Bài giảng Xử lý ảnh: Chương 7 Chuyên đề xử lý ảnh cung cấp cho người đọc các kiến thức như: Phân lớp; Lý thuyết quyết định; Phân lớp khoảng cách tối thiểu; Phân lớp xác suất Bayes. Để hiểu rõ hơn mời các bạn cùng tham khảo nội dung chi tiết của bài giảng này.
.c om ng ng th an co XỬ LÝ ẢNH cu u du o Võ Tuấn Kiệt Bộ môn Viễn thông (112B3) Đại học Bách Khoa TpHCM Email: kietleo@gmail.com CuuDuongThanCong.com https://fb.com/tailieudientucntt Chương 7: Chuyên đề xử lý ảnh ng cu u du o ng th an co Khoảng cách tối thiểu Lân cận gần (KNN) Xác suất Bayes c om Phân lớp CuuDuongThanCong.com https://fb.com/tailieudientucntt Nhận dạng an co ng c om Pattern: is a arrange of descriptors Pattern classes: a pattern class is a family of patterns that share some common properties Pattern recognition/classification: to assign patterns to their respective classes cu u du o ng th Intelligent Ability to separate relevant information Ability to learn from examples and to generalize knowledge so that it can be used in other situations Ability to draw conclusions from incomplete information CuuDuongThanCong.com https://fb.com/tailieudientucntt Ví dụ cu u du o ng th an co ng c om Mấy lớp? Mấy thông số đo? CuuDuongThanCong.com https://fb.com/tailieudientucntt Lý thuyết định c om Decision-theoretic approaches to recognition are based on the use decision functions Let x ( x , x , , x ) represent an n-dimensional pattern vector , , , , we want to find W decision For W pattern classes functions d ( x ), d ( x ), , d ( x )with the property that, if a pattern x belongs to class , then T n W th i d j (x ) ng d i (x ) W an co ng j , , , W ; j and i is given by j cu u du o The decision boundary separating class i d i (x ) d j (x ) or d i ( x ) d j (x ) CuuDuongThanCong.com https://fb.com/tailieudientucntt Phân lớp khoảng cách tối thiểu j N x j ng m c om Suppose that we define the prototype of each pattern class to be the mean vector of the patterns of that class: x w j where Nj is the number of pattern vectors from class wj (j=1,2,…,W) th an co j cu u du o ng Using the Euclidean distance to determine closeness reduces the problem to computing the distance measures D j (x) where || a || T (a a ) x m j 1/ CuuDuongThanCong.com https://fb.com/tailieudientucntt ng c om We assign x to class wi if Di(x) is the smallest distance The smallest distance is equivalent to evaluating the m m functions d ( x ) x m T T co j j j th an j cu u du o ng And assign x to class wi if di(x) yields the largest numerical value The decision boundary between classes and for a minimum distance classifier is d ij ( x ) d i (x) d j (x) T x (m i m j) (m T i m j ) (m i m j) CuuDuongThanCong.com https://fb.com/tailieudientucntt Giải thuật phân lớp khoảng cách tối thiểu cu u du o ng th an co ng c om Each class is represented by its mean vector Training is done using the objects (pixels) of known class Mean of the feature vectors for the object within the class is calculated New objects are classified by finding the closest mean vector CuuDuongThanCong.com https://fb.com/tailieudientucntt Phân lớp lân cận gần cu u du o ng th an co ng c om Nearest neighbour classifier: A pattern in the test data is classified by calculating the distance to all the patterns in the training data The class of the training pattern that gives the shortest distance determines the class of the test pattern CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Giải thuật KNN 10 CuuDuongThanCong.com https://fb.com/tailieudientucntt du o ng th an co ng c om Phân lớp xác suất Bayes cu u Naïve Zero frequency smoothing technique (Laplace estimation) 11 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Naïve Bayes using m-estimate 12 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Phân bố xác suất 13 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Hàm ngẫu nhiên biến 14 CuuDuongThanCong.com https://fb.com/tailieudientucntt an co ng c om Hàm ngẫu nhiên biến th Mean Covariance cu u du o ng Correlation 15 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Phân bố Gaussian nhiều biến 16 CuuDuongThanCong.com https://fb.com/tailieudientucntt .c om ng co an th ng du o u cu 17 CuuDuongThanCong.com https://fb.com/tailieudientucntt Ôn tập cu u du o ng th an co ng c om Nguyên lý nén ảnh? Các thông số đánh giá hiệu nén ảnh? Các kỹ thuật nén ảnh không tổn hao? Các bước nén ảnh JPEG? Giải thuật phân lớp khoảng cách tối thiểu? Giải thuật phân lớp lân cận gần nhất? Giải thuật phân lớp xác suất Bayes? 18 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Bài tập 19 CuuDuongThanCong.com https://fb.com/tailieudientucntt an co ng c om Bài tập cu u du o ng th We are told that the fruit is Long, Sweet and Yellow Is it a Banana? Is it an Orange? Or is it some Other Fruit? 20 CuuDuongThanCong.com https://fb.com/tailieudientucntt Bài tập du o ng th an co ng c om Giả sử xác suất phân bố Gaussian cu u Male or Female? 21 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Bài tập 10 22 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Bài tập 11 23 CuuDuongThanCong.com https://fb.com/tailieudientucntt cu u du o ng th an co ng c om Bài tập 11 (tt) 24 CuuDuongThanCong.com https://fb.com/tailieudientucntt .. .Chương 7: Chuyên đề xử lý ảnh ng cu u du o ng th an co Khoảng cách tối thiểu Lân cận gần (KNN) Xác suất... https://fb.com/tailieudientucntt Lý thuyết định c om Decision-theoretic approaches to recognition are based on the use decision functions Let x ( x , x , , x ) represent an n-dimensional pattern vector... https://fb.com/tailieudientucntt .c om ng co an th ng du o u cu 17 CuuDuongThanCong.com https://fb.com/tailieudientucntt Ôn tập cu u du o ng th an co ng c om Nguyên lý nén ảnh? Các thông số đánh giá hiệu nén ảnh?