人工智能 浅谈图像识别.pdfVIP

人工智能 ——浅谈图像识别技术 专业：计算机科学与技术 班级： 三 班 姓名： 孙 清 茂 学号： 200805030312 教师： 罗 俊 松 摘要 随着计算机技术与信息技术的发展,图像识别技术获得了越来越广泛的应用。 本文对图像识别的基本方法，并展望了图像识别技术所面临的问题及发展方向。 1图像识别定义 1.1定义 图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图 像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。 只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。 图像识别，是利用计算机对图像进行处理、分析和理解，以识别各种不同模 式的目标和对像的技术。地理学中指将遥感图像进行分类的技术。 1.2研究问题 图像识别所研究的问题，是如何用计算机代替为人自动去处理大量的物理信 息，解决人类生理器官所不能识别的问题，从而从部分上代替人的脑力劳动。图 像的含义也比较广泛，最早是指图片，后来把如声波的波形图也归为图像。具体 来说，图像可以是各种图画，字符，声波信号，透视胶片，空间物体。综合来说， 又可以分为直观视觉图像 （图案，文字）和间接转换图像 （声音，心率等）两类。 由于图像识别涉及许多学科，图像本身含义也相当广泛性和丰富性，本文只 从由光学采集器获得二维灰度图像的识别的几个重要方面做一些综述。 2 图像识别内容 2.1图像识别基础 图像识别可能是以图像的主要特征为基础的。每个图像都有它的特征,如字母 A有个尖，P有个圈、而Y 的中心有个锐角等。对图像识别时眼动的研究表明， 视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向 突然改变的地方，这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一 个特征转到另一个特征上。由此可见，在图像识别过程中，知觉机制必须排除输 入的多余信息,抽出关键的信息。同时,在大脑里必定有一个负责整合信息的机制， 它能把分阶段获得的信息整理成一个完整的知觉映象。 在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工 才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元 来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组 块，每一个组块是同时被感知的。在文字材料的识别中，人们不仅可以把一个汉 字的笔划或偏旁等单元组成一个组块，而且能把经常在一起出现的字或词组成组 块单位来加以识别。 2.2 图像识别基本方法 图像识别的方法很多，可概括为三种：统计 （或决策理论）法，结构 （或句 法）方法和神经网络法。 对于一幅实际图像来说，目标和背景常常不是线性可分的，统计法是一种分 类误差最小的方法。它以数学上的决策理论为基础，根据这种理论建立统计学识 别模型。其基本模型是对研究的图像进行大量的统计分析，找出规律性认识，提 出反映图像本质特点的特征进行识别。如Bayes模型和马尔科夫 （MRF）模型。 但是统计方法基本严格的数学模型，而忽略了图像中被识别对象的空间相互关系， 即结构关系，所以当被识别物体的结构特征为主要特征时，用统计方法便会很难 识别。 句法识别是对统计识别方法的补充，统计方法用数值来描述图像的特征，句 法方法则是用符号来描述图像特征的。它模仿了语言学中句法的层次结构，采用 分层描述方法，把复杂图像分解为单层或多层的简单子图像，主要突出识别对象 的结构信息。模式识别是从统计方法发展起来的，而句法方法更扩大了模式识别 的能力，使其不仅限于对象物的分类，而且用于景物的分析与物体结构的识别。 神经网络方法是指用神经网络的算法对图像进行识别的方法，神经网络系统 是由大量简单的处理单元 （神经元）广泛地互相连接而形成的复杂网络系统，它 反映了人脑功能的许多基本特性，是人脑神经网络系统的简化，抽象和模拟。句 法方法侧重于模拟人的逻辑思维，而神经网络侧重于模拟和实现人的认知过程中 的感知觉过程，形象思维，分布式记忆和自学自组织的过程，与符号处理是一种 互补的关系。但神经网络具有大规模并行，分布式存储和处理，自组织，自适应 和自学习的能力，特别适用于处理需要同时考虑许多因素和条件的不精确和模糊 的信息处理问题。 2.3其它图像识别方法