人工智能基础应用：人工智能相关技术PPT教学课件.pptxVIP

任务一探究数字图像识别技术

任务二探究语音识别技术

任务三探究深度学习技术

任务四探究自然语言处理技术;任务一探究数字图像识别技术;本任务的两个活动分别介绍了数字图像识别技术及其应用，并在初步了解常用数字图像处理软件的基础上，安排了Remove.bg软件的操作任务。本任务旨在使学生了解数字图像识别技术在电商购物、农业、金融、医疗、娱乐监管等领域的应用，以及完成图像识别在工业领域应用的小论文。;活动一初探数字图像识别技术;一、数字图像识别技术

1.数字图像处理

数字图像处理(DigitalImageProcessing，DIP)是对数字图像进行处理，识别或提取相关信息且利用计算机对其进行处理。

数字图像处理的方法包括图像变换、图像增强和复原、图像分割、图像描述、图像分类(识别)。

(1)图像变换是在图像处理过程中将图像从一种形式转换为另一种形式的方法。常见的图像变换包括傅里叶变换、余弦变换、小波变换等。这些变换可以将图像从空间域转换到频率域，或者将图像从一种尺度转换到另一种尺度，不仅可减少计算量，而且可获得更有效的处理。目前新兴的小波变换继承和发展了短时傅里叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间-频率窗口，是进行信号时频分析和处理的理想工具。;(2)图像增强和复原的目的是恢复图像的原始状态或者改善图像的质量。图像增强是为了改善图像的视觉效果，增强图像的整体或局部特性，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，以改善图像质量，丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像复原要求对图像降质的原因有一定的了解，根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

(3)图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，包括图像的边缘、区域和空间位置等，这是进一步进行图像识别、分析和理解的基础。在灰度图像的分割中，通常会基于图像亮度的两个基本特性：不连续性和相似性。对于区域内部的像素，??般会认为它们具有灰度相似性，而对于区域边界上的像素，则一般会认为它们具有灰度不连续性。虽然目前已开发出许多边缘提取、区域分割的方法，但并未有一种普遍适用于各类图像分割的有效方法。因此，对图像分割的研究方案仍需不断优化，这也是目前数字图像处理研究的关键领域之一。;(4)图像描述是图像识别和理解的必要前提。图像描述是指使用文字来描述给定的图像内容，以帮助人们更好地理解图像中的信息。图像描述通常分为两大类：基于区域的方法和基于全图的方法。随着数字图像处理研究的深入发展，已经开始进行三维物体描述的研究，描述方法涵盖体积、表面、广义圆柱体等。

(5)图像分类(识别)属于模式识别的范畴。图像经过某些预处理(增强、复原、压缩)后，进行分割和特征提取，从而进行判决分类。图像分类的应用非常广泛，包括但不限于人脸识别、物体检测、场景分类、图像语义分割等。

2.数字图像处理技术的起源与发展

数字图像处理技术作为一门智能类学科，起源于20世纪60年代初期。早期的数字图像处理主要是改善图像的识别清晰度，增强视觉效果。

自1964年起，美国喷气推进实验室对航天探测器“徘徊者7号”由月球发回的几千张照片进行了数字图像处理技术，并且分析了太阳位置与月球环境的相互影响，经过计算机处理成功勾勒出月;球表面的全景地图，而后通过数字图像处理技术处理了近十万张探测飞船传回的照片，从而获得了月球的地形图、彩色图及全景镶嵌图，为人类成功登月奠定了宝贵的基础，不仅如此，其对推动数字图像处理这门学科的发展也起到了积极作用。

1972年，英国EMI公司工程师Hous?eld发明了一款用于头颅疾病诊断的X射线计算机断层摄影装置(X-rayComputedTomography，CT)；1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。这项无损伤诊疗技术为人类健康生活发展作出了不菲的贡献。

20世纪70年代中期，随着计算机技术、信号处理技术、传感器技术、人工智能等先进智能技术的飞快发展，数字图像处理技术涉及的领域更高，延伸的范围更广，收获了宝贵的实际经验以及惊人的社会经济效益。人们开始探讨研究计算机解释图像的具体施行计划，通过模拟人类视觉系统感知外部世界。众多国家，尤其是先进发达国家为了开展这项研究投入了巨大的人力、物力，取得了显著的研究成果。其中有代表性的成果就是70年代末MIT的Marr提出的视觉计算理论，这个理论为今天的计算机视觉领域发展奠基了基石。;3.数字图像识别系统

数字图像识别系统一般是由数字图像获取、数字图像预处理、数字图像特征提取、数字图像识别等环节构成的，如图2-1所示。

4.数字图像识别技