技术标签: 遥感专业实验学习日志 matlab 算法 图像识别
这些代码均是使用最基础的方法,通过一步一步迭代过程来理解算法的原理及实现过程,并不采用于实用工程,读者以此作为学习参考即可。
监督分类的概念:首先使用训练样本学习一个分类器,再对测试样本进行分类。
图像分类的两个步骤:特征提取与分类算法。
特征提取:颜色特征向量。
分类 训练过程:使用训练样本学习分类器。
测试过程:使用学习好的分类器对测试样本分类。
分类算法:感知器算法。
那么,如何得到线性判别函数?
如何得到线性判别函数里面的权向量参数?
由于采用rgb分量作为特征向量,分为三类,所以颜色接近的像素便分为一类,所以选择三种颜色比较明显的部分作为训练样本,以保证训练样本线性可分或接近线性可分。
迭代中W的初值和常数c均会影响方程的建立及图像的分类。 并且感知器算法有限的迭代里一定会找到一个超平面,可以把数据正确分类,但是这个分离超平面不是唯一的,所以不同的参数会导致不同的分类结果。
这几张图可以明显看出各分类界面与其分类结果的关联。结合以前模式识别的知识,发现拒绝点也恰好在分界面划分的其余区域和界面处。分类结果不是非常完美,有待优化。
clc;
clearvars
close all;
Im = imread('industrial_12.jpg');%读取图像
[m,n]=size(Im(:,:,1));
yb1=Im(501:530,101:180,:);%创建样本
yb2=Im(301:330,211:290,:);
yb3=Im(301:330,311:390,:);
figure(1)
subplot(2,2,1);imshow(Im);title('原图像');
subplot(2,2,2);imshow(yb1);title('类别1部分');
subplot(2,2,3);imshow(yb2);title('类别2部分');
subplot(2,2,4);imshow(yb3);title('类别3部分');
yb1(:,:,4)=1;yb2(:,:,4)=1;yb3(:,:,4)=1;
%训练第一个方程----------------------------------------------
yb11=[double(yb1) -double(yb2) -double(yb3)];%拼合样本集
[M1,N1]=size(yb11(:,:,1));
h1=1;tez1=zeros(M1*N1,4);%组成特征向量表
for i=1:M1
for j=1:N1
tez1(h1,1)=yb11(i,j,1);
tez1(h1,2)=yb11(i,j,2);
tez1(h1,3)=yb11(i,j,3);
tez1(h1,4)=yb11(i,j,4);
h1=h1+1;
end
end
W1(1,:)=[1,1,1,1];k1=1;count1=0;%训练样本
while(count1~=M1*N1)
for i=1:M1*N1
x1=[tez1(i,1),tez1(i,2),tez1(i,3),tez1(i,4)];
if W1(k1,:)*x1'<=0
W1(k1+1,:)=W1(k1,:)+1.2*x1;
break;
else
count1=i;
end
end
k1=k1+1;
end
%系数矩阵最终结果为 w1(k1-1,:)
%训练第二个方程----------------------------------------------
yb12=[-double(yb1) double(yb2) -double(yb3)];%拼合样本集
[M2,N2]=size(yb12(:,:,1));
h2=1;tez2=zeros(M2*N2,4);%组成特征向量表
for i=1:M2
for j=1:N2
tez2(h2,1)=yb12(i,j,1);
tez2(h2,2)=yb12(i,j,2);
tez2(h2,3)=yb12(i,j,3);
tez2(h2,4)=yb12(i,j,4);
h2=h2+1;
end
end
W2(1,:)=[1,1,1,1];k2=1;count2=0;%训练样本
while(count2~=M2*N2)
for i=1:M2*N2
x2=[tez2(i,1),tez2(i,2),tez2(i,3),tez2(i,4)];
if W2(k2,:)*x2'<=0
W2(k2+1,:)=W2(k2,:)+1.2*x2;
break;
else
count2=i;
end
end
k2=k2+1;
end
%系数矩阵最终结果为 w2(k2-1,:)
%训练第三个方程----------------------------------------------
yb13=[-double(yb1) -double(yb2) double(yb3)];%拼合样本集
[M3,N3]=size(yb13(:,:,1));
h3=1;tez3=zeros(M3*N3,4);%组成特征向量表
for i=1:M3
for j=1:N3
tez3(h3,1)=yb13(i,j,1);
tez3(h3,2)=yb13(i,j,2);
tez3(h3,3)=yb13(i,j,3);
tez3(h3,4)=yb13(i,j,4);
h3=h3+1;
end
end
W3(1,:)=[1,1,1,1];k3=1;count3=0;%训练样本
while(count3~=M3*N3)
for i=1:M3*N3
x3=[tez3(i,1),tez3(i,2),tez3(i,3),tez3(i,4)];
if W3(k3,:)*x3'<=0
W3(k3+1,:)=W3(k3,:)+1.2*x3;
break;
else
count3=i;
end
end
k3=k3+1;
end
%系数矩阵最终结果为 w3(k3-1,:)
%尝试对图像进行分类
T=zeros(m,n);T2=zeros(m,n,3); %类别标记表
count11=0;count22=0;count33=0;count00=0;
for i=1:m
for j=1:n
xx=double([Im(i,j,1),Im(i,j,2),Im(i,j,3),1]);
if W1(k1-1,:)*xx'>0 & W2(k2-1,:)*xx'<0 & W3(k3-1,:)*xx'<0
T(i,j)=1;
count11=count11+1;
T2(i,j,1)=0;
T2(i,j,2)=0;
T2(i,j,3)=255;
elseif W2(k2-1,:)*xx'>0 & W1(k1-1,:)*xx'<0 & W3(k3-1,:)*xx'<0
T(i,j)=2;
count22=count22+1;
T2(i,j,1)=255;
T2(i,j,2)=0;
T2(i,j,3)=0;
elseif W3(k3-1,:)*xx'>0 & W2(k2-1,:)*xx'<0 & W1(k1-1,:)*xx'<0
T(i,j)=3;
count33=count33+1;
T2(i,j,1)=0;
T2(i,j,2)=255;
T2(i,j,3)=0;
else
T(i,j)=0;
count00=count00+1;
T2(i,j,1)=0;
T2(i,j,2)=0;
T2(i,j,3)=0;
end
end
end
figure(2)
subplot(2,2,1);imshow(Im);title('原图像');
subplot(2,2,2);imshow(T,[]);title('分类图像');
subplot(2,2,3);imshow(uint8(T2));title('彩色处理分类图像');
%生成散点图
h0=1;Ir0=zeros(count00,1);Ig0=zeros(count00,1);Ib0=zeros(count00,1);
h1=1;Ir1=zeros(count11,1);Ig1=zeros(count11,1);Ib1=zeros(count11,1);
h2=1;Ir2=zeros(count22,1);Ig2=zeros(count22,1);Ib2=zeros(count22,1);
h3=1;Ir3=zeros(count33,1);Ig3=zeros(count33,1);Ib3=zeros(count33,1);
for i=1:m
for j=1:n
if T(i,j)==1
Ir1(h1)=Im(i,j,1);
Ig1(h1)=Im(i,j,2);
Ib1(h1)=Im(i,j,3);
h1=h1+1;
elseif T(i,j)==2
Ir2(h2)=Im(i,j,1);
Ig2(h2)=Im(i,j,2);
Ib2(h2)=Im(i,j,3);
h2=h2+1;
elseif T(i,j)==3
Ir3(h3)=Im(i,j,1);
Ig3(h3)=Im(i,j,2);
Ib3(h3)=Im(i,j,3);
h3=h3+1;
else
Ir0(h0)=Im(i,j,1);
Ig0(h0)=Im(i,j,2);
Ib0(h0)=Im(i,j,3);
h0=h0+1;
end
end
end
figure(3)
scatter3(Ir1,Ig1,Ib1,'.','b');hold on;
scatter3(Ir2,Ig2,Ib2,'.','r');hold on;
scatter3(Ir3,Ig3,Ib3,'.','g');hold on;
scatter3(Ir0,Ig0,Ib0,'.','k');hold on;%生成散点图
xlabel('R');ylabel('G');zlabel('B');
a1=-(W1(k1-1,1)/W1(k1-1,3));
b1=-(W1(k1-1,2)/W1(k1-1,3));
c1=-(W1(k1-1,4)/W1(k1-1,3));
x1=0:0.1:255;
y1=0:0.1:255;
[x1 y1]=meshgrid(x1,y1);
z1=a1*x1+b1*y1+c1;
mesh(x1,y1,z1);hold on;
a2=-(W2(k2-1,1)/W2(k2-1,3));
b2=-(W2(k2-1,2)/W2(k2-1,3));
c2=-(W2(k2-1,4)/W2(k2-1,3));
x2=0:0.1:255;
y2=0:0.1:255;
[x2 y2]=meshgrid(x2,y2);
z2=a2*x2+b2*y2+c2;
mesh(x2,y2,z2);hold on;
a3=-(W3(k3-1,1)/W3(k3-1,3));
b3=-(W3(k3-1,2)/W3(k3-1,3));
c3=-(W3(k3-1,4)/W3(k3-1,3));
x3=0:0.1:255;
y3=0:0.1:255;
[x3 y3]=meshgrid(x3,y3);
z3=a3*x3+b3*y3+c3;
mesh(x3,y3,z3);
文章浏览阅读1.6k次,点赞12次,收藏7次。大家好!大四的同学们毕业设计即将开始了,你们做好准备了吗?学长给大家精心整理了最新的计算机毕业设计选题,希望能为你们提供帮助。如果在选题过程中有任何疑问,都可以随时问我,我会尽力帮助大家。在选择毕业设计选题时,有几个要点需要考虑。首先,选题应与计算机专业密切相关,并且符合当前行业的发展趋势。选择与专业紧密结合的选题,可以使你们更好地运用所学知识,并为未来的职业发展奠定基础。要考虑选题的实际可行性和创新性。选题应具备一定的实践意义和应用前景,能够解决实际问题或改善现有技术。
文章浏览阅读3.4k次。摘要:随着电信业务的发展和电信企业经营方式的转变,DCN网络的定位发生了重大的演变。本文基于这种变化,重点讨论DCN网络的规划方法和运维管理方法。Digest: With the development oftelecommunication bussiness and the change of management of telecomcarrier , DCN’s role will cha..._电信dcn
文章浏览阅读442次。深度学习一部分矩阵求导知识的搬运总结_向量变元是什么
文章浏览阅读8次。近期,裁员的公司越来越多今天想和大家聊聊职场人的新出路。作为席卷全球的新概念ESG已然成为当前各个行业关注的最热风口目前,国内官方发布了一项ESG新证书含金量五颗星、中文ESG证书、完整ESG考试体系、名师主讲...而ESG又是与人力资源直接相关甚至在行业圈内成为大佬们的热门话题...当前行业下行,裁员的公司也越来越多大家还是冲一冲这个新兴领域01 ESG为什么重要?在双碳的大背景下,ESG已然成...
文章浏览阅读356次。云计算快速渗透到众多的行业,使中小企业受益于技术变革。最近微软SMB的一项研究发现,到今年年底,78%的中小企业将以某种方式使用云。企业希望投入少、收益高,来取得更大的发展机会。云计算将中小企业信息化的成本大幅降低,它们不必再建本地互联网基础设施,节省时间和资金,降低了企业经营风险。科技创新已成时代的潮流,中小企业上云是创新前提。云平台稳定、安全、便捷的IT环境,提升企业经营效率的同时,也为企业..._系统上云的前后对比
文章浏览阅读899次。出现选网卡的时候无法选中,这里应该是一个bug。3.保存退出,重启虚拟机即可。1.先随便选择一个网卡。2.勾先取消再重新勾选。_esxi虚拟机无法联网
文章浏览阅读913次。在LaTeX中,可在.tex文件的同一级目录下创建egbib.bib文件,所有的参考文件信息可以统一写在egbib.bib文件中,然后在.tex文件的\end{document}前加入如下几行代码:{\small\bibliographystyle{IEEEtran}\bibliography{egbib}}即可在文章中用~\cite{}宏命令便捷的插入文内引用,且文章的Reference部分会自动排序、编号。..._egbib
文章浏览阅读950次。目录:Unity Shader - 知识点目录(先占位,后续持续更新)原文:Predefined Shader preprocessor macros版本:2019.1Predefined Shader preprocessor macros着色器预处理宏Unity 编译 shader programs 期间的一些预处理宏。(本篇的宏介绍随便看看就好,要想深入了解,还是直接看Unity...
文章浏览阅读195次。本文目录:一、大数据时代还需要数据治理吗?二、如何面向用户开展大数据治理?三、面向用户的自服务大数据治理架构四、总结一、大数据时代还需要数据治理吗?数据平台发展过程中随处可见的数据问题大数据不是凭空而来,1981年第一个数据仓库诞生,到现在已经有了近40年的历史,相对数据仓库来说我还是个年轻人。而国内企业数据平台的建设大概从90年代末就开始了,从第一代架构出现到..._数据治理从0搭建
文章浏览阅读2.2k次,点赞4次,收藏12次。高手请一笑而过。物理实验课别人已经做过3、4个了,自己一个还没做呢。不是咱不想做,而是咱不想起那么早,并且仅有的一次起得早,但是哈工大的服务器竟然超负荷,不停刷新还是不行,不禁感慨这才是真正的“万马争过独木桥“啊!服务器不给力啊……好了,废话少说。其实,我的想法很简单。写一个三重循环,不停地提交,直到所有的数据都accepted。其中最关键的是提交最后一个页面,因为提交用户名和密码后不需要再访问其..._哈尔滨工业大学抢课脚本
文章浏览阅读4.9k次。一些别人收集的英文站点 http://www.lifeinchina.cn (nice) http://www.huaren.us/ (nice) http://www.hindu.com (okay) http://www.italki.com www.talkdatalk.com (transfer)http://www.en8848.com.cn/yingyu/index._study english html
文章浏览阅读5.5k次,点赞19次,收藏78次。什么是栈?在谈M3堆栈之前我们先回忆一下数据结构中的栈。栈是一种先进后出的数据结构(类似于枪支的弹夹,先放入的子弹最后打出,后放入的子弹先打出)。M3内核的堆栈也不例外,也是先进后出的。栈的作用?局部变量内存的开销,函数的调用都离不开栈。了解了栈的概念和基本作用后我们来看M3的双堆栈栈cortex-M3内核使用了双堆栈,即MSP和PSP,这极大的方便了OS的设计。MSP的含义是Main..._stm32 msp psp