课件：七图像识别new.ppt

（2）判决的误差概率 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） 线性判别函数是应用较广的一种判别函数。所谓线性判别函数是指判别函数是图像所有特征量的线性组合，即 式中 代表第i个判别函数； 是系数或权； 为常数项或称为阈值。在两类之间的判决界处有下式的形式。 (4) (5) 可以写成下式形式： (10—6) 该方程在二度空间中是直线，在三度空间中是平面，在N度空间中则是超平面。 其判决过程可如下进行： 如果 或 ,则 ； 如果 或 ,则 。 1.生物特征识别 生物特征包括人脸、指纹、虹膜、掌纹、DNA等。 2.染色体识别 7.3模式识别的医学应用 7.3.1 指纹识别 指纹具有两大特性: 1) 没有两个人的指纹是相同的； 2) 当指纹不受损伤时终生不变。 所以它是识别人最有力的手段之一。 首先，指纹分为七类（平斗、左箕、右箕、平弓、帐弓、左双箕、右双箕）。第一类再分为十八个小类，然后测量斜率。总的过程是分类、分层、分窗口，在这个过程中包括细化，连接断线等处理; 尔后整个窗口用一个树代表，树的每一个分支是窗口中的一根隆线，然后找出文法; 最后做一树状自动机。 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。 参数 人脸图像库 人脸检测定位 特征提取和选择 训练 图像 预处理 识别 特征提取和选择 图像 预处理 人脸检测定位 待测人脸图像 训练过程 识别过程 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 ％ 7.3.3 模式识别在医学上的应用 模式识别在医学图像方面的应用还不多，主要是医学图片在预处理和分割等方面的问题还没有解决，大部分工作尚在解决此类问题。 染色体分类是句法方法的一个例子，目前只用于形状分类，其实真正染色体的分类还要用到染色体本身灰度的变化。 一般作法是先找到染色体，然后扫描、分开、找到染色体的方向，找到中心，测量臂长、灰度等参数，然后加以识别。 除染色体分类，在医学中的应用还有血球分类。目前有的医院使用5类分类器，可以做到95％的正确分类。分类方法与染色体分类大致相同。此外，还有细胞分类，光透视照片分析等等。 THANK YOU SUCCESS * * 可编辑 相关数据的散点图： 序号 胸围 体重 Id x1 x2 1 14 53.5 2 13 52.0 …… n 25 58.0 一对数据 (x1,x2) ←→ 一个点 x1 , x2线性相关 ←→ 倾斜直线 基本原理 坐标变换公式： Z1= cosθX1+sinθX2 Z2=-sinθX1+cosθX2 Z1= w11 X1 +w12 X2 Z2= w21 X1 +w22 X2 X→Z 线性变换 线性变换 标准化变量： 主成分分析步骤 估计主成分； 确定主成分个数； 解释主成分意义； 任务1：估计主成分 将指标变量标准化为X; 计算X的方差协方差矩阵V(X); 计算矩阵V(X)的特征值Λ； 计算所有特征值对应的特征向量W。 任务2：确定主成分的个数 1.根据主成分的累计贡献率来确定 ---原则：累计贡献率70%-85% 2.根据特征值来确定 ---原则：特征值≥1 任务3：解释主成分实际意义 Wij表示第j个指标变量Xj与第i个主成分Zi 的相关程度，|Wij|值越大，说明Xj对Zi 的贡献越大。 用绝对值大的Wij对应的指标变量来解释新变量Zi 的综合意义。