1、模式識(shí)別模板匹配法第1頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四第二章: 模板匹配法第2頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念模板匹配法統(tǒng)計(jì)決策方法的特殊情況，也是最簡(jiǎn)單的情況待分類(lèi)的每一類(lèi)模式只有一個(gè)唯一的標(biāo)準(zhǔn)（印刷體字符、標(biāo)準(zhǔn)普通話）第3頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念觀測(cè)向量對(duì)樣本進(jìn)行觀測(cè)、采樣、量化得到的原理數(shù)據(jù)構(gòu)成的向量觀測(cè)空間由觀測(cè)向量的維數(shù)決定的m維幾何空間觀測(cè)向量觀測(cè)值第4頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念特征向量對(duì)觀測(cè)向量進(jìn)行特征選擇和提取，得到反映事物本質(zhì)特性的特征構(gòu)成的向

2、量特征空間由特征向量的維數(shù)決定的n維幾何空間（nm），每個(gè)特征向量即是特征空間中的一個(gè)點(diǎn)特征向量特征值第5頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四特征空間鮭 魚(yú)鱸 魚(yú)第6頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念特征選擇去除次要的特征，篩選出重要的特征特征提取通過(guò)壓縮變換或映射，降低特征維數(shù)第7頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念樣本的相似度即樣本的相似程度，是模式識(shí)別的重要依據(jù)通常以樣本特征向量在特征空間中的距離作為樣本的相似度樣本相似度歐氏距離平方和距離絕對(duì)值距離加權(quán)距離第8頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，

3、星期四基本概念歐氏距離設(shè)有兩個(gè)n維特征向量X1和 X2則此二樣本的歐氏距離定義為：X1X2第9頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念平方和距離絕對(duì)值距離（曼哈頓距離）第10頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四基本概念加權(quán)距離可根據(jù)各個(gè)特征在識(shí)別中的重要程度設(shè)置各加權(quán)系數(shù)第11頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四模板匹配法原理及過(guò)程學(xué)習(xí)過(guò)程對(duì)每一類(lèi)已知類(lèi)的學(xué)習(xí)樣本進(jìn)行特征提取，得到模板向量X1， X2， XC（C為類(lèi)別數(shù)）設(shè)置識(shí)別門(mén)限值以待識(shí)樣本與模板向量之間的相似度（距離）為識(shí)別準(zhǔn)則第12頁(yè)，共25頁(yè)，2022年，5月20日，6

4、點(diǎn)28分，星期四模板匹配法原理及過(guò)程識(shí)別過(guò)程對(duì)待識(shí)樣本進(jìn)行特征提取，得到特征向量計(jì)算待識(shí)樣本特征向量與模板向量X1， X2， XC之間的距離 D1， ，DC若Di = min Dj ，j=1, 2 , ,C，且 Di ，則判樣本屬于第i類(lèi),，記為i若所有Di（ i=1, 2 , ,C ）均大于，則拒識(shí)。第13頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四模板匹配法原理及過(guò)程為提高模板匹配法的魯棒性，可采用彈性模板匹配將模板樣本進(jìn)行平移、旋轉(zhuǎn)、縮放得到多個(gè)模板向量第14頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四模板匹配法的應(yīng)用人臉識(shí)別、模板臉印刷體字符識(shí)別標(biāo)準(zhǔn)普通話識(shí)別第

5、15頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)問(wèn)題模板匹配法將每一類(lèi)模式的特征向量視為只有唯一標(biāo)準(zhǔn)的模板向量實(shí)際應(yīng)用中，由于樣本的不確定性，每一類(lèi)模式在特征空間中分布為一區(qū)域造成樣本分布不確定的原因：樣本本身的空間分布傳輸處理過(guò)程中的噪聲和干擾第16頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)解決辦法將特征向量視為具有一定空間概率分布的隨機(jī)向量利用概率統(tǒng)計(jì)的方法進(jìn)行分類(lèi)器設(shè)計(jì)第17頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)先驗(yàn)概率 設(shè)有C個(gè)類(lèi)別的識(shí)別問(wèn)題（1， 2 ， ， c ），則i 類(lèi)發(fā)生（出現(xiàn)）的概率

6、P (i ) 稱(chēng)為第 i 類(lèi)的先驗(yàn)概率。 顯然：例如：乙肝病診斷 手寫(xiě)體數(shù)字識(shí)別第18頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)類(lèi)概率密度 指在已知樣本類(lèi)別為i 的條件下，特征向量在特征空間X處發(fā)生的概率，記為P( X / i )。 顯然：P( X / i ) 隨X的變化函數(shù)稱(chēng)為第 i 類(lèi)的類(lèi)概率密度函數(shù)。第19頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)一維二類(lèi)情況下的類(lèi)概率密度函數(shù)第20頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)模板匹配法情況下的類(lèi)概率密度函數(shù)？先驗(yàn)知識(shí)先驗(yàn)概率和類(lèi)概率密度的總稱(chēng)統(tǒng)計(jì)方法

7、即是基于樣本先驗(yàn)知識(shí)的模式識(shí)別方法第21頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)根據(jù)先驗(yàn)知識(shí)的多少，將統(tǒng)計(jì)方法分為：統(tǒng)計(jì)決策法Bayes決策法參數(shù)估計(jì)法非參數(shù)估計(jì)法線性判別函數(shù)第22頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)Bayes決策法已知各類(lèi)樣本的先驗(yàn)概率P(i )及類(lèi)概率密度P( X / i )通過(guò)先驗(yàn)概率估計(jì)后驗(yàn)概率參數(shù)估計(jì)法僅知道各類(lèi)樣本的類(lèi)概率密度P( X / i )的函數(shù)形式，函數(shù)中的參數(shù)末知由學(xué)習(xí)樣本估計(jì)類(lèi)概率密度函數(shù)中的參數(shù)第23頁(yè)，共25頁(yè)，2022年，5月20日，6點(diǎn)28分，星期四統(tǒng)計(jì)模式識(shí)別基礎(chǔ)非參數(shù)估計(jì)法幾乎無(wú)先驗(yàn)知識(shí)，類(lèi)概率密度函數(shù)形式均末知直接由學(xué)習(xí)樣本進(jìn)行分類(lèi)器設(shè)計(jì)線性判別函數(shù)基于對(duì)學(xué)習(xí)樣本的分析，得到線性判別函數(shù)由線性判別函數(shù)決定的分界面，將特征