第1页共7页模板匹配技术在图像识别中的应用摘要：模式识别就是使用计算机采用数学模型的方式对需要研究的对象进行判读与处理。在众多模式识别技术中模板匹配技术是其中容易实现的一种，模板匹配数学模型容易构建，通过将模板匹配技术应用到图像识别中有助于增强图像识别的准确性，提升图像识别效果。本文重点分析了模板匹配技术在图像识别中的应用，并分析了其中存在的问题与对应的解决方法。关键词：模板匹配技术；图像识别；应用：TP2文献标识码A2095-6363（2017）04-0093-02计算机采用模式识别的方式需要研究问题是利用计算C去替代人将图像中所包含的目标找出来。在使用计算机去识别的过程中，第2页共7页多数需要使用不同传感器获得不同成像条件下在不同时间上2张以上图片的对比，或者使用已有的图片去与另一幅图片进行对比，这个过程就是模板匹配的过程。模板匹配是最为基本、最为原始的模式识别方法，借助模板匹配技术能够在图像中将物体找到，通常情况下待匹配的图像是模板匹配技术需要使用的模板，与模式识别模式较为类似。1.模板匹配技术在图像识别中的应用模板匹配技术的基本原理是通过使用数学函数将被搜索图的对应坐标关系找出，将找到的对应关系代入到数学模型中。在这个过程中模板匹配技术具备的图像识别能力往往较强，但是若处于严重干扰状态，或者参照的模板出现了较大变动，就需要使用更为深层的数学工具，构建出新条件下的数学模型。模板匹配技术包含了神经网络、模糊数学、自适应控制等技术，运算速度较快、实现方法简单，因此，将模板匹配技术应用到图像识别当中有着较为重要的意义。第3页共7页1.1条码识别变造币横竖条码是模板匹配技术进行条码识别的基础。其具体实施原理：在一个数轴上加上二维图像的灰度投影，然后以数学模型为基础，在特定数轴上进行匹配，可提升匹配效率，且在该投影过程中，因为其中产生的噪音有相互抵消的情况，这在一定程度上降低了误判、漏判的概率。模板匹配技术在进行条码识别的过程中，在垂直于水平2个方向的图像，在具体使用时可以其灰度分布特征为基础，从这2个方面对模板与对象进行灰度投影。这时会得到模板投影的具体投影序列与等待匹配图像的投影序列，然后对得到的这两个序列进行匹配，找出这两组数据的相关值，将得到的相关值代入到投影函数当中。在模板匹配的过程中，模板投影曲线会出现一定的上下滑动，滑动过程中会得到一系列的位置数值，这样就得到了一个相关函数序列。将得到的函数序列代入到最佳门限值函数中，若两幅图是匹配的，那么得到的相关函数最大值超过对应的门限值。第4页共7页在水平与垂直2个方面上具体的处理方法相同，且必须这2个方向满足了匹配的条件，匹配图像与样本图像才是匹配的，经过多次研究表明，模板图像和目标图像所呈现的灰度投影曲线是类似的。因此，模板匹配技术在进行条码识别的过程中可以起到较好的效果。1.2指纹识别运用模板匹配技术在指纹识别的过程中可以减少其中的计算步骤，加快匹配速度。在具体匹配的过程中，首先每间隔M个点搜索下匹配结果的优劣，然后在存在极大匹配的周围对其中的各个参考值的位置进行匹配，采用这种方法的优点在于可以最大限度下降低匹配点丢失的可能性。其次，对模板覆盖的M*M个点的范围内采用随机计算，将得到的计算结果定义为突出特征随机序列，这个随机序列决定了之后计算误差的先后顺序。最后，抛弃固定阈值，选择使用单调增长性阈值序列，这样就能够保证不属于匹配序列的阈值点被丢弃，真正可以进行匹配的点经过了多次误差排除之后降低了第5页共7页出现误差的概率。模板匹配技术在指纹识别的过程中使用质量非常好，所得到的识别度非常高，可以做到较为精确的定位。1.3字符识别使用模板匹配技术进行字符识别时，多数情况下可以使用识别精度高、方法简单的模板匹配方法，在具体实施中可分别采用以特征块为基础与特征加权为基础的模板匹配模型。在使用以特征加权为基础的模板匹配模型时，需要对标准模板与样本模板采用特征加权的方式，将其中包含的字符笔数重新进行权限分配。权重较高的部分通常位于中心，而权重较低的通常位于边缘，采用这种方式能够将样本...