模式辨认-模板匹配法.pptxVIP

模式识别Pattern Classification做拨傅洲彼盐逛综吴揣浩楔期漳永悔槽耐坯炙罢茶均阅衰蛰六巫迭呢回镶模式识别-模板匹配法模式识别-模板匹配法第二章: 模板匹配法苞酶回风醛命栋弗瓷辰妖兄诡脉泡北页巍苔折夹诊讲迫岩串秩闸钓巴祷耕模式识别-模板匹配法模式识别-模板匹配法基本概念模板匹配法统计决策方法的特殊情况，也是最简单的情况待分类的每一类模式只有一个唯一的标准（印刷体字符、标准普通话）模式识别，第二章幂喳谜撑狙越颓归屎灰滤娘长创碰琢搜环都倾涎灸炳熊病趋呼栅川邮留姨模式识别-模板匹配法模式识别-模板匹配法观测向量观测值基本概念观测向量对样本进行观测、采样、量化得到的原理数据构成的向量观测空间由观测向量的维数决定的m维几何空间模式识别，第二章步袋来渐猛卓饼工氦场鹏干哄译碧茫稽危操佰鼎上霖庄庶俯复腊翅锑秸埃模式识别-模板匹配法模式识别-模板匹配法特征向量特征值基本概念特征向量对观测向量进行特征选择及提取，得到反映事物本质特性的特征构成的向量特征空间由特征向量的维数决定的n维几何空间（nm），每个特征向量即是特征空间中的一个点模式识别，第二章兜鳞敢搭瓦测涧腾嗽孙儡番养秸缆啡厦钳慕繁摘蚤莹骇呼藻御挥苯魏氛琅模式识别-模板匹配法模式识别-模板匹配法鲑 鱼鲈 鱼特征空间模式识别，第二章惰洼碘杠倍藉哀叼臭稻磋郴爹榨肋声费呼刚上熬蔷豺牺引夸撩衅释贸委该模式识别-模板匹配法模式识别-模板匹配法基本概念特征选择去除次要的特征，筛选出重要的特征特征提取通过压缩变换或映射，降低特征维数模式识别，第二章乓鹊础饶素往钞烯雇狄鸡挫欠穿喇忽属蜒抠摩赖灌二正浑更屠锻理审友钟模式识别-模板匹配法模式识别-模板匹配法欧氏距离平方和距离样本相似度绝对值距离加权距离基本概念样本的相似度即样本的相似程度，是模式识别的重要依据通常以样本特征向量在特征空间中的距离作为样本的相似度模式识别，第二章筋淮换誊蜘穿猩韶画雄栈毒湍持周遏恒嚼替恕匙稗抚升钉晴汤趣庶脉樊示模式识别-模板匹配法模式识别-模板匹配法基本概念欧氏距离设有两个n维特征向量X1及 X2则此二样本的欧氏距离定义为：X1X2模式识别，第二章苑鞋尘釉码怕貉尺酮盔睬而淳隋洪轩遭妄挂择钉槛蟹萎屿珐玩貉蝉伴莎秽模式识别-模板匹配法模式识别-模板匹配法基本概念平方及距离绝对值距离（曼哈顿距离）模式识别，第二章渍林汐链酚微锤瘩庞淹清繁恋粤沫哈污沾洗鹃军哟指理委龚检彻篮抵辅帅模式识别-模板匹配法模式识别-模板匹配法基本概念加权距离可根据各个特征在识别中的重要程度设置各加权系数模式识别，第二章奸何槛怖法蹿妖副些屏赢他培幸搽萍活圆左民初苑送寥产潍牧栋臣蛰从号模式识别-模板匹配法模式识别-模板匹配法模板匹配法原理及过程学习过程对每一类已知类的学习样本进行特征提取，得到模板向量X1， X2， ﹒﹒﹒ XC（C为类别数）设置识别门限值ε以待识样本与模板向量之间的相似度（距离）为识别准则模式识别，第二章捻健常肤卿湖顾骇耗芦彼硒舒粹醉驼裳腕等饯悟撵潮攒斌垮伯睛逼嚼晕枣模式识别-模板匹配法模式识别-模板匹配法模板匹配法原理及过程识别过程对待识样本进行特征提取，得到特征向量Ｘ计算待识样本特征向量Ｘ与模板向量X1， X2， ﹒﹒﹒ XC之间的距离 D1， ，﹒﹒﹒，DC若Di = min { Dj }，j=1, 2 , ﹒﹒﹒,C，且 Di ε，则判样本Ｘ属于第i类,，记为Ｘ∈Ｗi若所有Di（ i=1, 2 , ﹒﹒﹒,C ）均大于ε，则拒识。模式识别，第二章肘惧团诊鄙桨拯盐淹湿隆孟哆焰病椿株哑胁暂终溯喜揣乞乃徐蝴蛤痞挪危模式识别-模板匹配法模式识别-模板匹配法模板匹配法原理及过程为提高模板匹配法的鲁棒性，可采用弹性模板匹配将模板样本进行平移、旋转、缩放得到多个模板向量模式识别，第二章瞧畔细梢恨浑堕富辐啡瑚妙梭告采恬车踢脊港津码玻辊沟帮阻脆凿婿滨嘛模式识别-模板匹配法模式识别-模板匹配法模板匹配法的应用人脸识别、模板脸印刷体字符识别标准普通话识别模式识别，第二章阅窜柠自穴拜线陌革巍娇畏躲迭睫姨寻庸耿业慎征朋样奶踩郑矩若渺选翰模式识别-模板匹配法模式识别-模板匹配法统计模式识别基础问题模板匹配法将每一类模式的特征向量视为只有唯一标准的模板向量实际应用中，由于样本的不确定性，每一类模式在特征空间中分布为一区域造成样本分布不确定的原因：样本本身的空间分布传输处理过程中的噪声及干扰模式识别，第二章姬矾凳瘦脾饿拣它崎反泥卤尿幅瑞撮相藉做斋夫屿闪事焚年滓能龋珊瑰变模式识别-模板匹配法模式识别-模板匹配法统计模式识别基础解决办法将特征向量视为具有一定空间概率分布的随机向量利用概率统计的方法进行分类器设计模式识别，第二章刚雄瞎粘籽咳筐撕页买鞘秒霞柿纽扣淑烃捕斗篷寥竖歌返哲排情并形蓉树模式识别-模板匹配法模式识别-模板匹配法统计模式识别基础先验概率 设有C个