模式識別與圖像處理PPT課件

1、引 言 第1頁/共53頁與模式識別相關的學科 統(tǒng)計學 概率論 線性代數(shù)（矩陣計算） 形式語言 機器學習 人工智能 圖像處理 計算機視覺 第2頁/共53頁教學方法 著重講述模式識別的基本概念、 基本方法。 介紹圖像處理的相關知識。第3頁/共53頁教學目標 掌握模式識別的基本概念和方法 為研究新的模式識別的理論和方法打下基礎 第4頁/共53頁參考文獻 R. Duda, P. Hart, D. Stork, Pattern Classification, second edition, 2000（有中譯本）. 邊肇祺，模式識別（第二版），清華大學出版社，2000。 蔡元龍，模式識別，西北電訊工程學院

2、出版社，1986。第5頁/共53頁機構、會議、刊物 1973年 IEEE發(fā)起了第一次關于模式識別的國際會議“ICPR”（此后兩年一次），成立了國際模式識別協(xié)會-“IAPR” 1977年IEEE成立PAMI委員會，創(chuàng)立IEEE Trans. on PAMI，并支持ICCV, CVPR兩個會議 世界計算機視覺和模式識別領域頂尖期刊IEEE PAMI ，全稱IEEE Transactions on Pattern Analysis and Machine Intelligence第6頁/共53頁 國際計算機視覺大會ICCV，全稱International Conference on Computer

3、 Vision 世界計算機視覺和模式識別領域頂級國際會議CVPR全稱IEEE Conference on Computer Vision and Pattern Recognition第7頁/共53頁 其它刊物 Pattern Recognition (PR) Pattern Recognition Letters (PRL) Pattern Analysis and Application (PAA) International Journal of Pattern Recognition and Artificial Intelligence (IJPRAI)模式識別的國內(nèi)學術組織 國內(nèi)的

4、組織有電子學會，通信學會，自動化協(xié)會，中文信息學會.。第8頁/共53頁第 1 章 緒論第9頁/共53頁1.1 模式識別和模式的概念第10頁/共53頁什么是模式？ 廣義地說，存在于時間和空間中可觀察的物體，如果我們可以區(qū)別它們是否相同或是否相似，都可以稱之為模式。 模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時間和空間分布的信息。 模式的直觀特性: 可觀察性 可區(qū)分性 相似性第11頁/共53頁模式識別的概念 模式識別（ Pattern Recognition ） 直觀，無所不在，“人以類聚，物以群分” 周圍物體的認知：桌子、椅子 人的識別：張三、李四 聲音的辨別：汽車、

5、火車，狗叫、人語 氣味的分辨：炸帶魚、紅燒肉 用計算機實現(xiàn)人對各種事物或現(xiàn)象的分析,描述,判斷,識別。 人和動物的模式識別能力是極其平常的，但對計算機來說卻是非常困難的。第12頁/共53頁模式識別的研究 目的：利用計算機對物理對象進行分類，在錯誤概率最小的條件下，使識別的結果盡量與客觀物體相符合。 Y = F(X) X的定義域取自特征集 Y的值域為類別的標號集 F是模式識別的判別方法第13頁/共53頁模式識別簡史 1929年 G. Tauschek發(fā)明閱讀機 ，能夠閱讀0-9的數(shù)字。 30年代 Fisher（Ronald Aylmer Fisher ）提出統(tǒng)計分類理論，奠定了統(tǒng)計模式識別的基礎

6、。因此，在6070年代，統(tǒng)計模式識別發(fā)展很快，但由于被識別的模式愈來愈復雜，特征也愈多，就出現(xiàn)“維數(shù)災難”。但由于計算機運算速度的迅猛發(fā)展，這個問題得到一定克服。統(tǒng)計模式識別仍是模式識別的主要理論。第14頁/共53頁 50年代 Noam Chemsky 提出形式語言理論 美籍華人傅京蓀 提出句法結構模式識別。 60年代 L.A.Zadeh提出了模糊集理論，模糊模式識別方法得以發(fā)展和應用。 80年代以Hopfield網(wǎng)、BP網(wǎng)為代表的神經(jīng)網(wǎng)絡模型導致人工神經(jīng)元網(wǎng)絡復活，并在模式識別得到較廣泛的應用。 90年代小樣本學習理論，支持向量機也受到了很大的重視。第15頁/共53頁模式識別的應用 1 .字

7、符識別：包括印刷體字符的識別；手寫體字符的識別（脫機），各種OCR設備例如信函分揀、文件處理、卡片輸入、支票查對、自動排板、期刊閱讀、稿件輸入；在線手寫字符的識別（聯(lián)機），各種書寫輸入板。 2. 醫(yī)療診斷：心電圖，腦電圖，染色體，癌細胞識別，疾病診斷，例如關幼波肝炎專家系統(tǒng)。 3. 遙感：資源衛(wèi)星照片，氣象衛(wèi)星照片處理，數(shù)字化地球，圖象分辨率可以達到1米。第16頁/共53頁模式識別的應用 4. 指紋識別 臉形識別 5. 檢測污染分析，大氣，水源，環(huán)境監(jiān)測。 6. 自動檢測：產(chǎn)品質量自動檢測 7. 語聲識別，機器翻譯，電話號碼自動查詢，偵聽，機器故障判斷。 8. 軍事應用第17頁/共53頁模式識

8、別方法 模式識別系統(tǒng)的目標：在特征空間和解釋空間之間找到一種映射關系，這種映射也稱之為假說。 特征空間：從模式得到的對分類有用的度量、屬性或基元構成的空間。 解釋空間：將c個類別表示為其中 為所屬類別的集合，稱為解釋空間。 第18頁/共53頁假說的兩種獲得方法 監(jiān)督學習、概念驅動或歸納假說：在特征空間中找到一個與解釋空間的結構相對應的假說。在給定模式下假定一個解決方案，任何在訓練集中接近目標的假說也都必須在“未知”的樣本上得到近似的結果。 依靠已知所屬類別的的訓練樣本集，按它們特征向量的分布來確定假說 （通常為一個判別函數(shù)），只有在判別函數(shù)確定之后才能用它對未知的模式進行分類； 對分類的模式要

9、有足夠的先驗知識，通常需要采集足夠數(shù)量的具有典型性的樣本進行訓練。第19頁/共53頁假說的兩種獲得方法（續(xù)） 非監(jiān)督學習、數(shù)據(jù)驅動或演繹假說：在解釋空間中找到一個與特征空間的結構相對應的假說。這種方法試圖找到一種只以特征空間中的相似關系為基礎的有效假說。 在沒有先驗知識的情況下，通常采用聚類分析方法，基于“物以類聚”的觀點，用數(shù)學方法分析各特征向量之間的距離及分散情況； 如果特征向量集聚集若干個群，可按群間距離遠近把它們劃分成類； 這種按各類之間的親疏程度的劃分，若事先能知道應劃分成幾類，則可獲得更好的分類結果。第20頁/共53頁模式分類的主要方法 數(shù)據(jù)聚類 統(tǒng)計分類 結構模式識別 神經(jīng)網(wǎng)絡第

10、21頁/共53頁數(shù)據(jù)聚類 目標：用某種相似性度量的方法將原始數(shù)據(jù)組織成有意義的和有用的各種數(shù)據(jù)集。 是一種非監(jiān)督學習的方法，解決方案是數(shù)據(jù)驅動的。第22頁/共53頁統(tǒng)計分類 基于概率統(tǒng)計模型得到各類別的特征向量的分布，以取得分類的方法。 特征向量分布的獲得是基于一個類別已知的訓練樣本集。 是一種監(jiān)督分類的方法，分類器是概念驅動的。第23頁/共53頁結構模式識別 該方法通過考慮識別對象的各部分之間的聯(lián)系來達到識別分類的目的。 識別采用結構匹配的形式，通過計算一個匹配程度值（matching score）來評估一個未知的對象或未知對象某些部分與某種典型模式的關系如何。 當成功地制定出了一組可以描述

11、對象部分之間關系的規(guī)則后，可以應用一種特殊的結構模式識別方法 句法模式識別，來檢查一個模式基元的序列是否遵守某種規(guī)則，即句法規(guī)則或語法。第24頁/共53頁神經(jīng)網(wǎng)絡 神經(jīng)網(wǎng)絡是受人腦組織的生理學啟發(fā)而創(chuàng)立的。 由一系列互相聯(lián)系的、相同的單元（神經(jīng)元）組成。相互間的聯(lián)系可以在不同的神經(jīng)元之間傳遞增強或抑制信號。 增強或抑制是通過調整神經(jīng)元相互間聯(lián)系的權重系數(shù)來（weight）實現(xiàn)。 神經(jīng)網(wǎng)絡可以實現(xiàn)監(jiān)督和非監(jiān)督學習條件下的分類。第25頁/共53頁1.2 模式識別系統(tǒng) 模式識別系統(tǒng)的基本構成數(shù)據(jù)獲取特征提取和選擇預處理分類決策分類器設計第26頁/共53頁模式識別系統(tǒng)組成單元 數(shù)據(jù)獲?。河糜嬎銠C可以運

12、算的符號來表示所研究的對象 二維圖像：文字、指紋、地圖、照片等 一維波形：腦電圖、心電圖、季節(jié)震動波形等 物理參量和邏輯值：體溫、化驗數(shù)據(jù)、參量正常與否的描述 預處理單元：去噪聲，提取有用信息，并對輸入測量儀器或其它因素所造成的退化現(xiàn)象進行復原第27頁/共53頁模式識別系統(tǒng)組成單元 特征提取和選擇：對原始數(shù)據(jù)進行變換，得到最能反映分類本質的特征 測量空間：原始數(shù)據(jù)組成的空間 特征空間：分類識別賴以進行的空間 模式表示：維數(shù)較高的測量空間-維數(shù)較低的特征空間 分類決策：在特征空間中用模式識別方法把被識別對象歸為某一類別 基本做法：在樣本訓練集基礎上確定某個判決規(guī)則，使得按這種規(guī)則對被識別對象進行

13、分類所造成的錯誤識別率最小或引起的損失最小第28頁/共53頁模式識別過程實例 在傳送帶上用光學傳感器件對魚按品種分類鱸魚(Seabass)品種鮭魚(Salmon)第29頁/共53頁識別過程 數(shù)據(jù)獲?。杭茉O一個攝像機，采集一些樣本圖像，獲取樣本數(shù)據(jù) 預處理：去噪聲，用一個分割操作把魚和魚之間以及魚和背景之間分開第30頁/共53頁識別過程 特征提取和選擇：對單個魚的信息進行特征選擇，從而通過測量某些特征來減少信息量 長度 亮度 寬度 魚翅的數(shù)量和形狀 嘴的位置，等等 分類決策：把特征送入決策分類器第31頁/共53頁第32頁/共53頁1.3 模式識別的基本問題一.模式(樣本)表示方法1. 向量表示

14、: 假設一個樣本有n個變量(特征) = (X1,X2,Xn)T2. 矩陣表示: N個樣本，n個變量(特征)第33頁/共53頁3. 幾何表示 一維表示 X1=1.5 X2=3 二維表示 X1=(x1,x2)T=(1,2)T X2=(x1,x2)T=(2,1)T 三維表示 X1=(x1,x2, x3)T=(1,1,0)T X2=(x1,x2 , x3)T=(1,0,1)T第34頁/共53頁4. 基元（鏈碼）表示：在右側的圖中八個基元分別表示0，1，2，3，4，5，6，7，八個方向和基元線段長度。則右側樣本可以表示為 X1=006666這種方法將在句法模式識別中用到。第35頁/共53頁二.模式類的緊

15、致性1. 緊致集：同一類模式類樣本的分布比較集中，沒有或臨界樣本很少，這樣的模式類稱緊致集。第36頁/共53頁2. 臨界點(樣本)：在多類樣本中，某些樣本的值有微小變化時就變成另一類樣本稱為臨界樣本（點）。3. 緊致集的性質 要求臨界點很少 集合內(nèi)的任意兩點的連線,在線上的點屬于同 一集合 集合內(nèi)的每一個點都有足夠大的鄰域,在鄰域內(nèi)只包含同一集合的點4. 模式識別的要求:滿足緊致集，才能很好的分類；如果不滿足緊致集，就要采取變換的方法,滿足緊致集.第37頁/共53頁三.相似與分類 1.兩個樣本xi ，xj之間的相似度量滿足以下要求： 應為非負值 樣本本身相似性度量應最大 度量應滿足對稱性 在滿

16、足緊致性的條件下，相似性應該是點間距離的 單調函數(shù) 2. 用各種距離表示相似性： 絕對值距離 已知兩個樣本 xi=(xi1, xi2 , xi3,xin)T xj= ( xj 1, xj 2 , xj3,xjn)T 第38頁/共53頁 歐幾里德距離明考夫斯基距離 其中當q=1時為絕對值距離，當q=2時為歐氏距離nkjkikijXXd1|nkjkikijXXd12nkjkikqijXXqqd1|1)(第39頁/共53頁 切比雪夫距離 q趨向無窮大時明氏距離的極限情況 馬哈拉諾比斯距離 其中xi ，xj為特征向量， 為協(xié)方差。使用的條件是 樣 本符合正態(tài)分布|max)(1jkiknkijXXd1)

17、(jijiTijXXXXMd第40頁/共53頁 夾角余弦 為xi xj的均值 即樣本間夾角小的為一類，具有相似性例： x1 , x2 , x3的夾角如圖：因為x1 , x2 的夾角小，所以x1 , x2 最相似。nkjknkiknkjkikijXXXXC12121x1x2x1x2x3,ijXX第41頁/共53頁 相關系數(shù) 為xi xj的均值注意：在求相關系數(shù)之前，要將數(shù)據(jù)標準化3. 分類的主觀性和客觀性 分類帶有主觀性：目的不同，分類不同。例如：鯨魚，牛，馬從生物學的角度來講都屬于哺乳類，但是從產(chǎn)業(yè)角度來講鯨魚屬于水產(chǎn)業(yè)，牛和馬屬于畜牧業(yè)。 分類的客觀性：科學性 判斷分類必須有客觀標準，因此分

18、類是追求客觀性的，但主觀性也很難避免，這就是分類的復雜性。nknkjkjikinkjkjikiXXXXXXXXrij11221,ijXX第42頁/共53頁四.特征的生成 1.低層特征： 無序尺度：有明確的數(shù)量和數(shù)值。 有序尺度：有先后、好壞的次序關系，如酒 分為上，中，下三個等級。 名義尺度：無數(shù)量、無次序關系，如有紅， 黃兩種顏色 2. 中層特征：經(jīng)過計算，變換得到的特征 3. 高層特征：在中層特征的基礎上有目的的經(jīng)過運 算形成例如：椅子的重量=體積*比重 體積與長，寬，高有關；比重與材料，紋理，顏色有關。這里低、中、高三層特征都有了。第43頁/共53頁五.數(shù)據(jù)的標準化 1.極差標準化，一批樣本中，每個特征的最大值與最小值之差。 極差 極差標準化 2. 方差標準化 Si 為方差標準化的方法很多，原始數(shù)據(jù)是否應該標準化，應采用什么方法標準化，都要根據(jù)具體情況來定。iji