第十章图像分析与模式识别剖析.pptx

北京大学遥感所 1 第十章 图像分析与模式识别 第十章 图像分析与模式识别 北京大学遥感所 2 ■ 模式识别的概念 ■ 模式识别方法 ■ 图象（区域特征提取） ■ 区域形状特征 §10.1 模式识别的概念 ■模式 客观世界和主观世界即物质和意识的所有方面、所有个体、所有 单元、所有事物的抽象。 ■模式识别 模式识别指的是对一系列过程或事件的分类与描述。过程或事件 可以是一系列物理的对象，也可以是一些比较抽象的如心理状态等。具 有某些相类似性质的过程或事件就分为一类。 模式识别系统框图： 信息获取 预处理 特征提取 分析、决策 结果输出 北京大学遥感所 3 §10.1 模式识别的概念 北京大学遥感所 4 ■ 模式识别过程 在给定一幅含有多个物体的数字图像的条件下，模式识别过程由三个 主要阶段组成： Q 图像分割或物体分离阶段。在该阶段中检测出各个物体，并把它们 的图像和其余景物分离。 Q 特征抽取阶段。在该阶段对物体进行度量。一个度量是指一个物体 某个可度量性质的度量值，而特征是一个或多个度量的函数。计算 特征是为了对物体的一些重要特征进行定量估计。特征抽取过程产 生了一组特征，把它们组合在一起，就形成了特征向量。 Q 分类阶段。它仅仅是一种决策，确定每个物体应该归属的类别。 §10.1 模式识别的概念 北京大学遥感所 5 ■模式识别技术* 20世纪60年代以后随着现代科学技术的发展，特别是计算机技 术的发展而形成的一种模拟人的各种识别能力（视觉与听觉）和方法的 技术，属于一种自动判别和分类的理论。 随着20世纪70年代遥感技术的发展和地球资源卫星的发射，人 们通过遥感从卫星取得的巨量信息，需要进行空前规模的处理、识别和 应用，在此推动之下，模式识别技术迅速发展。 §10.1 模式识别的概念 北京大学遥感所 6 ■ 模式识别技术的应用领域* Q 地球资源、环境的调查研究（遥感图像识别、分类） Q 生物医学工程（脑电图、染色体、癌细胞） Q 生产自动化（芯片缺损检查、智能机器人） Q 文件处理和管理自动化（资料、数据自动识别、登记、分类） Q 军事（自动瞄准、自动搜索） Q 公安侦破（指纹、人面、虹膜） Q 商业自动化（自动售货机、自动检票机） §10.2 模式识别方法 北京大学遥感所 7 ■ 统计模式识别方法 ■ 句法模式识别方法 ■ 模糊集合识别方法 §10.2 模式识别方法 北京大学遥感所 8 ■ 统计模式识别方法 Q 统计模式识别是模式识别中应用最广的方法，而且对它的掌握是彻 底理解各种模式识别过程的基础。 Q 统计模式识别认为图像可能包含一个或多个物体，并且每个物体属 于若干事先定义的类型、范畴或模式之一。 Q 由于不确定性是客观存在的，因而发生错误的决策分类在所难免， 只能借助概率论的知识，使得决策的错误率达到最小。 §10.2 模式识别方法 ■统计模式识别方法 Q 贝叶斯决策方法 贝叶斯定理可以作为研究最小错误率决策的理论基础： P(B Ai )P( Ai ) i1 是互斥事件，其和等于必然事件。上式 P( Ai B)  m  P(B Ai )P( Ai ) 式中， Ai (i  1, 2,, m) 也可写成 i 北京大学遥感所 9 P( X i )P(i ) P( X )  m  P( X i )P(i ) i1 当有 §10.2 模式识别方法 P(i X )  max[P( j / X )] j  1, 2,..., m Bayes决策分类的判别函数 即把特征向量 X 归属于 i 类 特征向量的各分量为各个特征i的度量值xi X=(x1,x2,…xn)’ 考察Bayes定律的表达式，得到另一形式： Di ( X )  P(i )P( X / i )  max[P( j )P( X /  j )], j  1, 2,..., m  X i 北京大学遥感所 10 §10.2 模式识别方法 P P(x / 1 ) P(x / 2 ) x 错误决策 北京大学遥感所 11 §10.2 模式识别方法 得： 按贝叶斯决策准则 例子： 根据细胞切片形态决策 决策类别1 为正常，2 为异常。 已知：1、癌变在该地区出现概率统计资料： P(2 )  1 0.9  0.1 P( X 1 )P(1 ) P(1 X )   0.82 2  P( X i )P(i ) i1 2 P( X )  0.18 P(1 )  0.9 2、条件概率密度 P( X 1 )  0.2 P( X 2 )  0.4 P(ω1 X )  P(2 X ) 故x 归于“正常”类别 北京大学遥感所 12 §10.2 模式识别方法 ■ 统计模式识别方