图像识别简介ppt课件.ppt

《图像识别简介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、图像描述图像处理图像识别图像理解计算机图形学图像识别运用模式识别的原理对图像对象进行分类的学问。模式识别系统（1）信息的获取通过传感器，将光或声等信息转化为电信息。（2）预处理：A、信号增强：去除噪声，加强有用信息。信号恢复：对退化现象进行复原。B、归一化处理（例如图像大小的归一化；神经网络输入数据的归一化）（3）特征提取和特征选择A、特征分类：物理特征、结构特征、数学特征。B、特征形成：根据被识别的对象产生出一组基本特征，它可以是计算出来的（当识别对象是波形或数字图像时），也可以是用仪表或传感器测量出来的（当识别对象是事物或某种过程时

2、），这样产生的特征叫做原始特征。C、特征提取：原始特征的数量可能很大，通过映射（或变换）的方法可以用低维空间表示样本，这个过程叫做特征提取。映射后的二次特征是原始特征的线性组合（通常是线性组合）。D、特征选择：从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的过程。例如：一幅96x64的图象（a）Gabor滤波器编码；（b）小波变换+神经网络；（c）细节点（分叉点、端点）（4）分类器设计分类器设计的主要功能是通过训练确定判决规则，使按此类判决规则分类时，错误率最低或风险最小。（5）分类决策在特征空间中对被识别对象进行分类。思考题

3、：水果（如苹果和桔子）图像自动识别系统：选择那些有效特征，可以把苹果和桔子有效地区分开来？3模式识别的基本问题（1）特征如何提取？-------特征产生（2）最有效的特征是那些特征？-------特征选择（3）对特定任务，如何设计分类器？-------分类器设计（4）分类器设计后，如何评价分类器？分类错误率是多少？-------分类器评价模式传感器特征产生特征选择分类器设计分类器评价设计流程典型模式识别系统图像识别系统图像识别概念人脸识别系统图像识别概述模式可以定义为物体的描述。由于描述这个词的意义比较广泛，有人把它推广到图像数据本身，

4、因为图像数据也是相应事物的一种描述，只不过这样的描述不够抽象和简要而已。基于图像匹配的图像识别1定义根据已知模式到另一幅图中寻找相应的模式。2基于相关的模板匹配3基于误差平方和的模板匹配4、特征模板匹配5、特征匹配模式可以是以矢量形式表示的数字特征；也可以是以句法结构表示的字符串或图；还可以是以关系结构表示的语义网络或框架结构等。对于上述三种类型的模式，必须分别使用不同的识别和推理方法：统计模式识别，句法模式识别和人工智能方法。统计模式识别基本原理是：有相似性的样本在模式空间中互相接近，并形成“集团”，即“物以类聚”。主要方法有：决策函

5、数法，k近邻分类法，支持向量机，特征分析法，主因子分析法等…参考书籍：《统计模式识别》(AndrewR.Webb)JainAK,DuinRPW,JianchangMao.Statisticalpatternrecognition:areview.PatternAnalysisandMachineIntelligence,2000.22(1):4～37.句法（或结构）模式识别基于形式语言理论的概念为基础。模式按其结构分解为子模式或模式基元，模式基元的连接关系以文法形式进行描述。一个场景的示意图场景结构的分析模糊模式识别模糊集理论，Zade

6、h，1965模糊集理论在模式识别中的应用神经网络模式识别特点：具有信息分布式存储、大规模自适应并行处理、高度的容错性以及学习能力缺点：实际应用中仍有许多因素需要凭经验确定，比如如何选择网络节点数、初始权值和学习步长等；局部极小点问题、过学习与欠学习问题等特征选择所要提取的应当是具有可区别性、可靠性、独立性好的少量特征。因此特征选择可以看作是一个(从最差的开始)不断删除无用的特征和组合有关联的特征的过程，直到特征的数目减少到易于驾驭的程度，同时分类器的性能仍能满足要求为止。每类的每一个特征均值：假设训练样本中有　个不同类别的样本。令　表示

7、第　类的样本数，第　类中第　个样本的两个特征分别记为　　和　　。每类的每一个特征均值：和注意：仅是两个值基于训练样本的估计值，而不是真实的类均值。特征方差第　类的特征　和特征　的方差估值分别为：和在理想情况下同一类别中所有对象的特征值应该很相近。特征相关系数第　类特征　和特征　的相关系数估计为它的取值范围为　　　　。如果=0，说明这两特征之间没有相关性；接近+1表示这两个特征相关性强；为-1表示任一特征都与另一特征的负值成正比。因此，如果相关系数的绝对值接近1，则说明这两个特征可以组合在一个特征或干脆舍弃其中一个。类间距离一个特征区分两

8、类能力的一个指标是类间距离，即类均值间的方差归一化间距。显然，类间距离大的特征是好特征。对特征　来说，第　类与第　类之间的类间距为：统计模式识别基本概念这里我们讨论数字特征的识别。其前提是，假定我们所处理的