图像匹配与识别

《图像匹配与识别》由会员分享，可在线阅读，更多相关《图像匹配与识别（53页珍藏版）》请在金锄头文库上搜索。

1、本章指导：了解图像匹配与识别技术(模式识别)的 基本概念以及常用图像匹配与识别方法 。第11章 图像匹配与识别（模式识别） *2第11章 图像匹配与识别 11.1 模式与模式识别 11.2 基于匹配的识别技术 11.3 统计模式识别 11.4 句法模式识别 11.5 模糊模式识别方法 11.6 人工神经网络识别法 11.7 统计学习理论和支持向量机识别方法 11.8 小结*311.1模式与模式识别 11.1.1 模式的概念 u 模式识别(pattern recognition)作为一门 学科有其系统的理论基础和技术方法。 u 模式识别属于图像分析的范畴，它所得到的 结果是一幅有明确意义的数值或

2、符号构成的 图像或图形文件，而不再是一幅具有随机分 布性质的图像 。 u 模式识别的目的: u对图像中的物体进行分类; u找出图像中有哪些物体。*4举例l 在人们的日常生活和工作中，模式识别是普遍存在和经常进行的过 程。例如，医师为一个患者看病，首先要测量这个患者的体温和血压 ，化验血沉，询问临床表现然后通过综合分析，抓住主要病症，最后 医师运用自己的知识，根据主要病症，为这个患者作出正确的诊断。 上述医师为患者诊断的过程就是模式识别的一个完整过程。 l 在模式识别技术中，经常使用的术语有样本、模式、特征和类型等。 l 医院里有许多患者，每个患者都是一个样本。请医生给出诊断的某一 个患者，就是

3、来自许多患者中的单一样本。 l 患者的体温、血压等测量值，就是这个样本的诸测量值。样本诸测量 值的综合，在模式识中被称为模式。 l 具有某种模式的样本，有时称为模式样本。获得某个样本诸测量值的 过程称为模式采集。患者的主要病症可以称为样本的特征。模式样本 诸测量值经过综合分析找出主要病症这个过程在模式识别技术中称为 特征提取和特征选择。医帅运用自己的知识作出诊断，在模式识别中 称为分类判决。医师的知识是判决的准则，或者称为判决规则。判决 结果把患者区分成某种疾病的患者，这就是把样本(患者)区分成相应 的类型(疾病)。*5模式u模式就是存在于时间和空间中，可以区别它 们是否相同或相似的可观察的事

4、物。u模式所指的不是事物本身，而是从事物中获取的 信息。 u模式往往表现为具有时间和空间分布的信息。 l模式的直观特性: l可观察性 l可区分性 l相似性*611.1.2 模式识别系统 u模式识别技术起源于人类自身对事物的认知分析过 程，是依据一定的量度或观测基础把待识别模式划 分到各自的模式类中去的过程。 u模式类是指模式所属的类别或同一类中模式的总体 。 l 模式识别 直观，无所不在，“人以类聚，物以群 分” l 周围物体的认知：桌子、椅子 l 人的识别：张三、李四 l 声音的辨别：汽车、火车，狗叫、人语 l 气味的分辨：炸带鱼、红烧肉 l 人和动物的模式识别能力是极其平常的，但对计算 机

5、来说却是非常困难的。 u *7l 图像分析技术分类的三种基本范畴知识库分割表示与描述识别 与 解释预处理图像获取低级处理高级处理中级处理结果问题图像分析系统的组成*8图像分析技术l图像分析技术分类的三种基本范畴 l低级处理：图像获取、预处理，不需要智能 l中级处理：图像分割、表示与描述，需要智能 l高级处理：图像识别、解释，缺少理论，为降 低难度，设计得更专用。*9u模式识别系统的基本构成信息 获取 或模 式采 集数据预 处理特征提 取 和选择分类器设计分类决 策训练过程输出结 果模式识别步骤： 图像分割（物体分离）：检测出各个物体，并把它们的图像和其余 景物分离; 特征抽取：对物体进行度量。

6、通过计算对物体的一些重要特性进行 量化表示; 分类：确定每个物体应该归属的类别.*10 1.信息获取部分（或模式采集）为了使计算机能够对各种现象进行分类识别，首 先利用各种输入设备将要识别对象的信息输入计算机 。通过测量、采样和量化，可以用矩阵或者向量来 表示待识别对象的信息。这就是信息获取的过程。 模式识别系统 获取的信息，如： 二维图像：文字、指纹、地图、照片等 一维波形：脑电图、心电图、季节震动波形等 物理参量和逻辑值：体温、化验数据、参量正常与否的描述*11模式识别系统l2.预处理部分 l 预处理的目的就是去除噪声，加强有 用的信息，并对输入测量仪器或其他因素 所造成的退化现象进行复原

7、。 l 对于数字图像来说，预处理就是应用 前面讲到的图像复原、增强和变换等技术 对图像进行处理，提高图像的视觉效果， 优化各种统计指标，为特征提取提供高质 量的图像。*12 3.特征提取和选择由于待识别对象的数据量可能是相当大的， 为了有效的实现分类识别，就要对原始数据进行 某种变换，得到最能反映分类本质的特征。这就 是特征提取和选择的过程。 l 特征提取实现由模式空间向特征空间的转变，成 功地压缩维数。模式识别系统测量空间：原始数据组成的空间 特征空间：分类识别赖以进行的空间 模式表示：维数较高的测量空间-维数较低的特征空间*13模式识别系统4.决策分类决策分类就是利用特征空间中获得的 信息

8、，对计算机进行训练，从而制定判别 标准，用某种方法把待识别对象归为某一 类别的过程。 基本做法：在样本训练集基础上确定某个判决规则，使得按这种 规则对被识别对象进行分类所造成的错误识别率最小或引起的损失 最小*14模式识别系统l 5.分类器的训练/学习 l 为了能使分类器有效地进行分类判决，还必须首先对分类 器进行训练，即分类器首先要进行学习。 l 研究机器的自动识别，对分类器进行训练，使它学会识别 ，具有自动识别的能力，就尤为重要。 l 一个孩子认字尚需一个反复学习过程，何况一部机器要掌 握某种判决规则，学习过程更不可缺少。 l 这种过程往往要多次反复，不断地纠正错误，最后才能使 机器自动诊

9、断的错误率不超过给定的要求。 l 这种输人、修正，再输人、再修正，不断反复循环，直到 分类错误率不大于给定值为止，才完成一个完整的学习过 程。 l 学习又可分为两种，一叫做预分类的训练试验，即监督训 练，和未分类的训练试验，即无监督训练。 *15模式识别实例l在传送带上用光学传感器件对鱼按品种分 类 鲈鱼(Seabass) 品种 鲑鱼(Salmon)*16模式识别实例l 识别过程： l 数据获取：架设一个摄像机，采集一些样本图像，获 取样本数据。 l 预处理：去噪声，用一个分割操作把鱼和鱼之间以及 鱼和背景之间分开 l 特征提取和选择：对单个鱼的信息进行特征选择，从 而通过测量某些特征来减少信

10、息量 l长度 l亮度 l宽度 l鱼翅的数量和形状 l嘴的位置，等等 l 分类决策：把特征送入决策分类器*17模式分类器的获取和评测过程l数据采集 l特征选取 l模型选择 l训练和测试 l计算结果和复杂度分析，反馈*18训练和测试l训练集：是一个已知样本集，在监督学习 方法中，用它来开发出模式分类器。 l测试集：在设计识别和分类系统时没有用 过的独立样本集。 l系统评价原则：为了更好地对模式识别系 统性能进行评价，必须使用一组独立于训 练集的测试集对系统进行测试。*1911.1.3 模式识别方法的分类 统计模式识别方法 将提取的特征向量定义在一个特征空 间中，不同类别的对象都对应于空间中的 一点

11、，在分类阶段，利用统计决策原理对 特征空间进行划分，从而识别不同特征的 对象。*20模糊模式识别 模糊识别的理论基础是模糊数学(fuzzy math)。它根据人辨识事物的思维逻辑，吸取人 脑的识别特点，将计算机中常用的二值逻辑 转向连续逻辑。模糊识别的结果是用被识别对象隶属于 某一类别的程度，即隶属度来表示的。 11.1.3 模式识别方法的分类 *21人工神经网络模式识别人工神经网络研究源于对生物神经系 统的研究。它将若干个处理单元(即神经元)通过 一定的互连模型连结成一个网络，这个网 络通过一定的机制(如误差后向传播)可以 模仿人的神经系统的动作过程，以达到识 别分类的目的。11.1.3 模

12、式识别方法的分类 *22 句法结构模式识别着眼于对待识别对象的结构特征的描述。将一个识别对象看成是一个语言结构，例如一 个句子是由单词和标点符号按照一定的语法规则 生成的，同样，一幅图像是由点、线、面等基本元素按照一 定的规则构成的。 11.1.3 模式识别方法的分类 *2311.1.4 模式识别的应用模式识别已经在天气预报、卫星航空图片解释 、工业产品检测、字符识别、语音识别、指纹 识别、医学图像分析等许多方面得到了成功的 应用。 分为以下几个方面： l 字符识别 l如清华的尚书OCR识别软件； l邮局信函自动分拣机 l 生物特征识别 l指纹识别,人像识别等 l 遥感应用 l卫星云图, 地面

13、导弹、飞机场等设施的卫星图像识 别处理 l 医学诊断 lCT等图像的识别处理*2411.2 基于匹配的识别技术11.2.1 全局模板匹配 为了从图像中确定出是否存在某一目标，可把某目 标从标准图像中预先分割出来作为全局描述的模板 ，然后在另一幅图像中搜索是否有这种模板目标。 l 设全图像f(x,y)大小为MN，若目标模板是JK 大小的w(x,y)，常用相关度量R(x，y)来表示它们 之间的相关性：式中，m=0,1,2,M-1;n=0,1,2,N-1。*2511.2.1 全局模板匹配进一步，规格化相关度：*26上式中设样板所框出范围都是j,k从到J,K计算，而(m,n) 则为f(x,y)的MN小

14、区中任一点，式中f1 (x,y)是f(x,y)在 (m,n)点框出JK大小的f(x,y)区，当m,n改变时，可搜索到 一个R(m,n)最大值即为样板配准或匹配的位置。若图像和目标样板用f和w1向量表示，则相关计算为： 式中w1为w(j-m,k-n)形成的向量。模板匹配与空间滤波非常相似。即，模板匹配表示把w(x,y)当作加权矩阵 对f(x,y)进行空间滤波。*27yMxJ(m,n) w(x,y)K在点(m,n)处的全局样本相关 例 通过相关系数进行目标匹配l图a是f(x,y),图b是w(x,y),图c是相关系 数r(x,y).在 f和w之间找到最佳匹配的地 方,相关系数r(x,y)的值最大(更

15、亮).*28*2911.2.2 模板向量匹配u 若用向量描述模板，则相关匹配可以用求向量差的方法求 相关，如用相似度作为模板与图像某子区的匹配量度。u 把图像被JK框出部分用向量表示，模板也用向量表示， 这时两个向量相似度可用两个向量的向量差为相似度的一 种度量，差值D(m,n) D(m,n)是被搜索到的图像场f(j,k)和样板w差。规定一个最小向量 差的阈值，若 D(m,n)， 则说明在(m,n)位置上匹配，向 量仅为JK维。*3011.2.3 特征匹配 若图像待识别部分和样板都用特征向量表示，则向 量的维数大为减少。例如用不变矩描述时，则f(j,k) 和w(j,k)特征向量只有7维( 参见

16、10.3.3) ，即 l x=(x11,x12,x13,x14,x15,x16,x17) l w=(w11,w12,w13,w14,w15,w16,w17)X和W向量差可用差向量的范数来表示：DJ(x,w)=|x-w|2=(x-w)T(x-w) 若图像中已分割出个目标物，求其中是否有目标 物，则只需求出个 l Dj(x,w)=|w-xj|2 j=1,2,L选出其中最小的一个j，即为与w相似的图像。*3111.3 统计模式识别u统计模式识别主要是根据模式统计特性，采用一系 列自动处理技术对给定模式进行大量统计分析，抓 取反映模式本质的特征而进行赋值和分类识别处理 。u 统计识别认为图像可能包含有一个或若干个不同的 物体，对于每一个物体都应当属于若干事先定义的 模式类之一。 *32 统计模式识别的过程 统计模式识别方法最终都要归结为分类的问题。如果从某个模式中共 抽取N个模式符图像，可以分为m个模式