CN104899593A - 一种基于阈值反馈的匹配模板选取方法 - Google Patents
一种基于阈值反馈的匹配模板选取方法 Download PDFInfo
- Publication number
- CN104899593A CN104899593A CN201410079356.9A CN201410079356A CN104899593A CN 104899593 A CN104899593 A CN 104899593A CN 201410079356 A CN201410079356 A CN 201410079356A CN 104899593 A CN104899593 A CN 104899593A
- Authority
- CN
- China
- Prior art keywords
- template
- matching
- image
- method based
- feedback
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种基于阈值反馈的动态匹配模板选取方法,属于模式识别与图像处理技术领域,具体涉及图形匹配与识别,本方法可以对匹配模板进行有效的选取。目的是开发出一种高效准确鲁棒的模板选取方法,从未能够准确的进行图像匹配。本发明主要包含如下几个处理单元:图像尺度变换、图像滤波、图像叠加、模板匹配。在整个处理过程中,对图像灰度变换、图像滤波、模板匹配等方法进行了综合的应用。本发明可以(但不限于)应用于IC封装、制药、印刷等行业中进行模板选取。
Description
技术领域
本发明属于模式识别与图像处理技术领域,具体涉及模板匹配识别,本方法用于对图像中的模板进行选取,从而准确识别图像中的目标。
背景技术
研究发现匹配时所选取的模板对算法的匹配准确性有至关重要的影响,目标参考模板与实时图像越相似,匹配算法的精确度就会越高,鲁棒性越好,产生模板误差的机率越小。用于匹配的模板设计是匹配算法中十分重要的一个部分。
固定模板大小的模板生成策略,通常是取图像上一个固定大小的矩形区域作为匹配算法的模板,这种方法对区域的选取要求很高,也很难有一个合适的模板。模板的生成策略中,除了直接使用由实时图像截取的目标区域作为参考模板外,还可以对实时图像进行预处理,形成更利于长时间正确匹配的主动变换模板,这种在线的方法难以满足实时性要求较高的应用。
发明内容
针对现有技术存在的上述问题,本发明提出一种基于反馈的匹配模板选取方法,该方法在传统的匹配模板选取方法基础上,加入了多尺度和反馈,以解决实际场景中存在的问题。
为了实现上述目标,本发明采用了如下技术手段:一种基于反馈的匹配模板选取方法,其特征在于,该方法包括下述步骤。
(1)交互式选取初始模板区域,建立模板;
(2)以步骤(1)建立的模板进行多目标匹配,得到多个匹配结果;
(3)截取匹配结果区域并进行图像尺度变化使各匹配结果具有与初始样本相同的尺寸,作为新的模板;
(4)对步骤(3)所得模板按照其在步骤(2)中的匹配值作为加权求和;
(5)将步骤(4)所得结果作为新的模板进行匹配;
(6)重复步骤(2)至步骤(5),直到各匹配值方差小于预定值。
在实际应用中,本发明具有如下有益效果。
1、本发明采用的双线性插值归一化的方法,很好的解决了匹配结果区域变化及目标变形、放缩等带来的影响,克服了匹配结果尺寸和位置的多样性带来的误差,对实际场景的复杂性较为鲁棒。
2、本发明采用的边缘匹配的方法,通过canny算子提取模板的边缘,能很好的避免图像的亮度变化及目标的尺度、位置、方向的等变化带来的匹配误差。
3、本发明采用的模板匹配方法,通过计算模板与待识别物体的相关系数来衡量它们的相似程度。相对于利用分类器识别的方法,不需要采集大量的样本,同时对不同的目标有较好的适应性。
附图说明:
图1是本发明方法的流程示意图;
图2是本发明方法流程图。
具体实施方式
为使本发明的技术特征和有点能够进一步得到了解,下面对本发明的具体实施方式进行详细说明,其方法步骤如下所述。
1对包含模板的原始图像采用高斯滤波进行预处理,然后采用交互式的方式手动设置一略大于模板图案的ROI,将模板图形包括在内。在ROI内使用Canny算子进行边缘提取,对提取到的边缘求取边缘的最小外接矩形作为模板区域。
2设定匹配所得到的匹配结果分数所允许的最小值(匹配阈值)、期望的均值及期望的方差。
3将步骤1产生的模板区域从原始图像中剪切下来作为模板图像,对模板图像进行Canny边缘提取,并以此为特征集采用分级广义霍夫变换的方法在包含多个目标的目标图像中进行模板匹配。
4在目标图像中截取匹配区域,对截取的匹配区域图像采用双线性插值的方式进行图像几何放缩,使图像尺寸和初始模板尺寸相同。将所得的图像按照匹配分数进行加权求和,并剔除掉匹配分数低于预定阈值的图像。
4计算所有不低于阈值的匹配结果的匹配分数的均值与方差,当均值与方差都到达预期时停止匹配,否则将步骤3得到的图像作为新的匹配模板进行匹配,并重复步骤3直到达到预期。
综上所述,本发明将静态模板选取策略和动态模板选取策略相结合,根据匹配的结果进行反馈调节模板,能够快速、鲁棒的选择合适的样本,取得较好的匹配效果。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不能用于限制本发明,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于阈值反馈的动态匹配模板选取方法,其特征在于,该方法包括下述步骤:
(1)对经过预处理的图像以交互式方式选取初始模板区域,建立模板;
(2)以步骤(1)建立的模板进行多目标匹配,得到多个匹配结果;
(3)截取匹配结果区域并进行图像尺度变化使各匹配结果具有与初始模板相同的尺寸,作为新的模板集;
(4)对步骤(3)所得模板集按照其在步骤(2)中的匹配值作为加权进行加权求和;
(5)将步骤(4)所得结果作为新的模板进行匹配;
(6)重复步骤(2)至步骤(5),直到各匹配值方差小于预定值。
2.根据权利要求1所述的基于反馈的匹配模板选取方法,其特征在于,步骤(1)中交互式模板的构建过程为:在初始图像中交互式划定模板区域,截取模板区域内的图像,对截取图像进行高斯滤波,并采用canny算子进行边缘提取,以提取到的边缘作为模板特征进行匹配。
3.根据权利要求1所述的基于反馈的匹配模板选取方法,其特征在于,步骤(3)按照下述过程进行归一化:经过步骤(2)得到的匹配结果截取后按照双线性插值的方法进行尺度缩放,分别将它们的大小归一化至初始模板的尺度。
4.根据权利要求1所述的基于反馈的匹配模板选取方法,其特征在于,步骤(4)中权值的确定方式为:将步骤(2)所得匹配值作为权值进行加权求和,并对所有匹配值求其均值与方差,对匹配值小于均值3倍的标准差的结果不予以考虑。
5.根据权利要求1所述的基于反馈的匹配模板选取方法,其特征在于步骤(2)中的匹配采用分级广义霍夫变换的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079356.9A CN104899593A (zh) | 2014-03-06 | 2014-03-06 | 一种基于阈值反馈的匹配模板选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079356.9A CN104899593A (zh) | 2014-03-06 | 2014-03-06 | 一种基于阈值反馈的匹配模板选取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104899593A true CN104899593A (zh) | 2015-09-09 |
Family
ID=54032247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410079356.9A Pending CN104899593A (zh) | 2014-03-06 | 2014-03-06 | 一种基于阈值反馈的匹配模板选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104899593A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108355987A (zh) * | 2018-01-08 | 2018-08-03 | 西安交通大学 | 一种基于分块模板匹配的电池丝印质量检测方法 |
CN112763495A (zh) * | 2020-12-24 | 2021-05-07 | 苏州赛众自动化科技有限公司 | 一种手机电池尺寸和外观缺陷检测系统及检测方法 |
-
2014
- 2014-03-06 CN CN201410079356.9A patent/CN104899593A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108355987A (zh) * | 2018-01-08 | 2018-08-03 | 西安交通大学 | 一种基于分块模板匹配的电池丝印质量检测方法 |
CN112763495A (zh) * | 2020-12-24 | 2021-05-07 | 苏州赛众自动化科技有限公司 | 一种手机电池尺寸和外观缺陷检测系统及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268593B (zh) | 一种小样本情况下多稀疏表示的人脸识别方法 | |
WO2020147257A1 (zh) | 一种人脸识别方法和装置 | |
CN102708370B (zh) | 一种多视角图像前景目标提取方法及装置 | |
CN107238822B (zh) | 真假目标一维距离像正交非线性子空间特征提取方法 | |
CN108701234A (zh) | 车牌识别方法及云系统 | |
CN104574375A (zh) | 结合彩色和深度信息的图像显著性检测方法 | |
CN104392241B (zh) | 一种基于混合回归的头部姿态估计方法 | |
WO2022156178A1 (zh) | 图像目标对比方法、装置、计算机设备及可读存储介质 | |
CN103903013A (zh) | 一种无标记平面物体识别的优化算法 | |
CN104102904B (zh) | 一种静态手势识别方法 | |
CN105654421B (zh) | 基于变换不变低秩纹理的投影变换图像匹配方法 | |
CN110634131B (zh) | 一种裂缝图像识别与建模方法 | |
Redondo-Cabrera et al. | All together now: Simultaneous object detection and continuous pose estimation using a hough forest with probabilistic locally enhanced voting | |
CN108845303B (zh) | 一种非线性稳健子空间真假目标特征提取方法 | |
Song et al. | Non‐destructive automatic leaf area measurements by combining stereo and time‐of‐flight images | |
CN106909881A (zh) | 基于无人机遥感影像提取玉米育种基地垄数的方法及系统 | |
CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
CN107330431B (zh) | 一种基于K-means聚类拟合的显著性检测优化方法 | |
CN104751139A (zh) | 基于汗腺特征点和指纹图像特征点的快速指纹识别方法 | |
CN104899593A (zh) | 一种基于阈值反馈的匹配模板选取方法 | |
CN108038849A (zh) | 一种识别性能优良的机器人视觉系统 | |
CN104408430B (zh) | 一种车牌定位方法及装置 | |
CN113705571B (zh) | 基于rgb阈值去红章的方法、装置、可读介质及电子设备 | |
CN107122783B (zh) | 一种基于角点检测的装配连接件快速识别方法 | |
CN105574880A (zh) | 基于指数矩像素分类的彩色图像分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150909 |
|
WD01 | Invention patent application deemed withdrawn after publication |