数字图像识别与解释课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《数字图像识别与解释课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 识别 解释 课件
- 资源描述:
-
1、数字图像处理北京大学计算机研究所 陈晓鸥第四节 识别与解释3.4.1 图像分析引言3.4.2 图像分析系统的组成3.4.3 模式与模式类3.4.4 决策论法3.4.5 结构法3.4.1 识别与解释:图像分析引言 图像分析引言图像分析的定义图像分析的目标自动图像分析系统行为能力的概念化分类自动图像分析系统的现状3.4.1 识别与解释:图像分析引言 图像分析的定义图像分析是一个发现、辨认和理解模式的过程,这些模式都与执行与图像相关的任务有关。图像分析的目标计算机图像分析的主要目的之一是,赋予某些具有感觉能力的机器,以类似人的大脑的能力。例如OCR3.4.1 识别与解释:图像分析引言 自动图像分析系
2、统行为能力的概念化分类获取、发现信息:从背景中提取有关信息学习、应用知识:抽象、归纳信息特征的学习过程,并应用到新的对象中。构造、推理知识:从不完整的信息中构造推论出新的知识,并加以应用。3.4.1 识别与解释:图像分析引言 自动图像分析系统的现状我们可以设计出这种系统,但仍然缺乏理论依据。有待人类视觉认识理论的进一步研究。我们可以做出在某一应用上超过人的能力的系统,但缺乏扩展性。过分依赖应用。3.4.2 识别与解释:图像分析系统组的成 图像分析技术分类的三种基本范畴低级处理:图像获取、预处理,不需要智能中级处理:图像分割、表示与描述,需要智能高级处理:图像识别、解释,缺少理论,为降低难度,设
3、计得更专用。图像分析技术分类的三种基本范畴知识库知识库分割分割表示与描述表示与描述识别识别与与解释解释预处理预处理图像获取图像获取低级处理高级处理中级处理结果问题3.4.2 识别与解释:图像分析系统组的成 图像识别与解释的基本方法识别的统计分类方法:用向量形式表达模式;分派模式向量到不同的模式类。识别的结构方法:用符号匹配,模式被表示为符号形式(如形状数、串和树)图像解释的方法:图像解释技术是基于谓词逻辑、语义网络和特定产品的系统。3.4.2 识别与解释:图像分析系统组的成3.4.3 识别与解释:模式与模式类 模式与模式类模式的定义模式类的定义模式识别的定义常用的模式序列 模式向量 模式串 模
4、式树3.4.3 识别与解释:模式与模式类 模式的定义模式是图像中的一个对象或某些感兴趣本质的数量或结构的描述模式是由一个或多个描述子来组成,换句话说,模式是一个描述子的序列(名词“特征”经常被用来代指描述子)模式是一组特征或一组描述子 模式类的定义模式类是具有某些公共特征的模式的系列模式类用w1,w2,wM表示,M是类的个数 模式识别的定义根据图像中对象的特征组成的模式,确定对象是属于那一个模式类,即为模式识别模式与模式类举例 已知汽车的长、宽、高(x1,x2,x3),希望识别出,大客车、小轿车、卡车(w1,w2,w3)3.4.3 识别与解释:模式与模式类 常用的模式序列模式向量、模式串、模式
5、树模式向量 模式向量用粗体的小写字母表示,如x,y形式如下:其中每一个xi代表第i个描述子,n是这种描述子的数量。模式向量被表示为一列或表示成 x=(x1,x2,xn)T,其中T指出是转秩x=x1x2.xn3.4.3 识别与解释:模式与模式类模式向量举例 假设我们想描述三种蝴蝶花(多毛的、维吉尼亚、多色的)通过测量它们花瓣的宽度和长度。这里涉及一个两维的模式向量:其中x1、x2分别对应花瓣的长和宽 三种模式类用w1、w2、w3表示x=x1x23.4.3 识别与解释:模式与模式类 由于所有的花瓣在宽和长上都有某种程度的变化,所以描述这些花瓣的模式向量也将有变化,不仅在不同的类之间,而且也在类的内
6、部在这种情况下每一种花变成二维欧几里德空间的一个点3.4.3 识别与解释:模式与模式类3.4.3 识别与解释:模式与模式类1234567x1 花瓣长0.51.01.52.02.53.0 x2 花瓣宽多毛的维吉尼亚多色的对结果的分析 对花瓣长宽的测量,成功地将多毛的蝴蝶花与其它两种分离,但对于分离维吉尼亚和多色的是失败的。这个结论说明了分类的特性选择问题,在这个问题中,类的可分离性的程度,完全依赖于对模式尺寸测量的选择3.4.3 识别与解释:模式与模式类模式串 用于以对象特征的结构或空间关系作为模式的识别模式串举例:梯状的模式3.4.3 识别与解释:模式与模式类abaaabbb(1)S-aA(2
7、)A-bS (3)A-b模式树 以分层目录结构排序的模式类,一般多采用树结构模式树举例3.4.3 识别与解释:模式与模式类图像图像城市城市田园田园城区城区内城内城市郊市郊公路公路 草地草地森林森林娱乐区娱乐区 商业区商业区娱乐区娱乐区 商业区商业区3.4.4 识别与解释:决策论法 决策论法决策论法的基本概念匹配 最小距离分类器 相关匹配3.4.4 识别与解释:决策论法 决策论法的基本概念决策论识别法的定义设:模式向量:x=(x1,x2,xn)T,对于:M个模式类 w1,w2,wM,寻找M个决策函数d1(x),d2(x),dM(x),具有这样的特性:如果模式x属于模式类wi,那么:di(x)dj
8、(x)j=1,2,M;j i换句话说,如果一个未知模式x属于第i个模式类,把x代入所有的决策函数,di(x)的数值最大。3.4.4 识别与解释:决策论法 决策论法的基本概念决策边界的定义 对于模式x,如果决策函数值有:di(x)-dj(x)=0 此x值,被称为wi与wj的决策边界。通常用一个单一的函数标识两个类之间的决策边界,定义为:dij(x)=di(x)-dj(x)=0 如果 dij(x)0 x 属于类wi 如果 dij(x)0 x 属于类wj3.4.4 识别与解释:决策论法 匹配最小距离分类器 以蝴蝶花的例子为例:1为多色(w1)和多毛(w2)的两种蝴蝶花,确定两个原形(或称模板)m1和
9、m22对于一个未知模式向量x,判断x与m1和m2的距离,如果与m1的距离小于与m2的距离,则x属于w1,否则属于w2。3.4.4 识别与解释:决策论法1234567x1 花瓣长花瓣长0.51.01.52.02.53.0 x2 花瓣宽花瓣宽多毛的多毛的多色的多色的m1m2x3.4.4 识别与解释:决策论法 匹配最小距离分类器(1)算法思想:对于M个模式类 wj j=1,2,.,M为每一个模式类确定一个原形模式向量mj 对于一个未知模式向量x,如果x与mi的距离最小,就称,x属于wi。3.4.4 识别与解释:决策论法 匹配最小距离分类器(2)最小距离分类器定义:1计算模式类wj的原形向量:mj j
展开阅读全文