第九章 图像处理与识别95ppt课件

图像处理和识别技术图像处理和识别技术 王爽 图像识别 运用模式识别的原理对图像对象进行分类的学问 模式可以定义为物体的描述。由于描述这 个词的意义比较广泛，有人把它推广到图 像数据本身。因此，我们也可以将模式解 释为物体的较抽象的特征和描述。 模式(pattern) A、事物所具有的时间或空间分布信息。（狭义 ） B、描绘子的组合。（更狭义） 图像识别的流程 图像采集 预处理 特征提取 识别结果 匹配或分类样板或模型 图像匹配的基本原理 图像匹配是利用相关函数，评价两块图 像的相似性以确定目标的位置。首先取 出标准目标的图像数据，然后取出待测 影像中以待测点为中心的相应区域的图 像数据，计算两者的相关系数，以相关 系数最大值对应的相应区域中心点为目 标的位置。 相关函数的定义 相关系数法 取两影像窗口灰度的相关系数为相关函数 值。相关系数定义如下：（越大越相似） x is the gray level in the template image； x is the average grey level in the template image； y is the gray level in the source image； y is the average grey level in the source image； N is the number of pixels in the section image ； (N= template image size = columns * rows)； The value cor is between 1 and +1, with larger values representing a stronger relationship between the two images. 相关系数法举例 13 20 24 31 模板图像图像B 图像A 01 01 相关系数值: SA =1 SB=？（abs(SB)1） v 特征模板匹配 v 特征匹配 图像匹配的基本过程 x,y Template Image Input Image I(x,y)O(x,y) Output Image x,yCorrelation The matching process moves the template image to all possible positions in a larger source image and computes a numerical index that indicates how well the template matches the image in that position. Match is done on a pixel-by-pixel basis. 图像匹配过程示意图 Projection of 3x3 template The Moving Window scans the 3x3 neighborhood of every pixel in the classified image. Matched Image 二值模板图像 Template is a small image. Find template in source image, with a Yes/No approach. TemplateSource 灰度模板图像 When using template-matching scheme on grey-level image it is unreasonable to expect a perfect match of the grey levels. Instead of yes/no match at each pixel, the difference in level should be used. Template Source Image Matlab应用实例 Template Data Set 1Data Set 2 Data Set 3Data Set 4Data Set 5 Matlab Data SetMatlab Data Set Data Set 1 Correlation Map with Peak Source Image, Found Rectangle, and Correlation Map Data Set 2 Correlation Map with PeakSource Image and Found Rectangle Data Set 3 Correlation Map with PeakSource Image and Found Rectangle Data Set 4 Correlation Map with PeakSource Image and Found Rectangle Data Set 5 Correlation Map with PeakSource Image Data Set 5, Results Threshold set to 0.800Threshold set to 0.200 通过匹配搜索同名点的例子 模式识别的基本问题 （1）特征如何提取？-特征产生 （2）最有效的特征是那些特征？-特征选择 （3）对特定任务，如何设计分类器？ -分类器设计 （4）分类器设计后，如何评价分类器？分类错误 率是多少？ -分类器评价 模式可以是以矢量形式表示的数字特征； 也可以是以句法结构表示的字符串或图 ； 还可以是以关系结构表示的语义网络或 框架结构等。 对于上述三种类型的模式，必须分别使用 不同的识别和推理方法：统计模式识别， 句法模式识别和人工智能方法。 统计模式识别 基本原理是：有相似性的样本在模式空间中互相接 近，并形成“集团”，即“物以类聚”。 主要方法有：决策函数法， k近邻分类法，支持向 量机，特征分析法，主因子分析法等 参考书籍：统计模式识别(Andrew R.Webb) Jain A K, Duin R P W, Jianchang Mao. Statistical pattern recognition: a review. Pattern Analysis and Machine Intelligence, 2000. 22(1) : 437. 句法（或结构）模式识别 基于形式语言理论的概念为基础。模式按 其结构分解为子模式或模式基元，模式基元 的连接关系以文法形式进行描述。 一个场景的示意图 场景结构的分析 模糊模式识别 模糊集理论，Zadeh，1965 模糊集理论在模式识别中的应用 神经网络模式识别 特点：具有信息分布式存储、大规模自适应并行处 理、高度的容错性以及学习能力 缺点：实际应用中仍有许多因素需要凭经验确定， 比如如何选择网络节点数、初始权值和学习步长等 ；局部极小点问题、过学习与欠学习问题等 特征提取和特征选择 l 特征提取：原始特征的数量可能很大，通过映射（ 或变换）的方法可以用低维空间表示样本，这个过 程叫做特征提取。映射后的二次特征是原始特征的 线性组合（通常是线性组合）。 l 特征选择：从一组特征中挑选出一些最有效的特征 以达到降低特征空间维数的过程。 水果（如苹果和桔子桔子） 图像自动识 别系统：选择那些有效特征，可以 把苹果和桔子有效地区分开来？ 32 Im 周杰伦 Im 周杰伦 Im 周杰伦 Im 例如：一幅96x64的图象 （a）Gabor变换提取特征； （b）小波变换提取特征； （c）细节点 （分叉点、端点） 分类器设计 分类器设计的主要功能是通过训练确定 判决规则，使按此类判决规则分类时， 错误率最低或风险最小。 分类决策 在特征空间中对被识别对象进行分类。 选择一个明确的目标，一直朝它奔去 。你可能永远达不到你的目的，但是，在 你前进途中，一定会找到一些有兴趣的东 西。 -费利克斯 克莱因- 作业