1 图像理解与模式识别 1．模式识别的基本概念以及模式识别在图像识别中的位置 什么是模式呢?广义地说，存在于时间和空间中可观察的事物，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。模式识别就是根据观察到的事物的模式对事物进行分类的过程。在图像识别技术中，模式识别占有核心的地位。所以的图像处理技术都是为了更好地进行模式识别做准备。模式识别是图像识别的实质性阶段。 有两种基本的模式识别方法，即统计模式识别方法和结构(句法)模式识别方法，与此相应的模式识别系统都由两个过程所组成，即设计和实现。设计是指用一定数量的样本(叫做训练集或学习集)进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。 图 6-2 模式识别系统的基本构成 模式识别系统（如图 6-2）中，信息获取和预处理部分大致可以与图像的获取与处理对应。一般情况下，模式识别技术主要包含“特征提取和选择”和“分类器的设计”。 近几十年来，模式识别技术发展很快。然而，发展较成熟、应用较广泛的主要是统计模式识别技术。本节将主要介绍统计模式识别技术主要内容，并对其它模式识别技术如结构模式识别、模糊模式识别方法、神经网络识别方法加以概述。2. 统计模式识别 从一个广义的角度看，模式识别可以看成是一种机器学习的过程。按照机器学习过程的性质，可以将模式识别方法分成有监督的模式识别方法和非监督的模式识别方法，后者又称为聚类分析方法。这两种方法在图像识别中都有广泛的应用。 （1）有监督的模式识别方法 从识别技术的基本思路和方法看，有监督的模式识别可以分成两类：基于模型的方法和直接分类的方法。基于模型的方法的基础是贝叶斯(Bayes)决策理论方法，它对模式分析和分类器的设计有着实际的指导意义，是统计模式识别中的一个基本方法，用这个方法进行分类时要求： ①各类别总体的概率分布（即所谓的先验概率和类条件概率）是已知的； ②要决策分类的类 2 别数是一定的。 假设要研究的分类问题有c个类别，各类别状态用ωi 来表示，i＝1，2，„，c；对应于各个类别ω i 出现的先验概率P(ω i)以及类条件概率密度函数p(x|ω i)是已知的。如果在特征空间已观察到某一向量x，那么应该把x分到那一类中去才最合理呢? 最基本的想法是根据观察到的信息，选择适当的分类策略，使分类可能出现的错误最少，即： 如果对于任意j≠i，都有P(ω i|x) > P(ω j|x)，则将x归入类ω i 这...
