By Rean Neil Luces
Template matchingは、関心領域の特定という画像処理の基本問題に対するアプローチの1つとして、人工知能（AI）の分野では重要なテーマになっています。 画像中の特定のオブジェクトがどこにあるのかを見つけることができます。 8099>
テンプレート・マッチングもまた、ソース画像とテンプレート画像またはパッチという 2 つの主要コンポーネントから構成されています。 ソース画像はテンプレート画像との一致を期待する画像であり、テンプレート画像はソース画像のサブ画像と比較されるパッチ画像である。
テンプレートまたは画像マッチングの一般的な分類は、テンプレートベースと特徴ベースの2つである。 テンプレート・ベースはエリア・ベースとも呼ばれ、テンプレートが画像に強い特徴を持たない場合、画素値に直接作用するため、非常によく機能する。 一致度は、画像とテンプレートの両方の強度値を用いて測定される。 一方、特徴量に基づくアプローチは、元画像とテンプレート画像の両方が、特徴や制御点に関してより多くの対応関係を持つ場合に使用されます。 この場合、特徴には、テンプレート マッチングを実行するためのポイント、曲線、または表面モデルが含まれます。
テンプレート ベースのアプローチ
テンプレート ベースのアプローチは特徴ベースより簡単に実装することが可能です。 単純なテンプレートマッチングでは、テンプレート画像をスライドさせてソース画像と比較する。 テンプレート画像は左から右、または上から下へ一度に1ピクセルずつ移動し、オーバーラップするパッチとの類似性を数値で計算できるようにします。 両方の画像は2値画像または白黒画像に変換され、正規化相互相関、相互相関、二乗差和などのテンプレートマッチング技法が適用される。 ソース画像やテンプレート画像の大きさが変わると、アルゴリズムの性能に影響が出る。 この問題を解決する簡単なトリックは、テンプレート画像のサイズを複数の縮尺に変更し、次にソース画像と比較することです。 すべてのサイズをループした後、最大の相関係数を持つ領域を取り出し、それを「マッチング」領域として使用します。 しかし、この方法では、回転不変性を解決することは困難である。 そこで、Kim, Hae & Araújo, Sidnei (2007) は、テンプレート画像をあらゆる角度で回転させるブルートフォースアルゴリズムを改良し、回転問題を解決するCiratefiアルゴリズムを開発した。 Ciratefiアルゴリズムはブルートフォースアルゴリズムより400倍速く、同じ結果を得ることができる。
特徴に基づくアプローチ
エッジや注目点などの画像特徴は画像コンテンツに豊富な情報を提供している。 局所特徴量とその記述子は、多くのコンピュータビジョンアルゴリズムの構成要素となっています。 その用途は、画像登録、オブジェクト検出と分類、追跡、および動き推定などです。 これらの特徴は、各画像に特有であり、それゆえ画像間の識別に役立ちます。 画像の特徴は、サイズや向きが変わっても残るので、検索画像のマッチングが何らかの方法で変換された場合、このアプローチはさらに有用であることが証明されるでしょう。 また、この方法は、画像の解像度が大きい場合に効率よく利用することができます。 大きな元画像の中でテンプレート画像を 1 ピクセルずつスライドさせ、異なるスケールでそれを繰り返すと、計算コストがかかります。
特徴に基づくテンプレートマッチングには、4 つの主要なステップがあります。 最初の2つのステップは特徴検出と特徴抽出である。 SIFT (Scale Invariant Feature Transform) やSURF (Speeded Up Robust Feature) は、スケール、回転、並進、照明、ぼかしに対して不変であるため、特徴の検出とマッチングに最も有用である。 特徴の検出と抽出の次は、Fast Library for Approximate Nearest Neighbors (FLANN)を用いた特徴マッチングである。 FLANNは、大規模なデータセットや高次元特徴における高速な最近傍探索のために最適化されたアルゴリズムの集合体である。 FLANNマッチャーによって集められたマッチング特徴の中から、ロウの比率テストに基づいて、良いマッチングが選択されます。 特徴点のフィルタリングが終わると、次は RANdom SAmple Consensus (RANSAC) アルゴリズムによってホモグラフィーを計算する。
しかしながら、このアプローチは、画像の特徴が少ない場合や異なるオブジェクトが同じ特徴を共有している場合には、アルゴリズムがソース画像内のテンプレートを見つけることに失敗するため利用することができない
。