第十章 图像分析及模式识别

北京大学遥感所1第十章

图像分析与模式识别第十章

图像分析与模式识别北京大学遥感所2■

模式识别的概念■

模式识别方法■

图象（区域特征提取）■

区域形状特征§10.1模式识别的概念■模式客观世界和主观世界即物质和意识的所有方面、所有个体、所有单元、所有事物的抽象。■模式识别模式识别指的是对一系列过程或事件的分类与描述。过程或事件可以是一系列物理的对象，也可以是一些比较抽象的如心理状态等。具有某些相类似性质的过程或事件就分为一类。模式识别系统框图：信息获取预处理特征提取分析、决策结果输出北京大学遥感所3§10.1模式识别的概念北京大学遥感所4■

模式识别过程在给定一幅含有多个物体的数字图像的条件下，模式识别过程由三个主要阶段组成：Q

图像分割或物体分离阶段。在该阶段中检测出各个物体，并把它们的图像和其余景物分离。Q

特征抽取阶段。在该阶段对物体进行度量。一个度量是指一个物体某个可度量性质的度量值，而特征是一个或多个度量的函数。计算特征是为了对物体的一些重要特征进行定量估计。特征抽取过程产生了一组特征，把它们组合在一起，就形成了特征向量。Q

分类阶段。它仅仅是一种决策，确定每个物体应该归属的类别。§10.1模式识别的概念北京大学遥感所5■模式识别技术*20世纪60年代以后随着现代科学技术的发展，特别是计算机技术的发展而形成的一种模拟人的各种识别能力（视觉与听觉）和方法的技术，属于一种自动判别和分类的理论。随着20世纪70年代遥感技术的发展和地球资源卫星的发射，人们通过遥感从卫星取得的巨量信息，需要进行空前规模的处理、识别和应用，在此推动之下，模式识别技术迅速发展。§10.1模式识别的概念北京大学遥感所6■

模式识别技术的应用领域*Q

地球资源、环境的调查研究（遥感图像识别、分类）Q

生物医学工程（脑电图、染色体、癌细胞）Q

生产自动化（芯片缺损检查、智能机器人）Q

文件处理和管理自动化（资料、数据自动识别、登记、分类）Q

军事（自动瞄准、自动搜索）Q

公安侦破（指纹、人面、虹膜）Q

商业自动化（自动售货机、自动检票机）§10.2模式识别方法北京大学遥感所7■

统计模式识别方法■

句法模式识别方法■

模糊集合识别方法§10.2模式识别方法北京大学遥感所8■

统计模式识别方法Q

统计模式识别是模式识别中应用最广的方法，而且对它的掌握是彻底理解各种模式识别过程的基础。Q

统计模式识别认为图像可能包含一个或多个物体，并且每个物体属于若干事先定义的类型、范畴或模式之一。Q

由于不确定性是客观存在的，因而发生错误的决策分类在所难免，只能借助概率论的知识，使得决策的错误率达到最小。§10.2模式识别方法■统计模式识别方法Q

贝叶斯决策方法贝叶斯定理可以作为研究最小错误率决策的理论基础：P(B

Ai

)P(

Ai

)i1是互斥事件，其和等于必然事件。上式P(

Ai

B)

m

P(B

Ai

)P(

Ai

)式中，

Ai

(i

1,

2,,

m)也可写成i北京大学遥感所9P(

X

i

)P(i

)P(

X

)

m

P(

X

i

)P(i

)i1当有§10.2模式识别方法P(iX

)

max[P(

j

/

X

)]j

1,

2,...,

mBayes决策分类的判别函数即把特征向量

X

归属于

i

类特征向量的各分量为各个特征i的度量值xiX=(x1,x2,…xn)’考察Bayes定律的表达式，得到另一形式：Di

(

X

)

P(i

)P(

X

/

i

)

max[P(

j

)P(

X

/

j

)],

j

1,

2,...,

m

X

i北京大学遥感所10§10.2模式识别方法PP(x

/

1

)P(x

/

2

)x错误决策北京大学遥感所11§10.2模式识别方法得：按贝叶斯决策准则例子：根据细胞切片形态决策决策类别1

为正常，2

为异常。已知：1、癌变在该地区出现概率统计资料：P(2

)

1

0.9

0.1P(

X

1

)P(1

)P(1

X

)

0.822

P(

X

i

)P(i

)i12P(

X

)

0.18P(1

)

0.92、条件概率密度P(

X

1

)

0.2P(

X

2

)

0.4P(ω1

X

)

P(2

X

)故x

归于“正常”类别北京大学遥感所12§10.2模式识别方法■ 统计模式识别方法Q

最小损失（风险）的贝叶斯决策方法不同类别的决策错误造成的损失是不同的。i j引入损失函数

(a

,

)

，这里

i

1,

2,,

a

，j

1,

2,,

m它表示分析结果为状态

j

而决策为ai

时所带来的损失则上述贝叶斯准则变为(ai

,

j

)P(

j

X

)R(ai

X

)

E

⎡⎣(ai

,

j

)⎤⎦m

j

1i

1,

2,,

a其余几种基于Bayes公式的判别规则：北京大学遥感所13聂曼-皮尔斯决策最小最大决策序贯分类决策§10.2模式识别方法■

句法模式识别方法Q

句法：描述语言规则的一种法则。Q

一个完整的句子一定是由主语+谓语或主语+谓语+宾语（或表语）构成。Q

用句法模式识别时，首先是将一个复杂图像分解成一个个子图像，再进一步将子图像分解成一些最简单的基元，最后按对象的结构规则去组成这些基元，形成一个句子---模式。以这个模式为准则去匹配要识别的对象，作决策输出。北京大学遥感所14§10.2模式识别方法〈名词短语〉

〈冠词〉〈名词〉■ 句法的形式语言描述*G=(VN,VT,P,S)VN：非终止符的有限集VT

：终止符的有限集P：写作规则S：起始符北京大学遥感所15§10.2模式识别方法北京大学遥感所16■句法模式识别的应用Q

次中性染色体的句法结构Q

脉冲波形分析上的应用Q

遥感识别中的应用§10.2模式识别方法次中性染色体的句法结构右图上行是染色体文法的基元。顺时针跟踪染色体的边界，就可以得到由基元连接而成的串。下行的次中性染色体可以描述为babcbabdacad。染色体文法：G=(VN,VT,P,S)，其中：VN={S,S1,S2,A,B,C,D,E,F}VT={a,

b,

c,

d,

e}P:S→S1,B→e,S→S2,C→bC,S1→AAC→Cb,S2→BA,C→b,A→CA,C→dA→AC,D→bD,A→DE,D→Db,A→FDD→a,B→bB,E→CD,B→Bb,F→Dc北京大学遥感所17§10.2模式识别方法遥感识别中的应用目的：将城市区域与其他类别区分开来。仅从光谱特征，不足以将城市同类似反射率的地物区分。但一个城市有自己的构成规律，利用这一规律构成的“句法”就容易与其他类别区分。北京大学遥感所18§10.2模式识别方法■

模糊集合识别方法隶属函数和判别准则若

x

A，则特征函数

A

(x)

1若

x

A，则特征函数

A

(x)

0隶属函数

A

(x)

在[0,1]区间连续取值，其大小表示了x对A的隶属1)2 5 x

50程度。例：

老年人

(x0

)

1

(有：

老年人

(55）=0.5老年人

(60）=0.8老年人

(70）=0.94“老年人”是相对的模糊概念北京大学遥感所19§10.2模式识别方法北京大学遥感所20■

各种模式识别方法的特点*Q

统计模式识别方法：发展早，应用广泛；对已知条件要求太多；Q

句法模式识别方法：用分析的方法识别，还可以描述图象的内容；Q

模糊集合识别方法：以模糊集合论为基础，识别结果并非绝对的二值，而是有隶属度的概念；§10.3图像区域特征提取需要处理的图像可分为两类：色调连续变化的图像（灰度图像或彩色图像）、二值图像1、基于象素亮度值的描述2、基于图像区域的纹理差异北京大学遥感所21§10.3图像的区域分割北京大学遥感所22某些象素属于同一区域，它包含两方面的内容:1、这个区域一定是4邻域或8邻域构成的连接，且其轮廓是封闭的。2、区域内的象素或象素的组合，都满足同一规律。实现分割的途径：1、从一个象素或一小块象素出发，检查它的邻域2、不同区域，通常具有不同的属性§10.3图像的区域分割方法1、直方图方法在谷点对应的亮度值设为阈值，可以将对象和背景分割出来达到分割的目的。北京大学遥感所23§10.3图像的区域分割方法北京大学遥感所242、轮廓拟合法如果拟合时的均方误差小于某个事先设置的阈值，就认为有边缘点存在。3、区域生长法从一个任意的象素点开始，检查它的8邻域象素灰度值。如果其灰度差值小于事先设置的阈值，就将它们合并为一个区域。§10.3图像的区域分割方法4、分裂、合并混合法当事先不了解区域形状和区域数目时采用。北京大学遥感所25§10.3图像区域的直方图特征1、均值L11

bP(b)b02、方差2

2

(b

)2

P(b)L1b03北京大学遥感所26313、偏度分布偏离对称程度的度量L1

(b

)3

P(b)b0§10.3图像区域的直方图特征4北京大学遥感所2741

(b

)4

P(b)L1b05P(b)2

L1b04、峰度它度量分布是集中在均值附近还是散布于两端5、能量6、熵L16

P(b)

logP(b)b0§10.3纹理特性北京大学遥感所281、灰度空间相关矩阵又称为灰度共生矩阵法，用来刻画纹理，有较好的效果距离为d的象素对(a,b)构成灰度对(i,j),使象素沿画面从左的数值较为集中在主对角线附近，对细纹理来说，散布在远离对角线。i,

j到右，从上到下移动。对于粗纹理来说，m§10.3纹理特性可提供图像区域纹理特性的定性描述，如果把中点移到窗口中心，对细纹理来说，

P(u,

v)

的分布对原点是分散的；对粗纹理来说，

P(u,

v)的分布集中在原点附近；对于有方向性的纹理，P(u,

v)

的分布倾向于垂直于空间纹理方向。2、度量纹理的功率谱特性设图像函数为

f

(x,

y)

，对应的付立叶变换

F

(u,

v) ，其2北京大学遥感所29功率谱为

P(u,

v)

F

(u,

v)§10.4区域形状特征区域的几何特征：1、区域面积A对于具有任意形状的图形区域，可以把它限制在一个N*N的矩形区内，扫描整个区域，计算灰度值为1的象素总数。N MA

f

(x,

y)x1

y1北京大学遥感所30f

(x,

y)

⎨⎧1 (x,

y)

R⎩0

(x,

y)

R§10.4区域形状特征2、区域的周长假定区域的轮廓是用链码表示的，如果每个码字所表示的距离欧几里德距离度量，有31545⎧

1

C

0,

2,

4,

6⎪i2 Ci

1,

3,

5,

7L

⎨⎪⎩jL

Lnj

1225135北京大学遥感所3132140567§10.4区域形状特征3、区域的形状因子形状因子C的定义为：C

(区域周长)24

(区域面积)

L2

4

A对相等面积的区域来说，圆的周长最短，C

1

，表示最密集。4、细长比度量区域的长和宽M，N，构成一个外接矩形，正方形其细长比为1。北京大学遥感所32§10.4区域形状特征5、等效圆的半径R

(

A

)12

6、轮廓迂曲度两点间曲线长度与两点间直线长度之比。7、区域面积A与内部孔面积a之比。8、区域外轮廓周长L与内孔周长l之比。北京大学遥感所33§10.5付氏变换系数的形状描述区域形状可以看成是二维平面上一条封闭的轮廓曲线。边界上某一点沿着边界移动的坐标变化是一个周期函数，可以展开成付氏级数，轮廓上任一点的位置，可由它的切线角和“弧长”表示，其复数形式为x(t)

jy(t)北京大学遥感所34§10.5付氏变换系数的形状描述

1

2

2kiii1i1i1)