识别问题：

  训练样本-> 特征提取-> 分类器-> 样本类别

                        训练过程

 模式  -> 特征提取  -> 分类器 -> 模式类别

                        识别过程

  最小距离分类器和模板匹配

最小距离分类器实现源码

clear all load fisheriris %载入Matlab自带的鸢尾属植物数据集  % 每类的前40个样本用于生成代表该类的模板，后10个作为独立的测试样本 m1 = mean( meas(1:40, :) ); %第1类的前40个样本的平均向量 m2 = mean( meas(51:90, :) ); %第2类的前40个样本的平均向量 m3 = mean( meas(101:140, :) ); %第3类的前40个样本的平均向量  % 测试样本集 Test = [meas(41:50, :); meas(91:100, :); meas(141:150, :)]; % 测试样本集对应的类别标签 classLabel(1:10) = 1; classLabel(11:20) = 2; classLabel(21:30) = 3;  % 利用最小距离分类器分类测试样本 class = zeros(1, 30); %类标签 for ii = 1:size(Test, 1)    d(1) = norm(Test(ii, :) - m1); %与第１类的距离    d(2) = norm(Test(ii, :) - m2); %与第２类的距离    d(3) = norm(Test(ii, :) - m3); %与第３类的距离        [minVal class(ii)] = min(d); %计算最小距离并将距离样本最短的类赋给类标签数组 class end  % 测试最小距离分类器的识别率 nErr = sum(class ~= classLabel); rate = 1 - nErr / length(class); strOut = ['识别率为', num2str(rate)]

基于相关的  模板匹配 

%function Icorr = imcorr(I, w) % function Icorr = imcorr(I, w, ) % 计算图像 I 与子模式 w 的相关响应，并提示最大的响应位置 %  % Input：I - 原始图像 %        w - 子图像 % % Output：Icorr - 响应图像 I=imread('patterns.bmp'); w=imread('pat1.bmp'); figure,imshow(w); [m, n] = size(I); [m0, n0] = size(w);  Icorr = zeros(m-m0+1, n-n0+1); %为响应图像分配空间  vecW = double( w(:) ); %按列存储为向量 normW = norm(vecW); %模式图像对应向量的模  for ii = 1:m-m0+1     for jj = 1:n-n0+1         subMat = I(ii:ii+m0-1, jj:jj+n0-1);         vec = double( subMat(:) ); %按列存储为向量         Icorr(ii, jj) = vec' * vecW / (norm(vec)*normW+eps); %计算当前位置的相关     end end  % 找到最大响相应位置 [iMaxRes, jMaxRes] = find(Icorr == max( Icorr(:) ) ); figure, imshow(I); hold on for ii = 1:length(iMaxRes)     plot(jMaxRes(ii), iMaxRes(ii), 'w*');     plot([jMaxRes(ii), jMaxRes(ii)+n0-1], [iMaxRes(ii), iMaxRes(ii)], 'w-' );     plot([jMaxRes(ii)+n0-1, jMaxRes(ii)+n0-1], [iMaxRes(ii), iMaxRes(ii)+m0-1], 'w-' );     plot([jMaxRes(ii), jMaxRes(ii)+n0-1], [iMaxRes(ii)+m0-1, iMaxRes(ii)+m0-1], 'w-' );     plot([jMaxRes(ii), jMaxRes(ii)], [iMaxRes(ii), iMaxRes(ii)+m0-1], 'w-' ); end

相关匹配计算效率源码

function Icorr = dftcorr(I, w) % function Icorr = dftcorr(I, w) % 在频域下计算图像 I 与子模式 w 的相关响应，并提示最大的响应位置 %  % Input：I - 原始图像 %        w - 子图像 % % Output：Icorr - 响应图像 I = double(I); [m n] = size(I); [m0 n0] = size(w); F = fft2(I); w = conj(fft2(w, m, n)); %w 频谱的共轭 Ffilt = w .* F; %频域滤波结果 Icorr = real(ifft2(Ffilt)); %反变换回空域   % 找到最响相应位置 [iMaxRes, jMaxRes] = find(Icorr == max( Icorr(:) ) ); figure, imshow(I, []); hold on for ii = 1:length(iMaxRes)     plot(jMaxRes(ii), iMaxRes(ii), 'w*');     plot([jMaxRes(ii), jMaxRes(ii)+n0-1], [iMaxRes(ii), iMaxRes(ii)], 'w-' );     plot([jMaxRes(ii)+n0-1, jMaxRes(ii)+n0-1], [iMaxRes(ii), iMaxRes(ii)+m0-1], 'w-' );     plot([jMaxRes(ii), jMaxRes(ii)+n0-1], [iMaxRes(ii)+m0-1, iMaxRes(ii)+m0-1], 'w-' );     plot([jMaxRes(ii), jMaxRes(ii)], [iMaxRes(ii), iMaxRes(ii)+m0-1], 'w-' ); end