序贯相似性检测算法（SSDA）

传统的模板匹配算法的基本搜索策略是遍历性的，为了找到最优匹配点，传统方法均必须在搜索区域内的每一个像素点上进行区域相关匹配计算，图像相关匹配的数据量和计算量很大，匹配速度较慢，序贯相似性检测算法（SSDA）是针对传统模板匹配算法提出的一种高效的图像匹配算法。具体算法是先初步搜索，再精搜索，搜索的范围一步一步减小。

SSDA通过人为设定一个固定阈值，及早地终止在不匹配位置上的计算，以此减小计算量，达到提高 运算速度的目的。其步骤如下：

（1）选取一个误差准则，作为终止不匹配点计算的标准，通常可选取绝对误差

（2）设定一个不变阈值

（3）在子图象中随机选取一点，计算它与模板中相应点的绝对误差值， 将每一随机点对的误差累加起来，若累加到第r次时误差超过设定阈值，则停止累加，记下此时的累加次数r

（4） 对于整 幅图像计算误差e，可得到一个由r值构成的曲面，曲面最大值处对应的位置即为模板最佳匹配位置。这是因为该点需要多次累加误差才能超过阈值，因此相对于其它点，它最有可能是匹配位置。

来源： http://baike.baidu.com/link?url=o-Vyvf-N_C9warawI9Lj8KkoetRxBfjOTt2KjMWgC0-pdDDoiiQmtAzhQ5DiXzPZ4K6-LPFSeLYC-2dpZHykRK

转载于:https://www.cnblogs.com/mxiao923/p/3816426.html