序貫相似性檢測演算法（SSDA）

標籤：http   資料   演算法   htm   div   view   

傳統的模板匹配演算法的基本搜尋策略是遍曆性的，為了找到最優匹配點，傳統方法均必須在搜尋地區內的每一個像素點上進列區域相關匹配計算，映像相關匹配的資料量和計算量很大，匹配速度較慢，序貫相似性檢測演算法（SSDA）是針對傳統模板匹配演算法提出的一種高效的映像匹配演算法。具體演算法是先初步搜尋，再精搜尋，搜尋的範圍一步一步減小。

SSDA通過人為設定一個固定閾值，及早地終止在不匹配位置上的計算，以此減小計算量，達到提高運算速度的目的。其步驟如下：（1）選取一個誤差準則，作為終止不匹配點計算的標準，通常可選取絕對誤差（2）設定一個不變閾值（3）在子圖象中隨機選取一點，計算它與模板中相應點的絕對誤差值， 將每一隨機點對的誤差累加起來，若累加到第r次時誤差超過設定閾值，則停止累加，記下此時的累加次數r（4） 對於整 幅映像計算誤差e，可得到一個由r值構成的曲面，曲面最大值處對應的位置即為模板首選位置。這是因為該點需要多次累加誤差才能超過閾值，因此相對於其它點，它最有可能是匹配位置。來源：http://baike.baidu.com/link?url=o-Vyvf-N_C9warawI9Lj8KkoetRxBfjOTt2KjMWgC0-pdDDoiiQmtAzhQ5DiXzPZ4K6-LPFSeLYC-2dpZHykRK