没有合适的资源?快使用搜索试试~ 我知道了~
首页图像灰度匹配:一种快速算法
图像灰度匹配:一种快速算法
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 16 浏览量
更新于2024-08-10
收藏 291KB PDF 举报
"一种基于图像灰度的快速匹配算法.pdf" 这篇文档是《Journal of Software》期刊上发表的一篇学术文章,作者是李强和张钹,来自清华大学计算机科学与技术系以及智能技术与系统国家重点实验室。文章发表于2006年2月,编号为Vol.17, No.2,页面范围从216至222。该研究提出了一种基于图像灰度的快速匹配算法,旨在解决传统像素灰度相关算法在图像模板匹配时存在的高时间复杂性和对图像亮度及尺度变化的敏感性问题。 在图像处理领域,模板匹配是一种常用的技术,用于在大图像中寻找与特定小模板图像相似的区域。传统的基于像素灰度值的匹配算法虽然应用广泛,但其效率较低,因为它们通常需要比较大量像素点的灰度值,这导致了较高的计算复杂度。此外,这些算法在面对图像亮度不一致、缩放或其他形变时,匹配效果往往不佳。 文章中的快速匹配算法可能采用了优化策略,比如使用特定的特征提取或归一化方法来减少对光照和缩放变化的敏感性。可能还包括对模板和目标图像进行预处理,如灰度直方图均衡化或尺度不变特征变换(SIFT),以增强关键特征的对比度并提高匹配的鲁棒性。 此外,文章可能还讨论了算法的时间复杂性分析,可能提出了降低复杂性的数据结构或算法设计,比如使用哈希函数加速查找,或者通过近似方法减少计算量。作者可能还通过实验验证了新算法相对于传统方法在匹配速度和准确性上的改进,并提供了实际图像数据集上的实验结果和对比分析。 这篇论文针对图像处理中的模板匹配问题提出了一种新的快速匹配算法,该算法关注于提高匹配效率并增强对环境变化的适应性,对于图像识别、计算机视觉和机器学习等领域具有重要的理论和应用价值。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/85342224/bg1.jpg)
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software, Vol.17, No.2, February 2006, pp.216−222 http://www.jos.org.cn
DOI: 10.1360/jos170216 Tel/Fax: +86-10-62562563
© 2006 by Journal of Software. All rights reserved.
一种基于图像灰度的快速匹配算法
∗
李
强
1,2+
,
张
钹
1,2
1
(清华大学 计算机科学与技术系,北京 100084)
2
(智能技术与系统国家重点实验室(清华大学),北京 100084)
A Fast Matching Algorithm Based on Image Gray Value
LI Qiang
1,2+
, ZHANG Bo
1,2
1
(Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)
2
(State Key Laboratory of Intelligent Technology and Systems (Tsinghua University), Beijing 100084, China)
+ Corresponding author: Phn: +86-10-62777702, E-mail: lq@s1000e.cs.tsinghua.edu.cn, http://www.csai.tsinghua.edu.cn/
Li Q, Zhang B. A fast matching algorithm based on image gray value. Journal of Software, 2006,17(2):
216−222. http://www.jos.org.cn/1000-9825/17/216.htm
Abstract: Correlation algorithms based on pixel gray value are very popular and widely used in image template
matching. However, these algorithms have high time complexity and are sensitive to the variation of image
luminance and scale. To avoid that, a new algorithm based on coding image grey value is proposed. This algorithm
divides the image into certain size blocks called R-block, sums the gray value of each R-block pixel, and codes the
R-block according to the sorting result among the neighborhood of R-blocks. Image and template are matched by
comparing their R-block coding. The R-block is very rapidly and easily coded and only equality comparison is
needed. The new algorithm is robust to the linear transformation of pixel grey value and image noise. Its time
complexity is reduced to O(M
2
log(N)), or namely is improved two order of magnitude in contrast to the current
correlation algorithms’.
Key words: image processing; template matching; image registration; invariance; time complexity
摘 要: 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此
类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图
像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为 R-块),计算每个 R-块图像的总灰度值,
并根据它与相邻 R-块灰度值的排序关系进行编码.然后通过各个 R-块编码值的比较,实现图像与模板的匹配.新
算法中各个 R-块编码的计算十分简单;匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新
算法对像素灰度的变化与噪声具有鲁棒性,其时间复杂度是 O(M
2
log(N)).实验结果表明,新算法比现有的灰度相
关算法的计算时间快了两个数量级.
关键词: 图像处理;模板匹配;图像配准;不变性;时间复杂度
中图法分类号: TP391 文献标识码: A
∗ Supported by the National Natural Science Foundation of China under Grant Nos.60135010, 60321002 (国家自然科学基金); the
National Grand Fundamental Research 973 Program of China under Grant No.2004CB318108 (国家重点基础研究发展规划(973))
Received 2004-10-10; Accepted 2005-06-02
下载后可阅读完整内容,剩余6页未读,立即下载
![application/pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/f6f011970f0f4dc0b48561c888fd7c9f_xipengbozai.jpg!1)
卷积神经网络
- 粉丝: 353
- 资源: 8440
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 解决Eclipse配置与导入Java工程常见问题
- 真空发生器:工作原理与抽吸性能分析
- 爱立信RBS6201开站流程详解
- 电脑开机声音解析:故障诊断指南
- JAVA实现贪吃蛇游戏
- 模糊神经网络实现与自学习能力探索
- PID型模糊神经网络控制器设计与学习算法
- 模糊神经网络在自适应PID控制器中的应用
- C++实现的学生成绩管理系统设计
- 802.1D STP 实现与优化:二层交换机中的生成树协议
- 解决Windows无法完成SD卡格式化的九种方法
- 软件测试方法:Beta与Alpha测试详解
- 软件测试周期详解:从需求分析到维护测试
- CMMI模型详解:软件企业能力提升的关键
- 移动Web开发框架选择:jQueryMobile、jQTouch、SenchaTouch对比
- Java程序设计试题与复习指南
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)