基于模式识别的车牌定位算法研究-开题报告

安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告

课题名称：基于模式识别的图像处理算法研究

——基于模式识别的车牌定位算法研究专业：电子信息工程

班级：08电子①班

学生姓名：陈宇栋

学号：08205010127

指导教师：

填表日期：2012年3月5日

安徽建筑工业学院电子与信息工程学院

二○一一年十二月制表

说明

1.抓好毕业设计（论文）的开题报告是保证毕业设计

（论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。

2.毕业生一般应在毕业设计前期准备过程中，通过文

献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。

3.此表经过指导教师和有关人员签字后，一份由指导

教师保存，一份交院教学办公室。

4.毕业生在毕业设计（论文）答辩时，必须提交这份

毕业设计（论文）开题报告。

填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。

一、简表

学生简况

姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班

课题名称基于模式识别的图像处理算法研究

子课题基于模式识别的车牌定位算法研究

课题来源纵向课题

类型计算机软件设计

研究（设计）内容

随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。

对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。

二、选题依据

1.阐述该选题的研究意义，分析跟该课题有关的国内外研究概况和发展趋势。

基于模式识别的图像处理是图像识别领域重要的研究和发展方向之一。基于图像的车辆牌照自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的重要环节。车辆牌照识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动纪录、高速公路自动收费系统、停车场自动安全管理、小区智能化管理等方面，具有巨大的经济价值。汽车牌照相当于汽车的身份证，是在公共场合确定汽车身份的直接凭证。我国交通管理部门对汽车牌照的样式制定了严格的规范，这些规范将为车牌自动识别技术的实现提供重要的识别依据。

基于图像处理的车牌识别技术的研究在外国起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在已经有比较成熟的产品投入使用，如美国的AUTOSCOF2003系统、以色列的Hi-Tech公司研制的See/CarSystem、德国西门子公司的ARTEM7S系统、新加坡的Optasa公司研制的VLPRS等车牌识别系统。近几年，国内也有许多公司以及科研机构进行这方面的研究，并且有一些实用产品，这些产品的车牌识别率都在70%以上，但是对环境要求较高，在全天候的条件下，都存在识别精度不高，识别时间长等特点，车牌识别技术还存在很大的发展空间，许多工作还需更进一步的探索。

2. 国内外主要参考文献（列出作者、论文名称、期刊名称、出版年月）。

[1] 朱秀昌刘峰胡栋，数字图像处理与图像通信，北京邮电大学出版社，2008年修订版；

[2] 冯伟兴唐墨贺波，VC++数字图像模式识别技术详解，机械工业出版社，2010年7月；

[3] 刘海波沈晶郭耸，VC++数字图像处理技术详解[M].，机械工业出版社，2010；

[4] 卢春雨张长水，基于区域特征的快速人脸检测法[J]，清华大学学报：自然科学版；

[5] 梁路宏艾海舟，基于多模板匹配的单人脸检测[J].中国图象图形学报：A辑；

[6] Ai H Z, Liang L H, Xu G Y. A general framework for face detection. In: Tan Tie-Niu, Shi Yuan-Chun, Gao Wen eds. In: Proc the 3rd Conference on Multimodal Interfaces, Lecture Notes in Computer Science, 1948, Berlin: Springer-Verlag,，2000. 119-126；

[7] 李洪亮侯朝桢周绍生，一种高效的改进粒子群优化算法[J]，计算机工程与应用，2008,44(1)：14-16，30；

[8] 段海滨王道波于秀芬，几种新型仿生优化算法的比较研究[J].计算机仿真，2007，24(3):169-172,253；

[9] L李孟歆吴成东基于分级网络的车牌字符识别算法，计算机应用研究.2009,26(5),1703-1705.

三、设计方案

拟采用的研究方法，技术路线，实验方案的可行性分析。

一个完整的汽车牌照识别系统的工作过程主要分为三个研究阶段:一是车牌定位，实现牌照子图像的精确定位算法(用来确定车牌在整个图像中的相对位置)；二是车牌字符分割，提取车牌特征；三是对分割出的车牌字符图像进行识别的一系列过程。图像处理对软件平台并没有特别的要求，系统所有算法均在Visual C++ 6.0软件开发平台下，利用数字图像模式识别技术实现对汽车牌照的识别

另外,本人是电子信息工程专业，对数字图像处理有着扎实的基础，并已通过全国计算机二级，有一定的编程能力，指导老师邵慧老师也是长期从事图像处理和图像通信的研究方向，有着丰富的研究经验，给整个算法改进进行合理的规划，另外我院计算机软件和电视原理实验室的软硬件资源，为毕业设计提供了良好的环境。

四、工作进度的大致安排

第一阶段前期准备，阅读C++语言相关知识，查找和本课题有关的相关文献期刊，完成开题报告。

第二阶段课题研究阶段，在指导老师的带领下，编写算法，通过实验，软件仿真，验证算法，并改进算法，以其达到更好的实验效果。

第三阶段论文撰写阶段。

第四阶段论文答辩阶段。

五、设计成果

1、了解模式识别的图像处理的工作原理

2、对相关算法进行设计和改进，运用VC++软件编程环境实现对车牌识别的要求

3、进行实验数据、结果分析、总结

4、撰写毕业论文、PPT

指导教师意见

指导教师签名：日期：

院教学工作委员会意见

主任签名：日期：

车牌识别系统技术的研究与应用

车牌识别系统技术的研究与应用 时间：2011-03-01 15:53:00 来源：电子科技作者：余春琴张浩然李广林武警工程学院 摘要：本文介绍车牌识别的两种主要方法(基于无线射频识别技术(RFID)的自动检测识别方法和基于图像处理技术的检测识别方法)，并对两种技术的优缺点进行了比较，提出了一种双模式识别系统，重点阐述了主模式识别系统原理，并考虑了车载分机的安全性，给出了车载分机防移动的软硬件设计，可广泛用于各种门禁系统。 关键词：车牌识别；射频识别；车载分机；检测子系统；门禁子系统 0 引言 在我国，直至20世纪50年代，车辆管理主要靠人工方式，然而随着经济的迅猛发展，工业化程度的不断加深，汽车数量大量增加，给交通管理、环境治理、社会治安、交通运营等提出了许多新的问题。伴随着车辆数目的增加，生活小区、地方单位、部队营区、停车场等对车辆的管理面临着新的挑战。如何做到车辆状态有案可查、有据可依，如何实现车辆的科学化、自动化管理成为人们关注的话题。 1 车牌识别技术 车牌识别是车辆管理的重要前提和关键技术，主要可分为间接法和直接法两种。间接法是基于无线射频识别技术(Radio Frequency Id-entification，RFID)的自动检测识别方法；直接法是基于图像处理技术的检测识别方法。 基于图像处理的车牌识别，是对视频或图像中的车牌进行特征分析，确定车牌位置，然后设计识别算法，对车牌中的汉字、字母、数字进行识别，以确定车牌内容。目前，能够在车辆时速不超过220公里的情况下，实现单车牌照的准确抓拍、检测及识别。在没有任何外部触发装置时，可以完全基于视频触发控制，系统可对视频图像中静止或行驶中的一个或多个车辆的车牌同时进行实时检测和识别。车牌识别系统主要由车牌定位、字符分隔和字符识别三部分组成，如图1所示。 基于RFID的车牌识别系统由标签(Tag)、阅读器(Reader)、天线(Antenna)三部分组成。电子标签中保存车牌信息。系统的基本工作原理是：标签进入磁场后，如果接收到阅读器发出的特殊射频信号，就能凭借感应电流所获得的能量发送出存储在芯片中的产品信息(即Passive Tag，无源标签或被动标签)，或者主动发送某一频率的信号(即Active Tax，有源标签或主动标签)，阅读器读取信息并解码后，送到后台主系统进行相关处理；主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。 对于车辆的识别，以往的车辆管理系统通常是单一地采用基于RFID的识别技术或基于图像处理的识别技术。这两种车辆识别方法各有优缺点：RFID识别技术抗干扰能力强、不受天气影响、且可穿透非金属物体进行识别，识别速率快、准确率高，却难以有效防止作弊，电子标 签容易丢失，并且只能管制内部车辆；基于图像处理的车牌识别技术对基础建设方面几乎没有要求，但是抗干扰性差，准确率也有待提高。

模式识别第二次上机实验报告

北京科技大学计算机与通信工程学院 模式分类第二次上机实验报告 姓名：XXXXXX 学号：00000000 班级：电信11 时间：2014-04-16

一、实验目的 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等； 二、实验内容 2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为： label index1:value1 index2:value2 ... 其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标值。（我主要要用到回归） Index是从1开始的自然数，value是每一维的特征值。 该过程可以自己使用excel或者编写程序来完成，也可以使用网络上的FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明： 先将数据按照下列格式存放（注意label放最后面）： value1 value2 label value1 value2 label 然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具->宏执行行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。将该数据存放到文本文件中进行下一步的处理。 3.对数据进行归一化。 该过程要用到libsvm软件包中的svm-scale.exe Svm-scale用法： 用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值：lower = -1，upper = 1，没有对y进行缩放）其中，-l：数据下限标记；lower：缩放后数据下限；-u：数据上限标记；upper：缩放后数据上限；-y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；（回归需要对目标进行缩放，因此该参数可以设定为–y -1 1 ）-s save_filename：表示将缩放的规则保存为文件save_filename；-r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放；filename：待缩放的数据文件（要求满足前面所述的格式）。缩放规则文件可以用文本浏览器打开，看到其格式为： y lower upper min max x lower upper index1 min1 max1 index2 min2 max2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表示特征序号；min 转换前该特征的最小值；max 转换前该特征的最大值。数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为： （Value-lower）*（max-min）/(upper - lower)+lower 其中value为归一化后的值，其他参数与前面介绍的相同。 建议将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。 4.训练数据，生成模型。 用法：svmtrain [options] training_set_file [model_file] 其中，options（操作参数）：可用的选项即表示的涵义如下所示-s svm类型：设置SVM 类型，默

模式识别结课论文

中国传媒大学2014~2015 学年第 1 学期 智能视频分析技术课程 题目人工智能在模式识别中的运用学生姓名刘晶晶 学号201110013208 班级数字媒体技术 学生所属学院信息工程学院 任课教师吕朝辉 教师所属学院信息工程学院 时间2014.11.27

人工智能在模式识别中的应用 摘要 计算机硬件的迅速发展，计算机应用领域的不断开拓，迫切地要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说，目前一般计算机却无法直接感知它们，键盘、鼠标等外部设备，对于这样五花八门的外部世界显得无能为力。纵然电视摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换，并与计算机联机，但由于识别技术不高，而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下，成为开拓计算机应用的瓶颈，也与其高超的运算能力形成强烈的对比。于是，着眼于拓宽计算机的应用领域，提高其感知外部信息能力的学科——模式识别，便得到迅速发展。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用列举如下。 关键词：人工智能、模式识别、应用 （一）人工智能 人工智能(Anificial InteUigence)是相对人的自然智能而言，即用人工的方法和技术，模仿、延伸和扩展人的智能，实现某些“机器思维”。作为一门学科，人工智能研究智能行为的计算模型，研制具有感知、推理、学习、联想、决策等思维活动的计算系统，解决需要人类专家才能处理的复杂问题。人工智能就其本质而言，是对人的思维的信息过程的模拟。 （二）模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里，我们把环境与客体统称为“模式”，随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式(文字、声音、人物、物体等)的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息(通过视觉器官来获得)和声学信息(通过听觉器官来获得)的识别。这是模式识别的两个重要

车牌识别系统的研究背景意义与国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状 1 车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 1.2 车牌识别系统简介 2 车牌识别系统的国内外现状 3 车牌识别难点 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身 份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。 为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此 基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别 的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全 管理水平及管理效率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的 重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2) 交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理； (5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控； (8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1 所示，LPR[1] 的部分应用： 图1 LPR 在收费口、道路监控和停车管理中的应用 近些年, 计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

模式识别实验报告

模式识别实验报告

————————————————————————————————作者：————————————————————————————————日期：

实验报告 实验课程名称：模式识别 姓名：王宇班级： 20110813 学号： 2011081325 实验名称规范程度原理叙述实验过程实验结果实验成绩 图像的贝叶斯分类 K均值聚类算法 神经网络模式识别 平均成绩 折合成绩 注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 2014年 6月

实验一、 图像的贝叶斯分类 一、实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理 概念： 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。 最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示为

模式识别课程论文

模式识别课程学习感想 人类可以通过视觉信息识别文字、图片和周围的环境，通过听觉信息识别与理解语言，比如识别人脸，阅读手写文字，通过气味识别一种水果的种类等。我们希望给机器相同的模式识别能力。 模式识别主要是研究对象的特征或属性，利用以计算机为中心的机器系统运用一定的分析算法认定对象的类别，系统应使分类识别的结果尽可能地与真实情况相符合。模式识别方法最大的实用性在于“智能”仿真，可以说在同常生活中随处可见，如医疗诊断系统、地球资源探测系统、机器人辅助生产线、公安人员用于破案的指纹识别系统等。模式识别包含由特征和属性所描述的对象的数学模型，这罩所讲的特征和属性是指通常意义上的系统的输入／输出数据对。 模式识别系统主要由两个过程组成，即设计过程和实现过程。设计过程是指用一定数量的样本(也称训练集或学习集)进行分类器的设计；实现过程是指用所设计的分类器对待识别的样本进行分类决策。 通过这门课程的学习，对各种模型的模式识别算法有了一定程度的了解。 一、线性模型 我们使用线性神经网络来解决线性模型的模式识别。线性神经网络与感知器的主要不同之处在于其神经元有一个线性激活函数，这允许输出可以是任意值，而不仅仅只是像感知器中那样只能取0或1。它采用的是W—H学习法则，也称最小均方差(LMS)规则对权值进行训练。线性神经网络的主要用途是线性逼近一个函数式而进行模式联想。 二、非线性模型 1、Ada-Boosting 基于级联结构的AdaBoost算法目前被认为是较有效的检测算法。 Boosting是一个将弱学习(weak learn)算法融合为强学习算法(strong)的方法。Ada-Boost 算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将每次训练得到的分类器最后融合起来，作为最后的决策分类器。目前在人脸侦测的领域，就有人将Ada-Boost + cascade 作为一个很有效的运算法。Boost是一种常用来增进learning algorithm正确率的方法。使用boost 分类器可以排除一些不必要的特征，并将关键放在关键的特征上面。 AdaBoost算法针对不同的训练集训练同一个基本分类器（弱分类器），然后把这些在不同训练集上得到的分类器集合起来，构成一个更强的最终的分类器（弱分类器）。理论证明，只要每个弱分类器分类能力比随机猜测要好，当其个数趋向于无穷个数时，强分类器的错误率将趋向于零。AdaBoost算法中不同的训练集是通过调整每个样本的权重实现的。最开始的时候，每个样本对应的权重是相同的，在此样本分布下训练出一个基本分类器h1(x)。对于h1(x)错分的样本，则增加其对应样本的权重；而对于正确分类的样本，则降低其权重。这样可以使得错分的样本突出出来，得到一个新的样本分布。同时，根据错分的情况赋予h1(x)一个权重，表示该基本分类器进行训练，得到基本分类器h2(x)及其权重。依次类推，经过T 次这样的循环，就得到了T个基本分类器，以及T个对应的权重。最后把这T个基本分类器按一定的权重累加起来，就得到了最终所期望的强分类器。 2、多层感知机 神经网络具有强大的非线性映射能力，人工神经网络的实际应用中，绝大部分的神经网

模式识别文献综述报告

指导老师：马丽 学号：700 班级： 075111 姓名：刘建 成绩： 目录 ............................................................ 一、报告内容要点............................................................ 二、《应用主成分分解(PCA)法的图像融合技术》............................................................ 三、《基于类内加权平均值的模块 PCA 算法》............................................................

四、《PCA-LDA 算法在性别鉴别中的应用》 ............................................................ 五、《一种面向数据学习的快速PCA算法》 ............................................................ 六、《Theory of fractional covariance matrix and its applications in PCA and 2D-PCA》 ............................................................ 七、课程心得体会 ............................................................ 八、参考文献 ............................................................ 一、报告内容要点 ①每篇论文主要使用什么算法实现什么 ②论文有没有对算法做出改进（为什么改进，原算法存在什么问题，改进方法是什么） ③论文中做了什么对比试验，实验结论是什么？可以加入自己的分析和想法，例如这篇论文还存在什么问题或者缺点，这篇论文所作出的改进策略是否好，你自己对算法有没有什么改进的想法？ 二、《应用主成分分解(PCA)法的图像融合技术》 第一篇《应用主成分分解(PCA)法的图像融合技术》，作者主要是实现用PCA可以提取图像数据中主要成分这一特点，从元图像获得协方差矩阵的特征值和特征向量，据此确定图像融合算法中的加权系数和最终融合图像。 作者在图像融合的算法上进行改进，用PCA获得待融合的每幅图像的加权系数Wi。是这样实现的：计算待融合的i幅图像数据矩阵的协方差矩阵，从中获

基于模式识别的车牌定位算法研究-开题报告

安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告 课题名称：基于模式识别的图像处理算法研究 ——基于模式识别的车牌定位算法研究专业：电子信息工程 班级：08电子①班 学生姓名：陈宇栋 学号：08205010127 指导教师： 填表日期：2012年3月5日 安徽建筑工业学院电子与信息工程学院 二○一一年十二月制表

说明 1.抓好毕业设计（论文）的开题报告是保证毕业设计 （论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。 2.毕业生一般应在毕业设计前期准备过程中，通过文 献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。 3.此表经过指导教师和有关人员签字后，一份由指导 教师保存，一份交院教学办公室。 4.毕业生在毕业设计（论文）答辩时，必须提交这份 毕业设计（论文）开题报告。 填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。

一、简表 学生简况 姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班 课题名称基于模式识别的图像处理算法研究 子课题基于模式识别的车牌定位算法研究 课题来源纵向课题 类型计算机软件设计 研究（设计）内容 随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。 对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。

模式识别实验报告年月

模式识别实验报告－年月

————————————————————————————————作者: ————————————————————————————————日期:

学院： 班级： 姓名： 学号： 2012年3月

实验一 Ｂay ｅｓ分类器的设计 一、 实验目的: 1. 对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识； 2． 理解二类分类器的设计原理。 二、 实验条件： 1． PC 微机一台和MA TL ＡB 软件。 三、 实验原理: 最小风险贝叶斯决策可按下列步骤进行: １. 在已知 ) (i P ω， )|(i X P ω,c i ,,1 =及给出待识别的X 的情况下,根据贝叶斯 公式计算出后验概率: ∑== c j j j i i i P X P P X P X P 1 ) ()|() ()|()|(ωωωωω c j ,,1 = ２. 利用计算出的后验概率及决策表，按下式计算出采取 i α决策的条件风险: ∑==c j j j i i X P X R 1) |(),()|(ωωαλα a i ,,1 = 3. 对2中得到的a 个条件风险值) |(X R i α（a i ,,1 =）进行比较，找出使条件 风险最小的决策k α,即: ) |(min )|(,,1X R X R k c i k αα ==, 则 k α就是最小风险贝叶斯决策。 四、 实验内容: （以下例为模板，自己输入实验数据） 假定某个局部区域细胞识别中正常（1ω)和非正常(2ω）两类先验概率分别为： 正常状态：)(1ωP =0.9; 异常状态：)(2ωP =０．１。

模式识别实验报告(一二)

信息与通信工程学院 模式识别实验报告 班级： 姓名： 学号： 日期：2011年12月

实验一、Bayes 分类器设计 一、实验目的： 1.对模式识别有一个初步的理解 2.能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识 3.理解二类分类器的设计原理 二、实验条件： matlab 软件 三、实验原理： 最小风险贝叶斯决策可按下列步骤进行： 1)在已知 ) (i P ω， ) (i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计 算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x 2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a 3)对(2)中得到的a 个条件风险值) (X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的 决策k a ，即()() 1,min k i i a R a x R a x == 则 k a 就是最小风险贝叶斯决策。 四、实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=； 异常状态：P （2ω）=。 现有一系列待观察的细胞，其观察值为x ： 已知先验概率是的曲线如下图：

)|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，）（2,4）试对观察的结果 进行分类。 五、实验步骤： 1.用matlab 完成分类器的设计，说明文字程序相应语句，子程序有调用过程。 2.根据例子画出后验概率的分布曲线以及分类的结果示意图。 3.最小风险贝叶斯决策，决策表如下： 结果,并比较两个结果。 六、实验代码 1.最小错误率贝叶斯决策 x=[ ] pw1=; pw2=; e1=-2; a1=; e2=2;a2=2; m=numel(x); %得到待测细胞个数 pw1_x=zeros(1,m); %存放对w1的后验概率矩阵 pw2_x=zeros(1,m); %存放对w2的后验概率矩阵

模式识别学习心得体会

模式识别学习心得体会 篇一：最新模式识别与智能系统专业毕业自我总结 最模式识别与智能系统专业大学生 毕业自我总结优秀范文 个人原创欢迎下载 模式识别与智能系统专业毕业论文答辩完成之际，四年大学生活也即将划上一个句号，而我的人生却仅仅是个逗号，我即将开始人生的又一次征程。作为×××大学（改成自己模式识别与智能系统专业所在的大学）毕业生的我即将告别大学生活，告别亲爱的模式识别与智能系统专业的同学和敬爱的老师，告别我的母校——×××大学。 回顾在×××大学模式识别与智能系统专业的求学生涯，感慨颇多，有酸甜苦辣，有欢笑和泪水，有成功和挫折！大学——是我由幼稚走向成熟的地方，在此，我们认真学习模式识别与智能系统专业知识，拓展自己的知识面，培养自己的模式识别与智能系统实践活动能力。 在思想道德上，×××大学（改成自己就读模式识别与智能系统专业所在的大学）学习期间我系统全面地学习了思政课程的重要思想，不断用先进的理论武装自己的头脑，热爱祖国，热爱人民，坚持四项基本原则，树立了正确的人生观、价值观、世界观，使自己成为思想上过硬的模式识别与智能系统专业合格毕业生。

在模式识别与智能系统专业学习上，我严格要求自己，刻苦钻研 篇二：最新模式识别与智能系统专业毕业自我个人小结优秀范文原创 最模式识别与智能系统专业大学生 毕业个人总结优秀范文 个人原创欢迎下载 在×××（改成自己模式识别与智能系统就读的大学）模式识别与智能系统专业就读四年青春年华时光，匆匆而过。四年的时间足以证明了，我爱上了×××（改成自己模式识别与智能系统就读的大学）的一草一木，一人一事。回想四年里有过多少酸甜苦辣、曾经模式识别与智能系统班级里的欢声笑语，曾经期末考试备战中的辛勤汗水……所有的一切都历历在目。在模式识别与智能系统专业各位老师的启发教导下，我在德智体方面全面发展，逐渐从幼稚走向成熟。 在思想政治上，我有坚定信念和正确的立场，热爱祖国，热爱党，认真学习、与时俱进。平时本人踊跃参加模式识别与智能系统专业组织的各项社会公益活动，主动投入模式识别与智能系统班级捐款救灾等活动行列，用微薄的力量，表达自己的爱心，争做合格有为青年。 学习方面，我努力认真地学好每一门模式识别与智能系统专业课，基本掌握了模式识别与智能系统理论方面的一些

车牌识别技术研究实现

车牌识别技术研究与实现 姓名：李罗川 学号：ZY1403222 完成时间：2015年05 月06 日

目录 1车牌识别技术研究背景与意义 (1) 1.1背景 (1) 1.2解决的问题 (1) 2现状与前景 (3) 3具体实现 (5) 3.1原理方法 (5) 3.2关键步骤与算法 (5) 3.2.1 车牌定位 (5) 3.2.2 车牌字符分割 (10) 3.2.3 车牌字符识别算法的研究 (12)

1车牌识别技术研究背景与意义 1.1背景 近年来,车辆数量和交通设施随着经济的快速增长而增长,但是交通设施的增长速度远远落后于车辆数量的增长速度,这引发了交通拥堵、交通事故、环境污染等难题。为了在根本上解决交通难题,世界各国纷纷利用先进的信息技术研究智能交通系统(Intelligent Transportation System,简称 ITS)。智能交通系统是一种充分利用各种先进的高新技术来实现实、准确、高效的交通管理系统,使交通更畅通更安全;它也是一种交通信息服务系统,使人们出行更方便更快捷。随着智能交通系统的快速发展,智能交通系统已经融入人们的日常生活,使人们的生活越来越方便。 随着计算机技术、通讯技术和计算机网络技术的发展，自动化的信息处理水平和能力不断提高，各种各样的交通系统应运而生，如电子警察系统、道路收费、车载导航系统、全球定位系统、车辆自动识别系统等都在为交通运输服务，对交通控制、安全管理的要求也越来也高，ITS（智能交通系统）已成为当前交通管理发展的主要方向。车辆是智能交通系统中的重点研究对象,每辆车都有自身唯一的车牌号码,车牌号码反映了车辆信息以及关联着车主信息,通过车牌号码可以记录对应车辆的交通行为,因此,车牌识别技术是智能交通系统中最核心最基础的技术之一,决定着智能交通系统的发展速度和技术水平。作为智能交通系统中的一种核心技术和关键环节，车牌识别技术的深入研究不但具有较高的理论价值，也具有很高的实用经济价值，极大的推动了整个智能交通系统的发展。 1.2解决的问题 车牌识别技术可以实现自动登记车辆“身份”,已经被广泛应用于各种交通场合,对“平安城市”的建设有着至关重要的作。具体概括如下: (1)电子警察系统 电子警察系统作为一种抓拍车辆违章违规行为的智能系统,大大降低了交通管理压力。随着计算机技术和CCD技术的发展,目前电子警察系统已经是一种纯视频触发的高清抓拍系统,可以完成多项违章抓拍功能,其中包括违章闯红灯抓拍功能、违章不按车道行驶抓拍功能、违章压线变道抓拍功能、违章压双黄线抓

模式识别实验报告

实验报告 实验课程名称：模式识别 ：王宇班级：20110813 学号：2011081325 注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合

2014年6月 实验一、图像的贝叶斯分类 一、实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理 概念： 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值围的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。 最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模

模式识别实验报告

实验一Bayes 分类器设计 本实验旨在让同学对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。 1实验原理 最小风险贝叶斯决策可按下列步骤进行： (1)在已知)(i P ω，)(i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x (2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a (3)对(2)中得到的a 个条件风险值)(X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的决策k a ，即 则k a 就是最小风险贝叶斯决策。 2实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=0.9； 异常状态：P （2ω）=0.1。

现有一系列待观察的细胞，其观察值为x ： -3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 已知类条件概率密度曲线如下图： )|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，0.25）（2,4）试对观察的结果进 行分类。 3 实验要求 1) 用matlab 完成分类器的设计，要求程序相应语句有说明文字。 2) 根据例子画出后验概率的分布曲线以及分类的结果示意图。 3) 如果是最小风险贝叶斯决策，决策表如下：

模式识别报告模版-本科

数学与计算机学院 课程名称: 模式识别 题目: PCA数据分析-基于人脸数据实现任课老师: 王晓明 年级专业: 2011级计算机应用技术 姓名: 韩笑 学号: 312011********* 时间:2013 年11月 9 日

目录 一PCA数据分析-人脸识别介绍 (2) 二PCA数据分析-人脸数据实现算法描述 (3) 三PCA数据分析-基于人脸数据实现 (5) 1 数据读入 (5) 2 算法运行结果 (6) 四总结和心得 (8) 五附录——核心算法的主要源代码 (9) 参考文献 (14)

PCA数据分析 一PCA数据分析-人脸识别介绍 随着计算机及网络技术的高速发展，将身份数字、隐性化、并准确鉴定身份、保证信息安全显示出前所未有的重要性。 生物识别技术是通过计算机利用人类自身的生物特性进行身份认证，具有不易被修改、被盗或被人冒用，而且随时随地都可以使用等特点。因而，基于面相，语言、指纹等人的内在属性的生物识别技术以其稳定性和可靠性得到了广泛关注。相较指纹、基因等其他生物特性的鉴别方法，人脸识别具有更直接、友好、方便等特点，并以其非侵犯性更易为用户所接受。 历史上最早的关于人脸识别的论文研究见于1965年，Chan&Bledsoe在Panoramic Research Inc 发表的技术报告，到现在已经差不多五十多年的历史了。最近的30年来，人脸自动识别系统的开发研究取得了较大的进展，已经检索相关文献达到数千篇，还有专门的国际学术会议。自从1990年以来，人脸识别更得到了很大的发展，每年都有大量的学术论文发表。 国内在人脸识别方面起步较晚，大约至1995年以来，在国内一些项目资金的资助下，开始了大量的研究，其中包括国内主要的计算机实验室和高校，他们在人脸识别领域总结了不少经验，每年都有大量的论文发表。由于技术上的一些局限性，以及复杂的环境因素的干扰，导致在各个领域还未能广泛的使用，只是在某些领域初步的应用。 PCA，即Principal Component Analysis，主成分分析方法，是一种得到广泛应用的事实上的标准人脸识别方法。 是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。 PCA 的目标是寻找r （r

模式识别实验报告_2

模式识别理论与方法 课程作业实验报告 实验名称：Generating Pattern Classes 实验编号：Proj01-01 规定提交日期：2012年3月16日 实际提交日期：2012年3月13日 摘要： 在熟悉Matlab中相关产生随机数和随机向量的函数基础上，重点就多元(维)高斯分布情况进行了本次实验研究：以mvnrnd()函数为核心，由浅入深、由简到难地逐步实现了获得N 个d维c类模式集，并将任意指定的两个维数、按类分不同颜色进行二维投影绘图展示。 技术论述：

1，用矩阵表征各均值、协方差2，多维正态分布函数： 实验结果讨论：

从实验的过程和结果来看，进一步熟悉了多维高斯分布函数的性质和使用，基本达到了预期目的。 实验结果： 图形部分： 图1集合中的任意指定两个维度投影散点图形

图2集合中的任意指定两个维度投影散点图形，每类一种颜色 数据部分： Fa= 9.6483 5.5074 2.4839 5.72087.2769 4.8807 9.1065 4.1758 1.5420 6.1500 6.2567 4.1387 10.0206 3.5897 2.6956 6.1500 6.9009 4.0248 10.1862 5.2959 3.1518 5.22877.1401 3.1974 10.4976 4.9501 1.4253 5.58257.4102 4.9474 11.3841 4.5128 2.0714 5.90068.2228 4.4821 9.6409 5.43540.9810 6.2676 6.9863 4.2530 8.8512 5.2401 2.7416 6.5095 6.1853 4.8751 9.8849 5.8766 3.3881 5.7879 6.7070 6.6132 10.6845 4.8772 3.4440 6.0758 6.6633 3.5381 8.7478 3.3923 2.4628 6.1352 6.9258 3.3907

识别开题报告

开题报告 题目: 人脸检测与识别系统设计 院系名称：电气工程学院专业班级：自动f0904 学生姓名：陈龙斌学号： 200948280407 指导教师：吴翔教师职称：讲师 2013 年 03 月 02 日 开题报告填写要求 1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委 员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指 导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签 署意见及所在专业审查后生效。 2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设 计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印 在其它纸上后剪贴，完成后应及时交给指导教师签署意见。 3．“文献综述”应按论文的格式成文，并直接书写（或打印） 在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15 篇（不包括辞典、手册）。 4．有关年月日等日期的填写，应当按照国标gb/t 7408—94 《数据元和交换格式、信息交换、日期和时间表示法》规定的要求， 一律用阿拉伯数字书写。如“2006年11月20日”或“2006-11-30”。 毕业设计（论文）开题报告 篇二：车牌识别开题报告 学校代码：11906 编号： 青岛大学 硕士学位论文开题报告 论文题目 : 基于信息融合的车辆识别系统 关键技术研究 姓名 : 专业名称 : 研究方向 : 指导教师 : 日期: 2011年 12 月 1日 1 2 3 青岛大学硕士研究生学位论文开题报告 4篇三：文字识别开题报告 太原理工大学信息工程学院 本科毕业设计（论文）开题报告 毕业设计(论文)题目 基于边缘检测的文字图像识别 学生姓名 专业 班级 信息导师姓名报告日期 07-1

模式识别课程论文

模式识别课程设计 模式识别中基于概率统计的 Bayes 算 法分析 学号：1102100119 班级：自动化111班 姓名：许世坚

首先对模式识别所用到的理论、研究背景、研究现状及典型应用进行全面的阐述;其次,探讨了如何提取数字字符的特征值,并对各种分类器的设计方法及其优缺点进行了比较;最后采用了以模板库为基础的基于二值数据的Bayes分类实现的识别方法,并以VC++作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统。给出了部分实现算法的代码。实现了对字体数字的识别。 下面介绍阐述模式识别中用到的Bayes算法理论，研究背景及其典型应用，在典型应用中，探讨提取数字字符bayes算法分类器的设计方法并比较其优缺点，给出其算法的C++实现，利用VC++实现编程工具实现图形界面。 模式识别就是机器识别,计算机识别或者机器自动识别，目的在于让机器自动识别事物，如手写数字的识别，智能交通管理信号的识别，文字识别，语音识别等。模式识别这个学科的目的就是让机器能做人类能做的事情，具备人类所具有的对各种事物与现象进行分析，描述与判断的部分能力。模式识别是直观的，无所不在。人与动物具有模式识别的能力是非常平常的事情，但是对计算机来说实现模式识别是非常困难的。让机器能够识别，分类需要研究识别的方法。而模式识别可以概括为两个类型，一个是直接形象的，例如图片，相片，

图案，字符图案等；另外的就是无知觉形象而只有数据或信号的波形，如语音，声音，心电图，地震波等。 Bayes决策所讨论的问题： 基于最小错误率的Bayes决策指出机器自动识别出现错分类的条件，错分类的可能性如何计算，如何实现使错分类实现可能性最小；基于最小错误风险的Bayes决策，引入了风险与损失概念，希望做到使风险最小，减小危害大的错分类情况。错分类造成损失不一样，不同的错误分类造成的损失也是不一样的，不同的错误分类造成的损失会不相同，后一种错误更加可怕，因此就考虑减小因错误分类造成的危害损失。 2.Bayes算法 若已知总共有M类物体，以及各类在这d维特征空间的统计分布，具体说来就是已知各类别wi=1,2,…M的先验概率P（wi）及类条件概率密度函数P（X|wi）。对于待测样品，Bayes公式可以计算出该样品分属于各类别的概率，叫做后验概率，看X属于哪个类的可能性最大，就把X归于可能性最大的那个类，后验概率作为识别对象归属的依据。Bayes公式如下： 识别的状态就是一个随机变量，而某种状态出现概率是可以估计的。Bayes公式体现了先验概率，类概率密度函数，后验概率三者