图像与识别_课件_7讲述.ppt

图像处理、分析与理解 Image Processing, Analysis and Understanding 如果没有物体识别的帮助，即使是最简单的机器视觉问题也无法解决。 模式识别被用于区域和物体的分类，为了学习更复杂的机器视觉操作，有必要先了解一些基本的模式识别方法。 物体或区域分类已经被提到过多次，识别是自底向上图像处理方法的最后步骤，此外它也经常被用于图像理解的其它控制策略。 当需要得到有关一个物体或区域的信息时，几乎总是要用上某种模式识别方法。 没有先验知识是无法进行识别的。对于被分类物体到底属于哪一个类别或群体的判断根据的是那些对物体分类提供了必要信息的关于物体及类别的知识。 既需要关于待处理物体的特殊信息，同时也需要关于物体类别的高层次的一般知识。 首先，我们将介绍常用的知识表示方法。 在计算机上用适当的形式表达知识并不是一个简单明了的概念。 人工智能研究有关知识和知识表示的问题，计算机视觉则利用这些研究的结果。 在较高层次的处理中通常要用到人工智能的方法。 为了完全掌握计算机视觉和图像理解，有必要对人工智能有所了解。 已有的经验表明，一个好的知识表示设计是解决理解问题的关键所在。 并且，对一个人工智能系统来说，如果假定已经有了复杂的知识基础，则通常只需要几个相对简单的控制策略就能够实现很复杂的行为。 换句话说，要表现出智能的行为并不需要非常复杂的控制策略，而