模式識別模板匹配法專題培訓(xùn)課件

第二章:模板匹配法基本概念模板匹配法統(tǒng)計(jì)決策方法的特殊情況，也是最簡單的情況待分類的每一類模式只有一個(gè)唯一的標(biāo)準(zhǔn)（印刷體字符、標(biāo)準(zhǔn)普通話）2AppliedPatternRecognitionCSE616基本概念觀測向量對樣本進(jìn)行觀測、采樣、量化得到的原理數(shù)據(jù)構(gòu)成的向量觀測空間由觀測向量的維數(shù)決定的m維幾何空間觀測向量觀測值3AppliedPatternRecognitionCSE616基本概念特征向量對觀測向量進(jìn)行特征選擇和提取，得到反映事物本質(zhì)特性的特征構(gòu)成的向量特征空間由特征向量的維數(shù)決定的n維幾何空間（n<m），每個(gè)特征向量即是特征空間中的一個(gè)點(diǎn)特征向量特征值4AppliedPatternRecognitionCSE616特征空間鮭魚鱸魚5AppliedPatternRecognitionCSE616基本概念特征選擇去除次要的特征，篩選出重要的特征特征提取通過壓縮變換或映射，降低特征維數(shù)6AppliedPatternRecognitionCSE616基本概念樣本的相似度即樣本的相似程度，是模式識別的重要依據(jù)通常以樣本特征向量在特征空間中的距離作為樣本的相似度樣本相似度歐氏距離平方和距離絕對值距離加權(quán)距離7AppliedPatternRecognitionCSE616基本概念歐氏距離設(shè)有兩個(gè)n維特征向量X1和

X2則此二樣本的歐氏距離定義為：X1X28AppliedPatternRecognitionCSE616基本概念平方和距離絕對值距離（曼哈頓距離）9AppliedPatternRecognitionCSE616基本概念加權(quán)距離可根據(jù)各個(gè)特征在識別中的重要程度設(shè)置各加權(quán)系數(shù)10AppliedPatternRecognitionCSE616模板匹配法原理及過程學(xué)習(xí)過程對每一類已知類的學(xué)習(xí)樣本進(jìn)行特征提取，得到模板向量X1，X2，﹒﹒﹒

XC（C為類別數(shù)）設(shè)置識別門限值ε以待識樣本與模板向量之間的相似度（距離）為識別準(zhǔn)則11AppliedPatternRecognitionCSE616模板匹配法原理及過程識別過程對待識樣本進(jìn)行特征提取，得到特征向量Ｘ計(jì)算待識樣本特征向量Ｘ與模板向量X1，X2，﹒﹒﹒

XC之間的距離D1，

，﹒﹒﹒，DC若Di

=min{Dj

}，j=1,2,﹒﹒﹒,C，且Di

<ε，則判樣本Ｘ屬于第i類,，記為Ｘ∈Ｗi若所有Di（i=1,2,﹒﹒﹒,C）均大于ε，則拒識。12AppliedPatternRecognitionCSE616模板匹配法原理及過程為提高模板匹配法的魯棒性，可采用彈性模板匹配將模板樣本進(jìn)行平移、旋轉(zhuǎn)、縮放得到多個(gè)模板向量13AppliedPatternRecognitionCSE616模板匹配法的應(yīng)用人臉識別、模板臉印刷體字符識別標(biāo)準(zhǔn)普通話識別14AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)問題模板匹配法將每一類模式的特征向量視為只有唯一標(biāo)準(zhǔn)的模板向量實(shí)際應(yīng)用中，由于樣本的不確定性，每一類模式在特征空間中分布為一區(qū)域造成樣本分布不確定的原因：樣本本身的空間分布傳輸處理過程中的噪聲和干擾15AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)解決辦法將特征向量視為具有一定空間概率分布的隨機(jī)向量利用概率統(tǒng)計(jì)的方法進(jìn)行分類器設(shè)計(jì)16AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)先驗(yàn)概率

設(shè)有C個(gè)類別的識別問題（ω1，ω2，﹒﹒﹒，ωc），則ωi

類發(fā)生（出現(xiàn)）的概率P(ωi)

稱為第i類的先驗(yàn)概率。顯然：例如：乙肝病診斷

手寫體數(shù)字識別17AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)類概率密度

指在已知樣本類別為ωi的條件下，特征向量在特征空間X處發(fā)生的概率，記為P(X/

ωi)。

顯然：P(X/

ωi)

隨X的變化函數(shù)稱為第i類的類概率密度函數(shù)。18AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)一維二類情況下的類概率密度函數(shù)19AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)模板匹配法情況下的類概率密度函數(shù)？先驗(yàn)知識先驗(yàn)概率和類概率密度的總稱統(tǒng)計(jì)方法即是基于樣本先驗(yàn)知識的模式識別方法20AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)根據(jù)先驗(yàn)知識的多少，將統(tǒng)計(jì)方法分為：統(tǒng)計(jì)決策法Bayes決策法參數(shù)估計(jì)法非參數(shù)估計(jì)法線性判別函數(shù)21AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)Bayes決策法已知各類樣本的先驗(yàn)概率P(ωi

)及類概率密度P(X/ωi)通過先驗(yàn)概率估計(jì)后驗(yàn)概率參數(shù)估計(jì)法僅知道各類樣本的類概率密度P(X/ωi)的函數(shù)形式，函數(shù)中的參數(shù)末知由學(xué)習(xí)樣本估計(jì)類概率密度函數(shù)中的參數(shù)22AppliedPatternRecognitionCSE616統(tǒng)計(jì)模式識別基礎(chǔ)非參數(shù)估計(jì)法幾乎無先驗(yàn)知識，類概率密度函數(shù)形式均末知直接由學(xué)習(xí)樣本進(jìn)行分類器設(shè)計(jì)線性判別函數(shù)基于對學(xué)習(xí)樣本的分析，得到線性判別函數(shù)由線性判別函數(shù)決定的分界面，將