Feature Embedding by Template Matching as a ResNet Block
Middle East Technical University（中东技术大学）；Center for Image Analysis (OGAM)（图像分析中心（OGAM））
本文将 ResNet 块解释为模板匹配式局部特征嵌入，并设计利用标签信息的残差块，在三个基准和多种架构上显著提升图像分类性能。
2023-08-15 cs.CV
Image forgery detection based on the fusion of machine learning and block-matching methods
University Federico II of Naples（那不勒斯费德里科二世大学）
密集的局部描述符和机器学习已经成功地应用于几个应用中，如纹理分类、隐写分析和伪造检测。我们开发了一种新的图像伪造检测器的建设上最近提出的一些描述符在隐写分析领域适当合并一些这样的描述符，并优化SVM分类器上可用的训练集。尽管非常好的性能，非常小的fork几乎从未被检测到，因为它们对描述符的贡献非常小。因此，我们还开发了一个简单的，但非常具体的，复制移动检测器的基础上，区域匹配和融合的决定，以减少漏检率。总的结果似乎极为令人鼓舞。
2013-11-27 cs.CV
Skeleton Matching based approach for Text Localization in Scene Images
Mangalore University（芒格洛尔大学）；KVG College of Engineering（KVG工程学院）
在本文中，我们提出了一种基于骨架匹配的方法，它有助于在场景图像中的文本定位。对输入图像进行预处理，并使用连通分量分析将其分割成块。我们使用基于形态学的方法获得分割块的骨架。将已分类的图像与数据库中的训练模板进行比较，以将其分类为文本和非文本块。此外，新设计的几何规则和形态学操作上检测到的文本块场景文本定位。在公开的标准数据集上的实验结果表明，该方法可以检测和定位各种大小、字体和颜色的文本。
2015-02-13 cs.CV
Block Matching Frame based Material Reconstruction for Spectral CT
Chongqing University（重庆大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；Capital Normal University（首都师范大学）
光谱计算机断层成像（CT）在材料识别和分解方面具有巨大的潜力。为了获得高质量的材料成分图像并进一步抑制X射线束硬化伪影，我们首先提出了一种基于泰勒一阶展开的一步材料重建模型。在此基础上，提出了一种基本的材料重建方法--材料同时代数重建技术（MSART）。考虑到每个材料图像的局部相似性，我们将一个强大的块匹配框架（BMF）的材料重建（MR）模型，并产生基于BMF的MR（BMFMR）方法。由于BMFMR模型包含L0-范数问题，我们采用分裂Bregman方法进行优化。数值模拟和物理模型实验结果验证了材料重构算法的正确性，并表明BMF正则化方法优于全变分和非局部均值正则化方法。
2019-10-30 cs.CV
BMND: Direct Poisson Denoising by N-Dimensional Block Matching and Collaborative Filtering
University of Münster（明斯特大学）
BMND提出维度无关的块匹配协同滤波直接泊松去噪方法，无需方差稳定变换，结合噪声感知匹配与质量守恒，在1D/2D/3D数据上提升重建质量并减少强度损失。
2026-09-29 cs.CV
Block-matching in FPGA
EPFL（洛桑联邦理工学院）
块匹配和3D滤波（BM3D）是一种图像去噪算法，其工作在两个类似的步骤中。这两个步骤都需要通过块匹配进行分组。我们在FPGA中实现块匹配，利用其执行并行计算的能力。我们的目标是使其他研究人员能够在未来使用我们的解决方案，在使用FPGA的摄像机（如AXIOM Beta）中进行实时视频降噪。
2020-06-24 cs.AR cs.CV eess.IV
UltraMatch: Transport Path Routing for Ultra-Fast and Memory-Efficient Image Matching
Wuhan University（武汉大学）；Xiaomi Corporation（小米公司）；Harbin Institute of Technology（哈尔滨工业大学）
UltraMatch通过轻量传输路径路由器仅匹配少量候选路径，实现超快速、内存高效的半稠密图像匹配，速度提升1.67倍，内存仅0.44 GiB，并支持6K分辨率推理。
2026-09-30 cs.CV
Efficient feature matching for UAV images based on compact GPU data scheduling
本文提出一种基于GPU的数据调度算法，通过矩阵带缩减和GPU加速级联哈希实现UAV图像高效特征匹配，提升匹配效率并保持准确性。
2026-03-15 cs.CV
Quantum Block-Matching Algorithm using Dissimilarity Measure
Centro de Investigación en Computación, Instituto Politécnico Nacional（国家理工学院计算研究中心）；Quantum Open Source Foundation（量子开源基金会）；qBraid
本文提出基于量子傅里叶变换或Swap测试的相异度度量用于块匹配，并在理想/含噪模拟及IBM、IonQ量子设备上验证，展现近期应用潜力。
2023-12-28 cs.CV quant-ph
Comparison of Stereo Matching Algorithms for the Development of Disparity Map
Tarbiat Modares University（塔比阿特·莫达雷斯大学）
立体匹配是计算机视觉中提取三维信息的经典问题之一，但在精度和处理成本方面仍存在争议。匹配技术和成本函数的使用在视差图的开发中至关重要。本文对块匹配（BM）、块匹配动态规划（BMDP）、置信度传播（BP）、梯度特征匹配（GF）、梯度直方图（HOG）等六种立体匹配算法进行了比较研究，并提出了一种新的立体匹配方法。还使用了三个成本函数，即均方误差（MSE），绝对差之和（SAD），归一化互相关（NCC），并进行了比较。本研究中使用的立体图像来自Middlebury立体数据集，提供了完美和不完美的校准。结果表明，匹配函数的选择是相当重要的，也取决于图像的属性。结果表明，BP算法在大多数情况下提供了更好的结果，达到95%以上的准确率。
2022-10-28 cs.CV
MPDiT: Multi-Patch Global-to-Local Transformer Architecture For Efficient Flow Matching and Diffusion Model
Rutgers University（罗格斯大学）
MPDiT通过多块变换器架构在扩散和流匹配模型中实现高效计算，减少50%的GFLOPs消耗同时保持生成性能，改进时间与类别嵌入设计加速训练收敛。
2026-04-04 cs.CV
Sparse Coding Approach for Multi-Frame Image Super Resolution
Waseda University（早稻田大学）；University of Tsukuba（筑波大学）
提出了一种基于低分辨率图像多次观测的图像超分辨率方法。该方法是基于亚像素精度块匹配估计观测图像的相对位移，和稀疏信号表示估计相应的高分辨率图像。观测到的低分辨率图像的小补丁的相对位移准确估计的计算效率块匹配方法。由于估计的位移也被视为图像退化过程中的变形分量，匹配结果直接用于生成稀疏图像表示的低分辨率字典。利用块匹配的匹配分数选择低分辨率图像块的子集来重建高分辨率图像块，即实现了信息量大的低分辨率图像的自适应选择。当只有一幅低分辨率图像时，该方法可以作为单帧超分辨率方法。通过使用各种真实世界数据集的实验，所提出的方法表现出与传统的单帧和多帧超分辨率方法相当或更好。
2014-02-17 cs.CV
A Sub-block Based Image Retrieval Using Modified Integrated Region Matching
Rajagiri College of Social Sciences（拉吉吉里社会科学学院）；Cochin University of Science and Technology（科钦科技大学）
本文提出了一种基于内容的图像检索系统（CBIR），该系统利用选定图像子块的局部颜色和纹理特征以及图像的全局颜色和形状特征。通过将图像分割成不同配置的分区来粗略地识别图像子块，使用边缘阈值化然后进行形态学膨胀来找到每个分区中的边缘密度。分别从量化的HSV颜色空间和灰度共生矩阵（GLCM）的直方图中计算所识别区域的颜色和纹理特征。计算每个区域的颜色和纹理特征向量。从边缘直方图描述符（EHD）计算的形状特征。一种改进的综合区域匹配算法（IntegratedRegionMatching，简称IRFM）被用来寻找查询子块和目标图像子块之间的最小距离。实验结果表明，该方法比现有的一些检索方法具有更好的检索效果。
2013-07-05 cs.CV cs.IR
Image Speckle Noise Denoising by a Multi-Layer Fusion Enhancement Method based on Block Matching and 3D Filtering
Southeast University（东南大学）；Shanghai United-imaging Healthcare Co., Ltd（上海联影医疗科技股份有限公司）；University of Birmingham（伯明翰大学）
为了提高块匹配三维滤波（BM 3D）方法对斑点噪声的去噪能力，提出了一种基于非下采样轮廓波变换（NSCT）的图像频域多层融合增强方法（MLFE-BM 3D）。该方法设计了一种NSCT硬阈值去噪增强器对图像进行预处理，然后在NSCT域采用融合增强器对NSCT硬阈值去噪前后图像的初步估计结果进行融合，最后对融合后的图像进行BM 3D去噪，得到最终的去噪结果。对自然图像和医学超声图像的实验表明，MLFE-BM 3D方法比BM 3D方法具有更好的视觉效果，去噪后图像的峰值信噪比（PSNR）提高了0.5dB。MLFE-BM 3D方法在纹理区域可以改善斑点噪声的去噪效果，在图像的平滑区域仍然保持良好的去噪效果。
2020-01-04 cs.CV eess.IV
Block Flow: Learning Straight Flow on Data Blocks
East China Normal University（华东师范大学）
提出块匹配方法，利用标签信息划分数据分布并匹配先验，学习更直的流，通过调整先验方差平衡多样性与数值误差，实现与同规模模型相当的性能。
2025-01-20 cs.CV cs.LG
Self-Supervised Learning of Perceptually Optimized Block Motion Estimates for Video Compression
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Netflix Inc.（奈飞公司）
基于块的运动估计对于在混合视频编解码器中执行的帧间预测过程是不可或缺的。用于计算块运动矢量（MV）的基于块匹配的流行方法依赖于计算密集的搜索过程。它们还受到孔径问题的困扰，随着块大小的减小，孔径问题会变得更糟。此外，在典型的编解码器中使用的块匹配标准不考虑在解码时创建的运动补偿画面的感知质量的结果水平。为了实现感知优化的运动估计的难以捉摸的目标，我们提出了一个无搜索的块运动估计框架，使用多级卷积神经网络，它能够进行运动估计多个块的大小，同时使用三帧作为输入。这个复合块翻译网络（CBT-Net）以自我监督的方式在我们从公开的未压缩视频内容创建的大型数据库上进行训练。我们部署多尺度结构相似性（MS-SSIM）损失函数，以优化运动补偿预测帧的感知质量。我们的实验结果突出了我们提出的模型相对于传统的基于块匹配的运动估计算法的计算效率，可比的预测误差。此外，当用于执行AV 1中的帧间预测时，与SVT-AV 1编码器中采用的基于块匹配的运动估计系统相比，感知优化模型的MV预测导致相对于MS-SSIM和视频多方法评估融合（VMAF）质量度量的平均Bjontegaard增量速率（BD速率）分别提高了-1.70%和-1.52%。
2022-12-04 cs.CV eess.IV
Exploiting Non-Local Priors via Self-Convolution For Highly-Efficient Image Restoration
Nanyang Technological University（南洋理工大学）；Michigan State University（密歇根州立大学）
在图像处理和成像中，构造有效的图像先验是求解不适定逆问题的关键。最近的工作提出了利用图像的非局部相似性的反问题，通过分组相似的补丁，并在许多应用中展示了最先进的结果。然而，与基于滤波或稀疏性的经典方法相比，大多数非局部算法是耗时的，主要是由于非常低效和冗余的块匹配步骤，其中需要计算每对重叠块之间的距离。在这项工作中，我们提出了一种新的自卷积算子，利用图像的非局部相似性在一个自我监督的方式。自卷积算法可以推广常用的块匹配算法，并以更低的计算量得到等价的结果。此外，通过应用自卷积，我们提出了一种有效的多模态图像复原方案，这是比传统的块匹配非局部建模更有效。实验结果表明：（1）自卷积可以显著提高大多数非局部图像复原算法的速度，块匹配速度提高2 ~ 9倍;（2）多模态图像复原算法在RGB-NIR图像上的去噪效率和效果均优于传统算法。该代码可在\href{https://github.com/GuoLanqing/Self-Convolution}上公开获得。
2021-05-24 cs.CV
Object-Centric Stereo Ranging for Autonomous Driving: From Dense Disparity to Census-Based Template Matching
本文提出一种综合立体测距系统，结合密集BM/SGM视差、基于census的目标中心模板匹配和单目几何先验，实现实时测距。核心贡献是新的基于census的目标中心模板匹配算法，通过GPU加速稀疏立体匹配，提升远距离测距鲁棒性。
2026-04-09 cs.CV
Neural Graph Matching for Modification Similarity Applied to Electronic Document Comparison
Foxit Software Inc.（福昕软件公司）
在本文中，我们提出了一种新的神经图匹配方法应用于文档比较。文件比较是法律和金融行业的常见任务。在某些情况下，最重要的区别可能是增加或省略单词，句子，子句或段落。然而，这是一个具有挑战性的任务，没有记录或跟踪整个编辑过程。在许多时间不确定性下，我们探索了我们的方法的潜力，以接近准确的比较，以确定哪些元素块与其他元素块有版本关系。首先，我们采用传统与现代技术相结合的版面分析方法，对版面进行适当的块分割。然后，我们把这个问题转化为一个问题的布局图匹配与文本意识。关于图匹配，它是一个研究已久的问题，有着广泛的应用。然而，不同于以往的作品专注于视觉图像或结构布局，我们还把文本特征到我们的模型，以适应这一领域。具体地说，基于电子文档，我们引入了一个编码器来处理从PDF的视觉表示解码。此外，由于修改可能导致修改后的文档之间的文档布局分析不一致，并且块可以合并和拆分，因此在我们的图神经方法中采用了Sinkhorn发散，该方法试图通过多对多块匹配来克服这两个问题。我们在两类布局上演示这一点，如下所示。法律协议和科学文章，从我们的真实案例数据集中收集。
2022-11-02 cs.CV cs.LG
Learning Dynamic Point Cloud Compression via Hierarchical Inter-frame Block Matching
Shanghai Jiaotong University（上海交通大学）；University of Washington（华盛顿大学）；University of Missouri, Kansas City（密苏里大学堪萨斯城分校）
提出基于分层块匹配的帧间预测DPC压缩框架，通过Hie-ME/MC和KABM网络提升运动估计与补偿效率，在Owlii数据集上超越SOTA和V-PCC v18标准。
2023-05-16 cs.CV cs.MM eess.IV
AQMP: Image compression through Adaptive Quadtree Refinement and Matching Pursuit with Hyperparameter Optimization
CONICET（阿根廷国家科研 council）；Facultad de Matemática, Astronomía, Física y Computación, Universidad Nacional de Córdoba（数学、天文学、物理和计算学院，国家大学科达布拉达）
AQMP结合自适应四叉树细化与匹配追索，通过动态调整块大小提升压缩率，采用超参数优化实现压缩效率与视觉质量的平衡。
2026-05-09 cs.CV
Sparse Representation of Astronomical Images
Aston University（阿斯顿大学）
讨论了天文图像的稀疏表示问题。结果表明，当特定的混合字典用于近似这些类型的图像与贪婪的选择策略时，实现了显着的稀疏增益。进行实验以确认：i）产生稀疏表示的有效性。ii）在处理大图像所需的时间方面具有竞争力。后者是所提出的字典在小块分区中近似图像的适用性的结果。这个功能使得可以应用有效的贪婪选择技术正交匹配追踪，直到一些块大小。对于超过该大小的块，考虑原始匹配追踪方法的改进。由此产生的方法被称为自投影匹配追踪，因为被证明是有效的实施，通过匹配追踪本身，在该方法中的可选的反投影中间步骤。
2012-09-12 cs.CV math-ph math.MP
Dynamic Block Matching to assess the longitudinal component of the dense motion field of the carotid artery wall in B-mode ultrasound sequences -- Association with coronary artery disease
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；Technische Universität München（慕尼黑工业大学）；National Cerebral and Cardiovascular Center（国立循环器病研究中心）
目的：在超声成像中观察到的心动周期期间颈总动脉组织层沿血管轴的运动与已确定的心血管危险因素的存在相关。然而，绝大多数的方法是基于对单个点的跟踪，从而无法捕获整个动脉壁的整体运动。这项工作的目的是引入一个运动跟踪框架，能够同时提取跨越整个可利用的图像宽度的大量点的轨迹。方法：纵向运动，这是目前工作的主要重点，是确定在两个步骤。首先，对所有跟踪点进行一系列独立的块匹配操作。然后，利用原始的动态规划方法来正则化相似性图的集合，并估计整个血管壁的全局最优运动。62名心血管高危动脉粥样硬化患者参与了这项研究。结果：提取了一个密集的位移场，描述了颈动脉远壁随时间的纵向运动。对于每个电影回放，根据在三个局部点上进行的手动参考描记对该方法进行评价，平均绝对误差为150+/-163 um。运动不均匀性与冠状动脉疾病之间存在强相关性（β系数=0.586，p=0.003）。结论：据我们所知，这是第一次专门提出一种方法来评估颈动脉远壁的密集运动场。这种方法有潜力来评估（中）壁动力学的均匀性。所提出的方法具有很好的性能，以提高动脉纵向运动的分析和了解的基础病理生理参数。
2020-05-18 cs.CV physics.med-ph
