1、第十一章：初步圖像識別，本章主要內(nèi)容，1。模式識別概述，2。模式識別方法的分類。最小距離分類器和模板匹配，11.1模式識別概述。模式識別是指處理和分析代表事物或現(xiàn)象的各種形式的信息(數(shù)字、文字和邏輯)的過程，以描述、識別、分類和解釋事物或現(xiàn)象。模式識別通常也被稱為模式分類。從處理問題的性質(zhì)和解決問題的方法來看，模式識別可以分為監(jiān)督分類和非監(jiān)督分類。它們之間的主要區(qū)別在于每個實驗樣本的類別是否事先已知。一般來說，監(jiān)督分類通常需要提供大量已知類別的樣本，而非監(jiān)督分類是根據(jù)樣本的特征將具有相同特征的樣本分類到同一類別。模式識別是人類的一項基本智能。人們在日常生活中經(jīng)常進(jìn)行“模式識別”。隨著20世紀(jì)4

2、0年代計算機(jī)的出現(xiàn)和20世紀(jì)50年代人工智能的興起，人們當(dāng)然希望用計算機(jī)來代替或擴(kuò)大部分人類勞動。因此，計算機(jī)模式識別在20世紀(jì)60年代發(fā)展迅速，成為一門新興學(xué)科。11.1.1模式和模式識別，模式是由確定和隨機(jī)成分組成的對象、過程和事件。在模式識別問題中，它是我們識別的對象。模式識別是指對有代表性的事物或現(xiàn)象進(jìn)行描述、識別、分類和解釋的過程，它只是利用計算機(jī)對一組事件或過程進(jìn)行識別和分類。模式識別是指對測量對象的特定模式的分類和識別，如聲音波形、地震波、心電圖、腦電圖、圖片、照片、字符、符號和生物傳感器。11.1.2圖像識別，將模式識別的方法和技術(shù)應(yīng)用于圖像領(lǐng)域，即當(dāng)被識別的對象是圖像時，稱為

3、圖像識別。雖然對我們?nèi)祟悂碚f，理解和識別我們所看到的似乎很平常，但是讓計算機(jī)擁有相似的智能是一項具有挑戰(zhàn)性的任務(wù)，但是它們在許多方面是相似的。圖像識別與模式識別的關(guān)系。1.模式識別包括各種信息輸入形式，如波形、聲音、圖形和圖像，圖像識別是模式識別的一部分；2.模式識別的許多方法，如決策理論、貝葉斯分類器、神經(jīng)網(wǎng)絡(luò)分類器和支持向量機(jī)，都可以用于圖像識別。3.圖像識別有其獨特的方法。11.1.3關(guān)鍵概念，模式類，特征，噪聲，分類識別，分類器，訓(xùn)練樣本，訓(xùn)練學(xué)習(xí)，訓(xùn)練集，測試樣本，測試集，識別率，泛化精度，模式識別的一般過程，原始信息的輸入，特征提取，分類器，識別結(jié)果，識別的關(guān)鍵點是分類器將特征空間

4、劃分為標(biāo)記為類別的決策區(qū)域。對于唯一的分類結(jié)果，這些區(qū)域必須覆蓋整個特征空間并且不相交，并且每個區(qū)域的邊緣被稱為決策邊界。從這個意義上說，分類器是一組劃分決策區(qū)域的決策邊界函數(shù)，一些經(jīng)典的決策區(qū)域和決策邊界如圖11.2所示。特征向量的分類是確定其屬于哪個決策區(qū)域的過程。11.1.5過度。在上圖，即圖11.2中，我們可以注意到?jīng)Q策邊界可以像a和b中的線性或二次型那樣簡單，也可以像c中那樣復(fù)雜和不規(guī)則。所以對于一個特定的問題，我們應(yīng)該選擇簡單的模型還是更復(fù)雜的模型？一般來說，簡單模型具有計算簡單的優(yōu)點，訓(xùn)練它們所需的樣本數(shù)量通常較少，但是它們的空間劃分往往不夠準(zhǔn)確，這導(dǎo)致了識別精度的一定限制；然而

5、，復(fù)雜模型可以更好地擬合訓(xùn)練樣本，并產(chǎn)生非常適合于訓(xùn)練數(shù)據(jù)的復(fù)雜決策邊界，因此期望它們在測試集上表現(xiàn)良好是合理的。那么，這個美好的愿望不可能總是實現(xiàn)。僅僅因為，過于復(fù)雜的決策邊界常常導(dǎo)致所謂的“過度擬合”現(xiàn)象。11.1.7訓(xùn)練學(xué)習(xí)方法分類，一般訓(xùn)練和學(xué)習(xí)過程是指在給定一般模型或分類器形式的情況下，利用訓(xùn)練樣本來學(xué)習(xí)和估計模型的未知參數(shù)，特別是利用某種算法來減少分類器的參數(shù)誤差。例如，在第12章中，通過調(diào)整分類器的參數(shù)，在人工神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)的梯度下降算法被訓(xùn)練為減少誤差的方向。還有許多其他形式的學(xué)習(xí)算法，通?？梢苑譃橐韵聨追N形式：教師指導(dǎo)學(xué)習(xí)，而不是教師指導(dǎo)學(xué)習(xí)，以加強學(xué)習(xí)；11.2模式識別方法

6、的分類，有兩種基本的模式識別方法，即統(tǒng)計模式識別方法和句法模式識別方法。統(tǒng)計模式識別是一種模式的統(tǒng)計分類方法，即模式識別技術(shù)與統(tǒng)計概率論中的貝葉斯決策系統(tǒng)相結(jié)合，也稱為決策理論識別方法；利用模式和子模式的層次結(jié)構(gòu)樹信息完成的模式識別工作就是句法識別模式。11.2.1統(tǒng)計模式識別，模式識別的統(tǒng)計方法，一種模式的統(tǒng)計分類方法，將模式類別視為由隨機(jī)向量實現(xiàn)的集合。也稱為決策理論識別方法。11.2.1統(tǒng)計模式識別，模式識別的統(tǒng)計方法，一種模式的統(tǒng)計分類方法，將模式類別視為由隨機(jī)向量實現(xiàn)的集合。也稱為決策理論識別方法。11.2.2句法模式識別，也稱為結(jié)構(gòu)方法或語言學(xué)方法。基本思想是將一個模式描述為更簡單

7、的子模式的組合，而子模式可以描述為更簡單的子模式的組合，最后得到樹狀結(jié)構(gòu)描述。底部最簡單的子模式稱為模式單元。11.2.3總結(jié)，模式識別方法的選擇取決于問題的性質(zhì)。如果被識別的對象極其復(fù)雜并且包含豐富的結(jié)構(gòu)信息，通常使用句法方法；被識別的對象并不復(fù)雜或者不包含明顯的結(jié)構(gòu)信息，因此通常使用統(tǒng)計方法。然而，這兩種方法不能完全分開。在句法方法中，通過統(tǒng)計方法提取原語。在應(yīng)用中，將這兩種方法結(jié)合起來，應(yīng)用到不同的層次，往往會得到更好的效果。11.3最小距離分類器和模板匹配，11.3.1基于最小距離分類器的圖像識別，決策理論的基本思想：從圖像中提取特征，構(gòu)造特征向量x=x1，x2，xn，并設(shè)計w決策函數(shù)

8、D1 (x)，D2(對于w模式分類1，2，w)滿足以下條件：(1) x歸屬于i類，最小距離分類器用其平均向量表示每個模式分類。讓x作為要分類的模式向量，找出模式向量和每個平均向量之間的距離，并將x歸屬于距離最小的類。由決策函數(shù)表示：其中mj是平均向量，其計算如下：找到Dj(x)最小值等于找到最大值。因此，我們可以選擇決策函數(shù)，因為：將其分類為i類。不難看出，i和j之間的邊界是11.3.2?；诳臻g模板匹配的圖像識別。模板匹配是圖像識別方法中最具代表性的基本方法之一。它將從待識別的圖像或圖像區(qū)域S(i，j)中提取的幾個特征量逐一進(jìn)行比較，并計算它們之間的歸一化相關(guān)系數(shù)。最大的相關(guān)系數(shù)表示最高的相

9、似性。模板匹配的基本概念：模板是具有標(biāo)準(zhǔn)大小和標(biāo)準(zhǔn)內(nèi)容的已知圖像。模板匹配是根據(jù)一定的算法在圖像中搜索目標(biāo)，并將目標(biāo)的特征與已知模板進(jìn)行比較，從而確定目標(biāo)是否存在以及目標(biāo)所在的坐標(biāo)位置。以8位灰度圖像(一個像素由一個字節(jié)描述)為例，模板T(m*n個像素)被疊加并平移到搜索到的圖像S(M *N個像素)上，并且模板覆蓋搜索到的圖像的區(qū)域被稱為子圖像Sij。I和j是搜索到的圖s上的子圖左上角的坐標(biāo)，如圖所示。搜索范圍是MXN。通過比較模板T和Sij的相似度，完成模板匹配過程。(1)常用的模板匹配算法、M、N、M、N、模板及其搜索圖、子圖、搜索圖、模板、一般來說，下列度量可以用來度量t和S ij之間的相似性：擴(kuò)展是、它隨搜索位