第七章图像识别精要.ppt

文档介绍：第7章图像识别利用神经网络识别实现图像分割第7章图像处理新技术 概论 图像匹配 基于最小错误率贝叶斯决策理论 线性判别函数 人工神经网络图像识别运用模式识别的原理对图像对象进行分类的学问。 概论 1模式识别的基本定义(1)模式识别(Pattern Recognition) 进行物体分类的学科。举例:人日常生活中的模式识别(2)模式(pattern) A 、事物所具有的时间或空间分布信息。(狭义) B、描绘子的组合。(更狭义) 一维信息:例如声音信号,腾格尔的歌声。二维信息:例如图像信号,数字照相机拍摄的照片。三维信息: CT 重建图像。多维信息: (3)模式类(pattern class) 一个拥有某些共同特性的模式族。 2 模式识别系统(1)信息的获取通过传感器,将光或声等信息转化为电信息。(2)预处理: A、信号增强:去除噪声,加强有用信息。信号恢复:对退化现象进行复原。 B、归一化处理(例如图像大小的归一化; 神经网络输入数据的归一化) (3)特征提取和特征选择 A、特征分类:物理特征、结构特征、数学特征。 B、特征形成:根据被识别的对象产生出一组基本特征,它可以是计算出来的(当识别对象是波形或数字图像时),也可以是用仪表或传感器测量出来的(当识别对象是事物或某种过程时),这样产生的特征叫做原始特征。 C、特征提取:原始特征的数量可能很大,通过映射(或变换)的方法可以用低维空间表示样本,这个过程叫做特征提取。映射后的二次特征是原始特征的线性组合(通常是线性组合)。 D、特征选择:从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的过程。