模板匹配

本文详细介绍了各种模板匹配方法,包括灰度值匹配、相关性匹配、基于形状的匹配、基于组件的匹配、局部可变形匹配和透视变形匹配。这些方法在处理不同条件下的物体识别,如光照变化、遮挡、形状变化等场景各有优势。匹配方法的选择取决于物体的2D或3D特性、几何变换、遮挡和光照变化等因素。文章还涵盖了匹配过程、模板准备、模型创建和存储,以及如何加速匹配搜索。
摘要由CSDN通过智能技术生成

u 匹配方法的类型

通过所包含像素的灰度值关系描述模型的方法:

l  经典gray-value-based matching基于灰度值匹配,只在非常少的情况下使用,只能在光照可以变量化的情况下使用。

l  更加强大的correlation-based matching基于相关性的匹配,它使用规范化互相关( NCC )来分别匹配物体或patterns。不能返回缩放比例。适用于纹理随机变化的物体或形状略有变化的物体。此外,这种方法在处理强烈散焦的图像时也适用。

 

通过轮廓的形状描述模型的方法:

u  shape-based matching基于形状的匹配,可以返回缩放比例,均匀缩放或各向异性缩放。物体存在遮挡或杂乱或者颜色发生变化情况下,仍然适用。

u  component-based matching基于组件的匹配,它在物体的几个部件(刚性部分)相对于彼此移动的特定情况下使用,且物体不能缩放。

u  local deformable matching局部可变形匹配,可返回向量描述物体实际的局部变形并且允许矫正包含变形模型的那部分图像。由于曲面扭曲,它只返回找到的模型实例的位置而不返回方向。

u  perspective deformable matching透视变形匹配,它还可以处理透视变形并提供3D姿势校准版本,而不是可以导出的2D变换参数。

 

通过一组重要图像点描述模型的方法:

u  descriptor-based matching基于描述符的匹配,匹配一组所谓的兴趣要点。与透视变形匹配类似,它可以处理透视变形并提供3D姿势校准版本,而不是可以导出的2D变换参数。

 

u 匹配方法的选择

根据2D3D来选择(2Dobjects 指的是三维物体的二维图像):

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值