图像处理中模式识别的方法及运用.pdfVIP

图像处理中模式识别的方法及运用--第1页

图像处理中模式识别的方法及运用

摘要：近几年，随着科学技术的不断发展与进步，模式识别技术在现代

科学技术的众多领域得到广泛应用，特别是在图像处理应用中起到至关

重要的作用，它提高图像处理的工作效率，解决图像处理过程的一些问

题，成为目前许多科研人员的一个研究方向。本文基于对模式识别在图

像处理的应用上特征识别不准确以及模型泛化能力弱等问题，论述其在

现代科学技术的应用研究中的主要方法和主流应用领域的现状。

关键词:模式识别;图像处理;应用;研究;

1、模式识别的定义及特点

1.1、模式识别的定义

模式识别诞生于20世纪20年代，随着40年代计算机的出现，50年

代人工智能的兴起，模式识别在60年代初迅速发展起来。模式识别是

指计算机对环境中客体和现象各种形式的信息进行处理和分析，而进一

步根据客体和现象的特征将它们进行分类的过程

1.2、模式识别的特点

模式识别和人类识别认知的特性具有一定的相似性，它通过对样本的特

征信息进行处理和分析，判别多数样本与特征信息的符合程度。但由于

有效提取的特征点少，模式识别技术还存在着“拒识”和“误识”的现

图像处理中模式识别的方法及运用--第1页

图像处理中模式识别的方法及运用--第2页

象。在如今，面对图像复杂的信息内容，模式识别依据计算机可以存储

大量信息和快速处理信息的特点，使其在图像处理上可以做到更精确、

更快速。可见模式识别在图像处理上的应用在未来有着必不可少的作用。

2、关于模式识别在图像处理应用中的问题

由于模式识别技术刚起步，在图像处理方面还没有一个系统的模型，因

此模式识别在图像处理领域应用依旧比较狭隘。模式识别在主流的生物

特征识别虽然通过科学研究积累了丰富的理论和方法，但是典型的应用

场景往往具有样本有限、特征高维异构、机器学习得到的模型泛化能力

比较弱等不利因素，这些对模式识别算法设计提出了巨大的挑战。同时，

在生物特征识别上，会存在像光照、遮挡以及生物表情变化等因素的影

响，这些不利影响会使得图像数据识别性能大幅降低，甚至无法满足在

现实世界实际应用中的非可控条件下的身份识别，而要解决这方面的问

题需要实现在这些非可控环境条件下的清晰成像、精准识别和精确鉴伪。

3、模式识别的主要方法

3.1、统计模式识别

统计模式识别的基本原理是：用给定的有限数量样本集，在已知研究对

象统计模型或已知判别函数类条件下根据一定的准则通过学习算法把

d维特征空间划分为c个区域，每一个区域与每一类别相对应。统计模

式识别的主要方法有：判别函数法，k近邻分类法，非线性映射法，特

征分析法，主因子分析法等。

图像处理中模式识别的方法及运用--第2页

图像处理中模式识别的方法及运用--第3页

3.1.1、线性判别法

线性判别分析（LinearDiscriminantAnalysis,LDA）是一种经典的线

性学习方法，同时也是一种监督学习的降维技术，它通过给定的训练样

本集，将样本投影到一条直线，若样本的类别相同，其投影点尽可能的

接近，反之，样本的类别不同，其投影点尽可能的远离。LDA算法既可

以用来降维也可以用来模式分类，它在人脸识别，语音识别，生物医学

研究上有着广泛的应用

3.1.2、k近邻分类法

K近邻（k-NearestNeighbor,KNN）分类算法属于监督分类方法，同

时也是最简单的机器学习算法之一。它的工作原理：[1]存在一个训练样

本集，样本集中的每个数据都对应一个标签。在K近邻分类算法中，输

入新的数据并在训练样本集中选取与该数据距离最小的K