《现代图像分析知识点 (52).pdf》由会员分享，可在线阅读，更多相关《现代图像分析知识点 (52).pdf（13页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Modern Image Analysis 9.1 图像匹配 9.2 图像的分类 9.3 图像识别 9.4 模式分类识别专题 9.5 要点总结第9章图像分类识别第9章图像分类识别Modern Image Analysis概述概述数字图像获取图像预处理图像分割特征选择与特征提取分类与识别图像分类识别系统一个图像识别系统大体上可以分成三个部分：(1)信息的获取部分；(2)信息的加工和处理；(3)进行判断和分类。Modern Image Analysis几个概念：1）要判定搜索图像中是否存在某一目标物，可以事先将该目标物从标准图像中分割提取出来，以矩阵形式表示成代表该目标物的样板，该样板就称做模板。
2、2）根据该模板与一幅图像的各部分的相似度，判定其是否存在，并求得目标物在图像中的位置，这一操作就叫模板匹配。3）模板匹配最基本的原则就是通过计算相关函数来找到它在被搜索图像中的坐标位置。4）匹配的方法包括基于模板的相关匹配、基于特征的最近匹配等。其核心思想是要找出在图像不同部分找到目标对应关系。9.1 图像匹配9.1 图像匹配Modern Image Analysis模板匹配原理：设模板为T(m,n),其大小为M M；搜索图像为S(m,n)，其大小为N N，且N M。将模板T叠放在搜索图像S上平移，模板覆盖下的区域称为子图，为模板左上角像素点在图像S中的坐标，称为参考点，可以看到：模板匹配（a
3、）图像（b）被搜索模板,ijS ,ij11,ijNM9.1 图像匹配9.1 图像匹配Modern Image Analysis现在可以比较 T 和的内容，若两者一致，则差为零，再用下面的公式来描述其相似程度（相似性）。,211MMijmnDijSmnTmn ,11,MMijmnDijSmnTmn 或,ijS,222ijijmnmnmnDijSmnSmnTmnTmn 覆盖区域的子图能量，它随坐标（i,j）的变化而缓慢变化。子图和模板的互相关系数，随坐标(i,j)的变化而变化，当T 和达到匹配时，互相关系数取最大值；常数，表示模板的总能量，它的取值与坐标无关。9.1 图像匹配9.1 图像匹配,ij
4、SModern Image Analysis特征匹配：1）图像匹配的计算量大，匹配效率和精度都很低；2）实际应用中的多数场合，我们关心的并不是目标物所在区域的所有像素，而是目标物的特征；3）常用的匹配特征有特征点、字符串、形状数、惯量等效椭圆等；4）最常用的特征点是图像中的一些特殊点，例如边缘点、交界点和拐点等；5）特征点匹配主要的步骤如下：（1）选取特征点；（2）特征点的匹配；（3）对匹配结果进行插值。9.1 图像匹配9.1 图像匹配Modern Image Analysis9.2 图像的分类9.2 图像的分类 图像分类就是根据提取出的目标物特征（一般用特征向量示），利用分类技术进行分类；分
5、类方法包括统计方法和结构方法，实际中常用统计方法；统计分类方法可以分为监督分类的方法和非监督分类的方法。监督分类法：根据预先已知类别名的训练样本，求出各类在特征空间的分布，然后利用它对未知数据进行分类的方法。非监督分类法：也叫聚类分析法，要根据模式之间的相似性进行类别划分，将相似性强的模式划分为同一个类别。Modern Image Analysis9.2 图像的分类9.2 图像的分类监督分类法监督分类法的步骤：（1）根据类别名预先给定的训练样本，求出确定各类特征矢量分布的判别函数（其中c为类别数）；（2）对于待分类的特征矢量（或模式），计算各判别函数的值；（3）在中选择最大值，并把模式 X 分
6、到这一类。1cgg ,12nXxxx 1cgXgX 1cgXgX常用的判别函数有：距离函数，统计决策理论，线性判别函数。Modern Image Analysis1.距离函数把距离作为判别函数的分类法是最简单的分类法。求出与模式 X 距离最近的训练样本或者各类的平均值，并把X 分类到这一类中。常用的距离判别函数有：1221niiixy 1niiixy XYXY L 距离:欧几里德距离:相似度:9.2 图像的分类9.2 图像的分类类别2类别1类别31x2xX最近邻分类Modern Image Analysis9.2 图像的分类9.2 图像的分类平均值类别边界1x2xXM未知模式MM:M类别边界1
7、x2xXM未知模式MM（a）与类别平均值比较（b）与各样本的比较最近邻分类的两种方法比较Modern Image Analysis2.统计决策理论（最大似然法）统计决策理论在遥感识别中是最常用的方法。设为某一类别的特征矢量分布函数，它是把模式 X 分类到 iPX i giiiiXPXPXP iP iPX i iPX i 9.2 图像的分类9.2 图像的分类式中表示类别模式的先验概率，表示条件概率密度函数，为在观测模式 X 时，该模式属于类别的确定度(似然度)。这一方法称为最大似然法，它是理论上误差最小的分类方法。i 为最大的类别中的分类方法。Modern Image Analysis3.线性判
8、别函数 gXaXb9.2 图像的分类9.2 图像的分类采用线性判别函数进行分类时，一般将M类识别问题分解成(M-1)个2类识别问题；首先把特征空间分为l类和其他类，然后对其它类依次进行下去。最简单、最基本的是2类线性分类问题，其中线性判别函数的系数可以通过样本试验来确定。线性判别函数是一种应用广泛的判别函数，它是图像所有特征量的线性组合。即Modern Image Analysis9.2 图像的分类9.2 图像的分类非监督分类法（聚类分析法）在监督分类法中，认为类别名已知的训练样本是预先给定的。而实际应用中，有时事先并不知道有什么样的类别存在，这时在无法得知类别先验知识的情况下，要根据模式之间的相似性进行类别划分，将相似性强的模式划分为同一个类别。由于这种“物以类聚”的思想，因此这种非监督分类的方法又称为聚类分析法。这种方法完全按照模式本身的统计规律分类，因此分类的效果较好。此外，聚类分析还有可能揭示一些尚未察觉的模式类别及其内在规律。