圖像模式識別的方法介紹(更新版)
【正文】 目前，模糊模式識別方法已廣泛應(yīng)用圖形識別、染色體和白血球識別、圖象目標(biāo)的形狀分析、手寫體文字識別等，但其中也遇到不少困難，其中一個典型的例子就是隸屬函數(shù)的確定往往帶有經(jīng)驗色彩。9 / 9。隸屬度表示對象隸屬某一類的程度。 模糊模式識別的理論基礎(chǔ)是20世紀(jì)60年代誕生的模糊數(shù)學(xué)，它根據(jù)人對事物識別的思維邏輯，結(jié)合人類大腦識別事物的特點，將計算機(jī)中常用的二值邏輯轉(zhuǎn)向連續(xù)邏輯。其優(yōu)勢很明顯，某種分辨率下無法發(fā)現(xiàn)的特性在另一種分辨率下將很容易被發(fā)現(xiàn)。圖是SNBC的模型示意圖。這個階段的任務(wù)是使用分類器對待分類項進(jìn)行分類，其輸入是分類器和待分類項，輸出是待分類項與類別的映射關(guān)系。樣本X被指派到類Ci，當(dāng)且僅當(dāng)換言之，X被指派到其最大的類Ci。否則，最大化。樸素貝葉斯分類的工作過程如下：（1）每個數(shù)據(jù)樣本用一個n維特征向量表示，分別描述對n個屬性A1,A2,…An樣本的n個度量。但作為一條規(guī)則，應(yīng)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(yīng)用判決函數(shù)后的誤差準(zhǔn)則。而基于概率密度的方法要首先估計密度函數(shù)然后構(gòu)造分類函數(shù)指定決策界。訓(xùn)練模式中，預(yù)處理模塊負(fù)責(zé)將感興趣的特征從背景中分割出來、去除噪聲以及進(jìn)行其它操作。實際應(yīng)用還有一定的困難。即以這個句子是否符合某特定文法，以判別它是否屬于某一類別。從模式特征選擇及判別決策方法的不同可將圖像模式識別方法大致歸納為兩類:統(tǒng)計模式(決策理論)識別方法和句法(結(jié)構(gòu))模式識別方法。基于紋理特征的識別方法是通過對圖像中非常具有結(jié)構(gòu)規(guī)律的特征加以分析或者則是對圖像中的色彩強(qiáng)度的分布信息進(jìn)行統(tǒng)計來完成。當(dāng)每個基元被識別后，利用句法分析就可以作出整個的模式識別。為了得到于模式類相適應(yīng)的文法，類似于統(tǒng)計模式識別的訓(xùn)練過程，必須事先采集足夠多的訓(xùn)練模式樣本，經(jīng)基元提取，把相應(yīng)的文法推斷出來。統(tǒng)計模式識別系統(tǒng)可分為兩種運(yùn)行模式:訓(xùn)練和分類。幾何方法經(jīng)常直接從優(yōu)化一定的代價函數(shù)構(gòu)造決策界。權(quán)系數(shù)可通過感知器算法或最小平方誤差算法來實現(xiàn)。為什么呢？因為黑人中非洲人的比率最高，當(dāng)然人家也可能是美洲人或亞洲人，但在沒有其它可用信息下，我們會選擇條件概率最大的類別，這就是樸素貝葉斯的思想基礎(chǔ)。并據(jù)此只對最大化。（5）為對未知樣本X分類，對每個類Ci，計算。 第三階段——應(yīng)用階段。邏輯上，SNBC中的組合屬性與NBC中的基本屬性沒有根本性差別，SNBC的各個組合屬性之間也是相對于類別屬性相互獨立的。正如其名字所表達(dá)的，多分辨率理論與多種分辨率下的信號（或圖像）表示和分析有關(guān)。每組對應(yīng)的平滑因子是一樣的，這樣反復(fù)形成了O組L層，組建成高斯金字塔。 應(yīng)用模糊方法進(jìn)行圖像識別的關(guān)鍵是確定某一類別的隸屬函數(shù)，而各類的統(tǒng)計指標(biāo)則要由樣本像元的灰度值和樣本像元的隸屬函數(shù)的值即隸屬度共
試題試卷相關(guān)推薦
鄂ICP備17016276號-1