自动化科学与技术〔杨宜民〕第5章.pptVIP

自动化科学与技术 第五章 模式识别 * * 第五章 模式识别 杨宜民 研究生示范课程课件 5.1 模式识别及其进展 5.1.1 模式识别的定义 模式识别的定义：模式识别又称为模式信息处理，是一门研究用计算机对通常由人类感觉器官接受的图像、图形、表格、文字、语音等的模式信息进行处理、描述和分类的学科。 5.1.2 模式识别方法的研究进展 模式识别是基于统计方法而发展起来的。上世纪60年代，研究者们提出了以贝叶斯(Bayes)决策为基础的特征空间划分的分类器法，以K均值聚类为代表的聚类法和以K-L变换为基础的特征选择法。 上世纪70年代、80年代，虽然句法模式识别和模糊识别方面有了许多新思想，但统计方法依然有生命力。到了90年代，主要研究“统计与句法相结合、句法与语义相结合”的模式识别方法。把语义作为属性引入，形成属性文法，可反映模式属性，通过语义规则降低文法中句法规则的复杂性，则可提高识别率。 利用人工智能中的一些问题求解方法，如知识获取和表达、语义网络与产生式系统、框架和脚本(Script)、数据库和知识库等，正形成一类基于知识的模式识别法。 5.2 机器视觉（计算机视觉） 5.2.1 马尔视觉计算理论 1982年美国麻省理工学院的马尔(Marr)教授创立了“视觉计算理论”。 马尔视觉计算理论认为，视觉的识别过程分为三个阶段。第一阶段是初始简图(Primal Sketch)，其目的是把二维图像中的边界、顶角、交边等重要信息表达清楚；第二阶段是“二维半计算”(2.5d Sketch)，描述出景物的三维可见表面，可称为“早期视觉”；第三阶段是三维景物的恢复与识别，这需要增加约束和利用经验知识。 5.2.2 机器视觉简介 1．机器视觉的组成及原理 机器视觉的结构框图如图5.1所示。图像输入与数字化通常由CCD(Charge Coupling Device)摄像头（即机器视觉硬件）来完成。预处理的主要工作是图像的去噪声与信号增强。识别和理解是机器视觉研究中最主要的两大内容。图像识别除需一些算法外，有时还需要经验知识。图像理解主要是靠经验、知识来完成，因此系统中往往要加入知识库。 图5.1 机器视觉的组成 2．一些常用的概念 图像的种类：黑白图像（灰度图像）和彩色图像。 图像分割：指把关注的物体与背景分开来。 几种颜色空间：RBG、XYZ、YIQ、HIS。 颜色空间的转换。 5.2.3 立体视觉 立体视觉指的是从不同位置摄取二幅或二幅以上的图像，并恢复三维信息，即完成三维物体识别、理解。可见，立体视觉可以由二台或者二台以上的CCD所组成，也可以由一台移动的CCD来完成。 立体视觉要解决的问题： 1)抽取二幅图像的特征； 2)寻找二幅图像特征点的对应； 3)可视面的二维半恢复。 图像特征提取常用方法：Kalman滤波法、小波分析法、多尺度法。特征点对应可采用人为标志及内极线法、标记法、松弛法等处理技术。所谓二维半恢复就是根据二幅图对应点来恢复这些可见点、面的三维坐标，有时要用到经验、知识。 在机器人视觉中，摄像机定标指的是摄像机初始位置、方向、光轴中心、尺度因子等未知的参数的确定与校准。目前已提出多种摄像机定标算法。 立体视觉是本学科当前研究热点和方向之一。 5.2.4 移动视觉 移动视觉能获取一系列的动态图像。动态系列图像分析就是通过对运动景物的图像序列分析、研究图像分割、运动参数估计及恢复三维景物的结构参数等。目前常用的是光流法和特征点匹配法。光流法主要通过图像三维速度场恢复三维运动参数及物体结构参数。特征点匹配法主要通过特征点对应求取运动参数和结构参数。 单目移动视觉沿较大曲率半径的曲线方向运动时，获取的动态序列图像可用于立体景物的识别与理解，此时单目移动视觉可以看成立体视觉。但图像三维恢复是不完全的，结构参数和速度矢量中总有一个不能确定的常数因子。此时需要增加附加条件：已知某点的三维坐标或已知物体中一条边长(或增加一台摄像机)。 单目移动视觉沿近似直线方向运动（如高空摄影）时，获取的动态序列图像不能用于景物的立体恢复。此时单目移动视觉的作用是扩大视觉的观察范围。 移动视觉的另一作用是用于动态目标的跟踪。 移动视觉是本学科当前另一研究热点和方向。 5.2.5 文本识别与分析 文本识别与分析主要是利用计算机来阅读和处理各种文本、传真、电报、印章、签字等，是实现办公自动化不可缺少的重要技术。 由于汉字类别数太多（要解决4000类的分类）、字体有多种，特别是手写体字形千变万化，这给自动汉字识别带来了相当的困难。一个有效途径是把已有的