33、图像预处理与基于共识的分类方法研究

图像预处理与基于共识的分类方法研究

1. 图像预处理的趋势

在图像识别领域，输入图像的质量往往参差不齐，尤其是在移动场景下进行非接触式掌纹识别时，输入图像可能质量较低。因此，预处理方法的任务就是在特征提取步骤之前对图像进行增强。目前，图像预处理的趋势是采用基于变换和滤波的方法，特别是 Gabor 滤波器。未来，计划将经过精细调整的先进滤波方法作为移动场景下非接触式掌纹识别的预处理步骤。

2. 基于共识的分类方法概述

2.1 分类算法的要求

对于任何分类算法来说，满足高性能、良好的泛化能力和低计算成本这三个条件至关重要。高性能可以通过使用先进的分类器，如支持向量机（SVM）、决策树、神经网络等，或它们的组合来实现。泛化能力与统计机器学习理论相关，该理论最初由 Vapnik 和 Chervonenkis 提出。然而，Vapnik 的边界非常宽松，因此引入了许多改进方法。为了减少过拟合效应，可以采用袋装增强弱分类器的方法，如 AdaBoost，或根据分类器的相似性和错误率对其进行拆分。

2.2 分类器组合的问题

如何组合分类器以获得最可靠的标签，并降低过拟合效应是一个关键问题。每个样本都存在分类错误的概率，可以通过不同的交叉验证方案或特定算法来评估。对于 k - NN 分类器，可以使用目标模式与所有其他模式的距离分布来估计错误概率；对于判别模型，可以使用与边际水平成比例的势的概念来评估。

2.3 基于共识的分类思想

提出的方法是将分类困难的模式推迟到第二阶段，使用其他分类算法进行分类。可以使用基于共识的分类器关联来检测这些“模糊”模式。该方法的关键是将对象划分为功能组，并