模板匹配与模式识别摘要.pptVIP

特征选择方法： （1）穷举法 从m个原始的测量值中选出n个特征，共有Cmn种， 可能对每一种选法用已知类别属性的样本进行测试， 测出其正确分类率，分类误差最小的一组特征便是最 好的选择。 优点：提供最优的特征子集； 缺点：计算量大 （2）最大最小类对距离法 基本思想：首先在K个类别中选出最难分离的一对类别，然后选择不同的特征子集，计算这一对类别的可分性，具有最大可分性的特征子集就是该方法所选择的最佳特征子集。 特征变换： 特征变换是将原有的m个测量值集合通过某种变换，然后产生n个（nm)特征用于分类。 统计分类法可分为监督分类和非监督分类。 （1）监督分类 根据预先已知类别的训练样本，求出各类在特征空间 的分布，然后利用它对未知数据进行分类的方法。 学习：根据类别名选定训练样本，求各类特征矢量 分布的判别函数g1~gc(c为类别数） 对于待分类的特征矢量（或称模式） X=(x1,x2,…,xn),计算各判别函数的值g1(X)~gc(X) 在g1(X)~gc(X)中选择最大者，把模式X分到这一类 2.统计分类法 （1）距离判别函数 欧氏距离 L距离（绝对距离） 常用的判别函数： 马氏距离 集群I的协方差矩阵 最小距离法 利用马氏距离判别，则K有可能属于MB类 利用数据的统计特征，假定各类的分布函数为正态分布，按正态分布规律用最大似然判别规则进行判别，从而得到分类结果。 从概率统计分析，要想判别某位置的向量X属于哪一个类别，判别函数要根据条件概率决定 (2)最大似然判别函数 如果 如果 （2）非监督分类 在无法获得先验知识的情况下，根据模式之间的 相似度进行分类，将相似性强的模式归为同一类别。 又称为聚类分析。 前提：假定图像上的同类物体在同样条件下具 有相同的特征信息。 分类结果：只是对不同类别进行了区分，不确定类别的属性。 * 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 东华理工大学 官云兰 数字图像处理 测绘工程学院 9.1 概述 一、模式识别的概念 模式识别是指借助计算机，就人类对外部世界某一特 定环境中的客体、过程和现象的识别功能(包括视觉、 听觉、触觉、判断等)进行自动模拟的科学技术。 在图像识别中,既要有当时进入感官的信息,也要有记 忆中存储的信息。只有通过存储的信息与当前的信息 进行比较的加工过程，才能实现对图像的再认。 第九章 模板匹配与模式识别 计算机模式识别可分为： 统计模式识别：用向量形式表达模式；分派模式向量到不同的模式类 结构模式识别：用符号匹配，模式被表示为符号形式（如形状数、串和树） 模糊模式识别：将模糊数学引入模式识别中 智能模式识别： 二、模式识别的分类 三、模式识别的应用 ① 地球资源、环境的调查研究 ② 文字识别 ③ 人脸识别 语音识别 指纹识别 医学诊断 如：人脸识别系统 9.2 模板匹配 一、概念 模板匹配方法认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式（又叫模板）。当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。 模板匹配是指将模板与一副图像的各部分进行相似 度判断，以判断图像中是否存在与模板相同的物体， 并求得对象物在图像中位置的操作。 简单模板匹配举例 利用模板匹配可以在一幅图象中找到已知物体。 例如：抓拍到了一张射门的照片，要在该照片中找到足球的位置，这时就可以采用模板匹配的方法。 开始，模板的左上角点和图象的左上角点重合，拿模板和原图象中同样大小的一块区域去对比，然后平移到下一个象素，仍然进行同样的操作，……所有的位置都对完后，差别最小的那块就是我们要找的物体。 简单模板匹配遇到的困难： 实际模式与标准模板完全重合—少见 例如：印刷汉字 字体不同、笔画位置不同； 油墨多少，笔画粗细不同； 细线中断，小孔堵塞、笔画粘连； 大小不同、倾斜、变形 。。。。 二、模板匹配方法 思路：将检测对象的模板t(x,y)放置在图像f(x,y)上，检测模板与图像重合部分的相似度，对图像中的所有像素都进行这样的操作，根据相似度为最大或者超过某一阈值来确定对象物是否存在，并求得对象物所在位置。 匹配测度包括： 以上测度越小越好 以下测度越大越好 一、基本概念 模式的定义 模式类的定义 模式识别的定义 常用的模式组合 9.3 统计模式识别 1. 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 模式由一个或多个描述子来组成，换句话说，模