图像的识别和应用ppt课件

合集下载
相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

9
1、向量的相似性度量---距离 (1)两向量的欧式距离
设两向量
x {x1, x2, xn}T
y {y1, y2, yn}T
则它们之间的欧式距离用下式度量
d (x, y) || x y || [(x1 y1)2 (x2 y2 )2 (xn yn )2 ]1/2 [(x y)T (x y)]1/2
(x12 (x22

y2 )2 y2 )2


( x1n ( x2 n
yn )2 ]1/ 2 yn )2 ]1/ 2

[( x p1

y1 ) 2

(xp2

y2
)2

( x pn

yn
)2
]1/ 2
(
ቤተ መጻሕፍቲ ባይዱ
p1)
可用下列MATLAB语句实现:
1
数字图像技术
(Digital Image Processing Technology)
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
d sqrt(sum(abs(X repmat( y, p,1)).^2, 2)
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
x11 x12 ... x1n
X


x21
x22
x2
n




x
p1
xp2
...
x
pn

y11 y12 ... y1n
yq1 ) 2
(x12

yq2 )2
(x1n

yqn )2 ]1/ 2




[( x p1

y1q
)2

(xp2

yq2
)2

(xpn

yqn
)2 ]1/ 2
xp2
...
[( xp1

yq1 ) 2

(xp2

yq2
)2

(xpn

yqn
)2
]1/ 2

均值:
mx

1 p
p i1
xi1
p
xi2
i 1
p xin
i1
协方差矩阵:
Cx

1 P 1
P i 1
( xi
mx )T (xi
mx )
14
8.3 基于决策理论的图像识别
使用数值向量
最小距离分类器 空间模板匹配
图 像
基于决策理论方法

频域模板匹配 贝叶斯分类器
别 的
神经网络分类器
方 式
使用基元符号
支持向量机分类器
基于结构的识别
串结构识别
树、图结构识别
15
1、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: di (x) d j (x) j 1,2,,W; j i 将x 归于 ωi 类
13
(3) Mahalanobis距离----向量与向量组均值的相似性
度量
y { y1, y2, yn }
x11
x


x21


x
p1
x12 x22
xp2
... x1n
x2 n


...
x
pn

则它们之间的欧式距离用下式度量
d ( y, mx ) ( y mx )Cx1( y mx )T
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
4
8.1 模式识别概述
模式识别(Pattern Recognition)是指对表征事物或 现象的各种形式的(数值的、文字的和逻辑关系的)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( Supervised Classification ) 和 无 监 督 的 分 类 (Unsupervised Classification)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。
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。
8
8.2 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:
x1
x


x2



xn

Y


y21
y22
y2n




yq1
yq2
...
yqn

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
D(i,
j)


[( x11

y11)2

( x12

y12 )2
(x1n

y1n )2 ]1/ 2

...
[( x11

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:
Dj (x) || x mj || j 1, 2, , W
10
(2) 向量与向量族组成员的距离
设 y {y1, y2, yn}
x11 x12 ... x1n
X


x21
x22
x2
n




x
p1
xp2
...
x
pn

则距离d
11
则它们之间的欧式距离用下式度量
d


[( x11 [( x21


y1 ) 2 y1 ) 2
5
一般狭义的模式识别所指的主要是对语音波 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






分类器








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;
相关文档
最新文档