数字图象处理10北京大学计算机研究所.pptVIP

第四节 识别与解释 3.4.1 图像分析引言 3.4.2 图像分析系统的组成 3.4.3 模式与模式类 3.4.4 决策论法 3.4.5 结构法 3.4.1 图像分析引言 图像分析引言 图像分析的定义 图像分析的目标 自动图像分析系统行为能力的概念化分类 自动图像分析系统的现状 3.4.1 图像分析引言 图像分析的定义 图像分析是一个： 发现、辨认和理解模式的过程 这些模式都与执行和图像相关的任务有关。 图像分析的目标 计算机图像分析的主要目的之一是，赋予某些具有感觉能力的机器，以类似人的大脑的能力。例如OCR 3.4.1 图像分析引言 自动图像分析系统行为能力的概念化分类 分为三类： 获取、发现信息：从背景中提取有关信息 学习、应用知识：抽象、归纳信息特征的学习过程， 并应用到新的对象中 构造、推理知识：从不完整的信息中构造推论出新 的知识，并加以应用 3.4.1 图像分析引言 自动图像分析系统的现状 我们可以设计出这种系统，但仍然缺乏理论依据。有待人类视觉认识理论的进一步研究 我们可以做出在某一应用上超过人的能力的系统，但缺乏扩展性。过分依赖应用 3.4.2 图像分析系统组的成 图像分析技术分类的三种基本范畴 低级处理：图像获取、预处理，不需要智能 中级处理：图像分割、表示与描述，需要智能 高级处理：图像识别、解释，缺少理论，为降 低难度，设计得更专用。 3.4.2 图像分析系统组的成 图像分析技术分类的三种基本范畴 3.4.2 图像分析系统组的成 图像识别与解释的基本方法 识别的统计分类方法：用向量形式表达模式；分派模式向量到不同的模式类 识别的结构方法：用符号匹配，模式被表示为符号形式（如形状数、串和树） 图像解释的方法：图像解释技术是基于谓词逻辑、语义网络和特定产品的系统 3.4.3 模式与模式类 模式的定义 模式类的定义 模式识别的定义 常用的模式序列 模式特征向量 模式串 模式树 3.4.3 模式与模式类 模式的定义 模式是：图像中的一个对象或某些感兴趣本质的数量或结构的描述 模式是：由一个或多个描述子来组成，换句话说，模式是一个描述子的序列（名词“特征”经常被用来代指描述子） 模式是：一组特征或一组描述子 3.4.3 识别与解释:模式与模式类 模式类的定义 模式类是具有某些公共特征的模式的系列 模式类用w1,w2,…wM表示，M是类的个数 模式识别的定义 根据图像中对象的特征组成的模式，确定对象是属于那一个模式类，即为模式识别 3.4.3 识别与解释:模式与模式类 模式与模式类举例 1）汽车的长、宽、高（L,W,H）——模式 2）大客车： （L,W,H）大 小轿车： （L,W,H）小 卡 车： （L,W,H）卡 从而有模式类（w大, w小, w卡） 3）从图像中发现一个对象——模式实例。 希望识别出该对象（L1,W1,H1），是大客车、小轿车、还是卡车——模式识别 3.4.3 模式与模式类 常用的模式序列 三种模式序列: 模式特征向量 模式串 模式树 模式特征向量 定义 举例 特征的选择 3.4.3 模式与模式类 常用的模式序列 模式特征向量的定义——描述子构成的向量 模式特征向量用粗体小写字母表示，如x,y形式如下： 其中每一个xi代表第i个描述子，n是这种描述子的数量。模式特征向量被表示为一列或表示成 x = (x1, x2, …, xn)T， 其中T指出是转秩 3.4.3 模式与模式类 模式特征向量举例 假设我们想描述三种蝴蝶花（多毛的、维吉尼亚、多色的）通过测量它们花瓣的宽度和长度。这里涉及一个两维的模式特征向量： 其中x1、x2分别对应花瓣的长和宽 三种模式类用w1、w2、w3表示 3.4.3 模式与模式类 由于所有的花瓣在宽和长上都有某种程度的变化，所以描述这些花瓣的模式特征向量也将有变化，不仅在不同的类之间，而且也在类的内部 在这种情况下每一种花变成二维欧几里德空间的一个点 3.4.3 模式与模式类 3.4.3 模式与模式类 模式特征向量举例：分析 对花瓣长宽的测量，成功地将多毛的蝴蝶花与其它两种分离，但对于分离维吉尼亚和多色的是失败的。 这个结论说明了分类的特征选择问题，在这个问题中，类的可区别性的程度，完全依赖于对模式尺寸测量的选择 3.4.3 模式与模式类 模式特征的选择 良好的特征应具备四个特点 可区别性：对不同类别对象特征值差异明显 可靠性 ：对同类对象特征值比较接近 独立性 ：所用的各特征之间彼此统计独立 数量少 ：过多的特征数，会使系统复杂度提高 一般特征向量的选择方法