Статистические методы распознавания.
Основываются на минимизации ошибки распознавания (классификации) которая представляет собой вероятность неверной классификации при заданном количестве массивов
образ принадлежит классу і'
L - классы ;
D - распознающая функция (дискриминантная)
-
описания
образа = {xl
,
х2
,....,
хп
}
Байесовское принятие решений: plfl - следует относить к i-ому классу образов, в том случае, если pifi максимальна. fi - плотность распределения вероятностей i-oro класса, L = 3
Структурные (синтаксические) методы распознавания.
Признаками служат некоторые подобразы из которых состоит образ. Эти подобразы незываются непроизводными элементами и примитивами ю Используется сами подобразы и отношения между ними . Грамматика описание образа в таких терминах . Представляет собой некоторое предложение в структурном языке . Эти методы не оперируют с количественными значениями . Описания вытекают из структуры образа . Процесс распознавания сводится к составлению грамматики распознавания образа и сравнению грамматики с классами некоторых образов .
Пример
: имеем 4 вектора:
,
Образы
прямого угла
могут
быть
Сегментация изображения
Под сегментацией понимают разбиение всего изображения на части , однородные в смысле некоторого центра (яркость).
2 подхода к сегментации :
1) методы основанные на выделение контуров на изображении ;
суть: получить контуры областей , на которые должно быть разбито изображение . Такая задача хорошо решается на бинарном изображении . На каждом шаге сканирования изображения апертурой , которая , как правило , бывает в виде креста , либо квадрата , алгоритм производит сравнение яркостей элементов изображения , попадающих в апертуру , и принимается логическое решение о принадлежности центрального элемента к контуру
Все методы сегментации основаны на выделении контуров весьма чувствительных к помехам; возможны ошибки в окружении положения элементов контуров.
2) методы, основанные на выделении всех элементов объекта, принадлежащих к тому или иному однородному участку
(выделение силуэтов объектов) - менее чувствительны к помехам. Наиболее простой метод - пороговая обработка. Основная проблема - выбор порога, который выбирается либо в ручную (фиксированный порог), либо выбор по гистограмме или автоматически по локальной гистограмме (адаптивный порог).
Еще один метод: наращивание областей.
Суть: исходное изображение считают состоящим из NxN элементов (т.е. каждый пиксель - элемент изображения), которые сравниваются с соседними, и если они одинаковы по каким-либо признакам, то они объединяются, затем сравниваются соседние области, которые опять могут объединяться, и т. д., пока не обработается все изображение. Может выделятся «скелет изображения» - линия, находящееся на середине. При этом очень важно положение этой линии, т.к. по ней потом восстанавливается истинное изображение.