第七章_图像识别new.ppt

医学影像图像处理 生物医学工程系 C、特征提取：原始特征的数量可能很大，通过映射（或变换）的方法可以用低维空间表示样本，这个过程叫做特征提取。映射后的二次特征是原始特征的线性组合（通常是线性组合）。 D、特征选择：从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的过程。 特征筛选处理 目的： 考查和筛选出作用较大的特征，删去影响不大的特征，从而建立数学模型。 方法： 相关性分析 单特征相关分析 双特征相关分析 将所有特征中的两个特征作为横、纵坐标作图，同时将样本分成两类或多类标示于图中，考查这几类样本在图中分布的规律。 举例：基于主成分分析的特征提取 在临床医学研究中： 描述牙槽弓形形态特征的指标：22个 衡量甲状腺机能的指标：21个 鉴别阑尾炎病型的指标：27个 描述儿童生长发育的指标：12个 如何寻找一种合理的综合性方法，使得： 1. 减少指标变量的个数。 尽量不损失或者稍损失原指标变量中所包含的信息。(用方差衡量) 使得原本相关的指标转化为彼此不相关（用相关系数阵衡量） 主成分分析步骤 任务3：解释主成分实际意义 X1 X2 X3 X4 Mean 138.0000000 2.325000000 15 35Std 88.8878655 1.054751155 7 21 Correlation Matrix X1 X2 X3 X4 X1 1.0000 0.6950 0.2195 0.0249 X2 0.6950 1.0000 -.1480 0.1351 X3 0.2195 -.1480 1.0000 0.0713 X4 0.0249 0.1351 0.0713 1.0000 分类器复杂度过高：分类器复杂度过高，出现过度拟合，泛化能力可能会有所降低。 分类器复杂度过低：由于分类器的复杂度过低，无法有效表示不同类别训练样本之间的分界面，从而导致训练误差无法得到充分的降低，这一现象称为欠学习。欠学习同样无法保证较好的泛化能力。 分类器复杂度适中：分类器的复杂度与可用样本的数量相匹配，这样得到的分类器最有可能获得较好的分类能力。 （5）分类决策 在特征空间中对被识别对象进行分类。 7.2 模式识别方法 统计模式识别方法 结构模式识别方法 人工智能方法 统计模式识别方法 例如，模式有 共m个类别，则应有 共m个判别函数。如果X属于第i类，则有： 2） 线性判别函数 （1）Bayes决策尽管是最优决策，但实现困难。 A、类条件概率密度的形式常难以确定。 B、非参数方法需要大量样本。 （2）模式识别的任务是分类，可根据样本集直接设计判别函数。（次优的） 其判决过程可如下进行： 如果 或 ,则 ； 如果 或 ,则 。 据有关专家说，实验中大约有10％的指纹由于噪声大而难以识别。识别一个指纹大约要50s钟，40s用于前后处理，10s钟用于结构分析。 7.3.2 人脸识别 人脸识别技术（Face Recognition）就是利用计算机分析人脸图像，从中提取有效的识别信息，用来辨认身份的一门技术。 几何特征： 包括人脸指定两点间的欧式距离、曲率、角度等。 图像库中共15人，每人11张照片，人脸数目共计为165。每人10幅图像作训练，一幅做测试，识别率定义如下： 其中，n为正确识别出的人脸个数，N为训练集中的人数。利用PCA进行人脸识别的实验结果为： 87.5 ％ 染色体分类是句法方法的一个例子，目前只