图像处理与模式识别课程设计课件

图像处理课程设计孙玉宝图像处理课程设计孙玉宝1课程设计的目的数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；2、增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；3、尝试所学的内容解决实际工程问题，培养学生的工程实践能力。课程设计的目的数字图像处理课程设计是在学习完数字图像处理的相2设计要求1、按照设计任务书要求，使用Matlab软件独立完成设计任务，鼓励使用C语言编程实现；2、根据设计任务写出设计工作小结，对设计过程所进行的有关步骤进行理论分析，并对完成的设计作出评价，总结自己整个设计工作中的经验教训、收获；3、编写课程设计报告，报告必须按照统一格式打印，装订成册，字数一般不少于三千字；设计要求1、按照设计任务书要求，使用Matlab软件独立完成3课程考核及评分标准课程整体考核分三部分，一部分是平时成绩，占20%；第二部分是上机实验及其报告，占30%；第三部分为课程设计及其报告，占50%。设计完成后，要提交相关的文档：1.课程设计报告书(纸质和电子版各一份)

2.源程序代码（电子版）课程考核及评分标准课程整体考核分三部分，一部分是平时成绩，占4课程考核及评分标准评

定

项

目评分成绩1．设计内容合理、方案正确，具有可行性（40分）

2．设计结果及软件程序实现正确（30分）

3．创新性(10分)

4．设计报告规范、分析正确，参考文献充分（20分）

总分

课程设计的具体评分基本标准如下表：课程考核及评分标准评定项目评分成绩1．设计内容合5课程设计报告的内容及要求在完成课题验收后，学生应在规定的时间内完成课程设计报告一份（不少于3000字）报告的格式内容如下：1、目的与要求

这部分主要说明本课程设计的目的、任务和要求；2、设计的内容

根据指导书的讲述，介绍系统中所设计的主要功能和原理方法；3、总体方案设计

根据课程设计的具体情况，描述系统的具体构架，包括：功能模块的划分、系统运行的环境、选用的工具及主要实现功能的原理。4、各个功能模块的主要实现程序

主要的功能实现和函数要进行详细的说明，包括其用法，使用范围，及参数等。5、测试和调试

按课程设计要求，选用多幅图像对程序进行测试，并提供系统的主要功能实现的效果图。并在调试中发现的问题做说明。6、课程设计总结与体会

主要说明设计中学到的东西和取得的经验总结，心得体会。7、参考文献

写出具体的主要参考文献，标明其作者、出处、年代、若是期刊文章，还需要给出期刊名。网络的文章要给出网址。课程设计报告的内容及要求在完成课题验收后，学生应在规定的时6课程设计报告的内容及要求报告要求1、必须按照以上格式书写报告。2、必须对课程设计总体方案进行详细地说明。3、详细说明各个功能模块的具体实现，对用到的主要函数及参数要做具体的说明，同时要有必要的实现流程图。4、程序代码后必须贴上主要步骤实现的效果图。课程设计报告的内容及要求报告要求7题目1：图像处理软件设计内容及要求：（1）、独立设计方案，实现对图像的4种及以上处理（比如：底片化效果、灰度增强、图像复原等等），并至少对其中一种处理方法独立编程实现，不能完全使用工具箱中的函数。（2）、参考photoshop软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示；（3）、将实验结果与其他软件实现的效果进行比较、分析。总结设计过程所遇到的问题。题目1：图像处理软件设计内容及要求：8题目1：图像处理软件参考方案实现图像处理的基本操作

学习使用matlab图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），对图像进行显示(如imshow（image）)，以及直方图计算和显示。图像处理算法的实现与显示

针对课程中学习的图像处理内容，实现至少三种图像处理功能，例如模糊、锐化、对比度增强、复原操作。改变图像处理的参数，查看处理结果的变化。自己设计要解决的问题，例如引入噪声，去噪；引入运动模糊、聚焦模糊等，对图像进行复原。参照“photoshop”软件，设计图像处理软件界面

可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视功能多少而定；参考matlab软件中GUI设计，学习软件界面的设计。题目1：图像处理软件参考方案9题目2：运动目标的检测在视频监控领域，需要对监控画面进行存储。长时间的存储占用了大量的硬盘空间。为了节省存储磁盘空间，对于监视场景内没有活动目标出现时的视频画面一般不进行存储。只有在检测到画面中存在运动目标时才进行录像存储。设计一个视频监控软件，完成对运动目标的检测及视频存储功能。要求完成功能：1、显示动态视频画面；2、对画面中内容进行运动目标检测；3、对有变化的画面进行存储，并按照系统时间命名文件名；4、设计软件界面。题目2：运动目标的检测在视频监控领域，需要对监控画面进行存储10题目2：运动目标的检测参考方案1、从计算机上联接的图像获取设备中获得实际视频；2、对相邻帧（或者间隔固定帧）图像进行差值检测3、差值超过一定阈值则认为有运动目标，将视频画面保存在硬盘中.题目2：运动目标的检测参考方案11设计内容及要求：在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。国内常用的一般车牌通常是是蓝底白字，长宽比3:1。1、对车牌图像进行预处理，然后进行车牌定位；2、进行字符分割；2、对车牌中的数字和字母进行提取和识别（对汉字不作要求）；（提高部分）3、要求自行设计方案、编写代码实现上述功能。题目3：车牌识别设计内容及要求：题目3：车牌识别12题目3：车牌识别参考方案1、对图像进行预处理，增加图像的对比度；2、根据图像的颜色对车牌区域定位2、对图像进行旋转、二值化操作，并进行水平投影操作，根据直方图峰值和谷值对字符进行分割；3、可采用模板匹配方法，对数字和字母进行识别，并输出识别后的结果。4、设计车牌识别的软件界面。题目3：车牌识别参考方案13题目3：车牌识别题目3：车牌识别14模式识别课程设计孙玉宝模式识别课程设计孙玉宝15前言考核标准以及课程设计报告要求同图像处理课程前言考核标准以及课程设计报告要求同图像处理课程16题目1:基于PCA方法的人脸识别训练阶段：

1:一张人脸图片在计算机表示为一个像素矩阵，即是一个二维数组，现在把这个二维数组变成一维数组，即把第一行后面的数全部添加到第一行。这样一张图片就能表示为一个向量d=（x1,x2......xn）。xn表示像素。

2:现在训练库里有m张人脸图片，把这些图片都表示成上述的向量形式，即d1，d2，…,dm，把这m个向量取平均值得向量avg=（y1，y2......yn）。

3:用d1，d2...........dm分别减去avg后组成一个矩阵A,即矩阵A的第一行为d1-avg，后面类似。A的大小为m×n。

4:根据A计算其协方差矩阵B，B的大小m×m，求B的特征向量。取最大的K个特征向量组成新的矩阵T，T的大小m×k。

5:用图片向量d乘以T得到图片向量d在特征脸的投影向量pn，有多少张训练图片就有多少个pn。pn的大小1×k

题目1:基于PCA方法的人脸识别训练阶段：17题目1:基于PCA方法的人脸识别识别阶段：

1:一张新的图片也表示为d的向量，记为D，D的大小1×n

2:D乘以上面训练得到的T,得到这个图片向量D在T下的投影向量P，p的大小1×k。

3:计算p与上面所有的pn的向量距离，与p最小的那个向量所对应的人脸图片跟这张新人脸图片最像。题目1:基于PCA方法的人脸识别识别阶段：18题目1:基于PCA方法的人脸识别数据集：Yaledatabase

Contains165grayscaleimagesinGIFformatof15individuals.Thereare11imagespersubject,oneperdifferentfacialexpressionorconfiguration:center-light,w/glasses,happy,left-light,w/noglasses,normal,right-light,sad,sleepy,surprised,andwink.64x64DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.题目1:基于PCA方法的人脸识别数据集：19题目1:基于PCA方法的人脸识别Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|Eachsplitfilecontainsvariables'trainIdx'and'testIdx'.Thefollowingmatlabcodescanbeusedtogeneratethetrainingandtestset:

%===========================================

fea_Train=fea(trainIdx,:);

fea_Test=fea(testIdx,:);

gnd_Train=gnd(trainIdx);

gnd_Test=gnd(testIdx);

%===========================================

题目1:基于PCA方法的人脸识别Arandomsubs20题目1:基于PCA方法的人脸识别ORLdatabase

Tendifferentimagesofeachof40distinctsubjects.Forsomesubjects,theimagesweretakenatdifferenttimes,varyingthelighting,facialexpressions(open/closedeyes,smiling/notsmiling)andfacialdetails(glasses/noglasses).Alltheimagesweretakenagainstadarkhomogeneousbackgroundwiththesubjectsinanupright,frontalposition(withtoleranceforsomesidemovement).32x32DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.Sampleimages

64x64DataFile

Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|题目1:基于PCA方法的人脸识别ORLdatabase21题目2：基于线性感知器的多类数据分类数据集：irisdataset，包含四类先前课后作业中做的两类分类，要求同学结合之前讲的多类分类器设计算方法，实现基于线性感知器的irisdataset四类数据分类。完成WineDataSet的分类实验可以加分题目2：基于线性感知器的多类数据分类数据集：irisdata22题目3：基于Fisher线性鉴别分析的数据分类数据集：irisdataset，包含四类先前实验中做的是两类的fisher线性鉴别分析，要求同学结合之前讲的多类分类器设计算方法，实现基于Fisher线性鉴别分析的irisdataset四类数据分类。完成WineDataSet的分类实验可以加分题目3：基于Fisher线性鉴别分析的数据分类数据集：iri23题目4：车牌识别同图像处理课程题目4：车牌识别同图像处理课程24题目5：ISODATA动态聚类算法实现K-means聚类算法理解并实现ISODATA动态聚类算法；对irisdataset进行动态聚类分析，并对两种算法的实验结果进行对比分析。完成WineDataSet的分类实验可以加分

题目5：ISODATA动态聚类算法实现K-means聚类算法25262627多类问题图例（第一种情况）?不确定区域27多类问题图例（第一种情况）?不确定区域281、第一种情况（续）判别规则为：如果则判比如对图的三类问题,如果对于任一模式如果它的则该模式属于ω1类。281、第一种情况（续）判别规则为：如果则判比如对图的三291、第一种情况（续）如果某个X使二个以上的判别函数di>0

。则此模式X就无法作出确切的判决。如图另一种情况是IR2区域，判别函数都为负值。IR1，IR2，IR3，IR4。都为不确定区域。291、第一种情况（续）如果某个X使二个以上的判别函数di301、第一种情况（续）解：三个判别边界分别为：301、第一种情况（续）解：三个判别边界分别为：311、第一种情况（续）结论：因为所以它属于ω2类。311、第一种情况（续）结论：因为321、第一种情况（续）321、第一种情况（续）3333342、第二种情况（续）多类问题图例（第二种情况）342、第二种情况（续）多类问题图例（第二种情况）353536d12(x)=-d21(x)=–x1–x2+5=0d12(x)为正两分法例题图示0123456789987654321d21(x)为正36d12(x)=-d21(x)=–x1–x237d12(x)为正两分法例题图示0123456789987654321d21(x)为正d23(x)=-d32(x)=–x1+x2=0d32(x)为正d23(x)为正37d12(x)为正两分法例题图示012338d12(x)为正两分法例题图示0123456789987654321d21(x)为正d32(x)为正d23(x)为正d13(x)=-d31(x)=–x1+3=0d31(x)为正d13(x)为正38d12(x)为正两分法例题图示0123391类判别区域

d12(x)>0d13(x)>02类判别区域

d21(x)>0d23(x)>0d12(x)为正两分法例题图示0123456789987654321d21(x)为正d32(x)为正d23(x)为正d31(x)为正d13(x)为正3类判别区域

d31(x)>0d32(x)>0IR391类判别区域2类判别区域d12(x)为正两分法例题图4040413、第三种情况（续）多类问题图例（第三种情况）413、第三种情况（续）多类问题图例（第三种情况）42。42。43上述三种方法小结:方法⑶判别函数的数目和方法⑴相同，但没有不确定区，分析简单，是最常用的一种方法。时，法比法需要更多当的判别函数式，这是一个缺点。类与其余的开，而法是将类和类分开，显然法是将但是类区分法使模式更容易线性可分，这是它的优点。43上述三种方法小结:方法⑶判别函数的数目和方法⑴3.5.3感知器训练算法在多类问题中的应用44判别规则：

对于c类问题，应建立c个判别函数：

di(x)=wi’xi(i=1,2,…,c)

如果xi，则有wi’x>wj’x(ji)

因此判别规则是

若di(x)>dj(x)ji则判xi

第三章判别域代数界面方程法3.5.3感知器训练算法在多类问题中的应用44判别规则：算法步骤：45(1)赋初值,分别给c个权矢量wi(i=1,2,…,c)赋任意的初值，选择正常数，置步数k=1。(2)输入已知类别的增广训练模式xk，计算c个判别函数

di(xk)=wi’xk(i=1,2,…,c)(3)修正权矢量，修正规则是：

if(xki)and(di(xk)>dj(xk))(ji)then

wi(k+1)=wi(k)(i=1,2,…,c)(正确分类)

if(xki)and(di(xk)dl(xk))(li)then

wi(k+1)=wi(k)+xk

wl(k+1)=wl(k)-xk

wj(k+1)=wj(k)(ji,l)算法步骤：45(1)赋初值,分别给c个权矢量wi(i=1,算法步骤：46(1)赋初值,分别给c个权矢量wi(i=1,2,…,c)赋任意的初值，选择正常数，置步数k=1。(2)输入已知类别的增广训练模式xk，计算c个判别函数di(xk)=wi’xk(i=1,2,…,c)(4)ifk<N,令k=k+1,返至⑵；

ifk=N，检验判别函数是否对都能正确分类，若是，结束；否则，令k=1，返至⑵。(3)修正权矢量。算法步骤：46(1)赋初值,分别给c个权矢量wi(i=1,例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。47

（2）运用感知器训练算法。置k=1，增量=1，赋初值：w1=(0,0,0)T,w2=(0,0,0)T,w3=(0,0,0)T,进行迭代运算：解:（1）训练样本分量增广化。将训练样本变成增广训练模式：x1=(0,0,1)T,x2=(1,1,1)T,x3=(-1,1,1)T,

这里的下标恰是所属类别，各类样本不需符号规范化。例题:已知训练样本(0,0)T1，(1,1)T2，例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。48

k=1,xk=x11,因为d1(x1)=d2(x1)=0，d1(x1)=d3(x1)=0，错分，所以:w1(2)=w1(1)+x1=(0,0,1)Tw2(2)=w2(1)-x1=(0,0,-1)Tw3(2)=w3(1)-x1=(0,0,-1)Tk=2,xk=x22,因为d2(x2)=-1<d1(x2)=1，d2(x2)=d3(x2)=-1，错分，所以w1(3)=w1(2)-x2=(-1,-1,0)Tw2(3)=w2(2)+x2=(1,1,0)T

w3(3)=w3(2)-x2=(-1,-1,-2)T例题:已知训练样本(0,0)T1，(1,1)T2，例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。49

k=3,xk=x33,因为d3(x3)=-2<d1(x3)=0，d3(x3)=d2(x3)=0，错分，所以w1(4)=w1(3)-x3=(0,-2,-1)Tw2(4)=w2(3)-x3=(2,0,-1)T

w3(4)=w3(3)+x3=(-2,0,-1)Tk=4,xk=x11,因为d1(x1)=d2(x1)=-1，d1(x1)=d3(x1)=-1，错分，所以w1(5)=w1(4)+x1=(0,-2,0)Tw2(5)=w2(4)-x1=(2,0,-2)T

w3(5)=w3(4)-x1=(-2,0,-2)T例题:已知训练样本(0,0)T1，(1,1)T2，例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。50

k=5,xk=x22,因为d2(x2)=0>d1(x2)=-2，d2(x2)=0>d3(x2)=-4，正确，所以w1(6)=w1(5)=(0,-2,0)Tw2(6)=w2(5)=(2,0,-2)T

w3(6)=w3(5)=(-2,0,-2)Tk=6,xk=x33,因为d3(x3)=0>d1(x3)=-2，d3(x3)=0>d2(x3)=-4，正确，所以w1(7)=w1(6)=(0,-2,0)Tw2(7)=w2(6)=(2,0,-2)T

w3(7)=w3(6)=(-2,0,-2)T例题:已知训练样本(0,0)T1，(1,1)T2，例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。51

k=7,xk=x11,因为d1(x1)=0>d2(x1)=-2，d1(x1)=0>d3(x1)=-2，正确，三个权矢量不再变化，因此可以确定所有训练样本均已被正确分类，由此得到三个解矢量：w1*=w1(5)，w2*=w2(5)，w3*=w3(5)同时可得三个判别函数: d1(x)=-2x2 d2(x)=2x1-2 d3(x)=-2x1-2例题:已知训练样本(0,0)T1，(1,1)T2，图像处理课程设计孙玉宝图像处理课程设计孙玉宝52课程设计的目的数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；2、增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；3、尝试所学的内容解决实际工程问题，培养学生的工程实践能力。课程设计的目的数字图像处理课程设计是在学习完数字图像处理的相53设计要求1、按照设计任务书要求，使用Matlab软件独立完成设计任务，鼓励使用C语言编程实现；2、根据设计任务写出设计工作小结，对设计过程所进行的有关步骤进行理论分析，并对完成的设计作出评价，总结自己整个设计工作中的经验教训、收获；3、编写课程设计报告，报告必须按照统一格式打印，装订成册，字数一般不少于三千字；设计要求1、按照设计任务书要求，使用Matlab软件独立完成54课程考核及评分标准课程整体考核分三部分，一部分是平时成绩，占20%；第二部分是上机实验及其报告，占30%；第三部分为课程设计及其报告，占50%。设计完成后，要提交相关的文档：1.课程设计报告书(纸质和电子版各一份)

2.源程序代码（电子版）课程考核及评分标准课程整体考核分三部分，一部分是平时成绩，占55课程考核及评分标准评

定

项

目评分成绩1．设计内容合理、方案正确，具有可行性（40分）

2．设计结果及软件程序实现正确（30分）

3．创新性(10分)

4．设计报告规范、分析正确，参考文献充分（20分）

总分

课程设计的具体评分基本标准如下表：课程考核及评分标准评定项目评分成绩1．设计内容合56课程设计报告的内容及要求在完成课题验收后，学生应在规定的时间内完成课程设计报告一份（不少于3000字）报告的格式内容如下：1、目的与要求

这部分主要说明本课程设计的目的、任务和要求；2、设计的内容

根据指导书的讲述，介绍系统中所设计的主要功能和原理方法；3、总体方案设计

根据课程设计的具体情况，描述系统的具体构架，包括：功能模块的划分、系统运行的环境、选用的工具及主要实现功能的原理。4、各个功能模块的主要实现程序

主要的功能实现和函数要进行详细的说明，包括其用法，使用范围，及参数等。5、测试和调试

按课程设计要求，选用多幅图像对程序进行测试，并提供系统的主要功能实现的效果图。并在调试中发现的问题做说明。6、课程设计总结与体会

主要说明设计中学到的东西和取得的经验总结，心得体会。7、参考文献

写出具体的主要参考文献，标明其作者、出处、年代、若是期刊文章，还需要给出期刊名。网络的文章要给出网址。课程设计报告的内容及要求在完成课题验收后，学生应在规定的时57课程设计报告的内容及要求报告要求1、必须按照以上格式书写报告。2、必须对课程设计总体方案进行详细地说明。3、详细说明各个功能模块的具体实现，对用到的主要函数及参数要做具体的说明，同时要有必要的实现流程图。4、程序代码后必须贴上主要步骤实现的效果图。课程设计报告的内容及要求报告要求58题目1：图像处理软件设计内容及要求：（1）、独立设计方案，实现对图像的4种及以上处理（比如：底片化效果、灰度增强、图像复原等等），并至少对其中一种处理方法独立编程实现，不能完全使用工具箱中的函数。（2）、参考photoshop软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示；（3）、将实验结果与其他软件实现的效果进行比较、分析。总结设计过程所遇到的问题。题目1：图像处理软件设计内容及要求：59题目1：图像处理软件参考方案实现图像处理的基本操作

学习使用matlab图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），对图像进行显示(如imshow（image）)，以及直方图计算和显示。图像处理算法的实现与显示

针对课程中学习的图像处理内容，实现至少三种图像处理功能，例如模糊、锐化、对比度增强、复原操作。改变图像处理的参数，查看处理结果的变化。自己设计要解决的问题，例如引入噪声，去噪；引入运动模糊、聚焦模糊等，对图像进行复原。参照“photoshop”软件，设计图像处理软件界面

可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视功能多少而定；参考matlab软件中GUI设计，学习软件界面的设计。题目1：图像处理软件参考方案60题目2：运动目标的检测在视频监控领域，需要对监控画面进行存储。长时间的存储占用了大量的硬盘空间。为了节省存储磁盘空间，对于监视场景内没有活动目标出现时的视频画面一般不进行存储。只有在检测到画面中存在运动目标时才进行录像存储。设计一个视频监控软件，完成对运动目标的检测及视频存储功能。要求完成功能：1、显示动态视频画面；2、对画面中内容进行运动目标检测；3、对有变化的画面进行存储，并按照系统时间命名文件名；4、设计软件界面。题目2：运动目标的检测在视频监控领域，需要对监控画面进行存储61题目2：运动目标的检测参考方案1、从计算机上联接的图像获取设备中获得实际视频；2、对相邻帧（或者间隔固定帧）图像进行差值检测3、差值超过一定阈值则认为有运动目标，将视频画面保存在硬盘中.题目2：运动目标的检测参考方案62设计内容及要求：在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。国内常用的一般车牌通常是是蓝底白字，长宽比3:1。1、对车牌图像进行预处理，然后进行车牌定位；2、进行字符分割；2、对车牌中的数字和字母进行提取和识别（对汉字不作要求）；（提高部分）3、要求自行设计方案、编写代码实现上述功能。题目3：车牌识别设计内容及要求：题目3：车牌识别63题目3：车牌识别参考方案1、对图像进行预处理，增加图像的对比度；2、根据图像的颜色对车牌区域定位2、对图像进行旋转、二值化操作，并进行水平投影操作，根据直方图峰值和谷值对字符进行分割；3、可采用模板匹配方法，对数字和字母进行识别，并输出识别后的结果。4、设计车牌识别的软件界面。题目3：车牌识别参考方案64题目3：车牌识别题目3：车牌识别65模式识别课程设计孙玉宝模式识别课程设计孙玉宝66前言考核标准以及课程设计报告要求同图像处理课程前言考核标准以及课程设计报告要求同图像处理课程67题目1:基于PCA方法的人脸识别训练阶段：

1:一张人脸图片在计算机表示为一个像素矩阵，即是一个二维数组，现在把这个二维数组变成一维数组，即把第一行后面的数全部添加到第一行。这样一张图片就能表示为一个向量d=（x1,x2......xn）。xn表示像素。

2:现在训练库里有m张人脸图片，把这些图片都表示成上述的向量形式，即d1，d2，…,dm，把这m个向量取平均值得向量avg=（y1，y2......yn）。

3:用d1，d2...........dm分别减去avg后组成一个矩阵A,即矩阵A的第一行为d1-avg，后面类似。A的大小为m×n。

4:根据A计算其协方差矩阵B，B的大小m×m，求B的特征向量。取最大的K个特征向量组成新的矩阵T，T的大小m×k。

5:用图片向量d乘以T得到图片向量d在特征脸的投影向量pn，有多少张训练图片就有多少个pn。pn的大小1×k

题目1:基于PCA方法的人脸识别训练阶段：68题目1:基于PCA方法的人脸识别识别阶段：

1:一张新的图片也表示为d的向量，记为D，D的大小1×n

2:D乘以上面训练得到的T,得到这个图片向量D在T下的投影向量P，p的大小1×k。

3:计算p与上面所有的pn的向量距离，与p最小的那个向量所对应的人脸图片跟这张新人脸图片最像。题目1:基于PCA方法的人脸识别识别阶段：69题目1:基于PCA方法的人脸识别数据集：Yaledatabase

Contains165grayscaleimagesinGIFformatof15individuals.Thereare11imagespersubject,oneperdifferentfacialexpressionorconfiguration:center-light,w/glasses,happy,left-light,w/noglasses,normal,right-light,sad,sleepy,surprised,andwink.64x64DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.题目1:基于PCA方法的人脸识别数据集：70题目1:基于PCA方法的人脸识别Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|Eachsplitfilecontainsvariables'trainIdx'and'testIdx'.Thefollowingmatlabcodescanbeusedtogeneratethetrainingandtestset:

%===========================================

fea_Train=fea(trainIdx,:);

fea_Test=fea(testIdx,:);

gnd_Train=gnd(trainIdx);

gnd_Test=gnd(testIdx);

%===========================================

题目1:基于PCA方法的人脸识别Arandomsubs71题目1:基于PCA方法的人脸识别ORLdatabase

Tendifferentimagesofeachof40distinctsubjects.Forsomesubjects,theimagesweretakenatdifferenttimes,varyingthelighting,facialexpressions(open/closedeyes,smiling/notsmiling)andfacialdetails(glasses/noglasses).Alltheimagesweretakenagainstadarkhomogeneousbackgroundwiththesubjectsinanupright,frontalposition(withtoleranceforsomesidemovement).32x32DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.Sampleimages

64x64DataFile

Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|题目1:基于PCA方法的人脸识别ORLdatabase72题目2：基于线性感知器的多类数据分类数据集：irisdataset，包含四类先前课后作业中做的两类分类，要求同学结合之前讲的多类分类器设计算方法，实现基于线性感知器的irisdataset四类数据分类。完成WineDataSet的分类实验可以加分题目2：基于线性感知器的多类数据分类数据集：irisdata73题目3：基于Fisher线性鉴别分析的数据分类数据集：irisdataset，包含四类先前实验中做的是两类的fisher线性鉴别分析，要求同学结合之前讲的多类分类器设计算方法，实现基于Fisher线性鉴别分析的irisdataset四类数据分类。完成WineDataSet的分类实验可以加分题目3：基于Fisher线性鉴别分析的数据分类数据集：iri74题目4：车牌识别同图像处理课程题目4：车牌识别同图像处理课程75题目5：ISODATA动态聚类算法实现K-means聚类算法理解并实现ISODATA动态聚类算法；对irisdataset进行动态聚类分析，并对两种算法的实验结果进行对比分析。完成WineDataSet的分类实验可以加分

题目5：ISODATA动态聚类算法实现K-means聚类算法76772678多类问题图例（第一种情况）?不确定区域27多类问题图例（第一种情况）?不确定区域791、第一种情况（续）判别规则为：如果则判比如对图的三类问题,如果对于任一模式如果它的则该模式属于ω1类。281、第一种情况（续）判别规则为：如果则判比如对图的三801、第一种情况（续）如果某个X使二个以上的判别函数di>0

。则此模式X就无法作出确切的判决。如图另一种情况是IR2区域，判别函数都为负值。IR1，IR2，IR3，IR4。都为不确定区域。291、第一种情况（续）如果某个X使二个以上的判别函数di811、第一种情况（续）解：三个判别边界分别为：301、第一种情况（续）解：三个判别边界分别为：821、第一种情况（续）结论：因为所以它属于ω2类。311、第一种情况（续）结论：因为831、第一种情况（续）321、第一种情况（续）8433852、第二种情况（续）多类问题图例（第二种情况）342、第二种情况（续）多类问题图例（第二种情况）863587d12(x)=-d21(x)=–x1–x2+5=0d12(x)为正两分法例题图示0123456789987654321d21(x)为正36d12(x)=-d21(x)=–x1–x288d12(x)为正两分法例题图示0123456789987654321d21(x)为正d23(x)=-d32(x)=–x1+x2=0d32(x)为正d23(x)为正37d12(x)为正两分法例题图示012389d12(x)为正两分法例题图示0123456789987654321d21(x)为正d32(x)为正d23(x)为正d13(x)=-d31(x)=–x1+3=0d31(x)为正d13(x)为正38d12(x)为正两分法例题图示0123901类判别区域

d12(x)>0d13(x)>02类判别区域

d21(x)>0d23(x)>0d12(x)为正两分法例题图示0123456789987654321d21(x)为正d32(x)为正d23(x)为正d31(x)为正d13(x)为正3类判别区域

d31(x)>0d32(x)>0IR391类判别区域2类判别区域d12(x)为正两分法例题图9140923、第三种情况（续）多类问题图例（第三种情况）413、第三种情况（续）多类问题图例（第三种情况）93。42。94上述三种方法小结:方法⑶判别函数的数目和方法⑴相同，但没有不确定区，分析简单，是最常用的一种方法。时，法比法需要更多当的判别函数式，这是一个缺点。类与其余的开，而法是将类和类分开，显然法是将但是类区分法使模式更容易线性可分，这是它的优点。43上述三种方法小结:方法⑶判别函数的数目和方法⑴3.5.3感知器训练算法在多类问题中的应用95判别规则：

对于c类问题，应建立c个判别函数：

di(x)=wi’xi(i=1,2,…,c)

如果xi，则有wi’x>wj’x(ji)

因此判别规则是

若di(x)>dj(x)ji则判xi

第三章判别域代数界面方程法3.5.3感知器训练算法在多类问题中的应用44判别规则：算法步骤：96(1)赋初值,分别给c个权矢量wi(i=1,2,…,c)赋任意的初值，选择正常数，置步数k=1。(2)输入已知类别的增广训练模式xk，计算c个判别函数

di(xk)=wi’xk(i=1,2,…,c)(3)修正权矢量，修正规则是：

if(xki)and(di(xk)>dj(xk))(ji)then

wi(k+1)=wi(k)(i=1,2,…,c)(正确分类)

if(xki)and(di(xk)dl(xk))(li)then

wi(k+1)=wi(k)+xk

wl(k+1)=wl(k)-xk

wj(k+1)=wj(k)(ji,l)算法步骤：45(1)赋初值,分别给c个权矢量wi(i=1,算法步骤：97(1)赋初值,分别给c个权矢量wi(i=1,2,…,c)赋任意的初值，选择正常数，置步数k=1。(2)输入已知类别的增广训练模式xk，计算c个判别函数di(xk)=wi’xk(i=1,2,…,c)(4)ifk<N,令k=k+1,返至⑵；

ifk=N，检验判别函数是否对都能正确分类，若是，结束；否则，令k=1，返至⑵。(3)修正权矢量。算法步骤：46(1)赋初值,分别给c个权矢量wi(i=1,例题:已知训练样本(0,0)T1，(1,1)T2，(-1,1)T3,

试求解向量w1、w2和w3。98

（2）运用感知器训练算法。置k=1，增量=1，赋初值：w1=(0,0,0)T,w2=(0,0,0)T,w3=(0,0,0)T,进