图像模式识别(一)

一、模式识别(Pattern Recognition)就是机器识别、计算机识别或机器自动识别，目的在于让机器自动识别事物。模式识识别的研究内容是利用计算机对客观物体进行分类，在错误概率最小的条件下，使识别的结果尽量与客观事物符合。
模式的描述方法
在模式识别技术中，被观测的每个对象称为样品。通过对样品部识别有关的因素作为研究的根据，每一个因素称为一个特征。模式就是样品所具有的特征描述。模式的特征集由处于同一个特征空间的特征向量表示，例如：如果一个样品X有n个特征，则可把X看做一个n维向量，该向量X称为特征向量记：

x1 x2 … xn

X=

=（x1,x2…,xn）T

抽取图像特征，将图像变成n维空间的一个向量，之后用数学的方法进行运算，判别样品X为模式的哪一类。如果一个对象的特征观察值为{x1,x2,…,xn},它可以构成一个n维的特征向量值X，即X=（x1,x2…,xn）T，式中x1,x2…,xn为特征向量X的各个分量，而这个向量空间称为特征空间Rn。在模式识别中，要对许多具体对象进行测量，以获得观测值，其中常用的有均值、方差、协方差和协方差矩阵。
2模式识别系统
一个典型的模式识别系统如图：

分类决策

数据获取

预处理

特征提取

训练样本输入

特征提取

分类结果

确定判别函数

改进判别函

误差检验

预处理

分类器设计

系统上半部分完成未知类别模式分类，下半部分属于设计分类器的训练过程，利用样品进行训练，确定分类器具体参数，完成分类器的设计。
数据获取：用计算机可以运算的符号来表示所研究的对象。
预处理：对输入测量仪器或其他因素所造成的退化现象进行复原，去噪声，提取有用信息。
特征提取：对原始数据进行变换，得到能反映分类本质的特征。
分类决策：在特征空间中用模式识别方法把被识别对象归为某一类别
分类器设计：基本做法是收集样品训练集，在些基础上确定判别函数，改进判别函数的误差检验。