DigitalImage016数字图像分析.ppt

3.4.4 识别与解释:决策论法 相关匹配 (1) 相关匹配基本思想 * * engineering school of information 3.4.4 识别与解释:决策论法 匹配 相关性匹配 M x 原点 N y f(x,y) (s,t) J s w(x-s,y-t) K t * * engineering school of information 3.4.4 识别与解释:决策论法 匹配 相关匹配 (2) 算法描述 决策函数是相关函数 c(s,t) = ∑∑f(x,y)w(x-s,y-t) x y 对图像的每一个点进行相关计算，只计算重叠部分。 问题：在边界处将失去准确性，其误差与子图像的尺寸成正比 * * engineering school of information 3.4.4 识别与解释:决策论法 相关性匹配 (3) 改进 相关函数对振幅的变化太敏感，f(x,y)加倍，c(s,t)也加倍。用相关系数函数代替相关函数 ∑∑[f(x,y) – f(x,y)][w(x-s,y-t) – w] γ(s,t)=———————————————————— {∑∑[f(x,y)–f(x,y)]2∑∑[w(x-s,y-t)w]2}1/2 x y x y γ(s,t)的值域为（-1，1） * * engineering school of information 3.4.4 识别与解释:决策论法 相关性匹配 (4) 对旋转和比例变化的分析 当被匹配图像中，对象的尺寸和角度与模式不一致，此方法将失效。 尺寸的正则化，解决空间比例的问题。正则化模板与原图。 如果知道原图像的旋转角度，我们可以通过旋转原图像，对齐模式解决。 如果被匹配的对象的角度任意，有结论:此方法不能用于这种问题。 * * engineering school of information 3.4.4 识别与解释:决策论法 匹配 相关性匹配 (5) 关于空域计算 相关函数，可以在频域计算。 f(x,y)?w(x,y) ? f(s,t)w(s,t) 但在何种情况下，没有更有优势的理论根据。相关系数方式只能在空域进行。 * * engineering school of information 3.4.4 识别与解释:结构法 结构法 匹配形状数 匹配串 * * engineering school of information 3.4.4 识别与解释:结构法 结构法 决策法，通过量化的方法处理模式，最大限度地忽略了模式形状的内在结构关系。 结构法，则力求通过准确地抓住这些不同模式类的内在结构关系来进行模式识别。 * * engineering school of information 3.4.4 识别与解释:结构法 匹配形状数 (1) 匹配形状数的基本思想 通过比较两个对象边界的形状数的相似程度，来匹配对象。例如： 未知模式 原形模式类 * * engineering school of information 3.4.4 识别与解释:结构法 匹配形状数 (2) 基本概念-a a.两个区域边界的相似级别k的定义： 相同形状数的最大序号：即： 当考虑用4向链码表示的封闭区域边界的形状数时，A和B具有相似级别k，如果满足s4(A) = s4(B), s6(A) = s6(B), s8(A) = s8(B),…, sk(A) = sk(B), sk+2(A) ? sk+2(B), sk+4(A) ? sk+4(B), …，这里s表示形状数,下标表示序号。 * * engineering school of information 3.4.4 识别与解释:结构法 匹配形状数 (2) 基本概念-b b.两个区域边界A和B形状数的距离D(A,B) 相似级别的倒数 ：D(A,B) = 1 / k 距离满足如下性质： D(A,B) ? 0 D(A,B) = 0 iff A=B D(A,C) ? max[D(A,B),D(B,C)] * * engineering school of information 3.4.4 识别与解释:结构法 匹配形状数 (3) 算法思想 a. 用不同密度的网格划分边界区域，获得不同序数的形状数。 b. 如果使用相似级别k，k越大说明越相似。 c. 如果使用相似距离D，D越小说明越相似 d. 可以利用相似树来进行判别 * * engineering school of information 3.4.4 识别与解释:结构法 匹配