圖像模式識別(一)

1、模式識別(Pattern Recognition)就是機器識別、計算機識別或機器自動識別，目的在於讓機器自動識別事物。模式識識別的研究內容是利用計算機對客觀物體進行分類，在錯誤機率最小的條件下，使識別的結果儘可能與客觀事物符合。

模式的描述方法

在模式識別技術中，被觀測的每一個對象稱爲樣品。經過對樣品部識別有關的因素做爲研究的根據，每個因素稱爲一個特徵。模式就是樣品所具備的特徵描述。模式的特徵集由處於同一個特徵空間的特徵向量表示，例如：若是一個樣品X有n個特徵，則可把X看作一個n維向量，該向量X稱爲特徵向量記：

x1 x2 … xn

 

 

X=      =（x₁,x₂…,x_n）^T

 

 

 

抽取圖像特徵，將圖像變成n維空間的一個向量，以後用數學的方法進行運算，判別樣品X爲模式的哪一類。若是一個對象的特徵觀察值爲{x₁,x₂,…,x_n},它能夠構成一個n維的特徵向量值X，即X=（x₁,x₂…,x_n）^T，式中x₁,x₂…,x_n爲特徵向量X的各個份量，而這個向量空間稱爲特徵空間R_n。在模式識別中，要對許多具體對象進行測量，以得到觀測值，其中經常使用的有均值、方差、協方差和協方差矩陣。

2模式識別系統

一個典型的模式識別系統如圖：

分類決策

數據獲取

預處理

特徵提取

訓練樣本輸入

特徵提取

分類結果

肯定判別函數

改進判別函

偏差檢驗

預處理

分類器設計

系統上半部分完成未知類別模式分類，下半部分屬於設計分類器的訓練過程，利用樣品進行訓練，肯定分類器具體參數，完成分類器的設計。

數據獲取：用計算機能夠運算的符號來表示所研究的對象。

預處理：對輸入測量儀器或其餘因素所形成的退化現象進行復原，去噪聲，提取有用信息。

特徵提取：對原始數據進行變換，獲得能反映分類本質的特徵。

分類決策：在特徵空間中用模式識別方法把被識別對象歸爲某一類別

分類器設計：基本作法是收集樣品訓練集，在些基礎上肯定判別函數，改進判別函數的偏差檢驗。