数字图像处理第十章模式识别.ppt

因为处理的是分类问题，因此最佳的意义是分类误差最小。由于求解最佳判决函数的出发点和途径不同，因此产生了各种不同的分类方法：?判别函数方法贝叶斯分类器：判别函数表示为似然比，也称为最大似然率分类器或最小损失分类器集群分类方法：它几乎不需要有关待分样本的先验知识。第十章模板匹配与模式识别§10.3统计模式识别第31页，共63页，星期日，2025年，2月5日分类器是某种由硬件或软件组成的“机器”：计算c个判别函数gi(x)最大值选择ARGMAXg1...g2gc...x1x2xna(x)第十章模板匹配与模式识别§10.3统计模式识别第32页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别基本过程统计模式识别是研究每—个模式的各种测量数据的统计特性，按照统计决策理论来进行分类统计模式识别过程分为识别和分类两部分，核心内容为特征处理与分类第33页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别特征处理包括特征选择和特征变换：特征选择方法特征选择指的是从原有的m个测量值集合中，按某一准则选择出一个n维(n＜m)的子集作为分类特征穷举法从m个原始的测量值中选出n个特征，—共有Cmn种可能的选择。对每一种选法用己知类别属性的样本进行试分类，测出其正确分类率，分类误差最小的一组特征便是最好的选择优点是不仅能提供最优的特征子集，而且可以全面了解所有特征对各类别之间的可分性信息。但是，计算量太大，特别在特征维数高时，计算更繁第34页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别最大最小类对距离法首先在K个类别中选出最难分离的一对类别，然后选择不同的特征子集，计算这一对类别的可分性，具有最大可分性的特征子集就是该方法所选择的最佳特征子集特征选择方法不改变原始测量值的物理意义，因此它不会影响分类器设计者对所用待征的认识，有利于分类器的设计，便于分类结果的进一步分析第35页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别特征变换特征变换是将原有的m个测量值集合通过某种变换，然后产生n个(n＜m)特征用于分类。特征变换又分为两种情况：一种，从减少特征之间相关性和浓缩信息量的角度出发，根据原始数据的统计特性，用数学的处理方法使得用尽量少的特征来最大限度地包含所有原始数据的信息。这种方法不涉及具体模式类别的分布情况，因此，对于没有类别先验知识的情况，这是—种有效的特征变换方式。主分量变换就属于这一类型另一类，根据对测量值所反映的物理现象与待分类别之间关系的认识，通过数学运算来产生—组新的特征，使得待分类别之间的差异在这组特征中更明显，从而有利于改善分类效果第36页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别.统计分类方法监督分类监督分类方法就是根据预先已知类别名的训练样本，求出各类在特征空间的分布，然后利用它对未知数据进行分类的方法换句话说，监督分类法就是根据训练样本把特征空间分割成对应于各类的区域第37页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别监督分类过程1)根据类别名预先给定的训练样本，根据各类特征矢量分布确定判别函数g1~gc(c为类别数)。这一过程称为学习2)对于待分类的特征矢量（或称模式）X=(x1,x2,…,xn)，计算各判别函数的值g1（X）~gc(X)3)在g1(X)~gc(X)中选择最大者，把模式X分类到这一类中第38页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别常用判别函数1)距离判别函数欧几里德距离L距离相似度第39页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别常用判别函数1)距离判别函数利用距离判别函数的最近邻域分类分别使用与类别的平均值和与逐个训练样本的距离分类的结果，前者边界为直线后者为曲线第40页，共63页，星期日，2025年，2月5日第十章模板匹配与模式识别§10.3统计模式识别常用判别函数2)线性函数g(X)=a·X+b将m类问题分解成（m-1)个2类识别问题。方法是先把特征空间分为1类和其他类，如此进行下去即可其中线性判别函数的系数可通过样本试验来确定第