模板匹配是機器視覺、圖像視頻處理技術中的一個最基本的問題。在印刷行業(yè)中,機器視覺逐步取代了人工肉眼篩查成為主要的檢測票面手段�，F(xiàn)今印鈔企業(yè)的在線檢測中票面檢測依舊存在諸多問題。第一:匹配模板太小,包含的信息量太小。印鈔企業(yè)中模板匹配的模板為10px*10px,眾所周知模板尺寸越大,匹配耗時越久,為了保證匹配的效率問題,所以現(xiàn)在的企業(yè)中選擇了較小尺度的模板,所以需要一個既與模板尺寸無關又包含更多信息量的算法。第二:模板取值在圖像邊緣,存在工藝誤差。現(xiàn)在的模板因為尺度取值較小為了提高模板包含的信息量,往往會選取邊緣位置。以人民幣國徽為例,國徽內部大量的紅色,辨識度低,所以國徽模板選取在邊緣處,但是邊緣處存在套印問題（即兩次印刷產生相對位置的偏移）,是一種不可消除的工藝誤差,對匹配結果具有影響,所以需要一種即可以包含大量信息,又不需要使用邊緣的模板匹配算法。第三:現(xiàn)在使用的模板是雙向的,即兩圖相同可推得兩圖距離為零,兩圖距離為零可推得兩圖相同,現(xiàn)在的模板匹配不僅使用了點的信息,還使用了點位置的信息�？梢試L試使用單向模板,即兩圖相同可推得兩圖距離為零,兩圖距離為零不可推得兩圖相同。單向模板僅使... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【部分圖文】：

先驗的大范圍Fig.2-1Rangeoftranscendental圖2-1為小張清分機上采集到的最原始圖像

6R 通道圖像 灰度圖圖 2 - 2 RGB 三通道圖和灰度圖Fig.2-2 Three channel diagram of RGB and grey-scale diagram由圖 2-2 可知，R 通道票面顏色最淡，即邊界與黑色背景色差最大，所以采用 R 通道圖像獲取票面邊界。2.2 識別出票面邊界因為需要明確的輪廓所以采用 Canny 輪廓檢測[19]。Canny 邊緣檢測步驟：1.消除噪音Canny 邊緣檢測的第一步就是去噪，將原圖和高斯平滑濾波器做卷積，例如內核為 5 的濾波器：

圖 2 - 3 Canny 取不同閾值的結果Fig.2-3 Result of different threshold in Canny隨著閾值的變化，不變的是票面邊界，變化的是票面中離散分布的點，所以兩個閾值取值越大，離散點對定位的干擾越弱。對標準樣進行 Canny 邊界識別，兩個閾值取最大 250，255。此時非票面邊界點最少，且經過大量實驗發(fā)現(xiàn)，在這個取樣環(huán)境下取到的樣，做 Canny（250，255，3）處理后，標準樣票面外沒有多余點。如圖 2.3 的最后一張圖，我們可以看到票面的邊緣和背景的交接處基本是一條單像素的線，但是在人像的衣領處有很多細碎的小像素，這些對分離和識別票面邊界沒有印象。2.3 尋找票面的傾斜度在圖 2.3 中邊緣處的單像素直線可以認為是票面的輪廓線。但是票面在機械交接的時候對造成偏差如圖 2.1 所示，可以看到有細微的偏差，并不是垂直的也不是水平的，這樣傾斜的票面對定位和檢測都是由影響的，所以我們需要將所有

【參考文獻】：
期刊論文
[1]基于改進的多模板匹配的車牌識別算法[J]. 孫守勇,蔡騁.  電腦知識與技術. 2017(09)
[2]Modified SIFT descriptor and key-point matching for fast and robust image mosaic[J]. 何玉青,王雪,王思遠,劉明奇,諸加丹,金偉其.  Journal of Beijing Institute of Technology. 2016(04)
[3]一種基于特征加權模板匹配方法在紙幣字符識別中的應用[J]. 陳國彬,張廣泉.  微電子學與計算機. 2013(03)
[4]Canny算子子像素邊緣檢測方法[J]. 薛武,張永生,董廣軍,紀松,于英.  遙感信息. 2013(01)
[5]Canny邊緣檢測算法在機器人視覺中的應用[J]. 陳宏申,李環(huán).  現(xiàn)代計算機(專業(yè)版). 2011(11)
[6]算法的時間復雜度分析[J]. 程世輝,盧翠英.  河南教育學院學報(自然科學版). 2007(04)
[7]基于差分和特征不變量的運動目標檢測與跟蹤[J]. 丁雪梅,王維雅,黃向東.  光學精密工程. 2007(04)
[8]數(shù)字圖像的灰度修正[J]. 官理.  計算機與現(xiàn)代化. 2003(05)

碩士論文
[1]基于改進的SIFT圖像匹配算法研究[D]. 翟雨微.吉林大學 2017
[2]基于改進SIFT算法的圖像匹配研究[D]. 馮文斌.燕山大學 2017
[3]基于SIFT的車標識別技術研究[D]. 陳聰.東南大學 2017
[4]SIFT特征匹配技術研究與應用[D]. 陳晗婧.南京理工大學 2017
[5]基于OpenCV的人臉識別系統(tǒng)研究[D]. 宋西來.天津科技大學 2017
[6]基于OpenCV的圖像匹配算法及其靶標定位應用[D]. 王道威.華中科技大學 2016
[7]基于SIFT特征的關鍵幀提取算法研究[D]. 屈有佳.北京交通大學 2015
[8]基于OpenCV與USB工業(yè)相機的零件檢測系統(tǒng)開發(fā)與研究[D]. 陳海平.廣西大學 2012
[9]基于改進canny算法的圖像邊緣檢測的研究[D]. 靳艷紅.重慶師范大學 2011
[10]基于圖像處理技術的車牌定位與字符分割算法研究[D]. 馬玲.東北大學 2009



本文編號：3512579