1 统计模式识别

图像-增强图像-特征提取-分类                           

训练样本-有规则的学习-误差检测-改进规则-分类

1.1 决策理论方法

①线性判别

将待分类图像X投影到N个提取的特征上，形成Y向量，系数向量为W，判别函数D（X）= Y’W

通过分别计算i、j两类的D（X），比较大小，判断类别。Di（X）-Dj（X）>0 ，则i属于模式类别wi类

（Q：如何计算W（系数或权重）？）

②最小距离

m类

m个参考向量R1，R2，R3，...，Rm

判断X和哪个R最接近

|X - Ri|

③最近邻域分类法

与最小距离类似，但是Ri分为k个分量

计算X与Ri的最小距离，d = min_k|X - Ri^k|

（Q：Ri^k怎么求得？）

④非线性判别函数

二次型判别函数

包含特征向量的分量的组合

1.2统计分类法

有噪声情况下的分类方法。

统计方法对图像进行特征抽取、学习和分类

基本内容：贝叶斯分析，include贝叶斯决策方法、分类器、估计理论、贝叶斯学习、贝叶斯距离

统计模式的识别方法