

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、作為圖像處理和計算機視覺的關鍵技術,圖像匹配被廣泛應用于人臉匹配、人臉識別、指紋識別、產品檢測、交通管理、衛(wèi)星圖像解釋等領域,常分為基于圖像區(qū)域匹配(又稱為基于模板匹配)和基于圖像特征匹配,并以此拓展出多種算法,從而實現了在特定應用中的匹配效果。但這些算法存在某些缺陷,如計算量大、速度慢、應用范圍狹窄、抗干擾能力差等。因此,魯棒性強、精度高、匹配效果好的新技術、新方法逐漸成為該領域的追求目標和研究熱點。為了探索匹配效率高、適用性強的算法
2、,達到在圖像或視頻序列中快速尋找并定位目標圖像的目的,根據圖像預處理、模板匹配、多目標優(yōu)化、圖像卷積和閾值判斷相關知識,本文提出了一種基于卷積變換的圖像匹配新方法。該方法包含單模板匹配和多模板匹配。
本研究主要內容包括:⑴圖像庫建立。首先對Internet圖像、攝像機拍攝圖像、ORL和Yale人臉庫進行人臉圖像采樣,再對圖像進行光照均衡化、尺寸歸一化、灰度化、直方圖均衡化等處理,得到實驗圖像庫。⑵卷積模板合成。以人臉識別中常用
3、的人臉比例為依據,結合實驗庫圖像的特征,設定模板尺寸。單模板匹配以整個人臉為卷積模板,多模板匹配以人臉、雙眼和嘴鼻為卷積模板,根據人臉樣本特征設定這些模板的尺寸,再利用MATLAB工具箱進行合成。⑶像素值歸一化。在不同色彩空間和多個顏色通道下,對卷積模板和待匹配圖像進行像素值歸一化處理。根據不同的歸一化原理和具體實現過程,確定后續(xù)圖像匹配判斷標準。⑷閾值訓練。對歸一化后的模板和實驗庫圖像進行卷積,并根據卷積值訓練閾值。單模板匹配通過卷積
4、值的分布情況直接對閾值進行訓練;多模板匹配通過構造多目標優(yōu)化函數,對各卷積模板的權重系數和閾值進行訓練。⑸使用自建立的圖像庫進行實驗,單模板匹配采用RGB、HSI、YUV和YCrCb色彩空間的多個通道進行實驗;多模板匹配采用灰度空間的灰度分量進行實驗。實驗結果表明,本文提出的基于卷積變換的圖像匹配方法正確率高、計算量小、魯棒性強、運算速度快且易于實現。⑹本文創(chuàng)新點包括:在模板匹配基礎上,提出了一種新的基于卷積變換的圖像匹配方法;根據多目
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于自適應極坐標變換的圖像匹配方法.pdf
- 基于灰度的圖像匹配方法研究.pdf
- 基于點模式匹配的圖像匹配方法的研究.pdf
- 基于SIFT算法的圖像匹配方法研究.pdf
- 基于機器學習的圖像匹配方法研究.pdf
- 基于圖像灰度的模板匹配方法
- 基于DTW的序列醫(yī)學圖像匹配方法研究.pdf
- 基于標記點的圖像點匹配方法研究.pdf
- 基于特征描述的圖像匹配方法研究.pdf
- 基于改進SURF算法圖像匹配方法研究.pdf
- 基于改進的LSH圖像匹配方法的研究.pdf
- 基于局部特征的遙感圖像匹配方法.pdf
- 圖像不變特征的匹配方法研究.pdf
- 基于SoC技術的遙感圖像快速匹配方法研究.pdf
- 基于改進遺傳算法的圖像匹配方法研究.pdf
- 基于特征的快速抗旋轉圖像匹配方法研究.pdf
- 基于圖像局部特征的實時虹膜匹配方法.pdf
- SAR圖像結構特征匹配方法研究.pdf
- 一種基于交點特征的圖像匹配方法.pdf
- 魚眼圖像特征匹配方法研究.pdf
評論
0/150
提交評論