图像辨认，是指应用计算机对图像停止处理、分析和了解，以辨认各种不同形式的目的和对像的技术。普通工业运用中，采用工业相机拍摄图片，然后再应用软件根据图片灰阶差做进一步辨认处理。另内在地理学中指将遥感图像停止分类的技术。
图像辨认是人工智能的一个重要范畴。为了编制模拟人类图像辨认活动的计算机程序，人们提出了不同的图像辨认模型。例如模板婚配模型。这种模型以为，辨认某个图像，必须在过去的阅历中有这个图像的记忆形式，又叫模板。当前的刺激假如能与大脑中的模板相婚配，这个图像也就被辨认了。例如有一个字母A,假如在脑中有个A模板,字母A的大小、方位、外形都与这个A模板完全分歧,字母A就被辨认了。这个模型简单明了，也容易得到实践运用。但这种模型强调图像必须与脑中的模板完全符合才能加以辨认，而理想上人不只能辨认与脑中的模板完全分歧的图像，也能辨认与模板不完全分歧的图像。例如,人们不只能辨认某一个详细的字母A,也能辨认印刷体的、手写体的、方向不正、大小不同的各种字母A。同时,人能辨认的图像是大量的，假如所辨认的每一个图像在脑中都有一个相应的模板，也是不能够的。
为了处理模板婚配模型存在的成绩，格式塔心思学家又提出了一个原型婚配模型。这种模型以为，在长时记忆中存储的并不是所要辨认的有数个模板，而是图像的某些“相似性”。从图像中笼统出来的“相似性”就可作为原型，拿它来检验所要辨认的图像。假如能找到一个相似的原型，这个图像也就被辨认了。这种模型从神经上和记忆探寻的过程下去看，都比模板婚配模型更合适，而且还能阐明对一些不规则的，但某些方面与原型相似的图像的辨认。但是，这种模型没有阐明人是怎样对相似的刺激停止辨别和加工的，它也难以在计算机程序中得到完成。因此又有人提出了一个更复杂的模型，即“泛魔”辨认模型。
图像辨认的发展阅历了三个阶段：文字辨认、数字图像处理与辨认、物体辨认。文字辨认的研讨是从 1950年末尾的，普通是辨认字母、数字和符号，从印刷文字辨认到手写文字辨认， 运用非常广泛。
数字图像处理和辨认的研讨末尾于1965年。数字图像与模拟图像相比具有存储，传输方便可紧缩、传输过程中不易失真、处理方便等宏大优势，这些都为图像辨认技术的发展提供了弱小的动力。物体的辨认次要指的是对三维世界的客体及环境的感知和看法，属于高级的计算机视觉范畴。它是以数字图像处理与辨以为基础的结合人工智能、系统学等学科的研讨方向，其研讨成果被广泛运用在各种工业及探测机器人上。古代图像辨认技术的一个不足就是自顺应功能差，一旦目的图像被较强的噪声污染或是目的图像有较大残缺往往就得不出理想的结果。
图像辨认成绩的数学本质属于形式空间到类别空间的映射成绩。目前，在图像辨认的发展中，次要有三种辨认方法：统计形式辨认、结构形式辨认、模糊形式辨认。图像分割是图像处理中的一项关键技术，自20世纪70年代，其研讨曾经有几十年的历史，不断都遭到人们的高度注重，至今借助于各种实际提出了数以千计的分割算法，而且这方面的研讨照旧在积极地停止着。
现有的图像分割的方法有许多种，有阈值分割方法，边缘检测方法，区域提取方法，结合特定实际工具的分割方法等。从图像的类型来分有：灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子，使得边缘检测产生了不少经典算法。但在近二十年间，随着基于直方图和小波变换的图像分割方法的研讨计算技术、VLSI技术的迅速发展，有关图像处理方面的研讨获得了很大的停顿。图像分割方法结合了一些特定实际、 方法和工具，如基于数学形状学的图像分割、基于小波变换的分割、基于遗传算法的分割等。
|
