40年代電子計算機發(fā)明以后逐漸發(fā)展起來的-文庫吧資料
2025-07-01 05:40本頁面
【正文】 i=1:2h(i)=(pcasampmean_sap(i).dat)’*S_inv(i).dat*(pcasampmean_sap(i).dat)*()+log(p(i)+log(abs(s_det(i)))*()。) ； ％ 求個類別的協(xié)方差矩 陣s_inv(i).dat=inv(s_cov(i).dat) ； ％求協(xié)方差矩 陣的逆矩陣一s_det(i)=det(s_cov(i).dat) ； ％ 求協(xié)方差矩陣的行列式endsuml=0。分塊主色法是統(tǒng)計 圖像每個分塊主色來突出顏 色的空間關系 ，適用于主題位置相對固定的分類問題 ，對于變化較大的圖像效果會明顯減弱。 分塊主色的實現(xiàn)本文對圖像二維空間進行 4 * 4 的劃分。根據人 的視覺分辨能力的分 析 ，顏色大致劃分為如下9種 ：紅、黃 、綠、青、藍、紫、黑、灰和白，依據這九種顏色就可以大致描述一幅圖像。色調 H表示表示光的顏色 ，飽和度S表示光的濃度，亮度v表示光的明暗程度 。對于兩類問題 ， 所以用后驗概率來判別HSV顏色空間比較其它的顏色空間更適合人的視覺特性 。則任給一x，判斷x的類別 。其設計方法屬 于一種基本的統(tǒng)計分類方法。如果統(tǒng)計知識完整 ，貝葉斯決策理論是一種最優(yōu)分類器。一般情況下，事件A在事件B的條件下的概率，與事件 B 在事件A條件下的概率不相等 ，然而，這兩者是有確定關系的，貝葉斯法則就是這種關系的描述 。首先建立識別對象的訓練集，其中每點的類別已知 ，根據這些條件，建立判別函數(shù)，通過現(xiàn)有的樣品估計判別函數(shù)中的參數(shù)，然后用此判別函數(shù)去對類別未知的樣品進行判定 。imshow(1re)。 %最小平方差 endendfigure。for i=HH+1:m+HH for j=WW+1:n+WW tmp=imgn(iHH:i+HH,jWW:j+WW)。imgn(1:m+2*HH+1,1:WW)=imgn(1:m+2*HH+1,WW+1:2*WW)。 imgn(1:m+HH,n+WW+1:n+2*WW+1)=imgn(1:m+HH,n:n+WW)。imgn(HH+1:m+HH,WW+1:n+WW)=img。WW=floor(W/2)。endmask=imresize(mask,[H W])。if mod(H,2)~=1 H=H+1。[m n]=size(img)。img=double(img)。)。img=imread(39。close all。為提高計算速度，取一個誤差閾值E0，當E( i, j ) E0時就停止該點的計算，繼續(xù)下一點計算。顯然，用這種公式做圖像匹配計算量大、速度較慢。已知原始圖像S(H, W)和模板T（m, n）如下圖所示: 被搜索圖 模板可以用下式衡量T和Sij相似性：當模板和子圖完全一樣時，相關系數(shù)R( i, j ) = 1。搜索范圍是：1 ≤i ≤W –M 1 ≤j ≤H –N 通過比較T和Sij的相似性，完成模板匹配過程。以8位圖像(其 1 個像素由 1 個字節(jié)描述)為例，模板T( H W個像素)疊放在被搜索圖S( mn個像素)上平移，模板覆蓋被搜索圖的那塊區(qū)域叫子圖Sij。圖 26基于圖像特征數(shù)據的神經網絡圖像識別流程圖 第三章 各類算法的比較 基于模板匹配的模式識別分類算法 模板匹配的基本概念模板就是一幅已知的小圖像。此類技術實際上是傳統(tǒng)方法與神經網絡技術的結合，它利用人的經驗來獲取模式特征以及神經網絡分類能力來識別目標函數(shù)。此類技術中，神經網絡作為特征聚類器，有很多的神經網絡別研究人員運用，如 BP 神經網絡、模糊神經網絡、Hopfield 神經網絡、RAM 自適應神經網絡、SOFM 神經網絡、細胞神經網絡等。目前很多神經網絡算法是基于像素進行圖像識別的，其圖像識別的流程圖如圖 25所示。神經網絡在圖像識別中的應用按處理數(shù)據類型大致可以分為兩類：一類是基于圖像像素數(shù)據的神經網絡算法；另一類是基于圖像特征數(shù)據的神經網絡算法即特征空間的聚類識別算法。人工神經網絡區(qū)別于其他識別方法的最大特點是它對待識別的對象不要求有太多的分析與了解，具有一定的智能化處理的特點。模糊識別的主要方法有最大隸屬原則識別法、接近原則識別法和模糊聚類分析法。模糊數(shù)學就是研究如何利用模糊信息對確定事物進行定量分析。圖 24 句法模式識別系統(tǒng)結構圖模糊模式識別：模糊模式識別是模糊集理論在模式識別中的應用。句法模式識別框圖如圖 24 所示。其基本思想是：一個復雜的模式可以由一個簡單的模式遞歸地描述。結構圖像識別：結構模式識別是按模式本身的結構和結構關系對物體進行識別的方法?？驁D右下角部分是自適應處理部分，當用訓練樣本根據某些規(guī)則求出一些判別規(guī)則后，再對這些訓練樣本逐個進行檢測，觀察是否有誤差。統(tǒng)計圖像識別的大致過程如圖 23 所示。其基本思想是：無論輸入的對象是什么，它都表示為一個數(shù)組。用于解決圖像識別的方法概括起來可分為統(tǒng)計模式識別、 結構模式識別、模糊圖像識別和智能模式識別 （主要是人工神經網絡模式識別） 4 類， 前兩類方法有久遠的歷史，發(fā)展較為成熟，對解決相應領域中的模式識別問題均有明顯的效果，是模式識別分類的經典與基礎性
環(huán)評公示相關推薦
鄂ICP備17016276號-1