模式识别实例教学省公共课一等奖全国赛课获奖课件.pptx
《模式识别实例教学省公共课一等奖全国赛课获奖课件.pptx》由会员分享,可在线阅读,更多相关《模式识别实例教学省公共课一等奖全国赛课获奖课件.pptx(58页珍藏版)》请在咨信网上搜索。
1、第八章第八章 实例教学实例教学第1页8.1 应用统计决议肤色提取应用统计决议肤色提取8.1.1图像基础知识nHSI表色模型表色模型n面向彩色处理最惯用模型,符合人类视觉感受。面向彩色处理最惯用模型,符合人类视觉感受。H(Hue)色调(色相),表明物体是什么颜色。色调(色相),表明物体是什么颜色。S(Saturation)饱和度,表明该种颜色浓淡。饱和度,表明该种颜色浓淡。I(Intensity)亮度,与图像彩色信息无关。亮度,与图像彩色信息无关。nRGB模型与模型与HSI模型能够相互转换。模型能够相互转换。第2页8.1.2样本获取 原始图像 H H分量分量 S S分量分量 I I分量分量因为因
2、为H H分量很好区分了肤色与背分量很好区分了肤色与背景,所以选景,所以选H H分量图像中像素点分量图像中像素点作为样本。作为样本。第3页8.1.3样本学习样本学习 H分量H分量二值化图皮肤点数先验概率:皮肤点数先验概率:P P(1 1)=是皮肤像素点数是皮肤像素点数 /全部像素点数全部像素点数 =7.99%=7.99%非皮肤点数先验概率:非皮肤点数先验概率:P P(2 2)=不是皮肤像素点不是皮肤像素点数数 /全部像素点数全部像素点数=92.01%=92.01%(1 1)计算先验概率:)计算先验概率:图像二值化,为图像二值化,为1 1是皮是皮肤,为肤,为0 0是背景。是背景。第4页(2 2)计
3、算类条件概率密度:)计算类条件概率密度:计算计算H H分量图像中皮肤区域直方图,就是皮肤类条件分量图像中皮肤区域直方图,就是皮肤类条件概率密度;计算概率密度;计算H H分量图像中非皮肤区域直方图,就分量图像中非皮肤区域直方图,就是非皮肤类条件概率密度。是非皮肤类条件概率密度。非皮肤类条件概率密度非皮肤类条件概率密度 皮肤类条件概率密度皮肤类条件概率密度 横坐标是像素点可能灰度值(将灰度量化成了横坐标是像素点可能灰度值(将灰度量化成了8等分),纵坐标是对应区域中灰度值为等分),纵坐标是对应区域中灰度值为横坐标值像素点数。横坐标值像素点数。P(x|1):0.9855 0.0143 0 0 0 0
4、0 0.0002 P(x|2):0.0790 0.7820 0.0742 0.0192 0.0199 0.0074 0.0072 0.0108第5页8.1.4模式分类模式分类 输入下列图,用最小误判概率准则和最小损失输入下列图,用最小误判概率准则和最小损失准则判决判断每个像素点是否是皮肤。准则判决判断每个像素点是否是皮肤。待分类图像 H分量第6页a)最小误判概率准则最小误判概率准则判断每个像素点是否使皮肤。判断每个像素点是否使皮肤。两类问题两类问题Bayes最小误判概率准则为最小误判概率准则为假如假如 ,则判,不然判,则判,不然判,x为为每个像素点灰度值,若该点属于皮肤,置位每个像素点灰度值,
5、若该点属于皮肤,置位1;若不是;若不是皮肤,置位皮肤,置位0,得到下列图。,得到下列图。最小误判概率准则识别结果第7页b)b)最小损失准则最小损失准则 1111=0,=0,1212=10=10,2121=1,=1,2222=0=0 假如,则判,不然假如,则判,不然判。判。x x为每个像素点灰度值,若该点属为每个像素点灰度值,若该点属于皮肤,置位于皮肤,置位1 1;若不是皮肤,置位;若不是皮肤,置位0 0,得到下列,得到下列图。图。能够看出最小损能够看出最小损失准则得到皮肤更完失准则得到皮肤更完整,漏检率下降,不整,漏检率下降,不过将更多非皮肤点误过将更多非皮肤点误判为皮肤,虚警率增判为皮肤,虚
6、警率增加。加。最小损失准则识别结果第8页8.2 车牌识别车牌识别 第9页8.2.1车牌相关知识 英文字母中英文字母中I I和和O O普通避而不用,以免和数字中普通避而不用,以免和数字中1 1和和0 0混混同。同。车牌大小为车牌大小为440*140mm440*140mm。汉字字体为黑体,数字和字母字体为国家公安部门开汉字字体为黑体,数字和字母字体为国家公安部门开发特殊字体。发特殊字体。第10页8.2.2 图像采集 第11页8.2.3车牌识别预处理(1)字符分割 第12页(2)字符细化 第13页1.特征选择与提取(1 1)特征空间向量选择)特征空间向量选择 因为车牌中字母和数字都有特定字体,且作为
7、汽车因为车牌中字母和数字都有特定字体,且作为汽车“身份证身份证”,车牌,车牌制作过程严谨,相同字符形态区分不大,他们差异性和共同点都很显著。制作过程严谨,相同字符形态区分不大,他们差异性和共同点都很显著。基于上节描述设计准则,综合考虑了提取特征编程复杂度和特征对不一样基于上节描述设计准则,综合考虑了提取特征编程复杂度和特征对不一样字符区分度,本系统分别从字符形态、结构、笔画特点出发,采取了字符区分度,本系统分别从字符形态、结构、笔画特点出发,采取了4 4个个类别共类别共1010个特征值作为判断矢量依据(特征提取时均以细化后图像为基础)个特征值作为判断矢量依据(特征提取时均以细化后图像为基础)。
8、字符重心判断:字符重心判断:字符重心位于上方字符重心位于上方/下方,分别计算字符上下半区像素数目,假如其下方,分别计算字符上下半区像素数目,假如其差值在一个固定小范围内差值在一个固定小范围内(试验得出此差值在试验得出此差值在0-200-20像素内为最正确像素内为最正确),则该,则该特征值记为特征值记为2 2,上方偏多记为,上方偏多记为1 1,下方偏多记为,下方偏多记为3 3;字符重心位于左方字符重心位于左方/右方,分别计算字符左右半区像素数目,假如其右方,分别计算字符左右半区像素数目,假如其差值在一个固定小范围内差值在一个固定小范围内(试验得出此差值在试验得出此差值在0-200-20像素内为最
9、正确像素内为最正确),则该,则该特征值记为特征值记为2 2,左方偏多记为,左方偏多记为1 1,右方偏多记为,右方偏多记为3 3。特定位置扫描线特征:特定位置扫描线特征:图像垂直图像垂直1/31/3处扫描线穿越线条数目;处扫描线穿越线条数目;图像垂直图像垂直1/21/2处扫描线穿越线条数目;处扫描线穿越线条数目;图像垂直图像垂直2/32/3处扫描线穿越线条数目;处扫描线穿越线条数目;图像水平图像水平1/31/3处扫描线穿越线条数目;处扫描线穿越线条数目;图像水平图像水平2/32/3处扫描线穿越线条数目;处扫描线穿越线条数目;第14页 为了消除可能细化算法不完善影响,以上在计算穿越次数时均为为了消
10、除可能细化算法不完善影响,以上在计算穿越次数时均为0-10-1改变改变次数。次数。笔画特征:笔画特征:字符中字符中“竖竖”数目,计算图像在水平方向上投影,投影点像素数目累加值数目,计算图像在水平方向上投影,投影点像素数目累加值超出超出1/31/3图像高度且无超出图像高度且无超出5 5像素中止,记为像素中止,记为“竖竖”数目加数目加1 1;字符中字符中“横横”数目,计算图像在垂直方向上投影,投影点像素数目累加值数目,计算图像在垂直方向上投影,投影点像素数目累加值超出超出1/31/3图像宽度且无超出图像宽度且无超出5 5像素中止,记为像素中止,记为“横横”数目加数目加1 1;在实际情况中,因为车牌
11、图像并不总是标准,当出现倾斜、几何失真等在实际情况中,因为车牌图像并不总是标准,当出现倾斜、几何失真等情况时,字符中横或竖不可能全部投影在一点上,而是在一个小范围内密集情况时,字符中横或竖不可能全部投影在一点上,而是在一个小范围内密集分布。经过屡次尝试,结合车牌字符本身特点,本文将判定存在竖分布。经过屡次尝试,结合车牌字符本身特点,本文将判定存在竖/横笔画门横笔画门限值设为图像高度限值设为图像高度/宽度宽度1/31/3左右。左右。为了消除可能图像几何失真带来影响,计算笔画数目时均不重复计算为了消除可能图像几何失真带来影响,计算笔画数目时均不重复计算2020像素点以内笔画,既若该点存在横像素点以
12、内笔画,既若该点存在横/竖,则在该投影方向上向下竖,则在该投影方向上向下/后移动后移动2020像像素继续判断。素继续判断。结构特征:结构特征:字符中存在闭合回路数目。利用递归实现区域生长算法,对全部独立连通字符中存在闭合回路数目。利用递归实现区域生长算法,对全部独立连通区域进行标号处理,最终将连通区域个数减一区域进行标号处理,最终将连通区域个数减一(外围背景区域也作为一个连通外围背景区域也作为一个连通区域被标号,需要在特征值中减去区域被标号,需要在特征值中减去)记为该特征值。记为该特征值。第15页(2 2)模板数据生成)模板数据生成考虑到车牌字符特殊性,无法使用Windows系统自带普通字体来
13、作为标准模板。我们对拍摄到车牌图像进行以下处理,形成了标准模版数据。为了杜绝可能系统图像处理缺点,使用PhotoShop等商用软件将其调整为二值化图像;为了降低系统缩放函数可能存在不完善对画面失真影响,将不一样字符做成140*440标准图像,供系统提取特征值;使用程序中细化模块细化图像,并以特征提取模块计算标准图像特征值,将得出数据结果作为模板数据,以矩阵形式保留在template.ini文件中。第16页2.2.字符识别字符识别采取最小距离准则进行模板匹配识别。判决标准采取欧式距离最小准则,计算当前图形特征向量与34个特征向量(除字母I和O以外全部数字和字母,共34个)欧式距离,取其中最小为判
14、决结果。于是待识别样品与模板k之间欧式距离dk为:其中距离最短者为:第17页对每一个样品判决过程为:遍历全部模板,计算其模板与样品间欧式距离,取最小值作为最终判决结果。假如最短距离小于某个要求阈值,则结果为这个最小值相对应类别;不然判定为无法识别。识别结果如图所表示 在本系统中,使用一个识别模块来识别当前样品,其算法流程图以下列图:第18页8.3纸币识别器纸币识别器 、数据采集数据采集、特征提取特征提取、训练学习训练学习、分类识别分类识别第19页8.3.1数据采集 纸币面额:5元,10元,20元,50元,100元第20页8.3.2特征提取与选择特征提取:长度、宽度、磁性、磁性特征提取:长度、宽
15、度、磁性、磁性位置,光反射亮度、光透射亮度等位置,光反射亮度、光透射亮度等第21页8.3.38.3.3训练学习训练学习训练集:是一个已知样本集,在监督学习方法中,训练集:是一个已知样本集,在监督学习方法中,用它来开发出模式分类器。图中给出了对一个样本用它来开发出模式分类器。图中给出了对一个样本进行特征提取、分类学习过程进行特征提取、分类学习过程第22页8.3.4分类识别分类识别对测试集来进行分类识别,确定纸币面额及真伪。对测试集来进行分类识别,确定纸币面额及真伪。为了更加好地对模式识别系统性能进行评价,必须为了更加好地对模式识别系统性能进行评价,必须使用一组独立于训练集测试集对系统进行测试。使
16、用一组独立于训练集测试集对系统进行测试。图中是对图中是对1010元纸币分类识别界面。元纸币分类识别界面。第23页8.4最近邻方法用于图像拼接最近邻方法用于图像拼接8.4.18.4.1图像获取图像获取获取有重合区域两幅图像,以下列图所表示:(a a)(b)(b)第24页8.4.2 特征提取特征提取n分别在两副图中用分别在两副图中用SIFT算法提取特征点,算法提取特征点,(a)图中特征图中特征点数为点数为5793,(b)图中特征点数为图中特征点数为3199。nScale Invariant Feature Transform,尺度不变量特,尺度不变量特征提取算法,简称征提取算法,简称 SIFT 算
17、法,是一个提取控制点特征算法,是一个提取控制点特征经典算法(以下所说经典算法(以下所说“关键点关键点”(Keypoint)是文件)是文件1中提到说法,中提到说法,能够了解为控制点)。能够了解为控制点)。nSIFT算法提取算法提取SIFT特征向量详细含有以下特征:特征向量详细含有以下特征:SIFT特征是图像局部特征,其对旋转、尺度缩放、亮度改变特征是图像局部特征,其对旋转、尺度缩放、亮度改变保持不变性,对视角改变、仿射变换、噪声也保持一定保持不变性,对视角改变、仿射变换、噪声也保持一定程度稳定;独特征程度稳定;独特征(Distinctiveness)好,信息量丰富,好,信息量丰富,适合用于在海量
18、特征数据库中进行快速、准确匹配;多适合用于在海量特征数据库中进行快速、准确匹配;多量性,即使少数几个物体也能够产生大量量性,即使少数几个物体也能够产生大量SIFT特征向量;特征向量;高速性,经优化高速性,经优化SIFT匹配算法甚至能够到达实时要求;匹配算法甚至能够到达实时要求;可扩展性,能够很方便与其它形式特征向量进行联合。可扩展性,能够很方便与其它形式特征向量进行联合。第25页nSIFT SIFT 算法首先在尺度空间进行特征检测,并确定关算法首先在尺度空间进行特征检测,并确定关键点位置和关键点所处尺度,然后使用关键点邻域键点位置和关键点所处尺度,然后使用关键点邻域梯度主方向作为该点方向特征,
19、以实现算子对尺度梯度主方向作为该点方向特征,以实现算子对尺度和方向无关性。主要计算步骤以下:和方向无关性。主要计算步骤以下:n尺度空间极值检测:搜索整个尺度和图像位置。经过尺度空间极值检测:搜索整个尺度和图像位置。经过使用高斯差分函数(使用高斯差分函数(Difference of GaussianDifference of Gaussian)确)确定对尺度和方向含有不变性兴趣点。以初步确定关定对尺度和方向含有不变性兴趣点。以初步确定关键点位置和所在尺度。键点位置和所在尺度。n关键点定位:在每一个候选位置,详细地模型拟合以关键点定位:在每一个候选位置,详细地模型拟合以确定位置和尺度。依据稳定性选
20、择关键点。经过拟确定位置和尺度。依据稳定性选择关键点。经过拟合三维二次函数以准确确定关键点位置和尺度,同合三维二次函数以准确确定关键点位置和尺度,同时消除低对比度关键点和不稳定边缘响应点时消除低对比度关键点和不稳定边缘响应点(因为高因为高斯差分算子会产生较强边缘响应斯差分算子会产生较强边缘响应),以增强匹配稳定,以增强匹配稳定性、提升抗噪声能力。性、提升抗噪声能力。第26页n方向分配:每一个关键点依据局部图像梯度方向分配一个或多个方向分配:每一个关键点依据局部图像梯度方向分配一个或多个方向。其后全部操作都依据分配方向、尺度、位置。利用关键点方向。其后全部操作都依据分配方向、尺度、位置。利用关键
21、点邻域像素梯度方向分布特征为每个关键点指定方向参数,使算子邻域像素梯度方向分布特征为每个关键点指定方向参数,使算子具备旋转不变性。具备旋转不变性。n关键点描述符:在每个关键点周围在选定尺度下测量局部图像梯关键点描述符:在每个关键点周围在选定尺度下测量局部图像梯度。为了增强匹配稳健性,对每个关键点使用度。为了增强匹配稳健性,对每个关键点使用44共共16个种子点个种子点来描述,这么对于一个关键点就能够产生来描述,这么对于一个关键点就能够产生128个数据,最终形成个数据,最终形成128维维SIFT特征向量。特征向量。n其中第一步骤里高斯差分函数是这么定义:其中第一步骤里高斯差分函数是这么定义:n高斯
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模式识别 实例 教学 公共课 一等奖 全国 获奖 课件
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【a199****6536】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【a199****6536】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。