数字图像处理法.ppt

1、模式特征向量——描述符构成的向量 x = x1 x2 . xn xi代表第i个描述符，n是描述符的数量。模式特征向量常表示为列向量或 (x1, x2, …, xn)T。 模式特征向量用粗体小写字母表示，如x,y和z： 假设通过测量花瓣的宽度和长度描述三种蝴蝶花（多毛的、维吉尼亚、多色的）。这里涉及一个两维的模式特征向量，x1、x2分别对应花瓣的长和宽，三种模式类用w1、w2、w3表示。 x = x1 x2 1 2 3 4 5 6 7 x1 花瓣长 0.5 1.0 1.5 2.0 2.5 3.0 x2 花瓣宽 多毛的 维吉尼亚 多色的 花瓣长宽特征成功地将多毛的蝴蝶花与其它两种分离，但对于分离维吉尼亚和多色的是失败的。 这个结论说明了分类的特征选择问题，在这个问题中，类的可区别性的程度，完全依赖于对应用的描述符的选择。 模式特征的选择： ① 可区别性：对不同类别对象特征值差异明显。 ② 可靠性 ：对同类对象特征值比较接近。 ③ 独立性 ：所用的各特征之间彼此统计独立。 ④ 数量少 ：过多的特征数，会使系统复杂度提高。 一般特征向量的选择方法： 尽量不选择带噪声和相关度高的特征。 先选择一组直觉上合理的特征，然后逐渐减少到最佳。 2、 模式串：对象特征的结构或空间关系。 a b a a a b b b (1) S-