TAILIEUCHUNG - Bài giảng Xử lý ảnh - Chương 20: Nhận dạng mẫu: Phân lớp và đánh giá

Trong chương 18, chúng ta đã giới thiệu về nhận dạng mẫu thống kê và đã đề cập đến việc tách và trích chọn các đối tượng từ một cảnh phức tạp. Chương 19 đã chỉ ra các phương pháp xác định những đặc điểm của các đối tượng đó. Trong chương này, chúng ta tiếp cận bài toán nhận biết các đối tượng bằng cách phân lớp chúng thành từng nhóm. | Bài giảng Xử lý ảnh - Chương 20: Nhận dạng mẫu: Phân lớp và đánh giá Ch­¬ng 20 NHẬN DẠNG MẪU: PHÂN LỚP VÀ ĐÁNH GIÁ . GIỚI THIỆU Trong chương 18, chúng ta đã giới thiệu về nhận dạng mẫu thống kê và đã đề cập đến việc tách và trích chọn các đối tượng từ một cảnh phức tạp. Chương 19 đã chỉ ra các phương pháp xác định những đặc điểm của các đối tượng đó. Trong chương này, chúng ta tiếp cận bài toán nhận biết các đối tượng bằng cách phân lớp chúng thành từng nhóm. Có lẽ phải viết nhiều về chủ đề này và chúng ta chỉ có thể giới thiệu các khái niệm cơ bản ở đây. Nếu muốn nghiên cứu đầy đủ hơn, độc giả nên tham khảo tài liệu về chủ đề này (Phụ lục 2) . PHÂN LỚP . Chọn lọc đặc trưng Nếu ta muốn một hệ thống phân biệt các loại đối tượng khác nhau, đầu tiên chúng ta phải quyết định nên xác định những đặc điểm nào để tạo ra các tham số miêu tả. Các đặc điểm riêng biệt cần xác định gọi là các đặc trưng của đối tượng và các giá trị tham số kết quả gồm có vec tơ đặc trưng đối với từng đối tượng. Việc chọn lựa các đặc trưng thích hợp là rất quan trọng, vì chỉ có chúng mới được sử dụng để nhận biết đối tượng. Có vài phương tiện phân tích để hướng dẫn chọn lựa các đặc trưng. Khả năng trực giác thường xuyên chỉ đạo danh sách các đặc trưng có ích tiềm tàng. Các kỹ thuật sắp xếp đặc trưng tính toán có liên quan đến số lượng các đặc trưng khác nhau. Điều này cho phép lược bớt danh sách chỉ còn một vài đặc trưng tốt nhất. Các đặc trưng tốt có bốn đặc điểm: 1. Sự phân biệt đối xử. Các đặc trưng phải nhận những giá trị khác nhau một cách đáng kể đối với các đối tượng thuộc các lớp khác nhau. Ví dụ, đường kính là dặc tính tốt trong ví dụ sắp xếp trái cây ở chương 18, vì nó nhận những giá trị khác nhau đối với những quả sơ ri và những quả nho. 2. Tính tin cậy. Các đặc trưng phải nhận các giá trị giống nhau đối với mọi đối tượng cùng lớp. Ví dụ, màu sắc có thể là đặc trưng kém đối với những quả táo nếu chúng xuất hiện theo .

• Đồ họa - Thiết kế - Flash
• Xử lý ảnh
• Bài giảng Xử lý ảnh
• Nhận dạng mẫu
• Chọn lọc đặc trưng
• Thiết kế bộ phân lớp
• Chọn lựa đặc trưng
• Xử lý ảnh số
• Hệ thống xử lý ảnh số
• Kỹ thuật xử lý ảnh số
• Phân tích xử lý ảnh số
• Thành phần hệ thống xử lý ảnh số
• Phần mềm xử lý ảnh số
• Ứng dụng xử lý ảnh số
• bài tập xử lý ảnh
• kỹ thuật xử lý ảnh
• công nghệ xử lý ảnh
• phương pháp xử lý ảnh
• hướng dẫn xử lý ảnh
• kinh nghiệm xử lý ảnh
• histogram
• xla
• xu ly anh
• Bài giảng Xử lý ảnh số
• Phân tích ảnh
• Xử lý ảnh nhị phân
• Ảnh nhị phân
• Toán tử hình thái
• đề thi xử lý ảnh
• tài liệu xử lý ảnh
• đề cương xử lý ảnh
• giáo trình xử lý ảnh
• Nhập môn xử lý ảnh
• Hệ thống xử lý ảnh
• Tìm hiểu hệ thống xử lý ảnh
• Ứng dụng xử lý ảnh
• Nghiên cứu hệ thống xử lý ảnh
• 100 thủ thuật xử lý ảnh căn bản
• 100 thủ thuật xử lý ảnh
• Thủ thuật xử lý ảnh
• Thủ thuật xử lý ảnh căn bản
• Xử lý ảnh Photoshop 10
• Chương trình xử lý ảnh
• Lý thuyết Xử lý ảnh
• Ôn tập Xử lý ảnh
• Tổng quan xử lý ảnh
• Hệ thống xử lý tín hiệu hai chiều
• Ứng dụng của xử lý ảnh
• Matrix và vector
• Ảnh và ảnh số
• Phân biệt ảnh tĩnh và động
• Chuỗi ảnh động
• Xử lý ảnh màu
• Ảnh đa phổ
• Phân tích ảnh đa phổ
• Đặc tả màu
• Ảnh ba màu
• giáo trinh Xử lý ảnh số
• tài liệu Xử lý ảnh số
• đề cương Xử lý ảnh số