教学课件第10章模式识别的理论和方法（第10-1讲）（研究生学位课）ppt（全）.ppt

教学课件第10章模式识别的理论和方法（第10-1讲）（研究生学位课）数字图像处理学数字图像处理学第第10章章 模式识别的理论和方法模式识别的理论和方法（第一讲）（第一讲）阮秋琦教授阮秋琦教授10.1 概述概述模式识别技术科学。它诞生于20世纪20年代，随着计算机的出现和发展，自20世纪50年代末期及60年代发展为一门学科以来，至今已得到了迅速的发展和广泛的应用。模式识别研究的对象可概括为二类：一是有直觉形象的如图像、照片、图案、文字等；一种是无直觉形象而只有数据或信号波形如语言、声音、心电脉冲、脑电图、地震波等。模式识别的主要方法可分为三大类，即统计识别方法，句法结构识别方法及模糊识别方法。统计识别方法是建立在被研究对象的统计知识上，也就是对图像进行大量的统计分析，抽出图像中本质的特征而进行识别。这是一种数学方法，它是受数学中的决策理论的启发而产生的识别方法。句法结构识别方法是一种基于语言学的识别法。它把一幅图像看成是由一系列基元构造而成的对象。就像分析和识别语言句子一样，它是词和短语组成的并按一定的语法规则表达出来的，其中最基本元素是字和单词。图像可以看成是由一些直线、斜线、点、弯曲线及环等组成。剖析这些基本原素，看它们是以什么规则构成图像，这就是结构分析的课题。模糊识别法更接近人的思维习惯，它是把模糊数学应用到模式识别中的典型方法。从上述分类方法来看，第一种方法没有利用图像本身的结构关系，第二类方法没有考虑图像在环境中受噪声的干扰。第三类方法基于模糊数学的基本思路，是目前正在发展一种模糊识别法。模糊识别的应用大致可有如下几个方面：(1)字符识别;(2)医学诊断；(3)遥感图像自动解译；(4)生物特征识别；(5)污染监测；(6)生产自动检测和自动质量控制；(7)可靠性；(8)社会经济发展趋势预测；(9)语音识别、理解及自然语言处理；(10)考古等等。1常用的决策常用的决策规则规则1）基于最小错误率的贝叶斯决策在图像识别中，我们总希望尽量减少分类错误，利用贝叶斯（Bayes）公式能够得到错误率最小的分类规则，这就是基于最小错误率的贝叶斯决策。(1015)图10-3 两类线性分类器 3Fisher线线性判性判别别 Fisher线性判别起源于1936年R.A.Fisher的研究工作。在统计模式识别方法中，遇到的主要问题之一就是维数问题。在低维中可行的方法在高维上往往行不通。因此，降低维数是识别的关键问题。（10-21）（10-22）（10-24）（10-25）（10-26）（10-28）（10-29）（10-32）(10-33)图10-4 二类问题决策区域5最近最近邻邻域分域分类类法法最近邻域分类法是在最小距离分类法中将分类问题稍微扩张一下，把最小距离的概念从一个点和一个点间的距离扩充到一个点和一组点之间的距离。这就是最近邻域分类法的基本思路。6 6非非线线性判性判别别函数函数图10-5 二类最近邻域分类也就是(10-52)(10-54)(10-53)(10-55)当i=1,2时，按贝叶斯规则：(10-55)(10-59)图10-6多类贝叶斯分类器图10-7 二类贝叶斯分类器1023 特征的抽取与特征的抽取与选择选择在模式识别中，确定判据是重要的，如何抽取特征也是相当重要的。如图10-8所示，特征抽取不太合适，如图10-9所示，特征抽取较好。图10-8 特征抽取之一 图10-9 特征抽取之二特征提取的方法是很多的。从一个模式中提取什么特征，将因不同的模式而异，并且与识别的目的、方法等有直接关系。常用的方法有离散直角坐标系中的弗里曼链码法等。断线的接续是特征提取中的一个处理步骤。最基本的方法是利用膨胀和收缩技术。另一种方法是山脊线寻迹法。