模式识别第八章例实教学.pptxVIP

第八章实例教学

8.1应用统计决策的肤色提取

8.1.1图像基础知识HSI表色模型面向彩色处理的最常用的模型，符合人类的视觉感受。H（Hue）——色调（色相），表明物体是什么颜色。S（Saturation）——饱和度，表明该种颜色的浓淡。I（Intensity）——亮度，与图像的彩色信息无关。RGB模型与HSI模型可以相互转换。

8.1.2样本获取原始图像H分量S分量I分量由于H分量较好的区分了肤色与背景，因此选H分量图像中的像素点作为样本。

样本学习01H分量H分量的二值化图皮肤点数的先验概率：P（?1）=是皮肤的像素点数/所有像素点数=7.99%非皮肤点数的先验概率：P（?2）=不是皮肤的像素点数/所有像素点数=92.01%单击此处添加小标题02计算先验概率：图像二值化，为1的是皮肤，为0的是背景。单击此处添加小标题

（2）计算类条件概率密度：

计算H分量图像中皮肤区域的直方图，就是皮肤的类条件概率密度；计算H分量图像中非皮肤区域的直方图，就是非皮肤的类条件概率密度。非皮肤的类条件概率密度皮肤的类条件概率密度横坐标是像素点可能的灰度值（将灰度量化成了8等分），纵坐标是相应区域中灰度值为横坐标值的像素点数。P(x|?1):0.98550.0143000000.0002P(x|?2):0.07900.78200.07420.01920.01990.00740.00720.0108

模式分类输入下图，用最小误判概率准则和最小损失准则判决判断每个像素点是否是皮肤。待分类的图像H分量

最小误判概率准则的识别结果最小误判概率准则

判断每个像素点是否使皮肤。

两类问题的Bayes最小误判概率准则为

如果，则判，否则判，x为每个像素点的灰度值，若该点属于皮肤，置位1；若不是皮肤，置位0，得到下图。

b)最小损失准则?11=0,?12=10,?21=1,?22=0如果，则判，否则判。x为每个像素点的灰度值，若该点属于皮肤，置位1；若不是皮肤，置位0，得到下图。添加标题可以看出最小损失准则得到的皮肤更完整，漏检率下降，但是将更多非皮肤点误判为皮肤，虚警率增加。添加标题最小损失准则的识别结果添加标题贰壹叁

8.2车牌识别

1车牌相关知识英文字母中的I和O一般避而不用，以免和数字中的1和0混淆。车牌大小为440*140mm。汉字字体为黑体，数字和字母字体为国家公安部门开发的特殊字体。

图像采集

8.2.3车牌识别预处理

(1)字符分割

(2)字符细化

1.特征选择与提取

（1）特征空间向量的选择由于车牌中字母和数字都有特定的字体，且作为汽车的“身份证”，车牌制作过程严谨，相同字符形态区别不大，他们的差异性和共同点都很明显。基于上节描述的设计准则，综合考虑了提取特征的编程复杂度和特征对不同字符的区分度，本系统分别从字符的形态、结构、笔画特点出发，采用了4个类别共10个特征值作为判断的矢量依据（特征提取时均以细化后图像为基础）。字符的重心判断：①字符重心位于上方/下方，分别计算字符上下半区的像素数目，如果其差值在一个固定的小范围内(试验得出此差值在0-20像素内为最佳)，则该特征值记为2，上方偏多记为1，下方偏多记为3；②字符重心位于左方/右方，分别计算字符左右半区的像素数目，如果其差值在一个固定的小范围内(试验得出此差值在0-20像素内为最佳)，则该特征值记为2，左方偏多记为1，右方偏多记为3。特定位置的扫描线特征：③图像垂直1/3处扫描线穿越的线条数目；④图像垂直1/2处扫描线穿越的线条数目；⑤图像垂直2/3处扫描线穿越的线条数目；⑥图像水平1/3处扫描线穿越的线条数目；⑦图像水平2/3处扫描线穿越的线条数目；

为了消除可能的细化算法不完善的影响，以上在计算穿越次数时均为0-1改变次数。笔画特征：⑧字符中“竖”的数目，计算图像在水平方向上的投影，投影点的像素数目累加值超过1/3图像高度且无超过5像素的中断，记为“竖”的数目加1；⑨字符中“横”的数目，计算图像在垂直方向上的投影，投影点的像素