会计学模板(múbǎn)匹配：在图像中寻找与样板相同或相似的区域。用途：目标检测、遥感图像或运动图像的分析等。方法：归一化互相关法、序贯相似性检测算法、FFT相关算法等。归一化互相(hùxiāng)关法：匹配(pǐpèi)测度误差平方和DS(x,y):原图像中与模板对应区域的能量；随匹配(pǐpèi)坐标点的变化而变化。DST(x,y):模板与原图像对应区域的互相关；当模板t(j,k)和原图像中对应区域相匹配(pǐpèi)时取得最大值。DT(x,y):模板的能量。归一化互相关：将DS的影响因素引入到互相关DST中：模板匹配的特点图像局部匹配。当原图像发生旋转(xuánzhuǎn)或缩放时，不能实现匹配。直方图匹配：根据颜色(yánsè)统计特性进行相似性匹配。用途：基于颜色(yánsè)的图像检索方法：根据图像直方图进行距离测量：直方图相交法、欧几里得距离法、中心矩法、街坊距离法等。1.2直方图匹配(pǐpèi)1.2直方图匹配(pǐpèi)直方图相交(xiāngjiāo)法设HQ(k)和HD(k)分别为查询图像Q和数据库图像D的特征统计直方图，则两图像之间的匹配值d(Q,D)为：欧几里得距离法：欧几里得距离也称欧式距离，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。为减少(jiǎnshǎo)计算量，可采用直方图的均值来粗略地表达颜色信息：街坊(jiēfɑng)距离法形状匹配：根据目标的形状特性进行目标检测(jiǎncè)或图像检索。用途：目标检测(jiǎncè)或图像检索方法：几何参数法、不变矩法、边界方向直方图法、小波轮廓表示法等。特点：算法大多比较复杂；更高层次的图像检索。`图像检索的分类：基于文本描述的检索（通过图片的元数据或标引文字进行(jìnxíng)检索）分类目录浏览方式基于内容的检索（CBIR——Content-BasedImageRetrieval直接利用图片去检索图片）特征提取相似度匹配相关反馈索引结构基于内容的图像(túxiànꞬ)检索：特征提取颜色纹理形状……颜色特征匹配(pǐpèi)基本原理：颜色具有一定的稳定性。在许多情况下,颜色是描述一幅图像最简便而有效的特征。用图像的颜色信息作为图像之间进行匹配(pǐpèi)的特征依据。颜色(yánsè)特征表示统计直方图累积直方图颜色(yánsè)布局颜色(yánsè)分块颜色直方图其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处(suǒchǔ)的空间位置，即无法描述图像中的某一具体的对象或物体。最常用的颜色空间：RGB颜色空间、HSV颜色空间。2.1.2颜色相似度匹配直方图相交法欧式距离(jùlí)中心矩法参考颜色表法（颜色集）中心矩法颜色直方图的矩：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息(xìnxī)主要集中在低阶矩中，因此，仅采用颜色的一阶矩、二阶矩和三阶矩就可以表达图像的颜色分布。一阶中心矩：M1二阶中心矩：M2三阶中心矩：M3颜色集颜色集是对颜色直方图的一种近似。将图像颜色用一组参考色表示，这组参考色应能覆盖视觉(shìjué)上可感受到的各种颜色。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系。由于参考色的数量要比原图少，所以可以节省计算量。2.2.1纹理(wénlǐ)特征：是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质及结构。在模式匹配中，这种区域性的特征具有较大的优越性，不会(bùhuì)由于局部的偏差而无法匹配成功。2.2.2统计方法一般说来，纹理图像中的灰度分布具有某种周期性，即便灰度变化是随机的，它也具有一定的统计特性。统计方法的典型代表是一种称为灰度共生矩阵的纹理特征分析方法。灰度共生矩阵的四个关键特征：能量、惯量、熵和相关性。统计方法中另一种典型方法，则是从图像的自相关函数（即图像的能量谱函数）提取纹理特征，即通过对图像的能量谱函数的计算，提取纹理的粗细度及方向性等特征参数；通过这些参数的匹配情况实现(shíxiàn)图像检索。形状特征(tèzhēng)匹配基本原理形状是刻划物体的本质特征(tèzhēng)之一,可以针对面积(可用象素点的个数计算)、环形性(即周长*周长/面积,周长也用象素点的个数表示)、主轴方向、偏心率、圆形率、连通性、正切角等形状特征(tèzhēng)进行匹配。形状检索主要有两种方法1）针对图像边缘轮廓线进行的检索2）针对图形矢量特征(tèzhēng)进行的检索