用特征编码模板实现多模式分类识别的方法.pdf

《用特征编码模板实现多模式分类识别的方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第卷第期光学学报，年月，文章编号：（）用特征编码模板实现多模式分类识别的方法!刘陈戍郭鹏毅张文伟申金媛张延（南开大学现代光学研究所，教育部光学信息技术科学重点实验室，天津）摘要：以编码理论和神经网络优化算法为基础，提出了一种构造特征编码模板用于识别某一类模式集的方法，并以个大写英文字母的识别作为实例进行了研究。关键词：光学模式识别；字符识别；特征编码模板；神经网络中图分类号：文献标识码：引言原理和算法光学模式识别起源于年复空间为了使方法容易被理解，以识别个大写字母匹配滤波器的提出［］。此后，人们发展了各种各样作为实例进行演示。为了使讨论着重在原理方法的结构、算法、技术以构造可实用的

2、光学相关器。一上，待识别字母的图像及模板均为二值化的。事实般说来，不论应用于哪个领域，模式识别所面临的待上，这样是合理的，因为灰度信息对于字符识别并不解决问题可分为两大类。一类是从较复杂的背景中重要。每个字符图像的大小为。字模取于识别出单个目标，此目标可能发生很复杂的畸变（如计算机字型库，字型为。图给出字符尺度伸缩、平面内旋转、空间旋转等）。这种识别技的图像。术在军事预警、交通管理、目标跟踪及无人驾驶等领域有很广泛的应用前景。另一类问题是要求能够将一个大目标集合中的目标区分开来，即具有同时识别多个目标的能力。这类问题最具有代表性的是字符的识别。字符识别在文件存储、读入、机器视觉等方

3、面有很大意义。对于前者，目前最有权威性的成果是综合滤波函数（）以及以其为基础而发展起来的各种变异，例如等峰值滤波函数（）、最对于字符识别，最有意义的特征是二维形状特小平均能量滤波器（）等［］。对于多目标识别，征，因此我们是基于其形状特征构造模板的。还是一个待解决的问题。采用多通道结构是人们很分级聚类编码容易想到的解决办法。但是很显然，当目标类很多设待识别图像以表示，并假设共有个模时，不仅在结构上难以实现，而且多通道相关输出的板，第个模板以表示，则图像与模板的内积后处理也将非常复杂，决不是简单的取阈操作所能表示为：够完成的［］。本文采用提取模式的特征元，将特征""（，）（，），元组合

4、构成编码模板的方法，取代传统的以模式本，，，⋯，（）身作滤波器的做法。这种方法一方面大大地减少了对内积结果取阈。综合考虑滤波器数量尽量少和光通道数，另一方面也减小了后处理的复杂性。此外，学实现器件性能的因素，将输出结果划分为级，在模板的设计上，我们以神经网络迭代优化算法取即：代传统的线性组合法，不但引入了非线性问题，而且#，最有效地提取了图形的二维形状特征。{，（）!国家自然科学基金（）资助项目。$收稿日期：；收到修改稿日期：用对进行编码，则具有码值，，⋯，。理光学学报卷论上，以这种方式编码，个模板应可以区分个述，原则是任意两个元素至少有一次不在同一组。输入模式。反之，若有个待识别

5、模式，所需的模板按上述方法操作，得到第二次、第三次分类结果数最少可为个（为非整数时，取其上界分别如表、表所示。整数）。所以对于个字母来说，用个模板就可以区别了。其中每个模板都将所有字符分为类。聚类的目的是寻找在选用样本中类间距离最大和类内距离最小的那种分类方式。这样分类就容易实现［］。因此，为确定每次匹配时哪些字符取相同的码值，我们先将字符聚类。因为在以后的优化算法中，求取的基本量是模板与模式的内积，所以这里以内积为标准对待识别模式聚类［等价于汉明模板的构造算法（）距离］。方法如下述：从考虑每个像素的值出发，以神经网络的!规将个字母表示成（，，⋯，），任选其则迭代算法寻找每个像素的

6、最优值（或），通过非中一个为，与每一个作内积得到，，即：线性组合，提炼出最有效的基元来构成模板。但是，，·!!（，）（，）（）本文的算法与传统的!算法有三点相区别：）步长很长，相当于。这样做是为了限定模板的灰阶（以将，按由大到小顺序排列，所得，排前个的往常以截值的方法降价），以便光电实现。）每位字母为第一组，显然，时，最大。从余下的字像素值的变化由所有模式的差别结果综合决定，即母里再随机选取一个为，重复上步，最终将个利大于弊时，操作才进行。在我们的问题中，判据是字母分为三组，令，时，得到的分类下面（）式给出的（，）。）以任一模式作为模板结果如表所示。初始值，即（），而不是随机初始化

7、。这样做的优点在于不必考虑对于所有模式都取值的像素，有利于减小误差。对于聚类所得到的类，分别给予码值，，：（）是迭代到第次时所得到的模板表构造第二个模板时，需要重新聚类，但应以第一示。计算公式如下：次聚类为基础，步骤如下：!!（，）（，），（））首先，按前述同样的方法将每大组分成三小组，即如下形式：#，（）{，（）本例中"$）将第二类的、、组的三个元素分别与（，）!（）（，），（）组的三个元素作内积，然后求平均，即：（，），（，（））（，（））（，），，，，（）{，!