探究圖像識別中模板匹配技術的應用

武漢學院信息工程學院 馬 飛

模式識別作為使用計算機采用數學模型的方式，對于涉及到的對象進行精確的判讀和處理。在眾多的識別模式中，模板匹配技術是最容易實現的一種，模板匹配數學模型相對簡單，僅需要將匹配技術應用到圖像識別中，即可提高其圖象識別的精確性。鑒于此，本文將著重分析模板匹配技術在圖像識別中的具體應用情況，旨在更好的提高模板匹配技術的應用水平。

在關于圖像目標識別技術的應用和研究過程中，模板匹配技術作為十分重要的研究方向已經興起，其應用于圖像識別中可以有效提高其識別效率，具有算法簡單、計算量小、識別率高等一系列的優點。目標識別自興起以來，更是成為了新時期圖像工程中的研究熱點之一。模板的匹配是目標識別和跟蹤的關鍵因素，圖像匹配是指圖像之間的比較得到不同圖像的相似度情況。針對圖像特征的不同，也會有各種匹配算法。

1 圖像識別中模板匹配的要點及性能要求

1.1 關鍵要點

目前進行圖像識別過程中的模板匹配，需要注重以下幾方面的關鍵點。第一點是要注重空間特征。工作人員可以在有限的空間特征圖像中提取出一系列的有效信息，并進行匹配，在這過程中要始終注意空間特征所選擇的內容。由于許多具有特征的點都可以用于模板匹配過程中，無論是提升圖像自身的亮度，或是包括圖像的邊緣曲線表面紋理等，一些其他的特征也可以用來匹配。特征空間是圖像匹配中十分重要的組成部分，也是計算機視覺的基礎所在。第二點是相似性的測度。具體來講，要在圖像匹配過程中找到相似度較高的內容，將其視為圖片匹配的關鍵，相似度測試對于圖像匹配至關重要，甚至也會決定著最終匹配的效果。相似性測度幾乎決定了每一個匹配測試的相關特征及匹配程度，最后也會轉化為是否匹配，這兩個結果在這一階段與匹配特征的選擇有著直接的關聯性。內部結構是圖像的不變特征之一。搜索空間和搜索策略作為匹配特征和相似度這兩個步驟后續的重要環節，由于匹配特征和相似度需要的計算量巨大，因此，需要通過搜索空間和搜索策略這兩方面來校準圖像，并且變換相應的空間。其中，前者更加適用于搜索出平移旋轉等一些能夠變化參數的特征，經過平移或是旋轉等一系列調整所得到的可以變化的參數，圖像在經過改變以后，其相似性會更加理想，可以有效減少計算的數據量。通?？梢詮哪臣系挠绊懘笮?、搜索空間和復雜度來進行區分或進行局部的變化，以此來去掉一些不匹配的搜索子空間。搜索策略包括模擬退火算法、遺傳算法等一系列的內容，在圖像匹配的過程中，無論是特征空間、相似性測度或者是搜索策略等，都會對最終的匹配效果產生一定的影響。因此，所有的圖像模板匹配方法都需要將上述幾點結合起來，才能夠進一步提高其匹配的精確度。

1.2 性能要求

在圖像識別過程中，模板匹配需要注重以下幾方面的內容，主要以匹配的精度、速度和概率為主。其中，匹配的速度至關重要，這會直接影響甚至決定最終所搜索出目標對象的時間長短。通過上述分析得知，在特征空間相似性檢測過程中，會涉及到一些算法的使用，而不同算法的實現方式會直接影響甚至決定著最終的匹配速度。工作人員如果采用并行計算的模式，雖然短期會提高匹配的速度，但是此種方式對硬件有更高的要求，現實中也會受到設備配置的限制。此外，匹配精度也在不同程度上反映出匹配的準確性。例如，在受到噪聲或是其他一些外界因素影響時，會導致匹配的位置和目標對象在圖像所處的位置中有較大的偏差。匹配誤差的方差越小，說明最終的精確性越理想。因此，在具體的實驗過程中，技術人員需要通過大量的測試圖像方式來運行匹配算法并減少誤差，確保誤差在可控范圍內。將相應的成像條件和目標物體等內容考慮在內，包括成像系統中的噪聲對比度的變化和目標物體是否受到部分遮擋等。

2 圖像識別中模板匹配技術應用分析

2.1 條碼識別

條碼識別是模板匹配技術在圖像識別中的重要應用之一。由于模板匹配技術的原理是通過一系列的數學函數，找出被搜索圖像的相應關系坐標并將其帶入到數學模型中進行計算。在條碼識別過程中，橫豎條碼均是模板匹配技術中條碼識別的重要基礎。具體來講，在一個數軸上加上二維圖像的灰度投影，并且將其與數學模型作為基礎在特定的數軸上加以匹配，可以有效提高其匹配的概率。在投影過程中可能會出現噪音相互抵消的情況，有助于減少誤判和漏判，提高了條碼識別概率。在應用模板匹配技術進行條碼識別中，存在垂直與水平兩個方向的圖像。具體使用時，可以依其灰度的分布特征為基礎，對兩個方面的模板和對象進行灰度的投影，并進行序列的匹配，在找出相關值的同時，可以自動列入到投影函數中。在模板匹配過程中，模板的投影曲線會呈現出上下波動的狀態；滑動過程中，在得到具體位置的數值時，也會形成相應的函數序列。由于水平和垂直兩個方向的處理方法相同，并且要這兩個方向均滿足相應的匹配條件，才能證明其匹配的圖像和樣本圖像是彼此合適的。

2.2 指紋識別

指紋識別是模板匹配技術在圖像識別中的又一應用方式，也是其中必不可少的部分，其可以減少不必要的計算步驟并提高匹配速度。在具體匹配過程中，可以在每個間隔的M點搜索下匹配結果的優劣性。此外，在指紋識別過程中，工作人員能夠對于不同的參考值位置進行充分的匹配，這種方法的優勢之一是能夠降低匹配點丟失的概率，提高其匹配的精確度。同時，對于模板所覆蓋的若干點范圍內采取隨機計算的方式，也可以將最終的結果定義成具有突出性質的隨機序列。合理的隨機序列會降低計算的誤差，但是整體的計算過程中并沒有具體順序之分。在經過多次誤差排除后，能夠更好地滿足指紋識別的需求。因此，在當前一些指紋識別的工序中，把匹配基礎應用在其中，可以取得滿意的應用效果，得到理想的識別率，做到精準定位。

2.3 字符識別

字符識別是模板匹配應用到圖像識別中的應用之一。在實施過程中，技術人員需要分別采用不同類型的特征塊，將其作為基礎模板匹配的模型。以特征的加權為基礎的模板匹配模型，并且在這個過程中要加權。作為最基礎的模板，其匹配過程中需要對于標準模板以及一系列的樣本模板采取加權的方法。例如所包含的字符或筆畫，都需要經過加權以后接受重新的分配。在識別過程中，對于權重較高的部位需要放置在中心，權重不高的部位可放置在邊緣的地區，這樣可以更好地平衡兩者之間加權并且可以提高最終的識別效率。而使用特征塊作為基礎模板，在匹配過程中需要先從切割的模板方面入手，進行一系列切割處理后形成大小一致的模塊，可以將統計所包含的若干點進行標準模板的匹配，所包含的特征模塊較少，其工作量也會減少。

2.4 基于不變矩圖像匹配

不變矩作為一種具有極高濃縮性質的圖像特征，有著平移、灰度、尺度等多個不變性。采用不變矩進行圖像分析和識別的實驗多種多樣，用很少的不變矩就可以重新構建并識別原本的圖像，減少不必要的誤判并提高其精度。具體來講，在實時圖像匹配和識別過程中，采用不變矩為特征以檢測模板和圖像中物體輪廓相似度的測度，可以將遺傳算法引入到圖像匹配識別過程中。用不變矩可有效檢測出具有適度平移旋轉的變化物體，更能夠反映模板和圖像之間是否出現有效匹配的情況，所得到的遺傳算法在進化的速度上會比傳統常規算法更加理想，其精確度也更高。

在模板匹配技術應用到圖像識別過程中，上述各項識別技術均在相對理想的模板匹配中應用。但在實際應用中會受到其他因素的影響，出現圖像識別效率不高的情況。因此，在匹配的過程中，要充分考慮到噪聲等一系列因素，否則很容易出現匹配失敗的情況。為了有效克服匹配技術在圖像識別中存在的失誤，具體使用過程中，可以采用具有動態化的M濾波函數，確保得到的匹配點之間能夠相互調節，最終所構建出的數學模型也會更加貼合圖像識別技術。

結論：綜上，將模板匹配技術應用到圖像識別過程中是一項十分重要的識別技術，其優點是匹配的算法更加簡單，在圖像變化不大的情況下，識別率十分理想。具體來講，模板匹配技術在圖像識別過程中，其關鍵部分是使用相關的數學模型，本質上是進行圖像數字化的過程，根據預定的順序將涉及到每個點的像素值找到，并帶入到構建好的數學模型中加以處理，經過匹配以后，所得到的圖像會直接在原圖中顯示出來。