图像匹配及识别

2020/6/8
2
11.1模式与模式识别
11.1.1 模式的概念
模式识别(pattern recognition)作为一门 学科有其系统的理论基础和技术方法。
模式识别属于图像分析的范畴，它所得到的 结果是一幅有明确意义的数值或符号构成的 图像或图形文件，而不再是一幅具有随机分 布性质的图像 。
6wenku.baidu.com
图像分析系统的组成
图像分析技术分类的三种基本范畴
预处理
问题 图像获取
低级处理
2020/6/8
分割
表示与描述
中级处理
知识库
识别 结果 与
解释
高级处理
7
图像分析技术
图像分析技术分类的三种基本范畴
低级处理：图像获取、预处理，不需要智能 中级处理：图像分割、表示与描述，需要智能 高级处理：图像识别、解释，缺少理论，为降
10
模式识别系统
2.预处理部分 预处理的目的就是去除噪声，加强有
用的信息，并对输入测量仪器或其他因素 所造成的退化现象进行复原。 对于数字图像来说，预处理就是应用 前面讲到的图像复原、增强和变换等技术 对图像进行处理，提高图像的视觉效果， 优化各种统计指标，为特征提取提供高质 量的图像。
2020/6/8
模式识别的目的:
对图像中的物体进行分类; 找出图像中有哪些物体。
2020/6/8
3
举例
在人们的日常生活和工作中，模式识别是普遍存在和经常进行的过 程。例如，医师为一个患者看病，首先要测量这个患者的体温和血压， 化验血沉，询问临床表现然后通过综合分析，抓住主要病症，最后医 师运用自己的知识，根据主要病症，为这个患者作出正确的诊断。上 述医师为患者诊断的过程就是模式识别的一个完整过程。
2020/6/8
12
模式识别系统
➢ 4.决策分类 决策分类就是利用特征空间中获得的
信息，对计算机进行训练，从而制定判别 标准，用某种方法把待识别对象归为某一 类别的过程。
–基本做法：在样本训练集基础上确定某个判决规则，使得按这种 规则对被识别对象进行分类所造成的错误识别率最小或引起的损失 最小
2020/6/8
2020/6/8
4
模式
模式就是存在于时间和空间中，可以区别它 们是否相同或相似的可观察的事物。
模式所指的不是事物本身，而是从事物中获取的 信息。
模式往往表现为具有时间和空间分布的信息。
模式的直观特性:
可观察性 可区分性 相似性
2020/6/8
5
11.1.2 模式识别系统
模式识别技术起源于人类自身对事物的认知分析过 程，是依据一定的量度或观测基础把待识别模式划 分到各自的模式类中去的过程。
过程称为模式采集。患者的主要病症可以称为样本的特征。模式样本 诸测量值经过综合分析找出主要病症这个过程在模式识别技术中称为 特征提取和特征选择。医帅运用自己的知识作出诊断，在模式识别中 称为分类判决。医师的知识是判决的准则，或者称为判决规则。判决 结果把患者区分成某种疾病的患者，这就是把样本(患者)区分成相应 的类型(疾病)。
2020/6/8
9
模式识别系统
➢ 1.信息获取部分（或模式采集） 为了使计算机能够对各种现象进行分类识别，首
先利用各种输入设备将要识别对象的信息输入计算机。
通过测量、采样和量化，可以用矩阵或者向量来 表示待识别对象的信息。
这就是信息获取的过程。
2020/6/8
获取的信息，如： 二维图像：文字、指纹、地图、照片等 一维波形：脑电图、心电图、季节震动波形等 物理参量和逻辑值：体温、化验数据、参量正常与否的描述
在模式识别技术中，经常使用的术语有样本、模式、特征和类型等。 医院里有许多患者，每个患者都是一个样本。请医生给出诊断的某一
个患者，就是来自许多患者中的单一样本。 患者的体温、血压等测量值，就是这个样本的诸测量值。样本诸测量
值的综合，在模式识中被称为模式。 具有某种模式的样本，有时称为模式样本。获得某个样本诸测量值的
11
模式识别系统
➢ 3.特征提取和选择 由于待识别对象的数据量可能是相当大的，
为了有效的实现分类识别，就要对原始数据进行 某种变换，得到最能反映分类本质的特征。这就 是特征提取和选择的过程。 特征提取实现由模式空间向特征空间的转变，成 功地压缩维数。
测量空间：原始数据组成的空间 特征空间：分类识别赖以进行的空间 模式表示：维数较高的测量空间->维数较低的特征空间
第11章 图像匹配与识别 （模式识别）
本章指导：
了解图像匹配与识别技术(模式识别)的 基本概念以及常用图像匹配与识别方法。
第11章 图像匹配与识别
11.1 模式与模式识别 11.2 基于匹配的识别技术 11.3 统计模式识别 11.4 句法模式识别 11.5 模糊模式识别方法 11.6 人工神经网络识别法 11.7 统计学习理论和支持向量机识别方法 11.8 小结
13
模式识别系统
5.分类器的训练/学习 为了能使分类器有效地进行分类判决，还必须首先对分类
器进行训练，即分类器首先要进行学习。 研究机器的自动识别，对分类器进行训练，使它学会识别，
具有自动识别的能力，就尤为重要。 一个孩子认字尚需一个反复学习过程，何况一部机器要掌
握某种判决规则，学习过程更不可缺少。 这种过程往往要多次反复，不断地纠正错误，最后才能使
模式类是指模式所属的类别或同一类中模式的总体。 模式识别 – 直观，无所不在，“人以类聚，物以群
分”
周围物体的认知：桌子、椅子 人的识别：张三、李四 声音的辨别：汽车、火车，狗叫、人语 气味的分辨：炸带鱼、红烧肉
人和动物的模式识别能力是极其平常的，但对计算 机来说却是非常困难的。
2020/6/8
低难度，设计得更专用。
2020/6/8
8
模式识别系统的基本构成
信息
获取 或模 式采 集
数据预 处理
特征提 取
和选择
训练过程 分类器设计
分类决 策
输出结 果
模式识别步骤：
图像分割（物体分离）：检测出各个物体，并把它们的图像和其余 景物分离; 特征抽取：对物体进行度量。通过计算对物体的一些重要特性进行 量化表示; 分类：确定每个物体应该归属的类别.
机器自动诊断的错误率不超过给定的要求。 这种输人、修正，再输人、再修正，不断反复循环，直到
分类错误率不大于给定值为止，才完成一个完整的学习过 程。 学习又可分为两种，一叫做预分类的训练试验，即监督训 练，和未分类的训练试验，即无监督训练。