图像模式识别的.pptVIP

Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;什么是模式识别;模式识别的目的就是利用计算机实现人的类识别能力，是对两个不同层次的识别能力的模拟。对信息的理解往往含有推理过程，需要专家系统，知识工程等相关学科的支持。 我们所讲的模式识别理论主要是指对人的低级类识别能力的模拟，具体的说，就是实现观察对象是什么的判断，其中观察对象就是模式。模式是指具有某种特定性质的观察对象。特定性质指的是可以用来区别观察对象是否相同或是否相似而选择的特性。 模式识别是一种智能活动，包含分析和判断两个过程。分析的过程在于确定用于划分模式类的特征及其表达方法，判断的过程则体现在依据识别对象的特性，将其判入某一个模式类。 ;;一个图像识别系统主要包括三部分：图像信息的获取、特征提取和分类判决。图像信息的获取就是把图片、底片、文字图形等用扫描设备变换为电信号以备后续处理；特征提取就是抽出能反映事物本质的特征；分类判决是根据所提取的特征做出分类结论的过程。其中，特征提取和分类判决关系密切。 ;对应于模式识别的理论与方法，有代表性的图像识别方法主要有以下四类。 （1）统计图像识别方法 （2）结构图像识别方法 （3）模糊图像识别方法 （4）神经网络图像识别方法 ; ;图像识别主要研究某些对象或过程（统称图像）的分类与描述，也就是预处理后的图像，经分割和描述，提取有效的特征，进而加以判决分类。 图像识别的几种典型应用，包括人脸识别、签名识别和车牌识别等。 其中，手写数字识别，结果就是将手写的数字分到具体的数字类别中。智能交通管理系统的识别，就是判断是否有汽车闯红灯，闯红灯的汽车车牌号，还有文字识别，语音识别，图像中物体识别，等等。 ;人脸检测是指在图像处理或视频中判断人脸是否存在，如存在，再进一步确定人脸的大小、位置等。 人脸检测是实时人脸识别和表情识别的基础，只有将人脸检测得准确，人脸识别和表情识别才能得以实现。 人脸检测还在视频监控、数字视频处理和基于内容的人脸的???动检测与特征点定位。 ; 基于形状的检测方法 基于肤色的检测方法 基于统计理论的检测方法： 基于统计理论的检测方法是利用统计分析与机器学习的方法来寻找出人脸样本与非人脸样本各自的统计特征，再使用各自的特征构建分类器来完成人脸检测。 ;基于形状的检测方法利用人脸五官形状的信息，用一些形状模式在数字图像中匹配人脸，进而进行人脸检测。 人脸的形状特征是指人类面部器官在几何上表现的特征。其中有以下几种常用的方法：（1）基于先验知识的方法（2）基于特征不变性的方法（3）基于模板的方法;基于先验知识的检测方法是将人脸面部器官之间的关系编码准则化的人脸检测方法。该方法是一种自定而下的方法，依据人脸面部器官的对称性、灰度差异等先验知识，制定出一系列的准则。当图像中的待测区域符合准则，则被检测为人脸。自顶而下的方法能够较好的把握全局信息，但是非常强调对初始位置的定位，一旦出现偏差，将导致整体跟踪结果的移和变形。 目前比较好的方法有，4*4镶嵌图人脸分块方法、3*3的广义三分图方法、结合4*4和3*3的分块方法。 分块的思想在于根据每块的灰度值制定准则来进行判定。例如将系统分为三级，利用不同精度的平均和二次采样产生三级不同分辨率的图像。针对不同分辨率的图像采用不同的准则进行判定，低分辨率图像里的准则主要体现了人脸的大体轮廓，高分辨率图像里的准则主要体现了人脸的细节特征。;基于特征不变形的方法着眼于检测面部的一些不变的特征，例如眼睛、鼻子、嘴巴等。与基于先验知识的方法不同，该方法是自底而上的，先利用各种手段寻找上述不变特征，然后综合找到的这些不变特征来确定待检测区域是否是人脸。自底而上的方法与自顶而下的方法正好相反，它考虑到人脸各器官之间存在着空间约束，通过对各局部信息（脸部器官）的定位和跟踪，并结和各器官之间的空间位置关系，完成对整体（人脸的）定位。绝大多数自底而上的方法均将眼睛作为首选的特征进行搜索，这主要是因为眼睛具有特殊的外观特性以及相对稳定的对称性，可以使用模板方法或基于特征空间的方法等。 但是这些方法都是在亮度空间内对眼睛进行搜索，其效果难免会受到获取图像时的外部环境影响，比如光照条件、脸的朝向和位置，以及表情等。;基于模板的方法可以分为两类：预定模板和变形模板。预定模板方法是指首先制定出标准的模板，然后计算检测区域和模板的相关值，当相关值符合制定的标准时就判定检测区域为人脸。变形模板是指首先制定出模板参数，然后根据检测区域的数据对参数进行修改至收敛，以达到检测出人脸面部器官位置的目的。现有比较好的方法有：层次模