영상신호처리 : HW6 Bayes Classifier

목차

1) 과제 설명
2) Bayes Classifier 이론
3) void CHomework::OnClickedBayesclassifier()
4) void Compute_Covariance_Matrix
5) void Apply_Bayes_Classifier
6) void Print_Confusion_Matrix
7) DISCUSSION

본문내용

1) 과제 설명

<그 림>

특징의 개수: nfeat = 20
class 개수: nclass = 8
class label: 0, 1, 2, 3, 4, 5, 6, 7

2) Bayes Classifier 이론
Bayes 분류기는 훈련 자료의 분포를 특정한 확률 분포로 해석하는 것이다. 만일 두 개의 부류() 가 존재하고 표본의 특징이 특징 벡터(x)로 표현된다면, 다음의 식과 같이 확률을 비교하여 판단할 수 있다.

<중 략>

3) void CHomework::OnClickedBayesclassifier()
void CHomework::OnClickedBayesclassifier()
{
// 8가지 종류의 물체를 인식
int i, nfeat = 20, nclass = 8, Num[8], **Confuse;
// 벡터의 수는 20개, 클래스의 수는 8개
double **Feature[8], *Mean[8], **Cov[8], Determinant[8];

for (i=0; i<nclass; i++)
{
// i번째 클래스의 메모리를 할당
// 하나의 클래스에 1000개의 사진이 있다고 가정한다.
// 한 개의 사진당 특징량은 20개 (1000x20)
Feature[i] = dmatrix(1000, nfeat);
// 하나의 클래스의 특징벡터들의 cov matrix을 저장하는 벡터 (20x20)
// cov matrix는 20 by 20 이 될 것이다. 그러므로 nfeat, nfeat
Cov[i] = dmatrix(nfeat, nfeat);
// 하나의 클래스의 20종류 특징량등 각각의 평균을 저장하는 행렬 (1x20)
Mean[i] = (double *)malloc(sizeof(double)*nfeat);
}

// 파일로부터 데이터를 읽어온다.
// 파일을 읽어서 Feature에 저장을 한다.

참고 자료

영상처리를 위한 C++ 프로그래밍 / 이대호, 박영태 저 / 인터비젼 / MIF P.302 ~
Digital Image Processing / 2nd Ed / R.C. Gonzalez and R.E. Woods
수업자료 / Digital Image Processing / 컴퓨터비젼 연구실 / P.137~