图像识别技术简介

Posted 2021-04-07 老方谈创新

         图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。以图像的主要特征为基础的，如字母A有个尖，P有个圈、而Y的中心有个锐角等，这些地方的信息量最大。人的眼睛扫描路线也总是依次从一个特征转到另一个特征上。

         人类图像识别过程中，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。

         为了模拟人类图像识别，人们提出了不同的图像识别模型。例如模板匹配模型，经验中图像的记忆模式叫模板，当前的模式如果能与大脑中的模板相匹配，这个图像也就被识别了。例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。

         图像识别中的模式识别（PatternRecognition），是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。模式识别包括两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。这个模式识别的模板匹配模型简单明了，也容易得到实际应用。

         人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。人能识别的图像是大量的，如果所识别的每一个图像在脑中都有一个相应的模板，也是不可能的。

为了解决模板匹配模型存在的问题，格式塔心理学家提出了一个原型匹配模型，这种模型认为，在长时记忆中存储的并不是所要识别的无数个模板，而是图像的某些“相似性”。

         图像识别的一般过程：

         信息的获取：通过传感器，将光或声音等物理量转化为图像信息，如声波，心电图，脑电图，x光，ccd图像等。

         预处理：A\D，二值化，图象的平滑，变换，增强，恢复，滤波等, 主要指图象处理。

         特征抽取和选择：例如，一幅64x64的图象可以得到4096个数据，这种在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。这就是特征提取和选择的过程。

         分类器设计：分类器设计的主要功能是通过训练确定判决规则，使按此类判决规则分类时，错误率最低。

         分类决策：在特征空间中对被识别对象进行分类。

应用

人脸识别系统：主要包括四个组成部分：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

车牌识别系统：车牌预处理、字符分割、归一化处理、细化处理、字符特征提取、神经网络训练识别。

         遥感图像识别：主要用于地形地质探查，森林、水利、海洋、农业等资源调查，灾害预测，环境污染监测，气象卫星云图处理以及地面军事目标识别等。

         军事、公安刑侦等领域的应用：例如军事目标的侦察、制导和警戒系统；自动灭火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识；历史文字和图片档案的修复和管理等等。

         生物医学图像识别：临床诊断和病理研究等。

         机器视觉领域的应用：作为智能机器人的重要感觉器官，机器视觉主要进行3D图像的理解和识别等。