模式识别复习总结.docVIP

模式识别的定义：根据对某个物理对象的观测信息，利用计算机对该物理对象进行分类，从而给出该物理对象所属的类别。 模式：存在于时间和空间中可观察的事物，如果我们可以区别它们是否相同或相似。 机器如何进行模式识别： （1）数据采集设备---- 利用各种传感器，对于图像传感器指的是CCD—电耦合器件---很重要（2）模式识别算法。 模式识别研究的意义（开放性试题） 对外界事物的感知与识别是智能的基础。如果我们能够很好的解决模式识别问题，就能够制造出更高级的智能系统。模式识别是计算机科学与控制科学的一个交叉学科，是智能系统及智能信息处理的一个重要基础。 模式识别系统框图 传感器的使用(摄像机和麦克风)问题的难度很大程度上依赖于传感器的特性和局限性，比如带宽、分辨率、灵敏度、失真、信噪比等等。 模式识别的方法 a模版匹配法 b统计方法 c神经网络方法 d结构方法 模式描述的分类 a:视觉-图像识别 b:声觉-语音识别 c:嗅觉 模式识别的应用 1：字符识别:2：医疗诊断3：遥感4：指纹识别 脸形识别 虹膜识别5.：检测污染分析，大气，水源，环境监测。 6. 自动检测：产品质量自动检测7.：语声识别，机器翻译，电话号码自动查询，侦听，机器故障判断。8. 军事应用（不需要全记住） 模式类紧致性：几何中任意两个内点都可以光滑的线连接，在该连线的上的点也属于这个集合 （1）与鲈鱼鲑鱼分类有关的试题 鲑鱼和鲈鱼的分类特征可以用以下来描述：长度，光泽，宽度，鳍的数目，嘴的位置 首先选择长度作为一个最终的特征进行分类 由于单独使用长度一个特征，结果令人失望. 不存在单一的阈值能够将两种鱼无歧义地分开。出现分类错误是不可避免的。图中的l*是一个最佳的阈值，从这里分类的平均误差率最小。因此，选取光泽度作为另外一个可能的特征.复合的特征之间应该是不相关的，最起码复合之后不应该使得分类效果反而更差了 图像的增强和恢复可以看作预处理，其输入、输出均是图像，它是传统的图像处理的内容。而图像分割、特征提取及结构分析等称为图像识别，其输入是图像，输出是描述或解释 图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程 分割算法是基于灰度值的两个基本特性：不连续性和相似性。 边缘检测首先检出图像局部特性的不连续性，然后再将这些不连续的边缘像素连接成完整的边界。 边缘的分类：阶跃状，屋顶状 几种常用的边缘检测算子： ：梯度算子2：Roberts算子3：Prewitt算子:4：Sobel算子5：Kirsch算子6:Laplacian算子 (2)驾驶员疲劳驾驶检测有关的试题（这是重点） A实时疲劳驾驶检测方法有：人脸检测（提出了累计直方图阈值法，降低了对光照的敏感性），眼睛定位，眼睛状态识别，眼睛跟踪和疲劳分析 B在眼睛定位中，使用了双空间眼睛定位法，先进行了HSI虹膜检测 C眼睛状态识别，根据上下睑曲率进行识别 检测过程： 彩色人脸图像-二值人脸图像-人脸轮廓检测图（区域锁定）识别中根据眼睛的两种状态是：睁眼，闭眼 HIS与RGB的区别： RGB三个分量不是相互独立的色彩分量，HIS则不是 H代表色调I代表亮度Ｓ代表饱和度 检测中关键是实时性与准确性 说明：左边为睁眼近似曲率图，右边为闭眼近似曲率图 （会画这个图） （会画这个图） 当眼睛为半睁眼时检测到的虹膜点数很少，闭眼时也检测不到虹膜 眼睛状态识别，眼睛跟踪就是为了检测驾驶员是否在疲劳驾驶 利用映色特征检测人脸和提取面部轮廓，在此基础上使用饱和度和亮度特征快速检测虹膜 （要会画，放不下，竖着放） （３）与人民币识别有关的试题 纸币处理时去噪采用了领域平均法，中值滤波法 采用最小二乘算法进行边缘拟合 倾斜校正原理：在新的坐标系中旋转，在转换到原始坐标系中 （４）与基于图像处理的玻璃瓶口检测相关试题 在生产企业中对于玻璃瓶的缺陷检测，通常采取三种方式：人工灯光检测，基于传感技术的检测，基于机器视觉的无接触检测。 研究内容为在工业生产流水线上对玻璃瓶瓶口裂纹和瓶口尺寸实时检测的 在玻璃瓶图像中，对象和背景占据不同的灰度级范围，而且其灰度值各自相对集中。对于这类图像，用阈值分割法是很适合的。阈值分割后的图像为二值图像(Binary Image)，二值图像是指图像内仅有黑（灰度值为0）白（灰度值为255）二值的图像 瓶口定位方法：坐标平均法 在机器人采摘的过程中如何处理半个图像？ 采用拟合的方法确定整个图像 （5）与道路识别有关试题 道路识别的意义：道路检测和识别可以帮助人们进行导航，是视觉导航系统的重要组成部分 方法：提取边缘 CCD采集静止的图像，视频采集卡采集动态的图像即视频 （6）与分水岭算法有关试题 A如何克服过分割 a通过图像滤波进行标记提取从而有效抑制噪声b通过一定的合并准备将小区域合并到相邻的