图像模式识别全套教学课件.pptx

图像模式识别;2;3;4;5;6;7;1. 教材 张善文等, 图像模式识别.西安电子科技大学出版社,2020 本书特点：以演示为主,省繁琐推导,简单明了,立竿见影,学以致用. 2. 参考资料 李云红,屈海涛, 数字图像处理. 北京大学出版社, 2016 冈萨雷斯,数字图像处理 .电子工业出版社, 2014 贾永红编著, 数字图像处理.武汉大学出版社,2015 贾永红编著, 数字图像处理实习教程.武汉大学出版社,2016 杨淑莹,图像模式识别. 清华大学出版社,2005 ;9;10;图像无处不在，无处不用;12;13;14;15;什么是模式识别中的图像;17;18;概念;20;下面给出几个相关概念： 判决规则：由某些知识和经验可以确定的分类准则。 根据适当的判决规则，把特征空间里的样本区分成不同的类型，从而把特征空间塑造成了――类型空间。 决策面：不同类型之间的分界面。 类型空间维数=类型的数目，一般小于特征空间维数。 分类判决：由特征空间到类型空间所需要的操作就是分类判决。 完整的模式识别过程：从物理上可以觉察到的世界，通过模式空间、特征空间到类型空间，经历了模式采集、特征提取/选择、以及分类决策等过程。;22;23;模式识别可以划分为统计模式识别、结构模式识别、模糊模式识别、人工神经网络和图像模式识别等。从研究方法上看，传统模式识别又可分为统计模式识别和句法模式识别。目前，模式识别与其他学科相互渗透，出现了诸如神经网络模式识别、遗传算法、支持向量机(SVM)等新方法或分支。;有监督模式识别（判别分析）;无监督模式识别（聚类分析）;统计决策模式识别;28;模糊模式识别;基于结构句法模式识别;步骤;智能模式识别;33;34;35;;37;38;39;5元 10元 20元 50元 100元;人民币识别过程;模式识别的基本过程;43;A/D转换注意事项：为便于计算机处理，往往需要A/D转换。此时必须考虑两个问题： 采样间隔（采样频率）：即单位时间内（秒）的采样值 量化级：即每个采样值要有多少个量化级。 预处理的作用 清除或减少模式采集中的噪声及其它干扰，提高信噪比. 消除或减少数据图像的模糊及几何失真，提高清晰度。 转变模式结构便于后续处理(如非线性模式?线性模式)。 预处理的方法：滤波、变换、编码、标准化等。;45;46;47;48;49;50;51;;53;54;55;在区间|x-?|?3?内，差不多包含了全部由正态样本取样的子样本，因为;57;特征空间（八） 实际情况下，类概率密度的估计有两种方法： 参数估计法 已知类概率密度函数或能从样本估计出类概率密度函数形式，但其中有未知参数，训练就是得到未知参数值。如：已知正态分布，但均值、协方差未知，通过训练求得这些值，进一步得到概率密度函数。 有两种方法：Bayes估计法、最大似然估计。 非参数估计 不知道类概率密度函数的形式。 常用的方法：Parzen窗法、Kn－近邻法、正交函数逼近法。;59;60;61;62;63;64;65;66;67;1.3 图像模式识别与其他学科关系 ;模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系，同时与人工智能、图像处理的研究有交叉关系。例如自适应或自组织的模式识别系统包含了人工智能的学习机制；人工智能研究的景物理解、自然语言理解也包含模式识别问题。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术。 ;随着计算机技术的迅速发展和科技的不断进步，图像模式识别技术已经在众多领域中得到了应用。2015年2月15日新浪科技发布一条新闻：“微软最近公布了一篇关于图像模式识别的研究论文，在一项图像模式识别的基准测试中，电脑系统识别能力已经超越了人类。人类在归类数据库Image Net中的图像模式识别错误率为5.1%，而微软研究小组的这个深度学习系统可以达到4.94%的错误率。”从这则新闻中我们可以看出图像模式识别技术在图像模式识别方面已经有要超越人类的图像模式识别能力的趋势。这也说明未来图像模式识别技术有更大的研究意义与潜力。而且，计算机在很多方面确实具有人类所无法超越的优势，也正是因为这样，图像模式识别技术才能为人类社会带来更多的应用。 ;应用前景;;计算机图谱解析技术： （1）数据库图谱显示方法—将大量已知化合物的图谱存入数据库，通过检索的方祛来识别谱图。 （2）模式识别法—利用已知谱图作训练集，对未知物的谱图作分类、鉴别以至结构测定等(例如近红外仪软件中的定性分析软件）。 ;74;图像预处理基本概念;数字化和显示：将一幅图像从原有形式转换为数字形式。 显示是数字化的逆过程。 扫描：对像素的寻址。 采样、采样密度：对应像素灰度值的测量。通常转变为电压值。 量化：将电