
谭晓东[7]（2007）在《多值模板图像匹配关键问题研究》一文中研究指出数字图像处理技术作为一门专门的研究学科出现以来，其应用已经从最初的工业及商业领域扩展到艺术、文化等领域以及人们的日常生活中。图像匹配是图像识别系统中必不可少的重要环节，也是图像处理中最常见和困难的问题之一。本课题主要针对多值模板匹配方法及其相关的问题进行研究，主要包括以下几个方面。模板图像分割方面，首先本文提出了对模板多值化的基于灰度的分割方法，将寻找最优阈值过程建模为寻找使分割后图像与源图像相似度最大阈值集合过程，利用模板匹配公式作为相似度评价标准，并提出了与模板匹配等价的基于直方图的分割算法，理论和实验结果表明，新算法有很好的分割效果，再从非线形规划的角度对最佳阈值的选取过程进行了优化，进一步提高了分割速度。然后提出了基于图像边缘特征为模板多值分割方法，提出了边缘偏离程度的概念，将寻找最优阈值过程建模为寻找使分割后图像与源图像边缘偏离程度最小的阈值集合过程。最后本文将提出的割方法推广到对一般图像的分割，并与OTSU方法，最大熵方法进行了比较。快速图像匹配算法方面，本文提出了基于多值模板的图像快速匹配算法，即将最佳多阈值分割后的模板图像作为新的模板进行图像匹配，利用差值模板中存在的大量灰度变化相同区域，采用迭代的方法，减少这些区域的计算，从而减小复杂度，实验得到了比较满意的结果，最后提出了匹配差异的概念，对多值模板匹配结果和源模板的匹配结果差异进行衡量。最佳阈值个数选取方面，本文提出了模板图像最佳分割阈值个数的衡量标准和选取条件，目的是用较少的阈值数对源模板进行分割，保证快速匹配的低复杂度和匹配精度。然后研究了不同的图像分割方法对阈值个数的影响，以及阈值个数的选取和模板图像本身特性的关系等相关问题。(本文来源于《中南大学》期刊2007-06-30）
文贵华,林钧海[8]（1992）在《基于模板匹配的二值图像平滑放大算法》一文中研究指出对二值图像的放大,本文提出模板匹配补偿平滑算法。该算法预先制作模板,然后在直接放大的过程中,对检测它的凸点邻域予以匹配,匹配成功则插入对应的模板,同时模板的制作仅与放大倍数和检测邻域的大小有关,与要放大的源图像无关,因而算法具有较高的效率。(本文来源于《小型微型计算机系统》期刊1992年09期）
二值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：
随着计算机智能技术的发展,自动化的图像识别程度已经成为现代计算机系统中的重要技术,二值化处理是图像识别的重要的预处理环节,通过对二值图像的信号计算,实现对象与图像背景的分割(segmentation),以及各个对象之间的图像分割。分割的精度直接影响图像特征识别的准确率。对模板匹配的图像识别由于图像的材质,光照环境与图像的清晰度等情况的出现,提出了一种基于模板匹配的图像轮廓提取和识别算法,以图像标定(labeling)和模板(template)为核心运算,得到Glassfire算法对二值化的图像标定构成结果,并对区域边界进行有效的追踪。以区域、轮廓跟踪为辅助计算处理,构建了从输入信号源图像到最终分离结果图像之间一系列的计算过程,将图像中所表现的物体按照算法定义的分割算法和模板匹配关系进行分类计算,模板匹配主要有平均绝对差MAD(Mean Absolute Difference),均方误差MSE(Mean Square Error)和归一化灰度关联NCG(Normalized Gray-Level Corrlation)叁种方法,使计算机得到快速和正确的识别结果。
（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。
二值模板匹配论文参考文献
[1].王刚,段会川.加权模板匹配的二值化阈值不敏感性研究[J].计算机技术与发展.2012
[2].姜志高.基于二值化处理与模板匹配的图像识别[J].才智.2011
[3].陈刘奎,郑宏.利用叁值模板模糊匹配进行手指静脉识别[J].武汉大学学报(信息科学版).2011
[4].田斐,李海军.基于混沌优化和二值互信息的快速模板匹配[J].电光与控制.2010
[5].吴晓,曹其新.基于权值模板匹配算法的全自主足球机器人目标识别[J].厦门大学学报(自然科学版).2008
[6].吴晓,曹其新.基于权值模板匹配算法的全自主足球机器人目标识别[C].第四届十叁省区市机械工程学会科技论坛暨2008海南机械科技论坛论文集.2008
[7].谭晓东.多值模板图像匹配关键问题研究[D].中南大学.2007
[8].文贵华,林钧海.基于模板匹配的二值图像平滑放大算法[J].小型微型计算机系统.1992