40年代电子计算机发明以后逐渐发展起来的.docxVIP

现代模式识别是在 20 世纪 40 年代电子计算机发明以后逐渐发展起来的。 在更早的时候，已有用光学和机械手段实现模式识别的例子，如在 1929 年 GustavTauschek 就在德国获得了光学字符识别专利。作为统计模式识别基础的多元统计分析和鉴别分析也在电子计算机出现之前提出来了。1957 年 IBM 的 C.K.Chow 将统计决策方法用于字符识别。然而，“模式识别”这个词被广泛使用并形成一个领域是在 20 世纪 60 年代以后。模式识别问题指的是对一系列过程或事件的分类与描述，具有某些相类似的性质的过程或事件就分为一类。目前模式识别问题一般可以应用以下 4 种方法进行分析处理：统计模式识别方法、句法模式识别、人工神经网络模式识别、模糊模式识别。 模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指纹识别、医学图像分析等许多方面得到了成功的应用。所有这些应用都是和问题的性质密切不可分的，至今还没有发展成统一的、有效的可应用于所有的模式识别的理论。当前的一种普遍看法是不存在对所有的模式识别问题都使用的单一模型和解决识别问题的单一技术，我们现在拥有的是一个工具袋，我们所要做的是结合具体问题把统计的和句法（结构）的识别方法结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把人工神经元网络与各种以有技术以及人工智能中的专家系统，不确定方法结合起来，深入掌握各种工具的效能和应用的可能性，互相取长补短，开创模式识别应用的新局面。 2.3图像模式识别 2.3.1图像模式识别的基本概念 图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。 据统计，在人类接受的信息中，视觉信息占了 70%以上，也就是常说的“百闻不如一见” 。在许多场合，图像所传递的信息比其他任何形式的信息更加丰富和真切。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近 20 年来发展起来的一门新兴技术科学——图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。例如要从遥感图像中分割出各种农作物、森林资源和矿产资源等；根据医学图片分析发生病变的细胞形状和颜色判断是否发生癌变；从气象观测数据或气象卫星照片准确预报天气；交通管理系统中应用车牌自动识别技术管理车辆等。因此，在当今社会，图像识别技术已经在各个领域发挥着极其重要的作用。 图像识别，简单地说，就是要把一种研究对象，根据其某些特征进行识别并 分类。例如要识别写在卡片上的数字，判断它是 0，1，2，…，9 中的哪个数字， 就是将数字图像分成 10 类的问题，因此可以认为，对数字图像进行区别分类其实质就是对图像进行模式识别。这种识别早已存在人们的生活实践中。然而，随着实践活动的扩大、深入和社会化的需要，人们不仅需要识别分类数很多的事物， 而且被识别的对象内容也越来越复杂。特别是由于科学技术水平的提高，使得各 种不同的研究对象“图像化”或“数字化” ，可采用某种技术把考察的对象转换成图片、波形图以及若干数据，这些数据就可以代表所研究的对象。但是对于模式识别来说，无论是数据、信号还是平面图像或立体景物都是除掉它们的物理内容而找出它们的共性，把具有同一共性的归为一类，而具有另一种共性者归为另一类。 图像模式识别是用机器对文字、 图像、 图片和景物等模式信息加以处理和识别，用以解决计算机与外部环境直接通信这一重要问题。其目的就是研制采用某种仪器或设备，自动处理某些信息，代替人完成分类和辨识的任务，并且能够快速而准确地进行图形识别。一般来说，一个图像识别由图像预处理、图像特征提取和图像模式分类三个主要部分组成。前期处理一般是指把图像进行平滑、增强、恢复、边缘检测和分割等操作，其目的是把输入图像简化为分段模式。特征提取是指在满足分类识别正确率要求的条件下，提取图像的主要特征，并按某种准则尽量选用对正确分类识别作用大得特征，使得用较少的特征就能完成分类识别任务。图像模式分类是最重要的一部分，它是依据所提取的特征，将前一部分的特征向量空间映射到类型空间，把相应图像归属已知的一类模式。 2.3.2图像模式识别的基本方法 一个图像识别系统主要由三个环节组成： 图像数据获取， 数据加工和处理、 抽取特征，判断分类等，如图 2-2 所示。 图 2-2 图像识别系统框图 下面简单对这几个环节作以说明： 1、数据获取 来自现实的模拟数据，如图片、照片、图像和景物等由一个传感器（如扫描仪、传真机、数字摄像机、数码相机）传入，然后被转换成适合计算机处理的形式，即将物理量变成