到现在为止,图像的分割和识别依然是图像处理领域中的难点。因为现实世界是多样的和复杂的,获取图像的途径也是多种多样的,这就使得不同的图像相互之间差别很大,难以用统一的方法和模型描述。 论文首先比较研究了各种不同的图像分割方法,把这些方法分成三类进行讨论,即直接方法、基于模型的方法和纹理方法。在此基础上,论文提出了一个聚类分析的框架用于图像的分割识别。框架主要由三部分组成:对象空间、知识表达系统和划分后的对象空间。三个部分构成两个映射:其一是对象空间到特征空间的映射,另一个是特征空间到划分后的对象空间的映射。这实际上就是两个过程:特征提取和聚类分析。聚类分析的过程就是一个划分的过程,而等价关系是划分的前提,论文通过度量相似性构建等价关系。作为框架的应用,论文给出了一个车牌分割的例子。 决策树是一种重要的分类方法,它使用训练集构造一颗树结构的分类器分类模式。决策树生成之后,分类过程就变成一个简单的查询过程,所以决策树的分类速度很快。分支准则对最终的决策树有很重要的影响,所以它是生成决策树的关键。在讨论了几种经典的决策树算法后,论文提出了一种基于度量的决策树。这种决策树实际上是把线性分类器和决策树结合在一起,通过减少树的层数提高效率。最后,论文给出了改进了的决策树的测试数据和测试结果。测试结果使用验证和交叉验证方法得到。