图像匹配与识别.ppt

* * 11.3 统计模式识别 统计模式识别主要是根据模式统计特性，采用一系列自动处理技术对给定模式进行大量统计分析，抓取反映模式本质的特征而进行赋值和分类识别处理。 统计识别认为图像可能包含有一个或若干个不同的物体，对于每一个物体都应当属于若干事先定义的模式类之一。 * * 统计模式识别的过程 统计模式识别方法最终都要归结为分类的问题。如果从某个模式中共抽取N个模式符图像，可以分为m个模式类，那么就可以对N进行分类，进而决定出未知图像属于这m个模式类中的哪一种。对模式的分类主要建立在统计决策理论之上的，而决策理论方法又要用到决策函数。通常可以把识别模式当作是对一个n维模式矢量进行分类，即： 其中xi为描述模式表达方式的第i个描述符。 * * 上式代表了一个n维模式矢量，对于给定的m个模式类ω1，ω2，ω3，…，ωm，识别过程就是要确定此n维模式矢量是否属于模式类ωi，以及模式矢量中的每一个x可以划归到哪一个ωi模式类。该问题也可以转化为对决策函数d1(x),d2(x),…,dm(x)的确定，如果模式x属于模式类ωi，就有 di(x)dj(x),j=1,2,…,m,i≠ j 从另一个角度考虑：如果将未知模式代入所有的决策函数，得到第i个决策函数的计算结果最大，那么就可以将这个未知模式划归到第i个模式类。 关键问题是找到合适的决策判别函数。这个过程叫学习或训练。 * * 实例：统计模式识别 19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下： * * 实例：统计模式识别 待识别的模式：性别（男或女） 测量的特征：身高和体重 训练样本：15名已知性别的样本特征 目标：希望借助于训练样本的特征建立判别函数（即数学模型） * * 实例：统计模式识别 由训练样本得到的特征空间分布图 * * 实例：统计模式识别 从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线）。 只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了。 * * 11.4 句法模式识别 所谓句法，是描述语法规则的一种法则。 一个完整的句子一定是主语+谓语或主语+谓语+宾语(或表语)的基本结构构成。一种特定的语言，一定类型的句子之间是有一定的结构顺序的。 特点： 无规则的任意组合，必然达不到正确的思想交流。 形容词、副词、冠词等可以与名词、动词构成“短语”，丰富句子要表达的思想内容。 而这些短语的构成也是有特定规律的。 * * 句子的层状结构 * * 自然句法规则的思想可以移植到图像的模式识别中。尽管自然界的景物组合是千变万化的，但仔细分析可以看出：某一对象的结构，也存在一些不变的规则。 一座房子由内屋顶和墙面构成。组成屋顶的几何图形，可以是三角形、四边形、圆形等，组成墙平面的几何图形也是由矩形、平行四边形(透视效果)等构成，至少某一个墙面应该有门，而窗的高度不低于门等等。进一步，还可以提出一些用来刻画构成一所房子的规则，如屋顶一定在墙面之上，且由墙面支撑。一所房子这些规则就像构成一个句子的句法规则一样，是不能改变的。 * * 如果将描述房子的规则(它构成一个房子的模式)存于计算机，要在一张风景照片上去识别有无房子，那么就可按照片上所有景物的外形匹配是否符合房子的模式(房子构成规则)。符合房子模式的就输出为“有房子”，否则，输出“无房子”。 句法模式识别是将一个复杂的模式分解成一系列更简单的模式(子模式)，对子模式继续分解，最后分解成最简单的子模式(或称基元)，借助于一种形式语言对模式的结构进行描述，从而识别图像。 模式、子模式、基元类似于英文句子的短语、单词、字母，这种识别方法类似语言的句法结构分析。因此称为句法模式识别。 * * 句法模式识别系统框图 * * 实例：句法模式识别 问题：如何利用对图像的结构信息描述，识别如下所示图片： * * 实例：句法模式识别 将整个场景图像结构分解成一些比较简单的子图像的组合； 子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元）； 所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论）。 * * 实例：句法模式识别 多级树描述结构 * * 实例：句法模式识别 训练过程： 用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之； 然后用构造句子的文法来描述生成这幅场景的过程