Random Ferns随机蕨算法

《Random Ferns随机蕨算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2随机蕨算法近年来，图像模式识别算法不断涌现，大多分为四步：(1)提取稳定的局部特征；(2)对特征进行不变性描述；(3)特征匹配；(4)基于外极几何约束，求得两图像间的对应关系。比较经典的有Harris仿射不变性特征(Harris-affine)、尺度不变性特征变换(SIFT)、快速稳健性特征(SURF)和最稳定极值区域(MSER)等。这些算法为获取特征的各种不变性，运算量较大，难以满足实时性，MSER虽然能够满足实时性，但对图像模糊和尺度差异的稳健性较差。在成像环境较复杂且对运算量要求严格的图像模式识别

2、领域，上述图像模式识别算法均不适用。为降低运算量，Lepetit等把物体识别视为分类问题，将运算量较大的部分转移到分类器训练过程中，构造了一种名为随机蕨(Randomferns)的非层次结构特征，基于朴素贝叶斯分类算法对局部图像进行快速识别。目前该方法已被用于增强现实和同时定位与地图创建等方面。2.1朴素贝叶斯分类器朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，

3、就认为此待分类项属于哪个类别。通俗来说，就好比你在街上看到一个黑人，猜这个人从哪里来的，你十有八九猜是非洲人。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。2.1.1朴素贝叶斯分类的工作过程整个朴素贝叶斯分类分为三个阶段：第一阶段——准备工作阶段，这个阶段的任务是为朴素贝叶斯分类做必要的准备，主要工作是根据具体情况确定特征属性，并对每个特征属性进行适当划分，然后由人工对一部分待分类项进行分类，形成训练

4、样本集合。这一阶段的输入是所有待分类数据，输出是特征属性和训练样本。这一阶段是整个朴素贝叶斯分类中唯一需要人工完成的阶段，其质量对整个过程将有重要影响，分类器的质量很大程度上由特征属性、特征属性划分及训练样本质量决定。第二阶段——分类器训练阶段，这个阶段的任务就是生成分类器，主要工作是计算每个类别在训练样本中的出现频率及每个特征属性划分对每个类别的条件概率估计，并将结果记录。其输入是特征属性和训练样本，输出是分类器。这一阶段是机械性阶段，根据前面讨论的公式可以由程序自动计算完成。第三阶段——应用阶段。这个

5、阶段的任务是使用分类器对待分类项进行分类，其输入是分类器和待分类项，输出是待分类项与类别的映射关系。这一阶段也是机械性阶段，由程序完成。2.1.2半朴素贝叶斯分类模型为了突破朴素贝叶斯分类器的独立性假设条件的限制，除了一些比较基本的方法之外，还可以通过改变其结构假设的方式来达到目的，为此有人提出了半朴素贝叶斯分类(SNBGSemi-NaiveBayesianclassifier)的构想。半朴素贝叶斯分类模型对朴素贝叶斯分类模型的结构进行了扩展，其目的是为了突破朴素贝叶斯分类模型特征属性间独立性假设限制，提

6、高分类性能。目前半朴素贝叶斯分类模型学习的关键是如何有效组合特片属性。条件互信息度量半朴素贝叶斯分类学习算法可以解决目前一些学习算法中存在的效率不高及部分组合意义不大的问题。SNBC的结构比NBC紧凑，在SNBC的模型构建过程中，依照一定的标准将关联程度较大的基本属性（即NBC中的特征属性）合并在一起构成“组合属性”（也称之为“大属性”）。逻辑上，SNBC中的组合属性与NBC中的基本属性没有根本性差别，SNBC的各个组合属性之间也是相对于类别属性相互独立的。图2是SNBC的模型示意图。这类模型通过将依赖性

7、强的基本属性结合在一起构建新的模型，这样可以部分屏蔽NBC中独立性假设对分类的负面作用。但从名称可以看出，SNBC依然属于朴素贝叶斯分类的范畴。这是因为除了结构上的差别之外，计算推导过程与NBC无异。2.2图像金字塔图像金字塔是以多分辨率来解释图像的一种结构。1987年，在一种全新而有效的信号处理与分析方法，即多分辨率理论中，小波首次作为分析基础出现了。多分辨率理论将多种学科的技术有效地统一在一起，如信号处理的子带编码、数字语音识别的积分镜像过滤以及金字塔图像处理。正如其名字所表达的，多分辨率理论与多种分

8、辨率下的信号（或图像）表示和分析有关。其优势很明显，某种分辨率下无法发现的特性在另一种分辨率下将很容易被发现。图像金字塔是结合降采样操作和平滑操作的一种图像表示方式。它的一个很大的好处是，自下而上每一层的像素数都不断减少，这会大大减少计算量；而缺点是自下而上金字塔的量化变得越来越粗糙，而且速度很快。高斯金字塔里有两个概念：组(Octave)和层(Level或Interval)，每组里有若干层。高斯金字塔的构造是这样的，第一组的