武漢學(xué)院信息工程學(xué)院 馬 飛

模式識別作為使用計算機采用數(shù)學(xué)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(shù)是最容易實現(xiàn)的一種，模板匹配數(shù)學(xué)模型相對簡單，僅需要將匹配技術(shù)應(yīng)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(shù)在圖像識別中的具體應(yīng)用情況，旨在更好的提高模板匹配技術(shù)的應(yīng)用水平。

在關(guān)于圖像目標識別技術(shù)的應(yīng)用和研究過程中，模板匹配技術(shù)作為十分重要的研究方向已經(jīng)興起，其應(yīng)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(yōu)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(guān)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(guān)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(guān)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(nèi)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(chǔ)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(nèi)容，將其視為圖片匹配的關(guān)鍵，相似度測試對于圖像匹配至關(guān)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(guān)特征及匹配程度，最后也會轉(zhuǎn)化為是否匹配，這兩個結(jié)果在這一階段與匹配特征的選擇有著直接的關(guān)聯(lián)性。內(nèi)部結(jié)構(gòu)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(xù)的重要環(huán)節(jié)，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(yīng)的空間。其中，前者更加適用于搜索出平移旋轉(zhuǎn)等一些能夠變化參數(shù)的特征，經(jīng)過平移或是旋轉(zhuǎn)等一系列調(diào)整所得到的可以變化的參數(shù)，圖像在經(jīng)過改變以后，其相似性會更加理想，可以有效減少計算的數(shù)據(jù)量。通?？梢詮哪臣系挠绊懘笮?、搜索空間和復(fù)雜度來進行區(qū)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(nèi)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(chǎn)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(jié)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(nèi)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(guān)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(xiàn)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(xiàn)實中也會受到設(shè)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(dǎo)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(shù)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(nèi)。將相應(yīng)的成像條件和目標物體等內(nèi)容考慮在內(nèi)，包括成像系統(tǒng)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(shù)應(yīng)用分析

2.1 條碼識別

條碼識別是模板匹配技術(shù)在圖像識別中的重要應(yīng)用之一。由于模板匹配技術(shù)的原理是通過一系列的數(shù)學(xué)函數(shù)，找出被搜索圖像的相應(yīng)關(guān)系坐標并將其帶入到數(shù)學(xué)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(shù)中條碼識別的重要基礎(chǔ)。具體來講，在一個數(shù)軸上加上二維圖像的灰度投影，并且將其與數(shù)學(xué)模型作為基礎(chǔ)在特定的數(shù)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(xiàn)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(yīng)用模板匹配技術(shù)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(chǔ)，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(guān)值的同時，可以自動列入到投影函數(shù)中。在模板匹配過程中，模板的投影曲線會呈現(xiàn)出上下波動的狀態(tài)；滑動過程中，在得到具體位置的數(shù)值時，也會形成相應(yīng)的函數(shù)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(yīng)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(shù)在圖像識別中的又一應(yīng)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(jié)果的優(yōu)劣性。此外，在指紋識別過程中，工作人員能夠?qū)τ诓煌膮⒖贾滴恢眠M行充分的匹配，這種方法的優(yōu)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(nèi)采取隨機計算的方式，也可以將最終的結(jié)果定義成具有突出性質(zhì)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(jīng)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(dāng)前一些指紋識別的工序中，把匹配基礎(chǔ)應(yīng)用在其中，可以取得滿意的應(yīng)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(yīng)用到圖像識別中的應(yīng)用之一。在實施過程中，技術(shù)人員需要分別采用不同類型的特征塊，將其作為基礎(chǔ)模板匹配的模型。以特征的加權(quán)為基礎(chǔ)的模板匹配模型，并且在這個過程中要加權(quán)。作為最基礎(chǔ)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(quán)的方法。例如所包含的字符或筆畫，都需要經(jīng)過加權(quán)以后接受重新的分配。在識別過程中，對于權(quán)重較高的部位需要放置在中心，權(quán)重不高的部位可放置在邊緣的地區(qū)，這樣可以更好地平衡兩者之間加權(quán)并且可以提高最終的識別效率。而使用特征塊作為基礎(chǔ)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(tǒng)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(zhì)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(gòu)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(zhuǎn)的變化物體，更能夠反映模板和圖像之間是否出現(xiàn)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(tǒng)常規(guī)算法更加理想，其精確度也更高。

在模板匹配技術(shù)應(yīng)用到圖像識別過程中，上述各項識別技術(shù)均在相對理想的模板匹配中應(yīng)用。但在實際應(yīng)用中會受到其他因素的影響，出現(xiàn)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(xiàn)匹配失敗的情況。為了有效克服匹配技術(shù)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(tài)化的M濾波函數(shù)，確保得到的匹配點之間能夠相互調(diào)節(jié)，最終所構(gòu)建出的數(shù)學(xué)模型也會更加貼合圖像識別技術(shù)。

結(jié)論：綜上，將模板匹配技術(shù)應(yīng)用到圖像識別過程中是一項十分重要的識別技術(shù)，其優(yōu)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(shù)在圖像識別過程中，其關(guān)鍵部分是使用相關(guān)的數(shù)學(xué)模型，本質(zhì)上是進行圖像數(shù)字化的過程，根據(jù)預(yù)定的順序?qū)⑸婕暗矫總€點的像素值找到，并帶入到構(gòu)建好的數(shù)學(xué)模型中加以處理，經(jīng)過匹配以后，所得到的圖像會直接在原圖中顯示出來。