模式识别基础理论及其计算机视觉应用 全套课件.pptx

模式识别基础理论及其计算机视觉应用;目录;目录;目录;目录;第一章 模式识别与计算机视觉概述;1.1概念认知; 模式识别技术根据从对象抽取的统计特性或结构信息，把对象分成给定的类别。在计算机视觉中，模式识别技术经常用于对图像中的某些部分（例如分割区域）进行识别和分类。模式识别研究的重点不是人类进行模式识别的神经生理学或生物学原理，而是如何通过一系列数学方法让机器来实现类人的识别能力。 ;1.1概念认知;1.2 模式识别与计算机视觉发展史; 20 世纪80年代，Back-Propagation算法的重新发现和成功应用推动了人工神经网络研究和应用的热潮，至今仍被广泛应用于模式识别之中。20世纪90年代提出的支持向量机引起了模式识别领域对统计学习理论和核方法的极大兴趣。; 进入21世纪，模式识别研究的趋势可以概括为以下四个方面： （1）Bayes 理论被越来越多地用于解决具体的模式识别和模型选择问题，产生了优异的分类性能； （2）一些传统的问题不断受到新的关注，如概率密度估计、特征选择、聚类等，新的方法（或改进/混合的方法）不断提出； （3）模式识别领域和机器学习领域之间的相互渗透越来越明显，如特征提取和选择、分类、聚类、半监督学习等问题成为二者共同关注的热点； （4）由于理论、方法和性能的进步，模式识别技术被应用至计算机视觉等领域，相关系统亦被广泛应用于现实生活，如车牌识别、手写字符识别、生物特征识别等。 ;1.2 模式识别与计算机视觉发展史; 20世纪60年代，Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。 ; 20世纪70年代中期，麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”(Machine Vision)课程，由著名学者B. K. P. Horn教授主讲。同时，MIT的AI实验室吸引了国际上许多知名学者参与研究计算机视觉的理论、算法和系统设计，David Marr教授就是其中的一位。他于1973年应邀在MIT的AI实验室领导一个以博士生为主体的研究小组，1977年提出了不同于“积木世界”分析方法的计算视觉理论，该理论在20??纪80年代成为计算机视觉研究领域中的一个十分重要的理论框架。 ; 到了20世纪80年代中期，计算机视觉获得了迅速发展，主动视觉理论框架、基于感知特征群的物体识别理论框架等新概念、新方法、新理论不断涌现。 20世纪90年代，计算机视觉开始在工业环境中得到广泛的应用，同时基于多视图几何的视觉理论也得到迅速发展。 进入21世纪，计算机视觉与计算机图形学的相互影响日益加深，基于图像的绘制成为研究热点，高效求解复杂全局优化问题的算法得到了发展。 ;1.3模式识别的应用; 目前，汉字输入主要分为人工键盘输入和机器自动识别输入两种，其中，人工键入速度慢而且劳动强度大。自动输入分为汉字识别输入与语音识别输入。汉字识别从识别技术的难度来说，手写体识别的难度高于印刷体识别；而在手写体识别中，脱机手写体的识别难度又远远超过了联机手写体。到目前为止，除了联机手写体数字的识别已达到实际应用水平外，汉字等文字的脱机手写体识别精度尚待进一步提高。 ;1.3模式识别的应用;1.3模式识别的应用;指纹一般分为斗型(Whorl)、弓型(Arch)和箕型(Loop)等几大类别，根据这些类别可以将每个人的指纹分别进行归类和检索。指纹识别的过程可分成预处理、特征选择和模式分类等几个基本步骤。 ;1.3模式识别的应用;遥感图像分类的理论依据：遥感图像中的同类地物在相同的条件下(纹理、地形等)应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的某种内在的相似性，即同类地物像元的特征向量应集群在同一特征空间，而不同的地物的特征向量应集群在不同的特征空间。;1.3模式识别的应用; 计算机辅助诊断技术又被称为医生的“第三只眼”，有助于提高医生诊断的敏感性和特异性。 ;1.4计算机视觉发展方向; 物体检测和识别是计算机视觉领域各项研究中的基础环节，对物体进行准确的检测和识别是计算机视觉中其他任务实现的前提。基于有监督学习的物体识别检测应主要解决两个问题： （1）为减小物体旋转、平移、尺度变化以及遮挡、噪声所带来的影响，应如何选取特征及构造分类器才能达到较好的识别准确率； （2）在达到较好识别率的基础上如何提高物体检测的速度。 ;1.4计算机视觉发展方向; 图像语义分割将由机器自动分割并识别出图像中的内容，比如图左侧给出了一个人走在路边和牛吃草的照片，机器判断后应当能够生成右侧图，即将照片中的人、车和牛标注为灰