北邮郭军web搜索chapter3研讨.ppt

* WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC * WIR WIF WIC 方向线素特征抽取 方向线素由水平、垂直、＋45°或－45°方向上的相邻两个黑像素构成 粗分类特征用5×5、细分类特征的8×8+7×7二重划分将文字图像分别分割为25和113个小区域 提取方向线素特征的掩模 渐进计算的马氏距离分类器 马氏距离（Mahalanobis distance）分类器得到了越来越广泛的应用，精度高，但运算量大 是特征为Gauss分布，各类别的先验概率相等条件下的Bayes分类器，一般形式如下 　　　　d(x, μ) = (x-μ)TΣ-1(x-μ) 马氏距离计算方法 将正定的Σ分解为LDLT 形式，L: 对角线元素为1的下三角阵，D:对角线元素为正的对角阵 定义一维列向量w = L-1(x-μ) 单调递增的渐进计算: 文字切分算法 图像中的文字切分是文字识别的基础，很有难度 常见的算法 滴水 (Drop-Falling) 算法 Max-min算法 动态规划(Dynamic Programming)算法 问题: 缺乏针对性、盲目搜索、局部最优 基于模具的手写字符串切分算法 将字符的切分过程变为各种模具的试用和优选过程 Adaboost人脸检测算法 采用Boosting算法进行人脸检测是近年来最流行的方法 Boosting在学习中，对误判的训练样本赋予较大的权值，让算法在后续的过程中重点对这些样本进行学习 [Viola 01] 将Boosting、Haar-like特征、积分图像和级联结构相结合，在精度和速度两方面同时获得了突破 Haar-like特征通过计算相邻矩形中像素累积值的差获得 相邻矩形可以为两个、三个或四个，相邻的方向可以是水平的，也可以是垂直的 积分图像ii(x,y) 坐标点(x, y)的积分图像被定义为从图像坐标原点(左上角点)到(x, y)点所形成的图像区域中所有像素的累积值 根据这个定义，可以只遍历图像一次就能获得所有点的积分图像，算法采用如下迭代公式 　　　s(x, y) = s(x, y-1) + i(x, y) 　　　ii(x, y) = ii(x-1, y) + s(x, y)