统计切线距离和手写数字识别.pdfVIP

3—77 统计切线距离与手写数字识别 杨程云宣国荣 (同济大学计算机系上海200092) 摘要：切线距离的研究是当今模式识别领域的一个前沿课题，目前很多论文在进行这方面的理论 和应用研究。本文提出基于SVD的统计切线距离方法，它比传统的切线距离方法，在实际应用时更 有效、更简便。在实际手写数字识别中的应用，说明分析是正确的。 关健词：统计切线距离切线向量SVD分解 1．引言 在模式识别领域，K—NN结合欧氏距离度量是一个常用的方法，但是欧氏距离度量有一个很大 的缺点，它对平移、旋转、笔划粗细、大小、剪切等仿射变化非常敏感。下面的图1便说明了这个问题： (a)x’ fb)x’(s=3)(c)％ 图1欧氏距离不能解决变化不变性的问题 上图中，x 8。此时根据欧氏距离，*’(s=3)将与x。更为接近。 尽管通过预处理可以一定程度上解决这个问题，但是同时预处理也可能会带来其他的一些问题， el 例如引入额外的噪声等。为此，1993年Simardal[1]提出了一个新的距离度量方法，称为切线距离 Distance)方法。 (Tangent 2．切线距离 切线距离的核心思想就是对于上述变换的不敏感性，即具有不变性质(1．nvarianee)。假设模式F 的某一变换为I(Ⅳ，n)，L维变换参数a(如对应平移变换中的位移距离、旋转变换中的旋转角度等组 变换t(口，n)精确的表达出来是不可能的。切线距离方法是用变化空间在原模式点处的切平面来对 变化空间进行近似，即切线模型I(产，o)=岸+死，，T为切平面。于是图像*和模式卢之间的切线距 离Dr(x，F)定义为 ￡ Dr(x，P)=rain训P+∑0f·n—zII 2) (1) 其中”0表示向量的模；切线向量(L叫脚f 之间的差别得出： n=t(P，df)一卢 (2) 从公式可见，切线距离Dr(z，P)是用线性化的方法，以切线向量乃和参数of修正模板卢，使字符 图像样本与模板的距离更小。模板变异方向由切线向量Tz确定，模板在该变异方向变化的大小由切 2口妒 3—78 matching)。上 template 线参数。，确定。切线距离分类本质上是一种可变形模板匹配分类(Deformable 面的计算公式实际上是单边的切线距离计算公式，对于双边的切线距离，其定义公式如下： (3) D(x’，x)=minl|(z’+T101)一(z+砭Ⅱ2)l 双边切线距离比单边切线距离的识别准确率有所提高，但是大大增加了计算量。 3．统计切线距离 Simard etal[1]利用K．NN近邻法分类器，结合切线距离作为距离度量方法(他们选取了七种变换 Postal 方式)，在usPs(USService)库上取得了很好的分类效果。但是这个分类器有两个较大的缺点： 一是需要存储大量的原型样本，所以需要占用很大的存储空间，识别花费时间也很长；二是生成切线 向量的样本相关变换需人为事先确定，具有不确定性。这两个缺点使得该方法在实际中难以应用。 在实际操