【图像识别】【读论文】模式识别方法概论&&模式识别及其在图像处理中的应用

《模式识别及其在图像处理中的应用》

1、模式识别基本框架

一般认为，模式识别是通过具体的事物进行观测所得到的具有时间、空间分布的信息，模式所属的类别或同一类中模式的总体成为模式类，其中个别具体的模式往往成为样本。

样本——预处理——特征选择和提取——分类器设计&&分类结果

【由上述分析可知，模式识别本身就是将特征空间映射为选择空间，将多维特征降维以减小复杂度，增加鲁棒性】

2、特征提取和选择

特征提取是指通过映射的方法用低维空间来表示样本的过程，特征提取后样本的可分性应该更好。常用方法：主元分析（PCA）、线性判别分析、核函数主元分析（Kernel PCA）、独立主元分析（ICA）、自组织映射（SOM）

特征提取后的各个特征的物理意义有时不是很明确，往往很难看出各个特征对分类器的影响，有的甚至有副作用。因此要在这些特征中选择一部分，这就是特征选择。

为了判断提取和选择的特征对分类的有效性，人们提出各种衡量特征分类性能的判据。最直接最有效的盘踞是计算分类器错误概率，但很难实现。最简单的判据是用于可用性判据的类内类间距离判据。

【由上述分析可知，提取和选择对算法性能有决定性的作用，具体操作上既可以通过有监督学习、也可以无监督的聚类分析；除此之外，判断标准很重要，只有有了判断标准，才能够对选择的算法进行衡量和改进，这是反馈】

3、模式识别的主要方法及其在图像处理中的应用

1)     统计决策法

以概率论和数理统计为基础，包括参数法和非参数法。参数法以Bayes决策准则为指导，其中