1) image matching-segmentation
图像匹配分割
1.
Then an image matching-segmentation-based algorithm is devised on the basis of feasibility analysis to recognize the falsified license plate.
首先,论述了涂改干扰车牌识别的基本原理和特征;然后,在其可行性分析的基础上,设计出基于图像匹配分割的识别算法。
2) separate-matching
分割匹配
1.
It advances a kind of semantic retrieving prototype MSFRP in multimedia database,introduces the design of system prototype and separate-matching technology of multimedia object,designs the semantic model of multimedia object and describes vague reason-retrieving method.
介绍了系统原型设计及其多媒体对象分割匹配技术,设计了多媒体对象语义模型,描述了模糊推理检索方法。
3) image segmention and registration
图像分割和配准
4) image matching
图像匹配
1.
A sub-pixel image matching method on re-sampling and curve fitting;
重采样和曲面拟合的图像匹配方法
2.
SAR-image matching by using image segmentation;
基于图像分割的SAR图像匹配方法
3.
Symmetrical partial Hausdorff image matching method on sub-space approximation;
基于子空间近似对称Hausdorff分数图像匹配方法
5) image match
图像匹配
1.
Vision control algorithm based on motion estimation and image match;
基于运动估计和图像匹配的视觉控制算法
2.
Various methods of map/terrain match guidance in the cruise missile are discussed according to basis principles of image match,and their advantages and disadvantages are analyzed.
根据图像匹配的基本原理 ,讨论了巡航导弹中可以应用的地图 /地形匹配制导的各种方法 ,并分析了各自的利弊 。
3.
Last,integrate image match,and then we also propose a simple track.
与普通的利用颜色分割的方法不同,考虑到足球视频中非目标的像素大体上都是单一的绿色这个特点,结合颜色的统计信息和像素的边缘特性来得到更完美的检测效果;接着利用灰度图像中的统计信息,轻松地完成球员队属的辨别;最后根据重叠面积提出一种简单的视频目标跟踪方案,结合图像匹配,解决运动中的遮挡问题。
6) image registration
图像匹配
1.
Rotated image registration method based on NCC;
基于NCC的存在旋转的图像匹配方法
2.
Image registration is the matching processing which matchs two or more images from the same scene derived from different time,different sensors.
图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程,是图像融合、目标探测识别和计算机视觉等技术的重要基础,主要用于消除来自不同传感器的图像中目标的位置差异。
3.
In order to improve the robust and precise in image registration,we get the Hessian matrix removed to improve LMA for searching the eight unknown parameters of two input perspective transformation images and get computational gains.
为提高图像匹配的精度和稳定性,在图像匹配过程中用消除了Hessian矩阵的LMA改进算法对两幅图像透视变换矩阵的8个未知参数进行拟合,减少了迭代的计算量。
补充资料：图像分割
把图像分解为一些特定的性质相似的部分（区域或对象），并用这些部分对图像进行分析和描述。一幅图像往往包含许多不同类型的区域，如物体、环境和背景等。图像分析的一个重要方法就是用它们作为基本组成成分对图像进行描述。例如为了在气泡室图片中检出质点碰撞形式并判定其发生位置，就要在图像中分割出气泡的轨迹及其端点。为了从输入的文本中识别出一串字符，首先就要把各个字符从背景和其他字符中分离出来。因此把图像分割为若干子图像，并利用各子图像的特性和它们之间的关系描述图像，对于图像识别和解释、物景分析以及图像的分块处理和存储都有很大的意义。
图像分割基本上是对像素进行分类的过程。例如用某个灰度阈值把图像像素分成"黑"和"白"两类，就可以把黑的对象同白的背景区分开。常用的分割方法有灰度等级阈值法、谱和空间分类法、区域生长法和边缘检测法。
灰度等级阈值法 在图像只有两种组成部分的情况下，图像灰度的直方图常常呈现两个峰值。用两个峰值之间的谷值所对应的灰度作为阈值，把所有像素灰度大于或等于阈值的作为一类，小于阈值的作为另一类是一种最基本的两类分割方法。实际应用时为了改善分类的可靠性，可以利用某些附加的信息（例如已知两类区域的面积之比）使阈值的选择更加合理。在类别更多的情况下，可以采用多级阈值把各类分割开来（例如确定两个阈值，就可以把细胞图像分割为胞核、胞浆和背景三部分）。类别越多，图像直方图的峰值就越不明显，分割就更为困难。
谱和空间分类法 对于彩色和多光谱图像，可以用像素的几种性质（颜色和谱信号）对像素作比较精细的分类。对于黑白图像，用包括像素本身灰度在内的一组局部性质（例如该像素邻域灰级的均值）在多维空间中进行分类。对于一些复杂图像，这种方法比单独的灰度阈值法效果更好。
区域生长法 这是一种从图像中提取区域或实体的序贯分割法。根据灰度、纹理的均匀性、同背景的对比度以及区域、形状、尺寸等准则，把性质大致相同的邻近像素组合在一起以形成分割区域。
边缘检测法 用于获取图像内物体轮廓的分割方法。一般采用曲线拟合、轮廓跟踪或边缘点连接等技术求出物体的边界。此外，若对像素的类别给以某种概率度量或隶属度，则可以对像素反复进行分类，这就成为松弛迭代分割算法。这种算法有较好的效果，在图像分析中已得到广泛应用。
图像分割基本上是对像素进行分类的过程。例如用某个灰度阈值把图像像素分成"黑"和"白"两类，就可以把黑的对象同白的背景区分开。常用的分割方法有灰度等级阈值法、谱和空间分类法、区域生长法和边缘检测法。
灰度等级阈值法 在图像只有两种组成部分的情况下，图像灰度的直方图常常呈现两个峰值。用两个峰值之间的谷值所对应的灰度作为阈值，把所有像素灰度大于或等于阈值的作为一类，小于阈值的作为另一类是一种最基本的两类分割方法。实际应用时为了改善分类的可靠性，可以利用某些附加的信息（例如已知两类区域的面积之比）使阈值的选择更加合理。在类别更多的情况下，可以采用多级阈值把各类分割开来（例如确定两个阈值，就可以把细胞图像分割为胞核、胞浆和背景三部分）。类别越多，图像直方图的峰值就越不明显，分割就更为困难。
谱和空间分类法 对于彩色和多光谱图像，可以用像素的几种性质（颜色和谱信号）对像素作比较精细的分类。对于黑白图像，用包括像素本身灰度在内的一组局部性质（例如该像素邻域灰级的均值）在多维空间中进行分类。对于一些复杂图像，这种方法比单独的灰度阈值法效果更好。
区域生长法 这是一种从图像中提取区域或实体的序贯分割法。根据灰度、纹理的均匀性、同背景的对比度以及区域、形状、尺寸等准则，把性质大致相同的邻近像素组合在一起以形成分割区域。
边缘检测法 用于获取图像内物体轮廓的分割方法。一般采用曲线拟合、轮廓跟踪或边缘点连接等技术求出物体的边界。此外，若对像素的类别给以某种概率度量或隶属度，则可以对像素反复进行分类，这就成为松弛迭代分割算法。这种算法有较好的效果，在图像分析中已得到广泛应用。
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