数字图像处理课件（冈萨雷斯）第9章图像分类识别

第9章 图像分类识别 9.1 图像匹配 9.2 图像的分类 9.3 图像识别 Date1 概述 前面介绍了图像的分割技术，它是将图像分成不同的 目标物和背景区域。又介绍了对目标物区域的描述方 法，所有这些都是为图像的分类识别做准备。 一个图像识别系统大体上可以分成三个部分： (1) 信息的获取部分； (2) 信息的加工和处理； (3) 进行判断和分类。 Date2 9.1 图像匹配 几个概念： 1）要判定搜索图像中是否存在某一目标物，可以事先将该目 标物从标准图像中分割提取出来，以矩阵形式表示成代表该目 标物的样板，该样板就称做模板。 2）根据该模板与一幅图像的各部分的相似度，判定其是否存 在，并求得目标物在图像中的位置，这一操作就叫模板匹配。 3）模板匹配最基本的原则就是通过计算相关函数来找到它在 被搜索图像中的坐标位置。 4）匹配的方法包括基于模板的相关匹配、基于特征的最近匹 配等。其核心思想是要找出在图像不同部分找到目标对应关系 。 Date3 9.1 图像匹配 Date4 9.1 图像匹配 Date5 9.1 图像匹配 Date6 9.1 图像匹配 Date7 9.1 图像匹配 Date8 9.1 图像匹配 Date9 9.2 图像的分类 Date10 9.2 图像的分类 Date11 9.2 图像的分类 输入未知模式后研究这一特征矢量进入到哪个区域，就将区域的 类别名赋予它。一般类别i和j 的区域边界可以表示为 在类别i的区域内有 ，在类别j的区域内 常用的判别函数有：距离函数，统计决策理论，线性判别函数 Date12 9.2 图像的分类 把距离作为判别函数的分类法是最简单的分类法。如图9.2.3所 示，求出与模式X距离最近的训练样本或者各类的平均值，并把X 分在相应的类中。常用的距离判别函数有： 1.距离函数 Date13 9.2 图像的分类 Date14 9.2 图像的分类 Date15 9.3 图像识别 Date16 统计模式识别 1）数字化是要将图像信号转化为能够被计算机读取的 数字信号； 2）预处理的步骤是去除干扰和噪声，并将原始信号变 成能够有利于抽取图像特征的形式（也可包括图像分割 ）； 3）最后再对预处理后的信息分析并进行特征抽取。 统计模式识别是最基本的识别技术之一，其过程如下 9.3 图像识别 Date17 9.3 图像识别 Date18 9.3 图像识别 Date19 9.3 图像识别 Date20 9.3 图像识别 Date21 9.3 图像识别 Date22 1)预处理的目的是:通过模式的编码和近似来压缩样本数据，通 过滤波、复原和增强，来消除噪声和复原缺损，以利于下一步 的模式描述。 2)模式描述部分由模式分割和基元抽取两部分组成。 3)文法推理和句法分析构成结构模式识别理论的中心内容。文 法推理类似统计模式识别中的监督学习和统计分类中的监督分 类，其通过已知类别的一组样本推断出描述该类模式的文法。 句法分析是判断输入模式是否由学习过程中所推断出来的文法 产生，因而是一个识别过程。也可以用匹配器代替句法分析。 结构模式识别系统由三个主要部分组成，分别是：预处理、 模式描述和句法分析。 结构模式识别 9.3 图像识别 Date23 9.3 图像识别 Date24 9.3 图像识别 图是常见的三种非线性变换函数f，其中（a）为强制性函数，（b）为逻辑性 函数，（c）是最常见的一种作用函数，称为Sigmoid型。 处理单元（神经元）的输入与输出间的关系由下式给出： Date25 9.3 图像识别 神经网络的独特性在于可利用一个称为感知机 （perceptron）的神经网络模型，将线性阈值单元作为 输出单元，感知机通过算法的训练学习过程，不断调整 权重系数，最终能找到一组实