王琦煜

摘要：模式識別就是使用計算機(jī)采用數(shù)學(xué)模型的方式對需要研究的對象進(jìn)行判讀與處理。在眾多模式識別技術(shù)中模板匹配技術(shù)是其中容易實現(xiàn)的一種，模板匹配數(shù)學(xué)模型容易構(gòu)建，通過將模板匹配技術(shù)應(yīng)用到圖像識別中有助于增強(qiáng)圖像識別的準(zhǔn)確性，提升圖像識別效果。本文重點(diǎn)分析了模板匹配技術(shù)在圖像識別中的應(yīng)用，并分析了其中存在的問題與對應(yīng)的解決方法。

關(guān)鍵詞：模板匹配技術(shù)；圖像識別；應(yīng)用

中圖分類號：TP2

文獻(xiàn)標(biāo)識碼A

文章編號2095-6363（2017）04-0093-02

計算機(jī)采用模式識別的方式需要研究問題是利用計算機(jī)去替代人將圖像中所包含的目標(biāo)找出來。在使用計算機(jī)去識別的過程中，多數(shù)需要使用不同傳感器獲得不同成像條件下在不同時間上2張以上圖片的對比，或者使用已有的圖片去與另一幅圖片進(jìn)行對比，這個過程就是模板匹配的過程。模板匹配是最為基本、最為原始的模式識別方法，借助模板匹配技術(shù)能夠在圖像中將物體找到，通常情況下待匹配的圖像是模板匹配技術(shù)需要使用的模板，與模式識別模式較為類似。

1.模板匹配技術(shù)在圖像識別中的應(yīng)用

模板匹配技術(shù)的基本原理是通過使用數(shù)學(xué)函數(shù)將被搜索圖的對應(yīng)坐標(biāo)關(guān)系找出，將找到的對應(yīng)關(guān)系代入到數(shù)學(xué)模型中。在這個過程中模板匹配技術(shù)具備的圖像識別能力往往較強(qiáng)，但是若處于嚴(yán)重干擾狀態(tài)，或者參照的模板出現(xiàn)了較大變動，就需要使用更為深層的數(shù)學(xué)工具，構(gòu)建出新條件下的數(shù)學(xué)模型。模板匹配技術(shù)包含了神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、自適應(yīng)控制等技術(shù)，運(yùn)算速度較快、實現(xiàn)方法簡單，因此，將模板匹配技術(shù)應(yīng)用到圖像識別當(dāng)中有著較為重要的意義。

1.1條碼識別

變造幣橫豎條碼是模板匹配技術(shù)進(jìn)行條碼識別的基礎(chǔ)。其具體實施原理：在一個數(shù)軸上加上二維圖像的灰度投影，然后以數(shù)學(xué)模型為基礎(chǔ)，在特定數(shù)軸上進(jìn)行匹配，可提升匹配效率，且在該投影過程中，因為其中產(chǎn)生的噪音有相互抵消的情況，這在一定程度上降低了誤判、漏判的概率。

模板匹配技術(shù)在進(jìn)行條碼識別的過程中，在垂直于水平2個方向的圖像，在具體使用時可以其灰度分布特征為基礎(chǔ)，從這2個方面對模板與對象進(jìn)行灰度投影。這時會得到模板投影的具體投影序列與等待匹配圖像的投影序列，然后對得到的這兩個序列進(jìn)行匹配，找出這兩組數(shù)據(jù)的相關(guān)值，將得到的相關(guān)值代入到投影函數(shù)當(dāng)中。在模板匹配的過程中，模板投影曲線會出現(xiàn)一定的上下滑動，滑動過程中會得到一系列的位置數(shù)值，這樣就得到了一個相關(guān)函數(shù)序列。將得到的函數(shù)序列代入到最佳門限值函數(shù)中，若兩幅圖是匹配的，那么得到的相關(guān)函數(shù)最大值超過對應(yīng)的門限值。

在水平與垂直2個方面上具體的處理方法相同，且必須這2個方向滿足了匹配的條件，匹配圖像與樣本圖像才是匹配的，經(jīng)過多次研究表明，模板圖像和目標(biāo)圖像所呈現(xiàn)的灰度投影曲線是類似的。因此，模板匹配技術(shù)在進(jìn)行條碼識別的過程中可以起到較好的效果。

1.2指紋識別

運(yùn)用模板匹配技術(shù)在指紋識別的過程中可以減少其中的計算步驟，加快匹配速度。在具體匹配的過程中，首先每間隔M個點(diǎn)搜索下匹配結(jié)果的優(yōu)劣，然后在存在極大匹配的周圍對其中的各個參考值的位置進(jìn)行匹配，采用這種方法的優(yōu)點(diǎn)在于可以最大限度下降低匹配點(diǎn)丟失的可能性。其次，對模板覆蓋的M*M個點(diǎn)的范圍內(nèi)采用隨機(jī)計算，將得到的計算結(jié)果定義為突出特征隨機(jī)序列，這個隨機(jī)序列決定了之后計算誤差的先后順序。最后，拋棄固定閾值，選擇使用單調(diào)增長性閾值序列，這樣就能夠保證不屬于匹配序列的閾值點(diǎn)被丟棄，真正可以進(jìn)行匹配的點(diǎn)經(jīng)過了多次誤差排除之后降低了出現(xiàn)誤差的概率。模板匹配技術(shù)在指紋識別的過程中使用質(zhì)量非常好，所得到的識別度非常高，可以做到較為精確的定位。

1.3字符識別

使用模板匹配技術(shù)進(jìn)行字符識別時，多數(shù)情況下可以使用識別精度高、方法簡單的模板匹配方法，在具體實施中可分別采用以特征塊為基礎(chǔ)與特征加權(quán)為基礎(chǔ)的模板匹配模型。在使用以特征加權(quán)為基礎(chǔ)的模板匹配模型時，需要對標(biāo)準(zhǔn)模板與樣本模板采用特征加權(quán)的方式，將其中包含的字符筆數(shù)重新進(jìn)行權(quán)限分配。權(quán)重較高的部分通常位于中心，而權(quán)重較低的通常位于邊緣，采用這種方式能夠?qū)颖灸０迮c標(biāo)準(zhǔn)模板匹配，再按照對應(yīng)模糊識別規(guī)則識別。在識別時需要對其中包含的所有字符進(jìn)行加權(quán)，所以得到的識別率非常高。在使用以特征塊為基礎(chǔ)的模板匹配技術(shù)時，需要將模板進(jìn)行切割，得到大小相同的方塊，然后統(tǒng)計其中所包含的點(diǎn)，對得到的點(diǎn)根據(jù)標(biāo)準(zhǔn)模板進(jìn)行匹配，這里得到的字符在匹配之前就已經(jīng)得到了改造，包含的特征模塊較少，因此，其工作量相對于前者也較少。

1.4基于不變矩的圖像匹配

模板匹配技術(shù)中基于不變矩的圖像匹配是一種高度濃縮的圖像特征，具有旋轉(zhuǎn)、尺度、灰度、平移等多種畸形不變性，所以，在圖像識別方面有著較大的應(yīng)用優(yōu)勢。在具體應(yīng)用的過程中，用不變矩進(jìn)行圖像分析和識別的實驗很多。

在對實時圖像進(jìn)行識別與匹配時，將測度選擇為圖像輪廓與檢測模板進(jìn)行對比，并將對應(yīng)的遺傳算法加入到其中，使用不變矩陣的方式從尺度、旋轉(zhuǎn)、平移變化等方式對圖像進(jìn)行匹配，采用這種方式所帶來的效果相對于常規(guī)算法有著較大優(yōu)勢。

2.存在的問題與解決方法

上述分析的圖像識別多數(shù)情況下是處于理想的模板匹配中，但是在實際使用的過程中往往會受到其他因素的干擾，例如，若在匹配時對于噪聲帶來地影響沒有進(jìn)行充分的考慮，就非常有可能導(dǎo)致匹配失敗。因此，為了克服模板匹配技術(shù)在圖像識別中存在的缺陷，在具體使用的過程中，應(yīng)當(dāng)使用動態(tài)化的M濾波函數(shù)，這樣得到的匹配點(diǎn)是可以進(jìn)行調(diào)節(jié)的，構(gòu)建出的數(shù)學(xué)模型也更加符合實際圖像識別地需求。

3.結(jié)論

模板匹配技術(shù)在圖像識別過程中，其關(guān)鍵部分就是使用數(shù)學(xué)，模板匹配的過程就是將圖像數(shù)字化的過程，按照預(yù)定的順序?qū)⒚總€點(diǎn)的像素值找到，然后將對應(yīng)的像素值帶入到已經(jīng)構(gòu)建好的數(shù)學(xué)模式中進(jìn)行處理，處理的過程就是利用某一合適算法進(jìn)行模板匹配的過程，匹配結(jié)束之后將得到的圖像直接在原圖上顯示出來。通過分析可以發(fā)現(xiàn)，模板匹配技術(shù)在圖像識別中應(yīng)用的過程中最為關(guān)鍵的步驟就在于構(gòu)建數(shù)學(xué)模型的過程，這是實現(xiàn)精確匹配的中心。