圖像模式識(shí)別的方法介紹-資料下載頁(yè)
2025-06-26 12:42本頁(yè)面
【正文】 自下而上金字塔的量化變得越來越粗糙，而且速度很快。高斯金字塔里有兩個(gè)概念：組（Octave）和層（Level或Interval），每組里有若干層。高斯金字塔的構(gòu)造是這樣的，第一組的第一層為原圖像，然后將圖像做一次高斯平滑（高斯卷積、高斯模糊），高斯平滑里有一個(gè)參數(shù)σ，然后將σ乘一個(gè)比例系數(shù)k作為新的平滑因子來平滑第一組第二層得到第三層。重復(fù)若干次，得到L層他們分別對(duì)應(yīng)的平滑參數(shù)為：0，σ，kσ，k2σ，……。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(duì)第二組的第一層做參數(shù)是σ的高斯平滑，對(duì)第二層做kσ的平滑得到第三層，以此類推。每組對(duì)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。 模糊模式識(shí)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(duì)事物識(shí)別的思維邏輯，結(jié)合人類大腦識(shí)別事物的特點(diǎn)，將計(jì)算機(jī)中常用的二值邏輯轉(zhuǎn)向連續(xù)邏輯。在圖像識(shí)別領(lǐng)域應(yīng)用時(shí)該方法可以簡(jiǎn)化圖像識(shí)別系統(tǒng)，并具有實(shí)用、可靠等特點(diǎn)。 模式識(shí)別是一門邊緣學(xué)科，它和許多技術(shù)學(xué)科有著密切的聯(lián)系，它本身就是人工智能的重要組成部分，因此，從本質(zhì)上來說，模式識(shí)別所要討論的核心問題，就是如何使機(jī)器能模擬人腦的思維方法，來對(duì)客觀事物進(jìn)行有效的識(shí)別和分類。一方面現(xiàn)有的廣為運(yùn)用的統(tǒng)計(jì)模式識(shí)別方法與人腦進(jìn)行模式識(shí)別相比，其差別還很大，另一方面待識(shí)別的客觀事物又往往具有不同程度的模糊性。 不少學(xué)者試圖運(yùn)用模糊數(shù)學(xué)的方法來解決模式識(shí)別問題，形成一個(gè)專門的研究領(lǐng)域模糊模式識(shí)別(Fuzzy Pattern Recognition)。比較成熟的理論和方法有最大來屬原則、基于模糊等價(jià)關(guān)系的模式分類、基于模糊相似關(guān)系的模式分類和模糊聚類，其中模糊聚類方法的研究和應(yīng)用尤為成功和廣泛。目前，模糊模式識(shí)別方法已廣泛應(yīng)用圖形識(shí)別、染色體和白血球識(shí)別、圖象目標(biāo)的形狀分析、手寫體文字識(shí)別等，但其中也遇到不少困難，其中一個(gè)典型的例子就是隸屬函數(shù)的確定往往帶有經(jīng)驗(yàn)色彩。 應(yīng)用模糊方法進(jìn)行圖像識(shí)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(jì)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)的值即隸屬度共同決定。隸屬度表示對(duì)象隸屬某一類的程度。 神經(jīng)網(wǎng)絡(luò)的研究始于20世紀(jì)40年代，上世紀(jì)80年代開始在各國(guó)廣泛興起，神經(jīng)網(wǎng)絡(luò)模式識(shí)別源于對(duì)動(dòng)物神經(jīng)系統(tǒng)的研究，通過采用硬件或軟件的方法，建立了許多以大量處理單元為結(jié)點(diǎn)，各單元通過一定的模式實(shí)現(xiàn)互聯(lián)的拓?fù)渚W(wǎng)絡(luò)。該網(wǎng)絡(luò)通過一定的機(jī)制，能夠模仿人的神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。神經(jīng)網(wǎng)絡(luò)是一種全新的模式識(shí)別技術(shù)，它具有以下幾個(gè)方面的特點(diǎn):(1)神經(jīng)網(wǎng)絡(luò)具有分布式存儲(chǔ)信息的特點(diǎn)。(2)神經(jīng)元能夠獨(dú)立運(yùn)算和處理收到的信息，即系統(tǒng)能夠并行處理輸入的信息。(3)具有自組織、自學(xué)習(xí)的能力。9 / 9
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1