数字图像识别与解释ppt课件

1、第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释数字图像处置北京大学计算机研讨所 陈晓鸥第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释第四节 识别与解释3.4.1 图像分析引言3.4.2 图像分析系统的组成3.4.3 方式与方式类3.4.4 决策论法3.4.5 构造法第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.1 识别与解释：图像分析引言 图像分析引言 图像分析的定义 图像分析的目的 自动图像分析系统行为才干的概念化分类 自动图像分析系统的现状第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与

2、解释识别与解释3.4.1 识别与解释:图像分析引言 图像分析的定义 图像分析是一个发现、识别和了解方式的过程，这些方式都与执行与图像相关的义务有关。 图像分析的目的 计算机图像分析的主要目的之一是，赋予某些具有觉得才干的机器，以类似人的大脑的才干。例如OCR第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.1 识别与解释:图像分析引言 自动图像分析系统行为才干的概念化分类 获取、发现信息：从背景中提取有关信息 学习、运用知识：笼统、归纳信息特征的学习过程，并运用到新的对象中。 构造、推理知识：从不完好的信息中构造推论出新的知识，并加以运用。第三章第三章 数字图像

3、分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.1 识别与解释:图像分析引言 自动图像分析系统的现状 我们可以设计出这种系统，但依然缺乏实际根据。有待人类视觉认识实际的进一步研讨。 我们可以做出在某一运用上超越人的才干的系统，但缺乏扩展性。过分依赖运用。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.2 识别与解释:图像分析系统组的成 图像分析技术分类的三种根本范畴 低级处置：图像获取、预处置，不需求智能 中级处置：图像分割、表示与描画，需求智能 高级处置：图像识别、解释，短少实际，为降低难度，设计得更公用。第三章第三章 数字图像分析数字图像分析

4、第四节第四节 识别与解释识别与解释 图像分析技术分类的三种根本范畴知识库知识库分割分割表示与描画表示与描画识别识别与与解释解释预处置预处置图像获取图像获取低级处置高级处置中级处置结果问题3.4.2 识别与解释:图像分析系统组的成第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释 图像识别与解释的根本方法 识别的统计分类方法：用向量方式表达方式；分派方式向量到不同的方式类。 识别的构造方法：用符号匹配，方式被表示为符号方式如外形数、串和树 图像解释的方法：图像解释技术是基于谓词逻辑、语义网络和特定产品的系统。3.4.2 识别与解释:图像分析系统组的成第三章第三章 数字图像

5、分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.3 识别与解释:方式与方式类 方式与方式类 方式的定义 方式类的定义 方式识别的定义 常用的方式序列 方式向量 方式串 方式树第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.3 识别与解释:方式与方式类 方式的定义 方式是图像中的一个对象或某些感兴趣本质的数量或构造的描画 方式是由一个或多个描画子来组成，换句话说，方式是一个描画子的序列名词“特征经常被用来代指描画子 方式是一组特征或一组描画子第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释 方式类的定义 方式类是具有某些公共

6、特征的方式的系列 方式类用w1,w2,wM表示，M是类的个数 方式识别的定义 根据图像中对象的特征组成的方式，确定对象是属于那一个方式类，即为方式识别 方式与方式类举例 知汽车的长、宽、高x1,x2,x3,希望识别出，大客车、小轿车、卡车w1,w2,w33.4.3 识别与解释:方式与方式类第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释 常用的方式序列 方式向量、方式串、方式树 方式向量 方式向量用粗体的小写字母表示，如x,y方式如下： 其中每一个xi代表第i个描画子，n是这种描画子的数量。方式向量被表示为一列或表示成 x = (x1, x2, , xn)T， 其中T

7、指出是转秩x = x1x2.xn3.4.3 识别与解释:方式与方式类第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释方式向量举例 假设我们想描画三种蝴蝶花多毛的、维吉尼亚、多色的经过丈量它们花瓣的宽度和长度。这里涉及一个两维的方式向量： 其中x1、x2分别对应花瓣的长和宽 三种方式类用w1、w2、w3表示x = x1x23.4.3 识别与解释:方式与方式类第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释 由于一切的花瓣在宽和长上都有某种程度的变化，所以描画这些花瓣的方式向量也将有变化，不仅在不同的类之间，而且也在类的内部在这种情况下每一种花变

8、成二维欧几里德空间的一个点3.4.3 识别与解释:方式与方式类第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.3 识别与解释:方式与方式类1234567x1 花瓣长0.51.01.52.02.53.0 x2 花瓣宽多毛的维吉尼亚多色的第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释对结果的分析 对花瓣长宽的丈量，胜利地将多毛的蝴蝶花与其它两种分别，但对于分别维吉尼亚和多色的是失败的。 这个结论阐明了分类的特性选择问题，在这个问题中，类的可分别性的程度，完全依赖于对方式尺寸丈量的选择3.4.3 识别与解释:方式与方式类第三章第三章 数字

9、图像分析数字图像分析 第四节第四节 识别与解释识别与解释方式串 用于以对象特征的构造或空间关系作为方式的识别方式串举例：梯状的方式3.4.3 识别与解释:方式与方式类abaaabbb(1) S-aA(2) A-bS (3) A-b第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释方式树 以分层目录构造排序的方式类，普通多采用树构造方式树举例3.4.3 识别与解释:方式与方式类图像图像城市城市田园田园城区城区内城内城市郊市郊公路公路 草地草地森林森林文娱区文娱区 商业区商业区文娱区文娱区 商业区商业区第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解

10、释3.4.4 识别与解释:决策论法 决策论法 决策论法的根本概念 匹配 最小间隔分类器 相关匹配第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 决策论法的根本概念 决策论识别法的定义 设：方式向量：x = (x1, x2, ,xn)T， 对于：M个方式类 w1,w2,wM， 寻觅M个决策函数d1(x), d2(x), , dM(x),具有这 样的特性：假设方式x属于方式类wi,那么：di(x) dj(x) j = 1, 2, , M; j i 换句话说，假设一个未知方式x属于第i个方式类， 把x代入一切的决策函数，di(x)的数值最大

11、。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 决策论法的根本概念 决策边境的定义 对于方式x，假设断策函数值有： di(x) - dj(x) = 0 此x值，被称为wi与wj的决策边境。 通常用一个单一的函数标识两个类之间的决策 边境，定义为：dij(x) = di(x) - dj(x) = 0 假设 dij(x) 0 x 属于类wi 假设 dij(x) 0 x 属于类wj第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 最小间隔分类器 以蝴蝶花的例子为例： 1为多色

12、w1和多毛w2 的两种蝴蝶花，确定两个原形或称模板m1和m2 2对于一个未知方式向量x，判别x与m1和m2的间隔，假设与m1的间隔小于与m2的间隔，那么x属于w1，否那么属于w2 。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法1234567x1 花瓣长花瓣长0.51.01.52.02.53.0 x2 花瓣宽花瓣宽多毛的多毛的多色的多色的m1m2x第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 最小间隔分类器 1算法思想： 对于M个方式类 wj j = 1,2,.,M

13、为每一个方式类确定一个原形方式向量mj 对于一个未知方式向量x，假设x与mi的间隔最小，就称，x属于wi。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 最小间隔分类器 2最小间隔分类器定义： 1计算方式类wj的原形向量：mj = 1/Nj x j = 1,2, , M xwj 其中Nj是属于方式类wj的方式向量的个数。 经过计算知属于wj的方式向量的各分量的 均值得到原形方式向量mj第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 最小间隔分类器 2计算x 与 m

14、i的间隔 dj(x) = | x mj | j = 1, 2, , M 其中 | a | = (aTa)1/2是欧几里德范式 平方和开方 3决策 假设，di(x) = min(dj(x) j = 1, 2, , M 就说：x 属于wi第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 最小间隔分类器 改写成求最大的规范方式，决策函数为： dj(x) = xTmj 1/2mjTmj j = 1,2, , M 假设，di(x) = max(dj(x) j = 1, 2, , M 就说：x 属于wi 4类wi和wj之间的决策边境是：dij

15、(x) = di(x) - dj(x) = xTmi mj 1/2(mi mj)T(mi mj) = 0第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法（3举例：（多色的和多毛的蝴蝶花，用w1和w2分别表示，（有简单的原形向量（m1 = (4.4, 1.3)T m2 = (1.5, 0.3)T（决策函数是：（d1(x) = xTm1 1/2m1Tm1 = 4.3x1 + 1.3x2 10.1（d2(x) = xTm2 1/2m2Tm2 = 1.5x1 + 0.3x2 1.17（决策边境的等式：（d12(x) = d1(x) d2(x)

16、= 2.8x1 1.0 x2 8.9 = 0第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法1234567x1 花瓣长花瓣长0.51.01.52.02.53.0 x2 花瓣宽花瓣宽多毛的多毛的多色的多色的第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 相关匹配 (1) 相关匹配的根本思想: a. 用样板子图像直接作为方式不是用描画子 b. 经过子图像与原图像直接进展相关计算，把 相关计算作为决策函数。 c. 相关计算获得最大值的位置，就被以为匹配 胜利。第三章第三章 数字

17、图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法相关匹配(1) 相关匹配根本思想第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 相关性匹配Mx原点原点Nyf(x,y)(s,t)Jsw(x-s,y-t)Kt第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 相关匹配 (2) 算法描画 决策函数是相关函数 c(s,t) = f(x,y)w(x-s,y-t) x y 对图像的每一个点进展相关计算，只计算重叠部分。 问题：在边境处将失去

18、准确性，其误差与子图像的尺寸成正比第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法相关性匹配(3) 改良相关函数对振幅的变化太敏感，f(x,y)加倍，c(s,t)也加倍。用相关系数函数替代相关函数 f(x,y) f(x,y)w(x-s,y-t) w(s,t)= f(x,y)f(x,y)2w(x-s,y-t) w21/2 x y x y (s,t)的值域为-1，1第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法相关性匹配(4) 对旋转和比例变化的分析当被匹配图像中，对象的尺寸和角度

19、与方式不一致，此方法将失效。尺寸的正那么化，处理空间比例的问题。正那么化模板与原图。假设知道原图像的旋转角度，我们可以经过旋转原图像，对齐方式处理。假设被匹配的对象的角度恣意，有结论:此方法不能用于这种问题。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:决策论法 匹配 相关性匹配 (5) 关于空域计算 相关函数，可以在频域计算。f(x,y)w(x,y) f(s,t)w(s,t) 但在何种情况下，没有更有优势的实际根据。相关系数方式只能在空域进展。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:

20、构造法 构造法 匹配外形数 匹配串第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 构造法 决策法，经过量化的方法处置方式，最大限制地忽略了方式外形的内在构造关系。 构造法，那么力求经过准确地抓住这些不同方式类的内在构造关系来进展方式识别。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 匹配外形数 (1) 匹配外形数的根本思想 经过比较两个对象边境的外形数的类似程度，来匹配对象。例如：未知方式原形方式类第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4

21、.4 识别与解释:构造法 匹配外形数 (2) 根本概念-a a.两个区域边境的类似级别k的定义： 一样外形数的最大序号：即： 当思索用4向链码表示的封锁区域边境的外形数时，A和B具有类似级别k，假设满足s4(A) = s4(B), s6(A) = s6(B), s8(A) = s8(B), sk(A) = sk(B), sk+2(A) sk+2(B), sk+4(A) sk+4(B), ，这里s表示外形数,下标表示序号。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 匹配外形数 (2) 根本概念-b b.两个区域边境A和B外形数的间隔D

22、(A,B) 类似级别的倒数 ：D(A,B) = 1 / k 间隔满足如下性质： D(A,B) 0 D(A,B) = 0 iff A=B D(A,C) maxD(A,B),D(B,C)第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 匹配外形数 (3) 算法思想 a. 用不同密度的网格划分边境区域，获得不同序数的外形数。 b. 假设运用类似级别k，k越大阐明越类似。 c. 假设运用类似间隔D，D越小阐明越类似 d. 可以利用类似树来进展判别第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造

23、法 匹配外形数 4举例 假设我们有一个外形F，想在另5个外形A，B，C，D，E中找到与其最类似的外形ABCDEF第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 这个问题类似于有五个原型外形，想找出这个问题类似于有五个原型外形，想找出一个给定的尚不确定的外形的最正确匹配的问题。一个给定的尚不确定的外形的最正确匹配的问题。这个问题可以利用类似树和矩阵来可视化这个问题可以利用类似树和矩阵来可视化468101214ABCDEFABCDEFBCDEFAAAABECFBEDDDCFCF BEA B C D E FABEDCF 6 6 6 6 6 8

24、 8 10 8 8 8 12 8 8 8 第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 串匹配 1串匹配的根本思想 比较两个边境的串编码的类似程度，来进展匹配 2三个根本概念设: 两个区域边境A和B已分别被编码 为串a1a2an和b1b2bm。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 串匹配 a.两个串的匹配数M: 当 ak= bk 时我们说发生了一个匹配。令M代表A、B中匹配的总数。 b.不匹配的符号数量Q：Q = max|A|，|B|- M 这里|arg|是字符串的长度。当且仅当A和B完全一样时，Q = 0。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 串匹配 c. A和B类似度的简便衡量R: R = M/Q = M / max(|A|,|B|) - M 因此，当A和B完全匹配时，R = ； 当A和B中任何字符都不匹配时， M = 0，R = 0。第三章第三章 数字图像分析数字图像分析 第四节第四节 识别与解释识别与解释3.4.4 识别与解释:构造法 串匹配 3