19、工业图像分类与测量技术解析

工业图像分类与测量技术解析

1. 分类相关知识

1.1 分类基础概念

分类在技术应用中，是将具有一组特征的对象分配到多个预定义类别之一的过程。可以把分类描述为从特征空间到类别空间的映射，但对于大多数分类应用，如字符识别，这种映射并没有已知的正式传递函数。

以下是一些关键的分类相关概念：
- 模式 ：在分类语境中，模式指由一组特征描述的对象，等同于特征向量。
- 机器学习 ：致力于构建自适应系统，特别是从模式与类别之间的预定义分配示例（可能由人类完成）中推导分类函数。
- 特征 ：描述对象某一方面的单个值，例如尺寸或重采样图像中像素的亮度。
- 特征向量 ：包含描述对象的所有特征值的向量。
- 目标向量 ：机器学习中包含正确的、预定义的类别归属。
- 输出向量 ：包含分类器确定的模式的类别归属概率。
- 训练集/训练数据集 ：包含带有类别信息的模式集合，用于使分类器适应要学习的问题。
- 监督学习 ：在每个训练步骤后比较分类结果的实际输出和期望输出，并根据比较结果校正分类器的参数。
- 无监督学习 ：分类器根据训练模式之间的相似性自行推导类别结构。
- 边界问题 ：由于训练集无法覆盖整个特征空间，当遇到远超