圖像模式識別的方法介紹-文庫吧
2025-06-11 12:42 本頁面
【正文】 統計模式識別方法以數學上的決策理論為基礎建立統計模式識別模型。其基本模型是:對被研究圖像進行大量統計分析，找出規(guī)律性的認識，并選取出反映圖像本質的特征進行分類識別。統計模式識別系統可分為兩種運行模式:訓練和分類。訓練模式中，預處理模塊負責將感興趣的特征從背景中分割出來、去除噪聲以及進行其它操作。特征選取模塊主要負責找到合適的特征來表示輸入模式。分類器負責訓練分割特征空間。在分類模式中，被訓練好的分類器將輸入模式根據測量的特征分配到某個指定的類。統計模式識別組成如圖2所示。圖2 統計模式識別模型統計模式識別根據采用方法的不同可以進行多種形式的分類：通過貝葉斯決策理論對條件密度已知的樣本進行分類；對于類條件密度不明的情況，可根據訓練樣本的類別是否己知將分類問題分為監(jiān)督學習和非監(jiān)督學習兩大類；監(jiān)督學習和非監(jiān)督學習又可根據是否通過參數決策分為參數估計和非參數估計。統計模式識別的另一種分類方法是根據決策界是否直接得到將其分為幾何方法和基于概率密度的方法。幾何方法經常直接從優(yōu)化一定的代價函數構造決策界。而基于概率密度的方法要首先估計密度函數然后構造分類函數指定決策界。幾何分類法 1) 模板匹配法它是模式識別中的一個最原始、最基本的方法，它將待識模式分別與各標準模板進行匹配，若某一模板與待識模式的絕大多數單元均相匹配，則稱該模板與待識模式“匹配得好”，反之則稱“匹配得不好”，并取匹配最好的作為識別結果。 2）距離分類法 距離是一種重要的相似性度量，通常認為空間中兩點距離越近，表示實際上兩樣本越相似。大約有十余種作為相似性度量的距離函數，其中使用最廣泛的是歐氏距離。它是使用最為廣泛的方法，常用的有平均樣本法、平均距離法、最近鄰法和Ｋ－近鄰法。 3）線性判別函數 和上述的方法不同，判決函數法是以判決邊界的函數形式的假定為其特性的，而上述的方法都是以所考慮的分布的假定為其特性的。假如我們有理由相信一個線性判決邊界取成： 是合適的話，那么剩下的問題就是要確定它的權系數。權系數可通過感知器算法或最小平方誤差算法來實現。但作為一條規(guī)則，應用此方法必須注意兩點；第一就是方法的可適性問題，第二就是應用判決函數后的誤差準則。 4）非線性判別函數 線性判決函數的特點是簡單易行，實際應用中許多問題往往是非線性的，一種處理的辦法將非線性函數轉換為線性判決函數，所以又稱為廣義線性判決函數。另一種方法借助電場的概念，引入非線性的勢函數，它經過訓練后即可用來解決模式的分類問題。 2 概率分類法 幾何分類法是以模式類幾何可分為前提條件的，在某些分類問題中這種條件能得到滿足，但這種條件并不經常能得到滿足，模式的分布常常不是幾何可分的，即在同一區(qū)域中可能出現不同的模式，
試題試卷相關推薦
鄂ICP備17016276號-1