报告提交日期2013年6月27报告批改日期2013年月最邻近模板匹配法一．实验内容：在模式识别中一个最基本的方法，就是模板匹配法(templatematching)，它基本上是一种统计识别方法。为了在图像中检测出已知形状的目标物，我们使用这个目标物的形状模板（或窗口）与图像匹配，在约定的某种准则下检测出目标物图像，通常称其为模板匹配法。它能检测出图像中上线条、曲线、图案等等。它的应用包括：目标模板与侦察图像相匹配；文字识别和语音识别等。二.实验条件pc机一台，vs2008软件三.实验原理我们采用以下的算式来衡量模板T（m,n)与所覆盖的子图Sij（i,j)的关系，已知原始图像S(W,H)，如图所示：利用以下公式衡量它们的相似性：上述公式中第一项为子图的能量，第三项为模板的能量，都和模板匹配无关。第二项是模板和子图的互为相关，随（i,j）而改变。当模板和子图匹配时，该项由最大值。在将其归一化后，得到模板匹配的相关系数：1当模板和子图完全一样时，相关系数R(i,j)=1。在被搜索图S中完成全部搜索后，找出R的最大值Rmax(im,jm)，其对应的子图Simjm即位匹配目标。显然，用这种公式做图像匹配计算量大、速度慢。我们可以使用另外一种算法来衡量T和Sij的误差，其公式为：计算两个图像的向量误差，可以增加计算速度，根据不同的匹配方向选取一个误差阀值E0，当E(i,j)>E0时就停止该点的计算，继续下一点的计算。最终的实验证明，被搜索的图像越大，匹配的速度越慢；模板越小，匹配的速度越快；阀值的大小对匹配速度影响大；3、改进的模板匹配算法将一次的模板匹配过程更改为两次匹配；第一次匹配为粗略匹配。取模板的隔行隔列数据，即1/4的模板数据，在被搜索土上进行隔行隔列匹配，即在原图的1/4范围内匹配。由于数据量大幅减少，匹配速度显著提高。同时需要设计一个合理的误差阀值E0：E0=e0*(m+1)/2*(n+1)/2式中：e0为各点平均的最大误差，一般取40~50即可；m,n为模板的长宽；第二次匹配是精确匹配。在第一次误差最小点（imin,jmin)的邻域内，即在对角点为（imin-1,jmin-1),(Imin+1,jmin+1)的矩形内，进行搜索匹配，得到最后结果。四．实验内容1.流程图22.程序number_noClassification::LeastDistance(){doublemin=10000000000;定义一个变量存放最小值number_nonumber_no;for(intn=0;n<10;n++)三个for循环逐一地和每个样品{进行距离计算，并把最小距离值for(inti=0;i
