维普资讯 http://www.cqvip.com １ １２ ，传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２００８年第２７卷第ｌ期 一应～ 用 一投～ 一术～ ０ 模板匹配技术在图像识别中的应用 田娟，郑郁正 （成都信息工程学院电子工程系，四川成都６１０２２５） 摘要：在图像目标识别技术的研究应用中，模板匹配技术是其中一个重要的研究方向，它具有算法简 单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应 用，包括有条码识别、生物特征识别技术（人脸识别、指纹识别等）、车牌识别、字符识别、飞机识别等。 关键词：图像处理；目标识别；模板匹配 中图分类号：ＴＮ９１１．７３ 文献标识码：Ａ 文章编号：１０００－９７８７（２００８）０１－０１１２－０３ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｅｍｐｌａｔｅ ｍａｔｃｈｉｎｇ ｔｅｃｈｎｉｑｕｅ ｉｎ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ ＴＩＡＮ Ｊｕａｎ，ＺＨＥＮＧ Ｙｕ—ｚｈｅｎｇ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ．Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ ６１０２２５．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｔｅｍｐｌａｔｅ ｍａｔｃｈｉｎｇ ｔｅｃｈｎｉｑｕｅ ｉｓ ａ ｍａｊｏｒ ｒｅｓｅａｒｃｈ ｉｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｏｂｊｅｃｔ ｉｎ ｉｍａｇｅ．Ｉｔ ｉｓ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｓｉｍｐｌｅ ａｌｇｏｒｉｔｈｍ，ｓｍａｌｌ ｃａｌｃｕｌａｔｉｏｎ ａｎｄ ｈｉｇｈ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ．Ｉｔｓ ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ｔｈｅ ｆｉｅｌｄｓ ｏｆ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｒｅ ｐｒｅｓｅｎｔｅｄ，ｗｈｉｃｈ ｉｎｃｌｕｄｅ ｈｏｒｉｚｏｎｔａｌ ａｎｄ ｅｒｅｃｔ ｃｈａｒａｃｔｅｒｓ ｒｅｃｏｇｎｉｔｉｏｎ，ｂｉｏｌｏｇｉｃａｌ ｄｉｓｔｉｎｃｔｉｏｎ（ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ，ｆｉｎｇｅｒｐｒｉｎｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｅｒｅ．），ｌｉｃｅｎｓｅ ｐｌａｔｅ ｒｅｃｏｇｎｉｔｉｏｎ，ｃｈａｒａｃｔｅｒ’Ｓ ｒｅｃｏｇｎｉｔｉｏｎ， ａｉｒｃｒａｆｔ ｒｅｃｏｇｎｉｔｉｏｎ，ｅｔｃ． Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ；ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ；ｔｅｍｐｌａｔｅ ｍａｔｃｈｉｎｇ ０引 言 ｌ 图像匹配技术的应用 ． 现如今，目标识别已是图像工程研究的热点之一，其 中，图像模板匹配又是目标识别与跟踪的关键。图像匹配 是指图像之间的比较、得到不同图像之间的相似度。在机 器识别事物的过程中，把不同传感器或同一传感器在不同 时间、不同成像条件下对同一景物获取的２幅或多幅图像 在空间上对准，或根据已知模式到另一幅图中寻找对应的 模式。 模板匹配的基本原理是通过相关函数的计算来找到它 和被搜索图的坐标位置。如图１所示，设模板Ｔ（ｎ×ｍ像 素点）叠放在搜索图Ｓ上平移，模板覆盖下的那块搜索图 叫做子图Ｓ ，ｉ， 为这块子图的左上角像点在Ｓ图中的坐 标，叫参考点，１≤ｉ， ≤ｎ ｗｍ＋１。比较７１和Ｓ 的内容，若 两耆一致，则 和５ 之差为零。测度方法 ＂ ｌＤ（ ， ）： ｍ，ｎ）一７１（ ）］ 或 针对图像特征不同，有多种匹配算法。例如：绝对差算 法，是一种简化了的求解相似度的方法，计算量小，当目标 Ｄ（ｉ， ）＝∑∑Ｉｓ ｍ，ｎ）一ｒ（ｍ，ｎ） ｍ：ｌ ｎ：ｌ 图像变化不是很快的情况下，具有一定的实用性；不变矩策 略主要应用于一些简单图形的识别，具有大小旋转不变性， 但对于有形状变化的图像识别不太适合；傅立叶变换或小 Ｈ—ｍ ｝．＿ 一，ｒ＋Ｉ 模板 波变换，将图像变换到变换域，与目标图像变换域特征进行 比较得到相似程度，其匹配准确度高、抗干扰能力强，但计 被搜索图Ｓ 图１标准模板匹配过程 Ｆｉｇ １ Ｍａｔｃｈｉｎｇ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｓｔａｎｄａｒｄ ｔｅｍｐｌａｔｅ 算量大。基于各种匹配算法的优点，它们已被应用于从简 单图形（背景、汽车 ， Ｊ、飞机 。 等）到复杂图像（字符。。、 指纹 Ｊ、人脸 ’ 等）的识别、目标跟踪等众多领域。 收稿日期：２００７－－０６－－１３ １．１ 条码识别 吴萍萍等人针对变造币横竖条码 。 提出了一维灰度 维普资讯 http://www.cqvip.com 第８期 田娟，等：模板匹配技术在图像识别中的应用 ｌｌ３ 投影模板匹配算法。此方法将二维图像灰度投影叠加到一 维数轴上，并在一维数轴上进行匹配判断，它提高了匹配速 度，同时，在投影中，由于噪声相互抵消，还可以减少漏判、 误判几率。 投影特征匹配算法的基本思想是：图像水平和垂直方 向的投影曲线充分反映了其在对应方向上的灰度分布特 征。首先，求取模板图像和待匹配图像的水平方向和垂直 方向的灰度投影，得到模板图像投影序列Ｐ［ｉ］，Ｑ［ｉ］和待 匹配图像投影序列Ｐ ［ｉ］，Ｑ ［ｉ］；然后，分别将２幅图像的 水平投影序列和垂直投影序列进行比较，求取序列之问的 相关值。投影图像相关函数为 Ｒ（ｉ）＝ １ ∑ （ ）－．ｆｏ＇（ ）］［ ） （ ）］ √∑ （ ） ：（ ）］。∑［ ） ㈤］。 式中 （ｉ），ｆ （ｉ）为 点模板图像投影灰度值和投影平 均灰度值 （ ） （ｉ）为ｉ点目标图像投影灰度值和投影 平均灰度值。匹配过程是将模板投影曲线在目标投影曲 线上滑动，对滑动经过的每一个位置计算尺［ ］，这样就得 到一个相关函数序列。选择最佳门限值，并求出相关函数 序列的最大值与门限值比较，如果２幅图像匹配，Ｒ［ｉ］就 大于门限值。在水平方向和垂直方向上采取同样的处理 方法，只有水平方向和垂直方向均匹配，才可以说明２幅 图像匹配。 实验结果表明：模板图像和目标图像的灰度投影曲线 很相似，证明该方法针对条码的匹配效果较好。 １．２指纹识别 李彦锋等人运用基于ＳＳＤＡ的模板匹配法 ，其显著 特点是在保证匹配精度的前提下有效减少计算量，提高计 算速度。ＳＳＤＡ的基本思想是：相关法求匹配的计算量很 大，模板要在（Ｎ—Ｍ－４－１） 个参考位置上做相关计算，其 中，除一点外都是在非匹配点上做无用功，因此，提出一种 快速计算方法一序贯相似性检测的算法，即ＳＳＤＡ，其要 点是： １）定义绝对误差值 ｓ（ｉ√，ｍ ，ｎ ）＝ｌＳ （ｍ ，Ｆｔ ）一ｓ（ ， ）一 （ｍ ，Ｆｔ ）－４－ 于ｌ （ ， ） １ 『ｗ Ｍ ｓｉＪ ｍ，ｎ）・ １ Ｍ 其中， ＝壶∑∑ （一１ 一ｊ ｎ）． ２）取一不变阈值 。 ３）在子图Ｓ （ｍ，ｎ）中随机选取像点，计算它同模板 中对应点的误差值ｓ，然后，把这差值同其他点的差值累加 起来，当累加ｒ次误差超过 ，则停止累加，并记下次数ｒ， 定义ＳＳＤＡ的检测曲面为 川， ） ｛ｒｌ 。［ ｓ（ ， ）≥ ］）． ４）将，（ｉ， ）值大的（ ， ）点作为匹配点，因为这点上需 要很多次累加才使总误差∑ｓ超过 ，通过图２反映这一 点。Ａ，Ｂ曲线的误差值很快超出阀值，反映了模板 不在 匹配点上；Ｃ曲线的误差值增长很慢，可能是匹配点。 图２ ＳＳＤＡ算法中的误差增长曲线 Ｆｉｇ ２ Ｅｒｒｏｒ ｇｒｏｗｔｈ ｃｕｒｖｅ ｏｆ ＳＳＤＡ ａｌｇｏｒｉｔｈｍ 对ＳＳＤＡ算法还可以进一步改进计算效率： １）先每隔ｍ点搜以下匹配好坏，然后，在有极大匹配 值的周围的局部范围内对各参考点位置求匹配，此策略能 否不丢失真正的匹配点，将取决于表面，（ｉ， ）的平滑性和 单峰性。 ２）对模板覆盖下的Ｍ×Ｍ点对的计算顺序可以随机 方式，可以采用适应图像内容的方式，按模板中突出特征选 取伪随机序列，决定计算误差的先后顺序，以便及早抛弃非 匹配点。 ３）不选用固定阈值 ，改用单调增长的阈值序列，使 非匹配点用最少的计算就能达到阀值而被丢弃，真匹配点 则需要更多次误差累计才达到阈值。 该方法在指纹图像质量较好时，对指纹识别取得了 较好的效果，识别率较高，并能得到精确的定位，表ｌ反 映了此算法与直接ＦＦＴ求最大相关系数相比，速度快了 至少ｌ０倍。但当指纹图像质量较差时（噪声较集中、旋 转或缩放比例较大），该算法的错判率或误判率有所增 大。为此，要考虑将该方法与基于细节特征的匹配算法 相结合，对图像做适当校正，并对算法做进一步改进，优 化各种闽值的选取，提高算法的速度。 表１实验结果 Ｔａｂ １ Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔ １．３ 字符识别 字符识别Ⅲ 多应用方法简单、识别精度较高的模板匹 维普资讯 http://www.cqvip.com
１１４ 传感器与微系统 第２６卷 配法，崔政等人提出以下２种方法分别针对识别精度和算 法速度做了改进。 １．３．１特征加权模板匹配模型 特征加权模板匹配模型的基本思路是：对标准模板和 样本模板都进行特征加权改造，给模板中有字符笔画的点 分配不同的权重，位于笔画中心的点权重最高，位于笔画边 缘的点权重最低，忽略模板边缘信息，然后，将样本模板与 标准模板逐点模糊匹配，按模糊识别规则识别。 在字符编码标准模板点阵图中，有笔画点为１，无笔画 点为０，有笔画的权重均为１，所以，没有区分边缘和中心 点。因此，在设计每一点的权重时，参考该点周围８个点信 息，权重为 ｉ＋Ｉ．Ｊ＋Ｉ （ ， ）＝∑，（ ，ｚ）， ｔ— １ 式中＿厂（ ，ｚ）为样本图像。样本加权模板与标准加权模板 在点（ｉ， ）处的匹配结果为 ｆ０，Ｗ（ｉ， ）一 （ｉ， ）≤Ｔ Ｄ（ ）＝｛【 １，Ｗ（ｉ√）一Ｗ （ｉ√）＞Ｔ ， 式中Ｗ（ｉ， ）为样本加权模板；Ｗ （ｉ， ）为标准加权模板；Ｔ 为差别大小阈值；０为匹配；１为不匹配。 实际识别时，由于字符集每个字符标准加权模板提前 已经改造好并保存在一个数组内，字符识别时只需要汁算 其样本加权模板，因此，与标准模板匹配相比，不但识别率 有所提高，而且，对识别速度影响也不大。 １．３．２基于特征块的模板匹配模型 特征块模板匹配模型的基本思路是：将特征块引入模 板匹配中，先对标准模板和样本模板都进行改造，按特征块 的多少将模板分割成若干大小相同方块，统计每块点数，然 后，将样本、模板与标准模板逐块模糊匹配，按模糊识别规 则识别。 字符集每个字符标准特征块模板在识别前已经改造 好，字符识别时只需计算样本特征模板，样本特征模板与标 准特征模板的匹配量大大减少。 １．４飞机识别 针对导弹跟踪锁定目标过程，李军等人提出了一种动 态模板匹配算法 。它的基本思路是：从第ｉ帧图像中提 取出模板之后，计算目标的大小，根据目标的大小，调整第 ｉ＋１帧中提取模板的大小 。首先，定义目标的大小，设长 方形与目标外切，长方形的大小为Ｄ ×Ｄ ，则定义目标的 尺寸大小系数Ｄ ｌｎａｘ（Ｄ ，Ｄ ）。由于目标大小在视场中 的变化，为了保证目标大小始终不超出模板的范围，同时， 也保证目标的范围相对模板不至于太小，需要动态地根据 目标大小调整模板的大小。设定模板的调整步长为０，假 定目标大小的变化最大步长为６。其中，０＞６。若 —Ｄ＜ ６，则更新 ，使Ｍ…： 。 ＋ 。若 —Ｄ＞ ，则更新 ，使 Ｍ…＝ 一０。通过动态调整模板大小，保证了目标大小 同模板大小差别保持在一个合适的范围内，从而有效保证 了跟踪的效果。 １．５基于不变矩的图像匹配［”－１５］ 不变矩 （ｉｎｖａｒｉａｎｔ ｍｏｍｅｎｔｓ）是一种高度浓缩的图 像特征，具有平移、灰度、尺度、旋转等多畸形不变性，因此， 矩和矩函数被广泛应用于图像的模式识别、图像分类、目标 识别和场景分析中” 。 用不变矩进行图像分析和识别的实验很多，用很少的 不变矩就可以重建和识别原图像，误判率很低。例如：在实 时图像匹配与识别中，利用不变矩特征作为检测模板和图 像中物体轮廓相似度的测度，把遗传算法引入图像匹配识 别中，并针对简单遗传算法在应用过程中出现过早和早熟 现象的问题，采用不变矩有效检测出具有平移、旋转和尺度 变化的物体来研究模板和图像间的有效匹配，这样得到的 遗传算法在进化速度上明显优于常规算法，具有很高的精 度。但是，不变矩技术目前大多应用于几何形状不是特别 复杂的图像，例如：飞机识别、汽车识别等。 ２结论 模板匹配是一项在图像识别、目标跟踪等研究领域非 常重要的识别技术。这种方法的优点在于匹配算法较为简 单、计算量大、在图像变化不大的情况下识别率高，因而，应 用范围很广泛。本文旨在介绍模板匹配技术应用于不同目 标识别的不同改进方法，分析得出各种方法的优点后，针对 其他的新目标，可以取各自的优点，或者融合几种不同方 法，从而达到高速、有效地识别出新目标的目的。 参考文献： ［１］徐俊艳，方敏，王经维．车辆牌照识别技术研究综述［Ｊ］．电 脑与电，２０００（２）：４６－４７． ［２］ 黄可为，赵雁南，孙发杰，等．一种高效目标搜索方法及其在 图像分析中的应用［Ｊ］．中国图象图形学报，２００２，４Ａ（１２）： １０３８－１０４３． ［３］Ｄｕｄａｎｉ Ａ Ｓ，Ｂｒｅｅｄｉｎｇ Ｋ Ｊ，Ｍｃｇｈｅｅ Ｒ Ｂ．Ａｉｒｃｒａｆｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｂｙ ｍｏｍｅｎｔ ｉｎｖａｒｉａｎｔｓ［Ｊ］ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｃｏｍｐｕｔｅｒ，１９７７，２６（１）： ３９－４６． ［４］ 荆涛，王仲．光学字符识别技术与展望［Ｊ］．计算机工程， ２００３．２９（２）：５５－８０． ［５］ 黄贤武，苏鹏程，柏培权．基于方向滤波分割的指纹自动识别 系统算法［Ｊ］．中国图象图形学报，２００２，７Ａ（８）：８２９－８３４． ［６］何东风，凌捷．人脸识别技术综述［Ｊ］．微机发展，２００３， １３（１２）：７５－７８． ［７］ 陈锦书，陈贺新，桑爱军．计算机人脸识别技术综述［Ｊ］．吉林 大学学报：信息科学版，２００３，２１（５）：１０１－－１０８． （下转第１１７页） 维普资讯 http://www.cqvip.com 第１期 李东升，等：虚拟仪器技术在电子鼻中的应用 ｌ１７ ３．２数据串道的解决 调试系统时出现了串道现象，原因有以下几点： ２００ １）系统进行多通道采集； ０ 毫 一５００ ２）数据串行进入电脑； 一１０００ ３）采集卡中的ＦＩＦＯ容量不够大； 一１５００ ４）电脑的处理速度不够。 －２０００ 为此，在程序的结构上进行了改进，设计了一种特 ０ ５０ １００ １５０ ２００ ２５０ ３００ ３５０ 别的逻辑循环结构，其目的是在ＦＩＦＯ溢出之前将采集 时间／ｓ （ａ）甲苯 程序循环一次，使得变慢的程序读取数据速度恢复到起 ２００ （ａ）ｔｏｌｕｅｎｅ 始状态。 ０ －５００ ３．３电磁兼容设计 毫 一１０００ 为了解决电子鼻的信号比较微弱和易受到附近干扰源 齑 一１５００ 一２０００ －的影响，采取了以下措施来进行电磁屏蔽： ２５００ －３０００ １）数据采集卡配备屏蔽壳； －３５００ ０ ５０ １００ １５０ ２００ ２５０ ３００ ３５０ ４００ ２）采集卡和电子鼻之间接地方式为浮地接法； 时间／ｓ ３）选用的接线为聚四氟乙烯材料的屏蔽线。 （ｂ）丙酮 （ｂ）ａｃｅｔｏｎｅ ４测试结果 图４实验结果 分别对甲苯和丙酮进行测试实验，实验结果如图４所 Ｆｉｇ ４ Ｒｅｓｕｌｔ ｏｆ ｅｘｐｅｒｉｍｅｎｔ 示，采集曲线和判别结果表明：该系统能够稳定和及时地采 ［２］邓居祁，瞿墨，盛旺．虚拟仪器的实现［Ｊ］．传感器与微系 集和判别电子鼻信号。 统，２００６，２５（４）：１５－１７． ５结束语 ［３］ 阮奇桢．可互换虚拟仪器驱动程序的开发［Ｊ］．测控技术， 该虚拟仪器系统较好地完成了实时数据采集，并能够 ２００６，２５（５）：７８－８０． 利用判别算法来进行样品判别。此系统将在完善信号处 ［４］ 侯国屏，王 坤，叶齐鑫．ＬａｂＶＩＥＷ７．１编程与虚拟仪器设 理、加入滤波器设计等方面需要继续完善。 计［Ｍ］．北京：清华大学出版社，２００５：１００－１０５． 参考文献： 作者简介： ［１］陈晓明，李景明，李艳霞，等．电子鼻在食品工业中的应用研 李东升（１９８０一），男，黑龙江哈尔滨人，硕士研究生，研究方向 究进展［Ｊ］．传感器与微系统，２００６，２５（４）：８—１１． 为检测技术与自动化装置。 ｐ ≯ ≯ ≯ ｐ ≯ ≯ ≯ ≯ ≯ ｐ ≯ ≯ ≯ ≯ ≯ ｐ ≯ ≯ ≯ ） （上接第１ １４页） ［１４］Ｐｒｏｋｏｐ Ｒ Ｊ，Ｒｅｅｖｅｓ Ａ Ｐ．Ａ ｓｕｒｖｅｙ ｏｆ ｍｏｍｅｎｔ—ｂａｓｅｄ ｔｅｃｈｎｉｑｕｅｓ ［８］ 刘宁钟，杨静宇．综合利用投影算法和相似距离算法的二维 ｆｏｒ ｕｎｏｃｃｌｕｄｅｄ ｏｂｊｅｃｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ｇｒａ・ 条码识别［Ｊ］．模式识别与人工智能，２００３，１６（１）：８６－９０． ｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，１９９２，５４（５）：４３８－４６０． ［９］ 吴萍萍，关宇东．基于模板匹配法的变造币横竖条码识别算 ［１５］Ｈｕ Ｍ Ｋ．Ｖｉｓｕａｌ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ｍｏｍｅｎｔ ｉｎｖａｒｉａｎｔｓ［Ｊ］． 法［Ｊ］．计算机工程，２００６，３２（１０）：１８３－１８５． ＩＲＥ Ｔｒａｎｓ ＩｎｆＴｈｅｏｒｙ．１９６２（ＩＴ－８）：１７９－１８７． ［１０］李彦锋，徐可欣，刘瑾，等．基于ＳＳＤＡ的模板匹配法在指纹 ［１６］Ｐｉｎｇ Ｚ Ｌ，Ｗｕ Ｒ Ｇ，Ｓｈｅｎｇ Ｙ Ｌ．Ｄｅｓｃｒｉｂｉｎｇ ｉｍａｇｅ ｗｉｔｈ Ｃｈｅｂｙｓｈｅｖ— 识别中的应用［Ｊ］．纳米技术与精密工程，２００６，４（１）：６３— ＦｏｕｒｉｅｒＭｏｍｅｎｔｓ［Ｊ］．Ｊ Ｏｐｔ Ｓｏｃ Ａｍ，２００２，１９（９）：１７４８—１７５４． ６６． ［１７］Ａｍｕ Ｇｕｌｅｎｇ（阿木古楞），Ｈａｓｉ Ｓｕｒｏｎｇ，Ｙａｎｇ Ｘｉｎｇｙｕ，ｅｔ ａ１．Ｉｍａ— ［１１］崔政，李壮．两种改进的模板匹配识别算法［Ｊ］．计算机 ｇｅ ａｎａｌｙｓｉｓ ｂｙ Ｐｓｅｕｄｏ—Ｊａｃｏｂｉ（Ｐ＝４，ｑ＝３）一ＦｏｕｒｉｅｒＭｏｍｅｎ・ 工程与设计，２００６，２７（６）：１０８３－１０８５． ｔｓ［Ｊ］．Ａｐｐ ｌｉｅｄ Ｏｐｔｉｃｓ，２００４，４３（１０）：２０９３—２１０１． ［１２］李军，周起勃，葛军，等．动态模板匹配算法对运动目标 ［１８］肖家庆，卢 凌，李晟，等．基于矩不变量的图像目标识 进行自动锁定跟踪的研究［Ｊ］．红外技术，２００５，２７（４）：３２８— 别［Ｊ］．武汉理工大学学报，２００６，３０（４）：６９６－６９９． ３３２． 作者简介： ［１３］阿木古楞，哈斯苏荣，任爱珍．不变矩图像分析研究进展［Ｊ］． 田娟（１９８３一），女，山西阳泉人，硕士研究生，专业方向为信 内蒙古农业大学学报，２００５，２６（４）：１４６－１５０． 号与信息处理。
