基于模板匹配的圖像識別方法和系統(tǒng)

本發(fā)明提供一種基于模板匹配的目標(biāo)識別方法和系統(tǒng)，包括：獲取原始圖像與模板圖像后預(yù)處理；將預(yù)處理后的模板圖像的每個像素與預(yù)處理后原始圖像的像素采用預(yù)設(shè)匹配算法進(jìn)行相似度的遍歷匹配，得到模板圖像的像素在原始圖像中位置的概率值，繪制位置概率曲線；對位置概率曲線進(jìn)行拐點(diǎn)算法計(jì)算，得到概率值的門限閾值；保留原始圖像中相應(yīng)位置概率值大于門限閾值的像素值。該方法將原始圖像與模板圖像進(jìn)行逐像素的相似度匹配，然后根據(jù)得到的概率曲線計(jì)算得到自適應(yīng)概率閾值，將識別出的大于所述概率閾值的概率曲線上的所有對應(yīng)的像素作為識別結(jié)果并顯示在所述原始圖像上，能夠準(zhǔn)確識別出原始圖像中的目標(biāo)物的數(shù)量和具體位置，識別的準(zhǔn)確度高。

《基于小波變換的圖像降噪》系統(tǒng)討論了小波變換在圖像降噪中的應(yīng)用。內(nèi)容包括：小波變換的基本理論，應(yīng)用小波變換進(jìn)行圖像降噪的基本算法；變換系數(shù)的稀疏性和圖像降噪效果之間的關(guān)系；綜合利用傅里葉變換和小波變換圖像降噪算法，并在附錄中提供了書中部分圖例和算法的MATLAB程序。

文本圖像壓縮中需要創(chuàng)建在圖像中出現(xiàn)的形狀庫。這些形狀通常和字符有關(guān)，在圖像中出現(xiàn)的形狀就會被指向圖形庫的指針替換。一般來說，雖然存在許多變體，但處理步驟包括如下：

• 找出、分離并且抽取所有的標(biāo)記，即圖像中聚集在一起出現(xiàn)的黑色像素。

• 建立一個包含圖像中發(fā)現(xiàn)所有標(biāo)記的庫

• 通過識別圖像中的符號找到庫中與之最接近的標(biāo)記實(shí)現(xiàn)，并度量一個標(biāo)記和下一個標(biāo)記的偏移值。

• 壓縮符號順序和偏移并存儲入庫。由于這一步驟中所存儲的信息可以產(chǎn)生稱為重構(gòu)文本的原始圖像的近似，所以為了重構(gòu)圖像無損，需要包括下面處理步驟：存儲足夠的信息以完成從重構(gòu)文本中恢復(fù)原始圖像。

當(dāng)標(biāo)記被抽取出來以后，需要將其與已經(jīng)在庫中的標(biāo)記匹配，所有匹配庫成員的標(biāo)記都會被保存在一個集合中。如果當(dāng)前標(biāo)記與庫中現(xiàn)有的一個標(biāo)記足夠匹配的話，則將其添加到與改符號相應(yīng)的匹配標(biāo)記集中，盡管將一個標(biāo)記與每一個庫中模板進(jìn)行匹配查找出與其最接近模板的可靠，但在一個模板被發(fā)現(xiàn)于一個特定的相似閾值之內(nèi)時即立即終止運(yùn)算會更有效。如果沒有發(fā)現(xiàn)足夠近似的匹配點(diǎn)，則將新標(biāo)記添加到庫中。模板匹配對成功識別標(biāo)記至關(guān)重要，匹配過程一般通過檢查誤差圖來實(shí)現(xiàn)，誤差圖通過將新符號和庫成員逐比特進(jìn)行異或得到。在計(jì)算誤差圖之前，匹配的雙方必須要正確注冊。新符號添加在庫中每個符號之前，為此需要在庫中設(shè)置一個固定的參考點(diǎn)。

第1章 主要的圖像降噪技術(shù)及發(fā)展現(xiàn)狀

1.1 空間域圖像降噪

1.2 頻域圖像降噪

1.3 基于小波變換的圖像降噪算法

1.4 其他圖像降噪方法

第2章 小波變換

2.1 小波變換概述

2.1.1 小波變換的基本概念

2.1.2 連續(xù)小波變換

2.2 離散小波變換

2.2.1 小波框架和小波基

2.2.2 多分辨率分析

2.2.3 多分辨率濾波器組

2.2.4 離散正交小波變換的快速算法

2.2.5 連續(xù)且緊支撐的正交小波基

2.2.6 初始輸入序列

2.2.7 二維離散正交小波變換

第3章 基于小波變換的圖像降噪

3.1 噪聲的小波變換系數(shù)的統(tǒng)計(jì)特性

3.2噪聲方差估計(jì)

3.3 降噪效果的評估方法

3.4 小波域的理想濾波器

3.5 小波閾值降噪

3.5.1 硬閾值和軟閾值濾波

3.5.2 閾值的選擇

3.5.3 小波基的選擇

3.6 基于貝葉斯估計(jì)理論的小波域降噪

3.6.1 貝葉斯估計(jì)

3.6.2 圖像小波變換系數(shù)的幾個統(tǒng)計(jì)特性和分布模型

3.6.3 小波域的雙參數(shù)收縮降噪

3.6.4 小波域的局部自適應(yīng)維納濾波

3.6.5 有方向窗口的局部維納濾波器

3.6.6 三種算法的比較

第4章 混合傅里葉一小波圖像降噪

4.1 變換域?yàn)V波效果和稀疏表示的關(guān)系

4.2 傅里葉變換和小波變換的比較

4.3 應(yīng)用簡單統(tǒng)計(jì)模型的混合傅里葉一小波圖像降噪

4.3.1 有色噪聲的小波變換系數(shù)

4.3.2 混合傅里葉一小波降噪算法

4.3.3 實(shí)驗(yàn)結(jié)果

4.4 應(yīng)用GGD統(tǒng)計(jì)模型的混合傅里葉一小波圖像降噪

4.4.1 算法的描述

4.4.2 實(shí)驗(yàn)結(jié)果

4.5 應(yīng)用GSM統(tǒng)計(jì)模型的混合傅里葉一小波圖像降噪

4.5.1 GSM模型

4.5.2 BLS—GSM降噪算法

4.5.3 應(yīng)用BLS—GSM圖像降噪算法的混合傅里葉一小波圖像降噪

4.5.4 實(shí)驗(yàn)結(jié)果

第5章 混合傅里葉一小波圖像降噪在SAR圖像降噪中的應(yīng)用

5.1 SAR圖像的相干斑點(diǎn)噪聲模型

5.2 應(yīng)用混合傅里葉一小波降噪的相干斑點(diǎn)噪聲抑制

5.3 實(shí)驗(yàn)

附錄A 泛函分析基礎(chǔ)

A.1 賦范線性空間

A.2 Hilbert空間和基

A.3可分離基

附錄B MATLAB程序

B.1 圖2.5和圖2.6的源程序

B.2 圖2.8的源程序

B.3 圖2.9的源程序

B.4 混合傅里葉一小波圖像降噪

參考文獻(xiàn)