18、图像模式识别技术：从语法推断到神经网络应用

图像模式识别技术：从语法推断到神经网络应用

1. 模式语言与语法

模式可以通过特定的谓词来描述，模式中出现的对象也可以使用相同的谓词来定义。当模式以基本元素的字符串形式表示时，它们可以被视为正则、上下文无关或上下文相关语言的句子。通过指定一组生成规则，可以定义合适的语法来生成模式语言，这些规则能够生成该模式语言中的句子。对应的计算机器，即自动机，能够识别基本元素字符串是否属于特定的模式类。

2. 高维模式语法

2.1 字符串语法的局限性

字符串表示法对于结构较简单的模式是足够的，但经典的字符串语法在处理有噪声和结构复杂的模式类时表现较弱。这是因为字符串语法仅支持模式基本元素之间的连接关系，每个基本元素仅与另外两个基本元素相连，一个在其右侧，另一个在其左侧。这种简单的结构可能不足以描述更复杂的模式，复杂模式可能需要更好的连接关系来进行描述。

2.2 高维语法的提出

为了解决字符串语法的局限性，提出了高维语法。高维语法作为语言生成器更强大，能够生成复杂的模式，如染色体模式、核气泡室照片等。

2.3 PLEX 语法

Fedder 提出了一类语法，称为 PLEX 语法。在 PLEX 语法中，一组基本元素可以使用多重连接结构。PLEX 语法涉及称为 n 连接点实体（NAPE）的基本结构，以及与每个 NAPE 关联的一组标识符，用于模式生成。n 连接点实体是基本元素，其中基本元素上有 n 个指定点，其他连接元素可以连接到这些点。因此，与字符串语法相比，这类语法具有更强的生成能力。

graph T