1) pattern plate correlation match
模版相关匹配
2) template matching
模版匹配
1.
This system is based on the image processing technology such as image enhancement,template matching,as well as morphological processing by using IMAQ image processing software.
利用基于LabVIEW技术的图像处理软件IMAQVision,对被测工件图像进行图像增强、模版匹配、二值化处理、形态学处理等一系列图像处理及图像识别,从而设计出可以在线检测柴油机油泵锁紧垫片安装质量的目标图像识别系统。
2.
The mosaic position is found through template matching.
以图像轮廓角点为特征,采用B-spline实现图像的缩放,通过模版匹配寻找拼接位置,并利用小波变换简化模版匹配算法的计算过程,提高了算法的抗噪能力。
3) template correlation match
模板相关匹配
4) correlation matching
相关匹配
1.
According to the characteristics of the computer image used in algorithm measurement,an image matching algorithm was presented,which is a correlation matching algorithm under epipolar line based on multi-resolution.
该方法采用金字塔分层和极线约束来弥补相关匹配带来运算量大的不足,克服了图像匹配中精度低的缺点。
2.
A fast image correlation matching algorithm is put forward for low contrast TV image sequence of a ship s target using genetic algorithms.
将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。
3.
Traditional image correlation matching algorithm works under a pure translation model and would face difficulty when dealing with a more general motion model where either scaling or rotation of the matched images is present.
常规的图像相关匹配算法通常只具有平移不变性 ,而不具有尺度和旋转不变性 ,这就给存在尺度和旋转变化图像间的匹配问题设置了障碍。
5) correlation match
相关匹配
1.
This paper describes one of the main problems of image-based correlation tracking systems,and proposes a new solution of using modified MCD correlation matching and adaptive modal modification based on multiple frame cumulation.
传统的相关匹配算法在背景比较简单的情况下可以较好地跟踪到目标,但实际获得的图像存在变形、噪声、遮挡等问题,并且也很难获得比较好的跟踪效果。
6) correlative matching
相关匹配
1.
Traditional correlative matching algorithm is too slow to meet the real time requirement.
针对传统相关匹配算法不能满足实时性的缺点,通过分析红外图像目标的特点,提出一种改进的SSDA算法,充分利用图像的边缘特征和灰度信息,在没有降低匹配精度的情况下减少了计算量,单调递减阈值序列的使用,进一步提高了算法的速度。
2.
A fusion method of structured light data based on correlative matching is proposed.
针对结构光三维测量中利用旋转平台进行数据融合提出了一种基于相关匹配的结构光测量数据的融合方法,利用相关物面进行匹配求出旋转平台的旋转角度,利用这个角度就可以实现对测量结果的三维数据融合。
补充资料：相关分析法建模
通过对系统输入和输出的相关函数之间的关系进行分析建立系统的数学模型。这种方法可以比较有效地克服系统输出中含有的随机噪声给建模带来的困难。适当选择输入，使它与噪声成为统计不相关的，就可通过相关运算把系统的输入输出关系转变为输入自相关和输入输出互相关的关系，从而消除系统噪声的影响，使建模更为容易。
随机系统的建模有两种常用的相关分析法。第一种是以脉冲响应（见过渡过程）为模型，连续系统和离散系统的输入与输出可以通过脉冲响应联系起来，它们的数学表达式分别是 和yt＝。式中h(τ)和hτ是系统的脉冲响应，u(t)和ut是系统的输入，y(t)和yt是系统的输出,ε(t)和εt分别是与u(t)和ut统计不相关的白噪声。通过相关运算，分别得到系统的输入自相关函数Ruu(t)与输入输出互相关函数Ruy(t)之间的关系：和。于是随机性的输入与输出之间的关系被确定性的自相关函数与互相关函数之间的关系所代替，这就是著名的维纳-霍夫方程 (见维纳滤波)。在适当地选择输入，求得输入自相关函数和输入输出互相关函数之后,只须解出维纳-霍夫方程就可以得到随机系统的脉冲响应模型。第二种随机系统模型是自回归模型:yt＝a1yt-1+a2yt-2+...+anyt-n+εt,式中{yt}是系统的平稳输出序列,{εt}是白噪声序列,yt与εt,εt+1,...是统计不相关的,a1,a2,...,an是模型中待估计的系数。对于这种模型，相关分析法建模是利用输出序列{yt}的自相关序列{rj＝E[yt,yt+j]，j＝0，1，2，...}求得系数a1,a2,...,an的估计值,最后得到随机系统的自回归模型。
随机系统的建模有两种常用的相关分析法。第一种是以脉冲响应（见过渡过程）为模型，连续系统和离散系统的输入与输出可以通过脉冲响应联系起来，它们的数学表达式分别是 和yt＝。式中h(τ)和hτ是系统的脉冲响应，u(t)和ut是系统的输入，y(t)和yt是系统的输出,ε(t)和εt分别是与u(t)和ut统计不相关的白噪声。通过相关运算，分别得到系统的输入自相关函数Ruu(t)与输入输出互相关函数Ruy(t)之间的关系：和。于是随机性的输入与输出之间的关系被确定性的自相关函数与互相关函数之间的关系所代替，这就是著名的维纳-霍夫方程 (见维纳滤波)。在适当地选择输入，求得输入自相关函数和输入输出互相关函数之后,只须解出维纳-霍夫方程就可以得到随机系统的脉冲响应模型。第二种随机系统模型是自回归模型:yt＝a1yt-1+a2yt-2+...+anyt-n+εt,式中{yt}是系统的平稳输出序列,{εt}是白噪声序列,yt与εt,εt+1,...是统计不相关的,a1,a2,...,an是模型中待估计的系数。对于这种模型，相关分析法建模是利用输出序列{yt}的自相关序列{rj＝E[yt,yt+j]，j＝0，1，2，...}求得系数a1,a2,...,an的估计值,最后得到随机系统的自回归模型。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条