[精选]模板匹配和模式识别技术.pptx

模式识别最基本的方法模式识别最基本的方法-模板匹配技术；模板匹配技术；入门性介绍统计模式识别、结构模式识别和入门性介绍统计模式识别、结构模式识别和人工神经网络分类的基本概念和原理。人工神经网络分类的基本概念和原理。10.1 10.1 模板匹配模板匹配10.2 10.2 模式识别方法模式识别方法 第十章第十章 模板匹配与模式识别技术模板匹配与模式识别技术 模式识别的基本定义模式识别的基本定义 模式模式patternpattern-存在于时间，空间中可观察的事物，具有时间或空间分布的信息。n广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。n模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。第十章第十章 模板匹配与模式识别技术模板匹配与模式识别技术 n模式的直观特性模式的直观特性:n可观察性n可区分性n相似性第十章第十章 模板匹配与模式识别技术模板匹配与模式识别技术 模式识别模式识别Pattern RecognitionPattern Recognition -用计算机实现人对各种事物或现象的分析,描述,判断,识别。n周围物体的认知：桌子、椅子n人的识别：张三、李四n声音的区分：汽车、火车，人语、鸟鸣n气味的分辩：炸带鱼、红烧肉n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。第十章第十章 模板匹配与模式识别技术模板匹配与模式识别技术 10.1 10.1 模板匹配模板匹配v模板匹配模板匹配是一种最原始、最基本的模式识别方法。研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配的问题。v模板匹配定义：模板匹配定义：当对象物的图案以图像的形式表现时，根据该图案与一幅图像的各局部的相似度判断其是否存在，并求得对象物在图像中位置的操作叫做模板匹配。v模板匹配的用途：模板匹配的用途：1在几何变换中，检测变换的对应点；2多光谱或多时相图像间的几何配准图像配准；3在立体影像分析中提取左右影像间的对应关系；4运动物体的跟踪；5图像中对象物位置的检测等。v一，模板匹配方法模板匹配方法 1 1，基本思想：，基本思想：设检测对象的模板为tx，y，令其中心与图像fx，y中的一点i，j重合，检测tx，y和图像重合局部之间的相似度，对图像中所有的点都进行这样的操作，根据相似度为最大或者超过某一阈值来确定对象物是否存在，并求得对象物所在的位置。2 2，匹配尺度：，匹配尺度：非相似度：非相似度：S-tS-tx x，y y的定的定义域义域值越小，匹配程度越好值越小，匹配程度越好10.1 10.1 模板匹配模板匹配v相似度：该值越大，表示匹配程度好。相似度：该值越大，表示匹配程度好。-tx,y在S内的均值-fx+u,y+v在S内的均值 10.1 10.1 模板匹配模板匹配v二，模板匹配方法的改进二，模板匹配方法的改进 1 1，高速模板匹配法，高速模板匹配法 1序贯相似性检测法SSDA法：Sequential Similiarity DetectionAlgorithm SSDA法用下式计算图像fx，y在点u，v的非相似度mu,v作为匹配尺度。式中u，v表示的不是模板中心坐标，而是它左上角坐标。模板的大小为为 mn mn。如果灰度差的绝对值局部和超过了某一阈值时，就认为这位置上不存在和模板一致的图案，从而转移到下一个位置上计算mu，v。因此能大幅度地缩短计算时间，提高匹配速度。10.1 10.1 模板匹配模板匹配 2 2粗精检索结合方法：粗精检索结合方法：首先进行粗检索，它不是让模板每次移动一个像素，而是每隔假设干个像素把模板和图像重叠，并计算匹配的尺度，从而求出对象物大致存在的范围。然后，仅在这个范围内，让模板每隔一个像素移动一次，根据求出的匹配尺度确定对象物所在的位置。这样，整体上计算模板匹配的次数减少，计算时间缩短，匹配速度提高。但是用这种方法具有漏掉图像中最适当位置的危险性。2 2，高精度定位的模板匹配，高精度定位的模板匹配 在一般的图像中有较强自相关性，因此，进行模板匹配计算的相似度就在以对象物存在的地方为中心形成平缓的峰。基于图案轮廓的特征匹配方法与一般的匹配相比较，表现出更锋利的相似度的分布。可获得高精度的定位。10.1 10.1 模板匹配模板匹配10.2 10.2 模式识别方法简介模式识别方法简介统计模式识别统计模式识别 概率分类法概率分类法 聚类分析聚类分析 模糊模式识别模糊模式识别句法结构模式识别句法结构模式识别人工神经网络方法人工神经网络方法v基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。v特征向量分布的获得是基于一个类别的训练样本集。v是一种监督分类的方法，分类器是概念驱动的。概率分类法概率分类法一，统计模式识别一，统计模式识别聚类分析聚类分析n目标：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据集。n是一种非监督学习的方法，解决方案是数据驱动的。10.2 10.2 模式识别方法简介模式识别方法简介v基于模糊数学理论，利用隶属函数描述事物的不确定性。v识别根据研究对象对于某模糊子集的隶属程度采用最大隶属原则识别法、择近原则识别法，模糊聚类分析法对模式进行识别。二，模糊模式识别二，模糊模式识别10.2 10.2 模式识别方法简介模式识别方法简介v该方法通过考虑识别对象的各局部之间的联系来到达识别分类的目的。v识别采用结构匹配的形式，通过计算一个匹配程度值matching score来评估一个未知的对象或未知对象某些局部与某种典型模式的关系如何。v当成功地制定出了一组可以描述对象局部之间关系的规则后，可以应用一种特殊的结构模式识别方法 句法模式识别，来检查一个模式基元的序列是否遵守某种规则，即句法规则或语法。三，结构模式识别三，结构模式识别10.2 10.2 模式识别方法简介模式识别方法简介v神经网络是受人脑组织的生理学启发而创立的。v由一系列互相联系的、相同的单元神经元组成。相互间的联系可以在不同的神经元之间传递增强或抑制信号。v增强或抑制是通过调整神经元相互间联系的权重系数来实现。v神经网络可以实现监督和非监督学习条件下的分类。四，人工神经网络方法四，人工神经网络方法10.2 10.2 模式识别方法简介模式识别方法简介五，模式识别系统的基本构成五，模式识别系统的基本构成数据数据获取获取特征提取特征提取和选择和选择预处理预处理分类分类决策决策分类器分类器设计设计10.2 10.2 模式识别方法简介模式识别方法简介演讲完毕，谢谢观看！