圖像模式識別的方法介紹(完整版)
【正文】 階段，這個階段的任務(wù)是為樸素貝葉斯分類做必要的準(zhǔn)備，主要工作是根據(jù)具體情況確定特征屬性，并對每個特征屬性進(jìn)行適當(dāng)劃分，然后由人工對一部分待分類項進(jìn)行分類，形成訓(xùn)練樣本集合。注意，類的先驗概率可以用計算其中si是類Ci中的訓(xùn)練樣本數(shù)，而s是訓(xùn)練樣本總數(shù)。（2）假定有m個類C1,C2,…Cm。 4）非線性判別函數(shù) 線性判決函數(shù)的特點是簡單易行，實際應(yīng)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(shù)轉(zhuǎn)換為線性判決函數(shù)，所以又稱為廣義線性判決函數(shù)。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(biāo)準(zhǔn)模板進(jìn)行匹配，若某一模板與待識模式的絕大多數(shù)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(jié)果。特征選取模塊主要負(fù)責(zé)找到合適的特征來表示輸入模式。 統(tǒng)計模式識別是目前最成熟也是應(yīng)用最廣泛的方法，它主要利用貝葉斯決策規(guī)則解決最優(yōu)分類器問題。這就是句法模式識別的基本思想。此外，近些年隨著對模式識別技術(shù)研究的進(jìn)一步深入，模糊模式識別方法和神經(jīng)網(wǎng)絡(luò)模式識別方法也開始得到廣泛的應(yīng)用?；谏侍卣鞯淖R別技術(shù)主要針對彩色圖像，通過色彩直方圖具有的簡單且隨圖像的大小、旋轉(zhuǎn)變換不敏感等特點進(jìn)行分類識別。支配基元組成模式的規(guī)則稱為文法。不同的模式類對應(yīng)著不同的文法，描述不同的目標(biāo)。其基本模型是:對被研究圖像進(jìn)行大量統(tǒng)計分析，找出規(guī)律性的認(rèn)識，并選取出反映圖像本質(zhì)的特征進(jìn)行分類識別。統(tǒng)計模式識別的另一種分類方法是根據(jù)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。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(quán)系數(shù)。通俗來說，就好比這么個道理，你在街上看到一個黑人，我問你你猜這哥們哪里來的，你十有八九猜非洲。如果類的先驗概率未知，則通常假定這些類是等概率的，即P(C1)=P(C2)=…=P(Cm)。（b）如果Ak是連續(xù)值屬性，則通常假定該屬性服從高斯分布，因而， （）其中，給定類Ci的訓(xùn)練樣本屬性Ak的值，是屬性Ak的高斯密度函數(shù)，而分別為平均值和標(biāo)準(zhǔn)差。這一階段是機(jī)械性階段，根據(jù)前面討論的公式可以由程序自動計算完成。SNBC的結(jié)構(gòu)比NBC緊湊，在SNBC的模型構(gòu)建過程中，依照一定的標(biāo)準(zhǔn)將關(guān)聯(lián)程度較大的基本屬性(即NBC中的特征屬性)合并在一起構(gòu)成“組合屬性”(也稱之為“大屬性”)。多分辨率理論將多種學(xué)科的技術(shù)有效地統(tǒng)一在一起，如信號處理的子帶編碼、數(shù)字語音識別的積分鏡像過濾以及金字塔圖像處理。然后將最后一幅圖像做比例因此為2的降采樣得到第二組的第一層，然后對第二組的第一層做參數(shù)是σ的高斯平滑，對第二層做kσ的平滑得到第三層，以此類推。
試題試卷相關(guān)推薦
鄂ICP備17016276號-1