Une y) représentent les coordonnées de chaque

Une méthode de base d’ adaptation de modèle utilise un masque de convolution (modèle), adapté à une caractéristique spécifique de l’image de recherche , que nous voulons détecter. Cette technique peut être
facilement réalisée sur des images grises ou des images de bord . La sortie de convolution sera la plus élevée à des endroits où
la structure d’image correspond à la structure de masque, où les grandes
valeurs d’image sont multipliées par de grandes valeurs de masque.

Cette méthode est normalement mise en œuvre en sélectionnant d’abord une
partie de l’image de recherche à utiliser comme modèle: Nous appellerons
l’image de recherche S (x, y) , où (x, y) représentent
les coordonnées de chaque pixel de l’image de recherche . Nous appellerons
le modèle T (x t , y t ) ,
où (x t , y t ) représentent
les coordonnées de chaque pixel dans le modèle. On déplace ensuite le
centre (ou l’origine) du modèle T (x t , y t ) sur
chaque point (x, y) de l’image de recherche et calcule la
somme des produits entre les coefficients de S (x, y) Et T
(x t , y t ) sur toute la
zone traversée par le gabarit. Comme toutes les positions possibles du
gabarit par rapport à l’image de recherche sont considérées, la position avec
le score le plus élevé est la meilleure position. Cette méthode est
parfois appelée «filtrage spatial linéaire» et le modèle est appelé masque de filtre. Par exemple, une façon de
traiter des problèmes de traduction sur des images, en utilisant la
correspondance de modèle est de comparer les intensités des pixels , en utilisant
la mesure SAD ( somme
des différences absolues ). Un pixel dans
l’image de recherche avec les coordonnées (x s ,
y s ) a l’intensité I s (x s ,
y s ) et un pixel dans le modèle avec les
coordonnées (x t , y t ) a
l’intensité I t (x t ,
y T ). Ainsi, la différence absolue dans les intensités des pixels est définie comme Diff
(x s , y s , x t ,
y t ) = | I s (x s ,
y s ) – I t (x t ,
y t ) | .  { Displaystyle SAD (x, y) = somme _ {i = 0} ^ {T _ { text
{lignes}}} Text {Diff}} (x + i, y + j, i, j)}}La représentation
mathématique de l’idée sur la boucle à travers les pixels dans l’image de
recherche que nous traduisons l’origine du modèle à chaque pixel et de prendre
la mesure SAD est la suivante:

We Will Write a Custom Essay Specifically
For You For Only $13.90/page!


order now

 { Displaystyle sum _ {x = 0} ^ {S _ {
text {} {}S lignes et S cols désignent
les lignes et les colonnes de l’image de recherche   et T lignes et T cols désignent
respectivement les lignes et les colonnes de l’image de modèle. Dans cette
méthode, le score SAD le plus bas donne l’estimation de la meilleure position
du modèle dans l’image de recherche. La méthode est simple à mettre en
œuvre et à comprendre, mais c’est l’une des méthodes les plus lentes.