20
第20页/共33页
➢分类器的设计（统计分类器） 对于要研究的分类问题有M个模式类，各个类用wi来表示，
i=1,2,…,M，各个类出现的先验概率P(wi)和条件概率密度函数 P(wi|x)已知。现在特征空间观察到某一向量x，那么x分到哪一类最 合理。
被识别 信息
数据 采集 获取
预处理
特征 提取 与选择
分类 决策
识别 信息
已识别 信息
2
第2页/共33页
图像处理、识别及理解
图像
图像处理
图像
（编码、压缩、增强
分割）
图像
图像识别 （特征提取、分类
分析）
类别+结构分析
图像
图像理解
图像描述+解释
3
第3页/共33页
图像识别过程
图像信息 获取
图像 预处理
图像特征 提取
15
第15页/共33页
• 常用的模式序列表示方法 • 模式向量、模式串、模式树 模式向量 模式向量用粗体的小写字母表示，如x,y，形式如下：
x1 x2 x= . xn
其中每一个xi代表第i个描述子，n是这种描述子的数量。模式向量被表示 为一列或表示成
x = (x1, x2, …, xn)T， 其中T指出是转秩
5
第5页/共33页
*模式是一个客观事物的描述，即一个可用来仿效的完善的例子。模式 识别按照哲学的定义，是指一个“外部信息到达感觉器官并被转换 成有意义的感觉经验”的过程。模式识别问题通常表现为对一组过 程或事件的判别或分类。
**按照广义的定义，模式是一些供模仿用的、完美无缺的标本。模式 识别就是识别出特定客体所模仿的标本。客体是指人类能用感官直 接或间接接收的外部信息，不如声音、图像、文字是模式，心电图、 脑电图、地震波也是模式。
图像特征 匹配
结果
4
第4页/共33页
• 图像识别 运用模式识别的原理对图像对象进行分类的学问。
• 模式（pattern）与模式识别（pattern recognition） 广义地说，存在于时间和空间中可观察的事物，如果我们可以区别
它们是否相同或是否相异，都可以称之为模式。 模式识别就是根据观察到的事物的模式对事物进行分类的过程。
16
第16页/共33页
模式向量举例 假设我们想描述三种蝴蝶花（多毛的、维吉
尼亚、多色的）通过测量它们花瓣的宽度和长 度。这里涉及一个两维的模式向量：
x1 x = x2
其中x1、x2分别对应花瓣的长和宽 三种模式类用w1、w2、w3表示
17
第17页/共33页
模式树
以分层目录结构排序的模式类，一般多采用 树结构。
1、特定格式信息识别系统
特定格式信息就是采用规定的表现形式来表示规定的信息。如条码符号、IC卡中 的数据格式等。系统模型如下图：
被识别信息
获取信息
译码
识别信息
已识别信息
1
第1页/共33页
2、图像图形格式信息识别系统
图象图形格式信息则是指二维图像与一维波形等信息。如二维图像包括的文字、 地图、照片、指纹、语音等。系统模型如下图：
模式树举例
图像
城市
田园
城区 内城 市郊 公路 草地 森林
娱乐区 商业区 娱乐区 商业区
18
第18页/共33页
模式串
用于以对象特征的结构或空间关系作为模 式的识别
模式串举例：梯状的模式 a
(1) S->aA
a
(2) A->bS
(3) A->b
b
b a b a b
19
第19页/共33页
• 统计模式识别 ✓基本原理是：有相似性的样本在模式空间中互相接近，并形成“集
（5）分类决策 分类器按已确定的分类判别规则对待识模式进行分类判别，输出
分类结果，这就是分类器的使用过程，也称分类决策**。
14
第14页/共33页
• 模式可以是以矢量形式表示的数字特征； 也可以是以句法结构表示的字符串或图； 还可以是以关系结构表示的语义网络或框架结构等。
• 对于上述三种类型的模式，必须分别使用不同的识别方法：统 计模式识别，结构（句法）模式识别和人工智能方法（神经网 络识别）。
11
第11页/共33页
例如：一幅96x64的图象 细节点：分歧点、端点
12
第12页/共33页
• 特征提取和选择：特征能够较容易地从图像中提取；所选取的特征必须有利于分类。
13
第13页/共33页
（4）分类器设计 分类器设计的主要功能是通过训练确定判决规则，使按此类判
决规则分类时，错误率最低或风险最小。
6
第6页/共33页
**模式类的定义 模式类是具有某些公共特征的模式的系列（集合） 模式类用w1,w2,…wM表示，M是类的个数
**模式识别的定义 根据对象的特征组成的模式，确定对象是属于那一个模式类，即为 模式识别 模式与模式类举例 已知汽车的长、宽、高（x1,x2,x3）,希望识别出，大客车、小轿 车、卡车（w1,w2,w3）
团”，即“物以类聚”。 ✓主要方法有：决策函数法， k近邻分类法，支持向量机，特征分析
法，主因子分析法等… ✓参考书籍：《统计模式识别》(Andrew R.Webb)
Jain A K, Duin R P W, Jianchang Mao. Statistical pattern recognition: a review. Pattern Analysis and Ma0. 22(1) : 4～37.
10
第10页/共33页
（3）特征提取和特征选择
A、特征分类：物理特征、结构特征、数学特征。 B、特征形成：根据被识别的对象产生出一组基本特征，它可以是计算出 来的（当识别对象是波形或数字图像时），也可以是用仪表或传感器测量出来 的（当识别对象是事物或某种过程时），这样产生的特征叫做原始特征。 C、特征提取：原始特征的数量可能很大，通过映射（或变换）的方法可 以用低维空间表示样本，这个过程叫做特征提取。映射后的二次特征是原始特 征的线性组合（通常是线性组合）。 D、特征选择：从一组特征中挑选出一些最有效的特征以达到降低特征空 间维数的过程。
7
第7页/共33页
• 模式识别的过程是由计算机（机器）来自动完成。广义上说，模式识别属于人工智能的范畴。
8
第8页/共33页
模式识别系统的基本构成
9
第9页/共33页
（1）数据（信息）获取 通过传感器，将光或声等信息转化为电信息。
（2）预处理： A、信号增强：去除噪声，加强有用信息。 信号恢复：对退化现象进行复原。 B、归一化处理 （例如图像大小的归一化； 神经网络输入数据的归一化）