輪廓特征；模板匹配；智能廣告檢測系統(tǒng) 提出一種基于輪廓特征的模板匹配方法，該方法首先提取視頻關(guān)鍵幀作為模板庫，然后對模板庫中的圖像進行圖像預處理和特征提取，并利用相似距離函數(shù)（ CSD) 基于輪廓特征對處理后的二值圖像進行相似度匹配。

智能廣告監(jiān)控系統(tǒng)的應(yīng)用實驗表明，該方法不僅簡單，而且能夠滿足匹配率和匹配率的要求。關(guān)鍵詞：圖像預處理；輪廓特征；模板匹配；智能廣告監(jiān)控系統(tǒng)DOI：10.3778/j。issn.1002- 8331.2008.22.060 文章編號：1002-8331(2008) 22-0201-03 文獻識別碼：中國圖書館分類號： TP301.6 簡介 智能廣告監(jiān)控系統(tǒng)將監(jiān)控技術(shù)與圖像識別技術(shù)相結(jié)合，能夠根據(jù)電視節(jié)目的圖像信號準確識別某視頻圖像廣告的相關(guān)信息，并根據(jù)用戶的要求自動生成廣告監(jiān)測報告，大大降低了人工操作的繁瑣和復雜性，促進了近年來很多公司和研究部門開發(fā)了可用的智能廣告監(jiān)測系統(tǒng)，但大多是基于灰度圖像的像素相關(guān)匹配方法?；叶戎凳?重要的圖像。*基本和*直觀的特征使灰度圖像匹配成為圖像匹配的基本方法之一，也使這種基于圖像灰度分布的相關(guān)匹配算法更加成熟。例如絕對差分算法（AD）MSD）和灰度相關(guān)算法就屬于區(qū)域灰度匹配的范疇。

基于特征的圖像匹配方法可以克服灰度圖像匹配方法的缺點，近年來得到廣泛應(yīng)用。本文提出了一種基于輪廓特征的模板匹配方法。首先，它定義了基于輪廓特征的基于輪廓的相似距離（CSD）。該方法應(yīng)用于智能廣告監(jiān)控系統(tǒng)。實驗表明，該方法有利于提高圖像匹配率、匹配率和判斷準確率，滿足實時性要求?；谳喞卣鞯哪０迤ヅ浞椒?.1 關(guān)鍵幀提取與圖像預處理 關(guān)鍵幀是用來描述一個鏡頭的關(guān)鍵圖像幀，它通常反映一個鏡頭的主要內(nèi)容。使用關(guān)鍵幀可以大大減少匹配計算量。關(guān)鍵幀的提取方法很多，包括圖像信息提取、運動分析提取、視頻聚類提取等，以確定特征量化參數(shù)是否為關(guān)鍵特征值。MPEG壓縮格式的視頻應(yīng)用廣泛，占用空間小。該格式的視頻作為研究對象。它可以避開其他幀，直接從MPEG幀中提取關(guān)鍵幀，使得方法簡單，并且提取的關(guān)鍵幀數(shù)量減少。在實際算法中，采用質(zhì)心等效法提取關(guān)鍵幀。質(zhì)點等價法利用物理學中的等價方法將整個圖像等價于一個像素基金項目：河南省優(yōu)秀人才??創(chuàng)新基金（No.521000100) 博士后，教授，主要研究方向：復雜系統(tǒng)優(yōu)化與控制碩士，主要研究方向：模式識別、數(shù)字圖像處理；碩士研究生，主要研究領(lǐng)域：信息融合、數(shù)據(jù)采集與處理。

預處理主要包括以下幾個過程對圖像進行灰度變化得到灰度圖像，以及灰度歸一化；（對二值圖像進行輪廓提取，得到輪廓特征圖；（二值化的邊緣特征，用于與輪廓特征進行比較。）圖像預處理是一個非常重要的環(huán)節(jié)，影響識別率的準確性和快速性識別率，以及方法的實用性。特征提取和合理的特征選擇可以減少噪聲和其他失真對匹配的影響，增加相似度計算的可靠性，減少相似度計算的計算量，增加設(shè)置閾值的環(huán)節(jié)，因此具有更高的魯棒性。

當然，由于預處理而增加的計算量也不容忽視。在設(shè)計匹配算法時，需要先選擇合適的圖像特征，再進行匹配計算。特征選擇和相似度度量相結(jié)合，可以忽略很多與匹配無關(guān)的失真，突出圖像的本質(zhì)結(jié)構(gòu)和特征。輪廓特征信息簡單，特征點少。使用輪廓特征進行模板匹配有利于縮短匹配時間。輪廓提取的目的是獲取圖像的外部輪廓特征，并應(yīng)用一定的方法來表達輪廓的特征，為圖像的模板匹配做準備。在本文中，圖像輪廓提取的方法是基于圖像二值化方法?；舅枷胧峭诳諆?nèi)部點。如果原圖中的一個點是黑色的，其他相鄰的點都是黑色的（此時該點為內(nèi)部點），則刪除該點。在二值圖像的基礎(chǔ)上得到的輪廓圖像包含兩種灰度。使用256256的圖像作為對象，輪廓圖像是一個只包含兩個值的二值矩陣。提取圖像特征就是進行輪廓邊緣信息統(tǒng)計。此外，整體輪廓圖像不再分塊，只進行全局圖像匹配。為了比較，還進行了模板匹配的邊緣特征提取和應(yīng)用分析。一般來說，邊緣定義為圖像中灰度變化劇烈的區(qū)域的邊界。圖像灰度的變化可以通過圖像灰度分布的梯度來體現(xiàn)。因此，傳統(tǒng)的圖像邊緣檢測方法基本上是對原始圖像中的一小塊鄰域像素進行微分運算來構(gòu)建邊緣檢測算子。

Sobel算子基于在邊緣點處達到極值的原理，利用像素上鄰域的灰度加權(quán)算法進行邊緣檢測。這種方法不僅產(chǎn)生更好的檢測結(jié)果，而且對噪聲有平滑作用，可以提供更準確的邊緣方向信息。本文采用改進的Sobel邊緣檢測算子獲取邊緣特征。一種基于輪廓特征的模板匹配方法。模板匹配算法是圖像理解、工程和智能領(lǐng)域的關(guān)鍵技術(shù)之一，不同的應(yīng)用領(lǐng)域?qū)D像模板匹配算法有不同的要求。為了達到*佳匹配效果，在傳統(tǒng)模板匹配方法的基礎(chǔ)上進行了一些改進，提出了一種新的基于輪廓特征的模板匹配方法?；谳喞崛〉哪０迤ヅ浞椒?，以輪廓特征作為匹配特征，采用二值圖像相似度匹配的距離函數(shù)進行相似匹配。整個圖像的輪廓被提取為模板。很明顯，兩幅相同大小的圖像是全局圖像匹配，所以在搜索圖中不需要考慮模板的搜索策略，可以在一定程度上彌補圖像。區(qū)域引起的速度問題。在匹配兩幅圖像時，選擇一個好的相似度測量方法對匹配定位精度非常重要。

由于廣告視頻的連續(xù)性和相似性，前后幀的差異不一樣，模板庫中的圖像可能與視頻中的多幀圖像相似，因此距離函數(shù)（CSD）二值圖像相似度匹配用于相似匹配。該方法能更準確地找到與模板*匹配的圖像幀，具有較強的魯棒性。基于輪廓提取的模板匹配方法使用二值化的輪廓作為特征，大大減少了特征信息量，有利于縮短匹配時間基于匹配模板的術(shù)語自動翻譯方法，實現(xiàn)實時處理。二值圖像相似匹配的距離函數(shù)充分發(fā)揮二值圖像的特點，避免了根據(jù)經(jīng)驗設(shè)置閾值的環(huán)節(jié)，并使方法更直觀、更快捷。實驗智能廣告監(jiān)控系統(tǒng)應(yīng)用的圖像識別過程首先要獲取視頻關(guān)鍵幀作為模板庫，對模板庫中的圖像進行預處理，*后將模板庫中的圖像與視頻序列進行匹配，識別播放視頻是否為所需視覺智能廣告監(jiān)控系統(tǒng)中圖像識別過程示意圖該方法在智能廣告監(jiān)控系統(tǒng)中的應(yīng)用實驗采用MPEG-TV廣告視頻視頻圖像幀圖像預處理特征提取匹配，

3.2 結(jié)果分析 本文的匹配結(jié)果與傳統(tǒng)匹配方法和其他一些匹配時間的改進方法進行了比較。結(jié)果列于表中?？梢钥闯?，本文基于輪廓特征的模板匹配方法是匹配速度快的。以上進行了改進，可以滿足匹配率的要求。將本文基于輪廓特征的匹配方法與基于邊緣特征的匹配方法進行比較。比較結(jié)果列于表中?？梢钥闯?，基于輪廓特征的模板匹配方法比基于邊緣特征的相似距離模板匹配方法具有更高的匹配率。改進，準確率也能滿足基本的準確度要求，可以實現(xiàn)實時監(jiān)控基于匹配模板的術(shù)語自動翻譯方法，具有很強的理論和實用價值。結(jié)論提出了一種基于輪廓特征的模板匹配方法。該方法首先提取視頻關(guān)鍵幀作為模板庫，然后對模板庫中的圖像進行圖像預處理和特征提取，采用傳統(tǒng)的基于輪廓特征的相似距離特征匹配。與該方法相比，本文方法匹配速度快的模板匹配方法滿足了匹配率和匹配率的實時性要求，可以很好地實現(xiàn)對電視廣告播出的監(jiān)控，提高工作效率。為廣告監(jiān)測、統(tǒng)計等各方面工作的信息化、智能化提供良好的支撐。參考文獻：李書濤，毛建旭。計算機圖像處理與識別技術(shù)[M]．北京教育出版社, 2001. 一種從MPEG壓縮視頻流中提取關(guān)鍵幀的方法[國家圖像圖形學報, 2001, 計算機工程與應(yīng)用, 2003, 39( 18) 13-1< @4. 國外與激光工程, 2003, 32(. 計算機輔助設(shè)計與圖形學報, 2001, 13( 李玉河. 圖像邊緣檢測方法研究綜述[J]. 光學技術(shù), 2005, 31( 相關(guān)匹配方法[ J].紅外與激光工程, 2001, 30( Connected to 161 將自主計算模型應(yīng)用于數(shù)據(jù)庫的查詢緩存，嘗試使用自管理提高查詢緩存的性能。

該模型通過結(jié)合查詢執(zhí)行信息和緩存項的歷史駐留信息來替換緩存項。對MySQL的查詢緩存進行了實驗，取得了良好的效果。本文只是對數(shù)據(jù)庫查詢緩存自我管理的初步嘗試。未來的工作還將包括監(jiān)控更多的數(shù)據(jù)庫運行信息，如緩存大小、CPU利用率等，結(jié)合查詢語義實現(xiàn)緩存自管理。參考文獻：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. 回答查詢語義緩存[C]//Proc 10thDEXA, 1999. 蔡建宇、楊樹強等。關(guān)系數(shù)據(jù)庫語義緩存研究進展[J].計算機工程與科學,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 自動調(diào)整多個緩沖池的大小 CASCON2003 加拿大多倫多，2003. 等。