数字图象处理及matlab的实现ppt课件第12章.ppt

数字图象处理及matlab的实现ppt课件第12章.ppt

ID:59470515

大小:392.50 KB

页数:28页

时间:2020-09-14

数字图象处理及matlab的实现ppt课件第12章.ppt_第1页
数字图象处理及matlab的实现ppt课件第12章.ppt_第2页
数字图象处理及matlab的实现ppt课件第12章.ppt_第3页
数字图象处理及matlab的实现ppt课件第12章.ppt_第4页
数字图象处理及matlab的实现ppt课件第12章.ppt_第5页
资源描述:

《数字图象处理及matlab的实现ppt课件第12章.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、第12章对象识别本章中的目标、对像(object)或模式(pattern)指图像中具有特定意义的单个区域。本章中模式识别的方法主要分两类: (1)决策论(decision-theoretic)方法:适用于以定量描绘子(如长度、面积、各阶矩等)描述的各种模式; (2)结构化(structural)方法:适用于以定性描绘子(如图像元的排列方式)描述的各种模式。识别理论的核心:从样本中“学习”1模式(pattern):描绘子的排列组合。特征(feature):常用来指描绘子。模式类(patternclass):具有某种共性的模式族。模式识别(patte

2、rnrecognition):自动(由机器而非手工)为输入模式打上其所属模式类的标签。常用模式排列方法:矢量法(用于定量描述)、字符串(string)和树(tree)(用于结构描述)。模式向量(patternvector):其中分量xi代表第i个描绘子。n为模式中的描绘子总个数。模式与模式类2计算距离度量1、Euclidean距离:两个n维(行或列)向量x,y间的欧氏距离定义为标量d=norm(x-y);D=sqrt(sum(abs(X-repmat(y,p,1)).^2,2));2、Mahalanobis距离:一种有效的计算两个未知样本集的相似

3、度的方法。与欧式距离不同的是它考虑到各种特性之间的联系(例如:一条关于身高的信息会带来一条关于体重的信息,因为两者是有关联的)。两个随机矢量协方差矩阵为Σ之间的差异程度:3基于决策理论方法的识别基本思想:利用决策函数(decisionfunction,或称判别函数,discriminantfunction)进行识别。 对于W个模式类,寻找W个决策函数d1(x),d2(x),...,dW(x),使得如果模式,则di(x)>dj(x),j=1,2,...,W;j≠i.决策边界(decisionboundary):将类别与分开的x值,即满足di(x)=

4、dj(x)或dij(x)=di(x)-dj(x)=0的x值。dij(x)>0则x属于类,dij(x)<0则x属于类。关键:决策函数的寻找。4基于决策论方法的识别1.形成模式向量:堆叠图像方法,然后由图像中的相应像素形成向量:S=cat(3,f1,f2,…,fn);Imstack2vectors(s);5基于决策论方法的识别2.匹配(matching):用一个原型(prototype)模式矢量代表每一个模式类,在某一预先指定的测度下,未知模式根据其与原型的接近程度确定类别。最小距离分类器:将原型定义为该类模式的平均矢量 并将未知模式分配给与其

5、最接近的原型类。在欧氏距离下,只需计算下面的距离函数来确定与原型的接近程度: 这里是欧氏范数。6欧氏距离最小时有 最大,与决策函数概念一致。模式类与的决策边界为: 它垂直于并二等分连接mi和mj的线段。n=2时为一直线;n=3时为一平面;n>3时为一超平面。7例子:两个模式类与的样本平均矢量分别为m1=(4.3,1.3)T和m2=(1.5,0.3)T,决策函数为:d1(x)=xTm1–m1Tm1/2和d2(x)=xTm2–m2Tm2/2 =4.3x1+1.3x2–10.1=1.5x1+0.3x2–1.17决策边界为:d12(

6、x)=d1(x)-d2(x) =2.8x1+1.0x2–8.9=0对属于的模式矢量输出正值,对属于的模式矢量输出负值。8相关匹配:利用相关函数寻找一幅大小为J×K的子图像w(x,y)在一幅大小为M×N(M≥J,N≥K)的图像f(x,y)中的匹配。匹配所采用的相关函数简化形式: 求和仅在f和w的重叠区域进行。所有均值向量都组织为一个矩阵M的行,则任一模式x到所有均值向量的矩离计算如下:d=sqrt(sum(abs(M-repmat(x,w,1)).^2,2));Class=find(d==min(d));9f的原点在左上角,w的原点在中心。

7、对每个(x,y)值,例如(x0,y0),都可以计算出一个相关值。改变(x,y),则w在f中滑动,得到函数c(x,y)。与c的最大值对应的(x,y)指示了w与f的最佳匹配位置。f与w在点(x0,y0)处的相关值计算10c(x,y)定义式的不足在于其对w和f函数的幅度变化较敏感。采用下面的相关系数(correlationcoefficient)有一定改善效果: 其中x=0,1,2,...,M-1,y=0,1,2,...,N-1,为w中像素的平均值,为f中与w重叠的像素平均值,求和仅在w与f的重叠区域进行。的取值范围是[-1,1],独立于f和

8、w的幅度范围变化。相关函数对于图像尺度、旋转等变换的规整化较难获得,因此一般较少用于这些情形,或者需要专门处理手段。11基于决策论方法的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。