图像的识别和应用ppt课件.ppt

《图像的识别和应用ppt课件.ppt》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、数字图像技术(DigitalImageProcessingTechnology）1本课程的主要内容1、图像的获取2、图像变换3、图像的增强与滤波4、图像的边缘检测5、图像的分割6、图像形态学7、图像的特征提取与分析8、图像识别与应用9、计算机视觉初步2第8章图像的识别技术3主要内容8.1模式识别概述8.2一些常用的基本概念8.3基于决策理论的图像识别8.4基于模板匹配的图像识别8.5基于神经网络的图像识别8.6基于支持向量机的图像识别48.1模式识别概述模式识别(PatternRecognition)是指对表征事物或现象的各种形式的(数值的、文字的和

2、逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（SupervisedClassification）和无监督的分类(UnsupervisedClassification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，无监督的分类就是根据样本特征（features）将同类特征样本归类于同一类。5一般狭义的模式识别所指的主要是对语音

3、波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。6模式识别的一般过程原始信息输入特征提取分类器识别结果识别的关键是分类器的设计7图像识别与模式识别的关系1、模式识别包含了、波形、语音、图形、图像等各种信息输入形式，图像识别属于模式识别的一部分；2、模式识别的许多方法如：决策理论、贝叶斯分类器、神经网络分类器、支持向量机等都可以用到图像识别中来；3、图像识别有自己独特的方法。88.2一些常用的基本概念1、特征向量---用于描述对象的一组特征参数，以n×1维的向量形式表示出来。如：91、向量的相似性度量--

4、-距离（1）两向量的欧式距离设两向量则它们之间的欧式距离用下式度量10(2)向量与向量族组成员的距离设则距离d11则它们之间的欧式距离用下式度量可用下列MATLAB语句实现：12(2)向量族与向量族成员的距离设向量族Xp×n向量族Yq×n则向量族X的i行与向量族Y的第j列间欧式距离用下矩阵表达13(3)Mahalanobis距离----向量与向量组均值的相似性度量则它们之间的欧式距离用下式度量均值：协方差矩阵：148.3基于决策理论的图像识别图像识别的方式基于决策理论方法空间模板匹配最小距离分类器基于结构的识别频域模板匹配贝叶斯分类器神经网络分类器支

5、持向量机分类器使用基元符号使用数值向量串结构识别树、图结构识别151、基于最小距离分类器的图像识别决策理论的基本思想：将图像进行特征提取，用提取的特征构成一个特征向量x={x1,x2,…，xn}，对于W个模式分类ω1,ω2,ωw，设计W个决策函数d1(x),d2(x),…,dw(x),满足下列条件：将x归于ωi类16最小距离分类器就是将每个模式分类用它的均值向量来表示，设x是待分类的模式向量，分别求模式向量到各类均值向量的距离，将x归属于距离最小的那个类别。用决策函数表示：这里，mj是均值向量，它计算如下：17求Dj(x)最小，等价于求最大。因此我们

6、可以选择决策函数18对于：将其归于ωi类。不难看出，在ωi和ωj之间的边界为198.4基于模板匹配的图像识别模板匹配（TemplateMatching）是图像识别方法中最具代表性的基本方法之一，它是将从待识别的图像或者图像区域S(i,j)中提取的若干特征量逐个进行比较，计算它们之间规格化的相关性系数，其中相关性系数最大的一个就表示其相似程度最高，可以将图像归与相应的类。20模板匹配的基本概念：模板就是一幅已知的具有标准尺寸和标准内容的图像。模板匹配就是在一幅图像中按一定算法搜寻目标，将目标的特征和已知模板比较，从而确定目标是否存在以及存在目标所在的坐

7、标位置。以8位灰度图像(1个像素由1个字节描述)为例，模板T(m*n个像素)叠放在被搜索图S(M*N个像素)上平移，模板覆盖被搜索图的那块区域叫子图Sij。i，j为子图左上角在被搜索图S上的坐标，如图所示。搜索范围是MXN。通过比较模板T和Sij的相似性，完成模板匹配过程。（1）普通模板匹配算法21mnMN模板及其搜索图子图Sij(a)搜索图模板T一般可以采用下面测度来衡量T和Sij的相似度：22展开则有右边第三项表示模板的总能量，是一个和位置（i，j）无关的常数，第一项是模板下的子图的能量，它随搜索位置的改变缓慢变化，第二项是子图像和模板的互相关，

8、随（i，j）而变，T和Sij匹配时这一项取得最大值，因此可以采用下列归一化相关函数作为相似测度：23为了减少