数字图象处理＿第10章模式识别的理论与方法.pptVIP

(10—110) (10—111) 如果有三角形甲，其内角分别为 、 、 ；三角形乙，其内角分别为 、 、 ，根据隶属原则能确定它们分属哪一类三角形。 由隶属原则，判定三角形甲是直角三角形。 由隶属原则，判定三角形乙是一般三角形。 相似系数有夹角余弦、相关系数等几种定义。如果用 表示样本 与样本 之间的距离，则也有如下一些距离的定义： 3. 模糊聚类分析 （１）绝对值距离 (10—125) （２）欧氏距离 (10—126) （３）马氏距离 (10—127) 式中V是一个 阶的协方差矩阵， 其元素为： (4) 兰氏距离 (10—128) 聚类分析的基本思想是将比较接近的样本归为一类。系统聚类法可分三个步骤进行： 第一、计算各样本之间距离，将距离最近的两点合并为一类； 第二、定义类与类间的距离，将最近的两类合并为新的一类； （类与类之间的定义有最小距离法、最大距离法、中间距离法、重心法等） 第三、反复做第二步，使类与类之间不断合并，最后完成聚类分析。 10.5 模式识别的几种应用 模式识别的应用较广，大致可有如下几个方面：字符识别；医学诊断；遥感图像解译；人脸和指纹鉴别；污染监测；自动检查和自动化；可靠性；社会经济；语音识别和理解；考古等。 10．5．1 生物特征识别 指纹识别 指纹具有两大特性: 1) 没有两个人的指纹是相同的； 2) 当指纹不受损伤时终生不变。 首先，指纹分为七类（平斗、左箕、右箕、平弓、帐弓、左双箕、右双箕）。第一类再分为十八个小类，然后测量斜率。总的过程是分类、分层、分窗口，在这个过程中包括细化，连接断线等处理; 尔后整个窗口用一个树代表，树的每一个分支是窗口中的一根隆线，然后找出文法; 最后做一树状自动机。 （1）． 人脸识别系统的基本组成 参数 人脸图像库 人脸检测定位 特征提取和选择 训练 图像 预处理 识别 特征提取和选择 图像 预处理 人脸检测定位 待测人脸图像 训练过程 识别过程 人脸识别 （2）. 人脸识别基本算法 基于几何特征的方法 该方法要求选取的特征矢量有一定的独特性，既要反映不同人脸的差异，还要具有一定的弹性，以减少或者消除光照差异等影响。几何特征向量是以人脸器官的形状和几何关系为基础的特征向量，其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。 基于神经网络的方法 早期用于人脸识别的神经网络主要是Kohonen自联想映射神经网络，当人脸图像受噪声污染严重或部分缺损时，用Kohonen网络恢复完整的人脸的效果较好。Cottrell等人使用级联BP神经网络进行人脸识别，对部分受损的、光照有所变化的人脸图像识别能力也较好。 基于代数特征的方法 这类算法是采用代数特征向量，即人脸图像在由“特征脸”张成的降维子空间上的投影。基于代数特征识别的主要原理是利用统计方法提取特征，从而形成子空间进行识别。 （3）． 当前主流算法 1） 特征脸（eigenface）算法 特征脸方法的优点： ①图像的原始灰度数据直接用来学习和识别，不需要任何低级或中级处理； ②不需要人脸的几何和反射知识； ③通过低维可以有效的对高维数据进行压缩； ④与其它匹配方法相比，识别简单有效。 特征脸方法存在的不足： ① 图像中所有的像素被赋予了同等的地位，可是角度、光照、尺寸及表情等干扰会导致识别率下降，因此，须先进行尺度归一化处理； ②在姿态和光照变化时识别率明显下降； ③要求背景单一，； ④学习时间长，只能离线计算。 2） 弹性图匹配方法 弹性图匹配方法（Elastic Graph Matching）是一种基于动态链接结构(Dynamic Link Architecture，DLA)的方法。它将人脸用格状的稀疏图（即拓扑图）表示，图中的节点用图像位置的Gabor小波分解得到的特征向量标记，图的边用连接节点的距离向量标记。 其优点是： ①人脸稀疏图（即拓朴图）的顶点采用了小波变换特征，对光照、位移、旋转及尺度变化都不敏感。 ②弹性图匹配法能保留二维图像的空间相关信息。而特征脸方法在将图像排成一维向量后，丢失了很多空间相关信息。 （4）. 人脸识别的统计结果