图像采集与处理-16-R.pdf

图像采集与处理 物体识别(2) 2012-11-22 上节课回顾 MED分类器：最小欧式距离分类器(Minimum Euclidean Distance Classifier) 对于2个类而言，MED分类器的决策边界是一个超平面，该平 面垂直且二分连接两个类原型的线。 ∈ x C , d ifx C( , d) x C( , 1) 1 2 ( x ) z(− x ) z −( x)z (− x )z − 1 T 1 2 T 2 物体识别 物体识别的概念 基于距离的分类器 基于点对点距离的分类器 基于点对概率分布距离的分类器 贝叶斯分类器 Fisher线性判据 神经网络 支持向量机 决策树 点对概率分布的距离测量 上述欧式距离等都是在特征空间中点对点的距离测量。因此， 使用它们测量一个测试模式到一个类的距离时，需要先找出该 类的原型模式。 如果把一个类中含有的所有模式看作一个概率分布，则可以计 算该类所含模式的统计量，依据该类的统计量来计算距离。 Mahalanobis距离： T −1 d( , x )C ( x ) S( x ) − μ −μ M i i i i μi :类的均值 Si :类的协方差 该距离不仅考虑了类的均值对于距离测量的影响，还加入了类 的方差对于距离测量的影响。 点对统计分布的距离测量 Mahalanobis距离的属性 当S=I时：等于欧式距离 T −1 T d( , x )C ( x ) S( x ) ( x ) ( x ) =−μ− μ−μ −μ M i i i i i i 当S是对角矩阵时： ⎡ 1 ⎤ 等距图是一个球面 L 0 ⎢ 2 ⎥