文档介绍：--------------------------校验:_____________-----------------------日期:?广义地说,存在于时间和空间中可观察的事物,如果我们可以区别它们是否相同或是否相似,都可以称之为模式。模式识别就是根据观察到的事物的模式对事物进行分类的过程。在图像识别技术中,模式识别占有核心的地位。所以的图像处理技术都是为了更好地进行模式识别做准备。模式识别是图像识别的实质性阶段。有两种基本的模式识别方法,即统计模式识别方法和结构(句法)模式识别方法,与此相应的模式识别系统都由两个过程所组成,即设计和实现。设计是指用一定数量的样本(叫做训练集或学****集)进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。图6-2模式识别系统的基本构成模式识别系统(如图6-2)中,信息获取和预处理部分大致可以与图像的获取与处理对应。一般情况下,模式识别技术主要包含“特征提取和选择”和“分类器的设计”。近几十年来,模式识别技术发展很快。然而,发展较成熟、应用较广泛的主要是统计模式识别技术。本节将主要介绍统计模式识别技术主要内容,并对其它模式识别技术如结构模式识别、模糊模式识别方法、神经网络识别方法加以概述。,模式识别可以看成是一种机器学****的过程。按照机器学****过程的性质,可以将模式识别方法分成有监督的模式识别方法和非监督的模式识别方法,后者又称为聚类分析方法。这两种方法在图像识别中都有广泛的应用。(1)有监督的模式识别方法从识别技术的基本思路和方法看,有监督的模式识别可以分成两类:基于模型的方法和直接分类的方法。基于模型的方法的基础是贝叶斯(Bayes)决策理论方法,它对模式分析和分类器的设计有着实际的指导意义,是统计模式识别中的一个基本方法,用这个方法进行分类时要求:①各类别总体的概率分布(即所谓的先验概率和类条件概率)是已知的;   ②要决策分类的类别数是一定的。 假设要研究的分类问题有c个类别,各类别状态用ωi来表示,i=1,2,…,c;对应于各个类别ωi出现的先验概率P(ωi)以及类条件概率密度函数p(x|ωi)是已知的。如果在特征空间已观察到某一向量x,那么应该把x分到那一类中去才最合理呢?最基本的想法是根据观察到的信息,选择适当的分类策略,使分类可能出现的错误最少,即:   如果对于任意j≠i,都有P(ωi|x)>P(ωj|x),则将x归入类ωi这就是“最小错误率的贝叶斯决策”。一个例子是国际体育联合会对运动员兴奋剂检查的策略。由于对服用兴奋剂的运动员发生漏检,最多只是丧失某一次比赛的结果的公平;而错怪没有服用兴奋剂的运动员有可能毁掉这个运动员的整个运动生涯。所以,当出现疑问时,国际体育联合会的原则是:宁可使一千人漏网,也不能错怪一个好人。类似的思想体现在模式识别中,便是“基于最小风险的贝叶斯决策”。设λ(αi|ωj)是将ωj类中的样本归入αi类所带来的损失,则当观察到x时,将x归入αi类的风险可以定义为:。最小风险的贝叶斯决策就是把x归入使最小的类中,即:如果对于任意j≠i,都有R(αi|x)<R(αj|x),则将x归入类ωi。基于模型的识别技术中,关键就