第11章 图像识别PPT.ppt

数字图像处理 第十一章 图像识别 李熙莹 副教授 stslxy@ 一、基本概念 让计算机具有认识或者识别图像的能力，即图像识别（模式识别）。 模式识别应用无所不在，是当今最活跃的研究领域之一。 医学：病灶 交通：车流量 遥感：区分农作物、道路、湖泊…… 文字识别…… 模式识别技术起源于人类自身对事物的认知分析过程，是依据一定的量度或观测基础把待识别模式划分到各自的模式类中去的过程。 图像识别（模式识别、目标识别）：对物体的特征进行比较、分析、判断，从而将它们分类或识别。 模式：对物体描绘（如特征）的组合。 存在于时间和空间中，可以区别它们是否相同 或相似的可观察的事物。 模式类：一个拥有某些共同性质的模式组。 w1、w2、w3 …… 指模式所属的类别或同一类中模式的总体。 模式识别所得到的结果是一幅由明确意义的数值或符号构成的图像或图形文件。属于图像分析的范畴。 1. 模式的概念 信息 获取 数据预 处理 特征提取 和选择 分类器设计 分类决策 训练过程 输出结果 利用图像进行模式识别的系统 图像信息获取 信息加工处理——图像分割，特征抽取与选择 判断、分类（与抽取特征方式密切相关，特征向量） 模式识别实际上包含了以下两个步骤： （1）特征提取和选择 （2）决策分类 图11.1 模式识别系统的基本构成 2. 常用的三种模式组合 (1) 模式矢量 1936年，Fisher论文提出判别式分析技术，通过测量花瓣的宽度和长度识别三种不同类型的鸢（yuan）尾属植物的花。 Iris Setosa (多刺的) Iris Virginaca (单性的) Iris Versicolor (杂色的) x=(x1, x2)T， x1和 x2分别代表花瓣长度和宽度。 模式矢量 x=(x1, x2,……, xn)T 中元素性质取决于描述物理模式自身所采用的方法。 (2) 串 适用于描述基于原始元素的较为简单的连接，通常和边界形状有关。 图11.3 (a) 阶梯结构 (b) 基于元素a和b的结构编码生成串描述…ababab… (3) 树 树形结构 ——分层有序结构 树形表示法从上到下 的关系是“包含于”。 3. 模式识别的主要方法 统计模式识别 基于匹配的识别技术 统计学方法/决策论 抽取图像特征 矢量描述（定量描述）：x=(x1, x2,……, xn)T 结构（句法）模式识别 分析图像结构关系 串和数（结构描述，定性 ） 模糊模式识别方法 人工神经网络识别法 统计学习理论和支持向量机识别方法 二、统计模式识别 （基于决策理论方法） 统计模式识别方法最终都要归结为分类的问题。 统计模式识别的过程 1. 分类器 基于使用决策（判别）函数——分类器 对W个模式类w1, w2, … , wW依照属性寻找W个判别函数d1(x), d2(x), …, dW(x)，若模式x属于类wi，则 di(x)>dj(x), j=1, 2, …, W； j?i。 关键点： n维模式矢量x=(x1, x2, … , xn)T的建立，即选择适当的特征产生描述参数。 (1) 分类器的设计 设计目标： 建立分类器的逻辑结构 建立分类规则的数学基础 分类器计算出表示一个对象与某类典型之间的相似程度——该对象特征的一个函数，用来确定该对象属于哪一类。 多数分类器的分类规则都转换成阈值规则，将测量空间划分成互不重叠的区域，每个类对应一个（或多个）区域。如果特征值落在某一个区域中，则将该对象归于相对应的类中。（某些区域可能在某种情况下“无法确定”） (2) 分类器的训练 目的：确定划分类别的阈值。 一般做法：用一组已知的对象训练分类器。训练集由每个类别中已被正确识别的一部分对象组成。 训练分类器的规则： 简单的：将分类错误的总量降至最低（最小值） 使用损失函数，对不同的错误分类采用适当的加权。 (3) 分类性能测量 直接对一组已知类别的对象的测试集进行分类，从而估计分类器的准确率。（测试集具有代表性，且没有错误）（测试集最好是独立的） 使用一组已知对象的测试集，估算每一类别中对象特征的PDF（概率密度分布函数） 预先分类代价高时，可以使用循环方法估计分类器的整体性能。——以一个对象为测试对象，其他为训练样本。 2. 特征选择 良好的特征应具有的特点： 可区别性：不同类被的特征值具有明显差异。 可靠性：同类对象特征值比较接近。 独立性：各特征之间彼此不相关。 数量少：系统复杂度随特征个数（特征参量维数）迅速增长。 从许多可能的特征中选择一些付诸于度量并呈现给分类器的特征。 不断删去无用特征，组合有关联特征。 可以通过计算每类的特征值，进行分析选择。 3. 匹配 原理： 基于匹配的识别技术通过原型模式矢量表示每一个类。 未知模式被按照预先定义的度