基于模糊集的图像滤波与SVM实现多分类.pptVIP

线性内核 径向基函数内核 多项式内核 S形内核 用ORL标准人脸库作为学习样本，进行特征变换并取特征空间的维数为10，核函数为Gauss函数，采用此方法进行人脸识别，得到的分类正确率与惩罚系数、核函数的核宽度有关。 基于ICA(独立分量分析)的特征提取 基于彩色图像的人脸识别 * ASIPP 基于模糊集的图像滤波 与SVM实现多分类的人脸识别 报告题目： 报告人： 舒 双 宝 中国科学院等离子体物理研究所 2008年11月14日 ASIPP 主要内容： 1 模糊数学基本概念 2 模糊理论在图像处理中的应用研究 3 基于PCA方法特征脸空间的构建 4 SVM方法实现多分类的人脸识别 5 实验结果与分析 { { ASIPP 主要内容： 1 模糊数学基本概念 2 模糊理论在图像处理中的应用研究 3 基于PCA方法特征脸空间的构建 4 SVM方法实现多分类的人脸识别 5 实验结果与分析 ASIPP 模糊数学基本概念 在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容或描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，除了很早就有涉及误差的计算数学之外，还需要模糊数学。 模糊数学? 模糊数学是一门新兴学科，已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机智能，不少人认为它与新一代计算机的研制有密切的联系。 ASIPP 模糊数学基本概念 对于普通集合中特征函数的值域从{0，1}集合扩展为[0，1]闭区间，且定义特征函数为该闭区间的连续函数，则以这样持征函数对论域进行划分，即可得到模糊集合。 模糊集合定义为：给定论域U中的一个模糊集A，是指对任意都为其指定一个数与之对应，这个数叫做 U 对A的隶属度．这意味着做出一个映射： 这个映射称为A的隶属函数。模糊集A就是以这个隶属函数为特征的集合。 模糊集的运算包括一个集合的子、交、并、补集，以及两个及其以上集合的代数积和代数和，以及模糊集的幂及运算等。 模糊集合和隶属函数 ASIPP 模糊数学基本概念 客观世界中的各种事物之间一般都存在着就是某种关系，而描述事物间联系的数学模型之一就是“关系”， 关系R是A与B两集合的直集A×B的一个子集。现在将关系R的概念推广到模糊关系。模糊关系一般不仅考虑关系的有无，而且考虑关系的程度。例如，给出几个家庭成员的“相象关系”，这时就很难绝对地说“象”或“不象”，只能评论它们的“相象”的程度。为此，引入了一个更广泛的概念“模糊关系”。 设U，V是两个论域，由U，V作出一个新的论域U×V，U×V上的模糊集叫做U与V之间的模糊关系，即： ：U×V –[0，1] 模糊关系和模糊关系矩阵 ASIPP 模糊数学基本概念 人们在日常生活中所使用的自然语言与计算机所能接受的形式语言如(C，Fortran或Cobol)有很大的差别。自然语言的重要特点是它的模糊性，即自然语言中的某些词汇很难用定量的力法确定它的确切外延。自然语言的这种模糊性是人类思维方式的特点，也是人类解决复杂问题、表达复杂思想所不可缺少的。这些含有模糊概念的语言可以称为模糊语言。为了让计算机能够处理自然语言，表达和模拟人的智慧，人们将模糊集的概念应用到自然语言，提供了处理模糊概念的系统方法. 模糊语言和模糊推理 ASIPP 主要内容： 1 模糊数学基本概念 2 模糊理论在图像处理中的应用研究 3 基于PCA方法特征脸空间的构建 4 SVM方法实现多分类的人脸识别 5 实验结果与分析 ASIPP 模糊理论在图像处理中的应用研究 在图像处理中，可以将一幅图像看成是一个模糊集，当被噪声污染时，其模糊不确定性就增加了，并且人的视觉对于图像从黑到白的灰度级别又是模糊而难以准确区分的，因此应用模糊知识处理图像的效果就会更明显。 图像的模糊特征平面 按照模糊集的概念，一幅大小为M×N，灰度级为Xmax的图像X， 可以表示为一个M×N的模糊矩阵：