基于匹配模板的术语自动翻译方法 基于轮廓特征的模板匹配方法及其应用

轮廓特征；模板匹配；智能广告检测系统 提出一种基于轮廓特征的模板匹配方法，该方法首先提取视频关键帧作为模板库，然后对模板库中的图像进行图像预处理和特征提取，并利用相似距离函数（ CSD) 基于轮廓特征对处理后的二值图像进行相似度匹配。

智能广告监控系统的应用实验表明，该方法不仅简单，而且能够满足匹配率和匹配率的要求。关键词：图像预处理；轮廓特征；模板匹配；智能广告监控系统DOI：10.3778/j。issn.1002- 8331.2008.22.060 文章编号：1002-8331(2008) 22-0201-03 文献识别码：中国图书馆分类号： TP301.6 简介 智能广告监控系统将监控技术与图像识别技术相结合，能够根据电视节目的图像信号准确识别某视频图像广告的相关信息，并根据用户的要求自动生成广告监测报告，大大降低了人工操作的繁琐和复杂性，促进了近年来很多公司和研究部门开发了可用的智能广告监测系统，但大多是基于灰度图像的像素相关匹配方法。灰度值是*重要的图像。*基本和*直观的特征使灰度图像匹配成为图像匹配的基本方法之一，也使这种基于图像灰度分布的相关匹配算法更加成熟。例如绝对差分算法（AD）MSD）和灰度相关算法就属于区域灰度匹配的范畴。

基于特征的图像匹配方法可以克服灰度图像匹配方法的缺点，近年来得到广泛应用。本文提出了一种基于轮廓特征的模板匹配方法。首先，它定义了基于轮廓特征的基于轮廓的相似距离（CSD）。该方法应用于智能广告监控系统。实验表明，该方法有利于提高图像匹配率、匹配率和判断准确率，满足实时性要求。基于轮廓特征的模板匹配方法2.1 关键帧提取与图像预处理 关键帧是用来描述一个镜头的关键图像帧，它通常反映一个镜头的主要内容。使用关键帧可以大大减少匹配计算量。关键帧的提取方法很多，包括图像信息提取、运动分析提取、视频聚类提取等，以确定特征量化参数是否为关键特征值。MPEG压缩格式的视频应用广泛，占用空间小。该格式的视频作为研究对象。它可以避开其他帧，直接从MPEG帧中提取关键帧，使得方法简单，并且提取的关键帧数量减少。在实际算法中，采用质心等效法提取关键帧。质点等价法利用物理学中的等价方法将整个图像等价于一个像素基金项目：河南省优秀人才​​创新基金（No.521000100) 博士后，教授，主要研究方向：复杂系统优化与控制硕士，主要研究方向：模式识别、数字图像处理；硕士研究生，主要研究领域：信息融合、数据采集与处理。

预处理主要包括以下几个过程对图像进行灰度变化得到灰度图像，以及灰度归一化；（对二值图像进行轮廓提取，得到轮廓特征图；（二值化的边缘特征，用于与轮廓特征进行比较。）图像预处理是一个非常重要的环节，影响识别率的准确性和快速性识别率，以及方法的实用性。特征提取和合理的特征选择可以减少噪声和其他失真对匹配的影响，增加相似度计算的可靠性，减少相似度计算的计算量，增加设置阈值的环节，因此具有更高的鲁棒性。

当然，由于预处理而增加的计算量也不容忽视。在设计匹配算法时，需要先选择合适的图像特征，再进行匹配计算。特征选择和相似度度量相结合，可以忽略很多与匹配无关的失真，突出图像的本质结构和特征。轮廓特征信息简单，特征点少。使用轮廓特征进行模板匹配有利于缩短匹配时间。轮廓提取的目的是获取图像的外部轮廓特征，并应用一定的方法来表达轮廓的特征，为图像的模板匹配做准备。在本文中，图像轮廓提取的方法是基于图像二值化方法。基本思想是挖空内部点。如果原图中的一个点是黑色的，其他相邻的点都是黑色的（此时该点为内部点），则删除该点。在二值图像的基础上得到的轮廓图像包含两种灰度。使用256256的图像作为对象，轮廓图像是一个只包含两个值的二值矩阵。提取图像特征就是进行轮廓边缘信息统计。此外，整体轮廓图像不再分块，只进行全局图像匹配。为了比较，还进行了模板匹配的边缘特征提取和应用分析。一般来说，边缘定义为图像中灰度变化剧烈的区域的边界。图像灰度的变化可以通过图像灰度分布的梯度来体现。因此，传统的图像边缘检测方法基本上是对原始图像中的一小块邻域像素进行微分运算来构建边缘检测算子。

Sobel算子基于在边缘点处达到极值的原理，利用像素上邻域的灰度加权算法进行边缘检测。这种方法不仅产生更好的检测结果，而且对噪声有平滑作用，可以提供更准确的边缘方向信息。本文采用改进的Sobel边缘检测算子获取边缘特征。一种基于轮廓特征的模板匹配方法。模板匹配算法是图像理解、工程和智能领域的关键技术之一，不同的应用领域对图像模板匹配算法有不同的要求。为了达到*佳匹配效果，在传统模板匹配方法的基础上进行了一些改进，提出了一种新的基于轮廓特征的模板匹配方法。基于轮廓提取的模板匹配方法，以轮廓特征作为匹配特征，采用二值图像相似度匹配的距离函数进行相似匹配。整个图像的轮廓被提取为模板。很明显，两幅相同大小的图像是全局图像匹配，所以在搜索图中不需要考虑模板的搜索策略，可以在一定程度上弥补图像。区域引起的速度问题。在匹配两幅图像时，选择一个好的相似度测量方法对匹配定位精度非常重要。

由于广告视频的连续性和相似性，前后帧的差异不一样，模板库中的图像可能与视频中的多帧图像相似，因此距离函数（CSD）二值图像相似度匹配用于相似匹配。该方法能更准确地找到与模板*匹配的图像帧，具有较强的鲁棒性。基于轮廓提取的模板匹配方法使用二值化的轮廓作为特征，大大减少了特征信息量，有利于缩短匹配时间基于匹配模板的术语自动翻译方法，实现实时处理。二值图像相似匹配的距离函数充分发挥二值图像的特点，避免了根据经验设置阈值的环节，并使方法更直观、更快捷。实验智能广告监控系统应用的图像识别过程首先要获取视频关键帧作为模板库，对模板库中的图像进行预处理，*后将模板库中的图像与视频序列进行匹配，识别播放视频是否为所需视觉智能广告监控系统中图像识别过程示意图该方法在智能广告监控系统中的应用实验采用MPEG-TV广告视频视频图像帧图像预处理特征提取匹配，

3.2 结果分析 本文的匹配结果与传统匹配方法和其他一些匹配时间的改进方法进行了比较。结果列于表中。可以看出，本文基于轮廓特征的模板匹配方法是匹配速度快的。以上进行了改进，可以满足匹配率的要求。将本文基于轮廓特征的匹配方法与基于边缘特征的匹配方法进行比较。比较结果列于表中。可以看出，基于轮廓特征的模板匹配方法比基于边缘特征的相似距离模板匹配方法具有更高的匹配率。改进，准确率也能满足基本的准确度要求，可以实现实时监控基于匹配模板的术语自动翻译方法，具有很强的理论和实用价值。结论提出了一种基于轮廓特征的模板匹配方法。该方法首先提取视频关键帧作为模板库，然后对模板库中的图像进行图像预处理和特征提取，采用传统的基于轮廓特征的相似距离特征匹配。与该方法相比，本文方法匹配速度快的模板匹配方法满足了匹配率和匹配率的实时性要求，可以很好地实现对电视广告播出的监控，提高工作效率。为广告监测、统计等各方面工作的信息化、智能化提供良好的支撑。参考文献：李书涛，毛建旭。计算机图像处理与识别技术[M]．北京教育出版社, 2001. 一种从MPEG压缩视频流中提取关键帧的方法[国家图像图形学报, 2001, 计算机工程与应用, 2003, 39( 18) 13-1< @4. 国外与激光工程, 2003, 32(. 计算机辅助设计与图形学报, 2001, 13( 李玉河. 图像边缘检测方法研究综述[J]. 光学技术, 2005, 31( 相关匹配方法[ J].红外与激光工程, 2001, 30( Connected to 161 将自主计算模型应用于数据库的查询缓存，尝试使用自管理提高查询缓存的性能。

该模型通过结合查询执行信息和缓存项的历史驻留信息来替换缓存项。对MySQL的查询缓存进行了实验，取得了良好的效果。本文只是对数据库查询缓存自我管理的初步尝试。未来的工作还将包括监控更多的数据库运行信息，如缓存大小、CPU利用率等，结合查询语义实现缓存自管理。参考文献：M.Thevision autonomiccomputing[J].IBM Thomas Watson Research Centre, 2003. OracleCorporation.Oracle9i Application Server Data abase Cache, 2000. etal.Middle-ierdat abase caching business[C] / /SIGMODConf, 2002. T.Semantic dat re-placement[C]//Proc 22ndVLDB Conf, 1996. JarekG. 回答查询语义缓存[C]//Proc 10thDEXA, 1999. 蔡建宇、杨树强等。关系数据库语义缓存研究进展[J].计算机工程与科学,2005. etal.Caching multi idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- idi- d idi- idi- idi- idi- d idi- idi- idi- idi- idi- idi- idi- idi- idi- 用chunks using chunks[C]//Proc ACMSIGMOD Conf Data, 1998. TianWen- hu, Pat PowleyW.Techniques 自动调整多个缓冲池的大小 CASCON2003 加拿大多伦多，2003. 等。