模板匹配技術在圖像識別中的應用

王琦煜

摘要：模式識別就是使用計算機采用數學模型的方式對需要研究的對象進行判讀與處理。在眾多模式識別技術中模板匹配技術是其中容易實現的一種，模板匹配數學模型容易構建，通過將模板匹配技術應用到圖像識別中有助于增強圖像識別的準確性，提升圖像識別效果。本文重點分析了模板匹配技術在圖像識別中的應用，并分析了其中存在的問題與對應的解決方法。

關鍵詞：模板匹配技術；圖像識別；應用

中圖分類號：TP2

文獻標識碼A

文章編號2095-6363（2017）04-0093-02

計算機采用模式識別的方式需要研究問題是利用計算機去替代人將圖像中所包含的目標找出來。在使用計算機去識別的過程中，多數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.模板匹配技術在圖像識別中的應用

模板匹配技術的基本原理是通過使用數學函數將被搜索圖的對應坐標關系找出，將找到的對應關系代入到數學模型中。在這個過程中模板匹配技術具備的圖像識別能力往往較強，但是若處于嚴重干擾狀態，或者參照的模板出現了較大變動，就需要使用更為深層的數學工具，構建出新條件下的數學模型。模板匹配技術包含了神經網絡、模糊數學、自適應控制等技術，運算速度較快、實現方法簡單，因此，將模板匹配技術應用到圖像識別當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進行條碼識別的基礎。其具體實施原理：在一個數軸上加上二維圖像的灰度投影，然后以數學模型為基礎，在特定數軸上進行匹配，可提升匹配效率，且在該投影過程中，因為其中產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。

模板匹配技術在進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，從這2個方面對模板與對象進行灰度投影。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行匹配，找出這兩組數據的相關值，將得到的相關值代入到投影函數當中。在模板匹配的過程中，模板投影曲線會出現一定的上下滑動，滑動過程中會得到一系列的位置數值，這樣就得到了一個相關函數序列。將得到的函數序列代入到最佳門限值函數中，若兩幅圖是匹配的，那么得到的相關函數最大值超過對應的門限值。

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，經過多次研究表明，模板圖像和目標圖像所呈現的灰度投影曲線是類似的。因此，模板匹配技術在進行條碼識別的過程中可以起到較好的效果。

1.2指紋識別

運用模板匹配技術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個點搜索下匹配結果的優劣，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行匹配，采用這種方法的優點在于可以最大限度下降低匹配點丟失的可能性。其次，對模板覆蓋的M*M個點的范圍內采用隨機計算，將得到的計算結果定義為突出特征隨機序列，這個隨機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被丟棄，真正可以進行匹配的點經過了多次誤差排除之后降低了出現誤差的概率。模板匹配技術在指紋識別的過程中使用質量非常好，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

使用模板匹配技術進行字符識別時，多數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與特征加權為基礎的模板匹配模型。在使用以特征加權為基礎的模板匹配模型時，需要對標準模板與樣本模板采用特征加權的方式，將其中包含的字符筆數重新進行權限分配。權重較高的部分通常位于中心，而權重較低的通常位于邊緣，采用這種方式能夠將樣本模板與標準模板匹配，再按照對應模糊識別規則識別。在識別時需要對其中包含的所有字符進行加權，所以得到的識別率非常高。在使用以特征塊為基礎的模板匹配技術時，需要將模板進行切割，得到大小相同的方塊，然后統計其中所包含的點，對得到的點根據標準模板進行匹配，這里得到的字符在匹配之前就已經得到了改造，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、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用優勢。在具體應用的過程中，用不變矩進行圖像分析和識別的實驗很多。

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

2.存在的問題與解決方法

上述分析的圖像識別多數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行充分的考慮，就非常有可能導致匹配失敗。因此，為了克服模板匹配技術在圖像識別中存在的缺陷，在具體使用的過程中，應當使用動態化的M濾波函數，這樣得到的匹配點是可以進行調節的，構建出的數學模型也更加符合實際圖像識別地需求。

3.結論

模板匹配技術在圖像識別過程中，其關鍵部分就是使用數學，模板匹配的過程就是將圖像數字化的過程，按照預定的順序將每個點的像素值找到，然后將對應的像素值帶入到已經構建好的數學模式中進行處理，處理的過程就是利用某一合適算法進行模板匹配的過程，匹配結束之后將得到的圖像直接在原圖上顯示出來。通過分析可以發現，模板匹配技術在圖像識別中應用的過程中最為關鍵的步驟就在于構建數學模型的過程，這是實現精確匹配的中心。