特征提取.pptxVIP

第13章 特征提取与模式识别概述;1。模式识别、模式分类、机器学习 2。特征 3。噪声 4。分类/识别 5。分类器：最近邻、K近邻、BP网络、SVM、贝叶斯、线性分类器等等。。。 6。样本（训练样本、测试样本） 7。训练/学习 8。测试样本、测试 9。识别率 10。泛化 11。过拟合 ;前期工作：数据预处理 训练阶段：训练样本——特征提取——分类器——样本类别（与期待不一致时，修改分类器） 识别过程：测试样本（模式）——特征提取——分类器——模式类别 ;特征、特征向量、特征向量空间 特征向量的几何解释 特征分类：颜色特征、形状特征、纹理特征 特征提取 评价标准：易提取、分辨性好、抗噪性 样本 特征向量提取的一般规则 特征维数、维数灾难 ;为什么要进行特征提取？;简单的区域描述子：周长、面积、质心、灰度均值、方差、最小值、最大值、大于??小于均值的像素数量 直方图及其统计特征：;纹理特征：灰度共生矩阵（灰度共现矩阵）;灰度分段 确定参数，统计灰度点对出现的次数 规范化（变成概率形式） 从共生矩阵提取统计特征;1. 对比度: 度量矩阵的值是如何分布和图像中局部变化的多少，反应了图像的清晰度和纹理的沟纹深浅。纹理的沟纹越深，反差越大，效果清晰；反之，对比值小，则沟纹浅，效果模糊。;2. 能量：是灰度共生矩阵各元素值的平方和，是对图像纹理的灰度变化稳定程度的度量，反应了图像灰度分布均匀程度和纹理粗细度。能量值大表明当前纹理是一种规则变化较为稳定的纹理。??;3. 熵：是图像包含信息量的随机性度量。当共生矩阵中所有值均相等或者像素值表现出最大的随机性时，熵最大；因此熵值表明了图像灰度分布的复杂程度，熵值越大，图像越复杂。 ?;?4. 相关性：也称为同质性，用来度量图像的灰度级在行或列方向上的相似程度，因此值的大小反应了局部灰度相关性，值越大，相关性也越大。