模板匹配是机器视觉、图像视频处理技术中的一个最基本的问题。在印刷行业中,机器视觉逐步取代了人工肉眼筛查成为主要的检测票面手段。现今印钞企业的在线检测中票面检测依旧存在诸多问题。第一:匹配模板太小,包含的信息量太小。印钞企业中模板匹配的模板为10px*10px,众所周知模板尺寸越大,匹配耗时越久,为了保证匹配的效率问题,所以现在的企业中选择了较小尺度的模板,所以需要一个既与模板尺寸无关又包含更多信息量的算法。第二:模板取值在图像边缘,存在工艺误差。现在的模板因为尺度取值较小为了提高模板包含的信息量,往往会选取边缘位置。以人民币国徽为例,国徽内部大量的红色,辨识度低,所以国徽模板选取在边缘处,但是边缘处存在套印问题(即两次印刷产生相对位置的偏移),是一种不可消除的工艺误差,对匹配结果具有影响,所以需要一种即可以包含大量信息,又不需要使用边缘的模板匹配算法。第三:现在使用的模板是双向的,即两图相同可推得两图距离为零,两图距离为零可推得两图相同,现在的模板匹配不仅使用了点的信息,还使用了点位置的信息。可以尝试使用单向模板,即两图相同可推得两图距离为零,两图距离为零不可推得两图相同。单向模板仅使用点的信息,不使用点的位置信息。此外再结合印钞企业印刷工艺中的特点——具有先验条件。第四:现有的积分图算法过于繁琐需要改进。针对以上问题,本文提出以统计方法实现模板的匹配。本文主要的创新研究成果如下:1.本文在人民币票面定位方面提出基于统计方法的模板匹配(简称统计模板)。统计模板是先将像素点所有可能的取值域划分成若干个区间,将某一范围内所有像素点按取值划分到对应区间,统计每个区间内落点数,使用积分图快速求出每个区间落点数的集合作为描述这幅图的特征向量,通过对特征向量的匹配得到离散状态下的匹配位置,再使用了泰勒内插法计算亚像素级的匹配位置,再使用三次线性内插的方法将整个图像做亚像素级的平移,最后将图像做均衡化处理,用以消除亚像素平移带来的亮度变化,以及采集时带来的亮度变化。基于统计方法的模板匹配相较于现有的模板匹配优势在于:执行效率高,对于100像素的模板,效率效率提高300倍;具有模板尺寸无关性;不受亮度影响;定位精度高,定位到亚像素级。基于统计方法的模板匹配的效率与模板尺寸无关,匹配中使用包含更多信息量的大尺度模板,也可以避免使用边界处的模板。2.本文基于Paul Viola的积分图计算方法提出了改进方案。Paul Viola提出的积分图方案是基于目标点左上三点的积分值与目标点的值做计算。时间复杂度为O(n2),是平方阶;涉及内存空间有两个图像内存、三个变量内存;计算次数为5;设有初始条件,每次计算前判断初始条件。本文提出的方案是增加一个累计行和变量。使用累计行和与前行积分值求和,时间复杂度为平方阶O(n2);涉及内存空间两个图像内存和三个变量内存;计算次数为3;将积分图扩大一行一列,无初始条件、无需判断。虽然两种算法在时间复杂度和空间复杂度上的量纲是一致,但因为计算次数的减少和变量读取次数的减少,使得执行效率提高17.66%。