圖形或影象目標的形狀或結構千變萬化，目標（模式）的差異也在於其形狀或結構的不同，這種模式稱為結構模式，基於形狀或結構的模式識別稱為結構模式識別。
數字影象處理學中，鏈碼是描述目標邊緣和輪廓的常用的編碼方法。用字元或符號的來表示影象目標的區域性邊緣的走向。
freeman鏈碼（影象像元之間邊緣的走向用方向**（即字元）來表示）
例：
結構模式通常是指圖形或影象目標的外形輪廓（也可以是目標的中心線或骨架），適合採用表示基本結構的字元的編碼來進行描述。
用表示特定的基本結構的字元，對圖形或影象的結構模式進行描述，得到結構模式編碼，簡稱編碼。
基元影象目標從結構上可以分解為不再需要進一步分解的一些基本組成部分，這些基本組成部分就是結構模式的基元。
字元每一種形狀的基元可以用乙個字元來表示，換句話說，字元是指結構模式編碼所用的字元，也就是結構模式的基元。
字串基元用字元表示，因此，結構模式是由基元或字元組成的結構模式編碼，稱為字串（或編碼串），簡稱串。
句子結構模式被表示成字串。按照語言的觀點來理解，一種結構模式就是一種語言，而該結構模式的乙個字串就是對應的語言的乙個句子，所以字串又稱為句子。
句法模式識別
按照語言的觀點來理解，結構模式字串是乙個句子，該句子屬於某種語言。判斷乙個句子是否符合乙個語言的語法，稱為句法模式識別。
句法模式識別是結構模式識別的最主要方法之一。
1. 基元選擇及關係選擇；
2. 文法推斷；
基元選擇及關係選擇之後，利用訓練樣本（的句子）進行推斷，得到結構模式的文法。
1. 基元提取及關係表述；
2. 句法分析；
基於已有結構模式文法和句法分析演算法，對未知樣本（的句子）進行分析，判斷其是否符合特定模式的文法，從而實現分類決策。
基元是構成句子的基本單位，基元的選擇對句法模式識別是至關重要的。但是基元的選擇卻沒有通用的方法，更多是依賴經驗。
基元選擇要點：
1. 基元是結構模式的不需要進一步分解的、最基本的組成部分，其本身不應再包含分類所需的結構資訊。
2. 基元及其相互關係應該便於描述結構模式。
3. 基元及其相互關係應該便於提取（影象處理演算法）。
圖形邊緣基元
圖形邊緣的freeman鏈碼:
freeman鏈碼是像元級的方向**，因此是很「低階」的結構描述。
特點:1. 提取相對容易
2. 編碼相對複雜
3. 容易受雜訊干擾
盡量選擇比freeman鏈碼更「高階」的描述圖形邊緣的基元
圖形區域基元
圖形的兩種描述方法
1. 影象輪廓
2. 圖形區域
圖形區域基元就是描述圖形區域的基本結構元素。
模式識別 統計模式識別（6）
上一節，我們討論了最小錯誤率分類器，接下來這一節我們將討論最小風險bayes分類器。1.問題提出 1.最小錯誤率bayes決策的最小錯誤率 概率意義上最優，在工程上是否是最優?2.錯誤分類的結果 代價或風險會是怎樣的？考慮癌細胞影象識別的例子 3.出錯的可能情況 正常細胞 1錯分為異常 2，異常細胞...
模式識別 統計模式識別（7）
上兩節我們介紹了最小錯誤率和最小風險bayes分類器，接下來談談最小最大決策。1.問題提出 假設c 2 現在我們假定一種情況，先驗概率未知或者不確定的前提，在這種前提下，絕對意義的最小風險不存在，這種情況下我們怎麼求bayes分類器。2.求解思路 雖然p 1 和p 2 未知，但我們可以假設他們確定，...
模式識別入門（1）
1 感測器 2 分割器 如影象分割，把要識別的物體從混合物體中分離開 3 特徵提取器 提取到的特徵要保證同類不同樣本之間特徵值應該非常接近，不同類的樣本之間的特徵值有很大的差異p 還要 保證三個不變性 a.空間旋轉不變性 如物體在相機的不同角度拍攝得到的特徵的不變 b.平移不變性 c.尺度不 變性 ...