概述
圖像識别技術可能是以圖像的主要特征為基礎的。每個圖像都有它的特征,如字母A有個尖,P有個圈、而Y的中心有個銳角等。對圖像識别時眼動的研究表明,視線總是集中在圖像的主要特征上,也就是集中在圖像輪廓曲度最大或輪廓方向突然改變的地方,這些地方的信息量最大。而且眼睛的掃描路線也總是依次從一個特征轉到另一個特征上。由此可見,在圖像識别過程中,知覺機制必須排除輸入的多餘信息,抽出關鍵的信息。同時,在大腦裡必定有一個負責整合信息的機制,它能把分階段獲得的信息整理成一個完整的知覺映象。
在人類圖像識别系統中,對複雜圖像的識别往往要通過不同層次的信息加工才能實現。對于熟悉的圖形,由于掌握了它的主要特征,就會把它當作一個單元來識别,而不再注意它的細節了。這種由孤立的單元材料組成的整體單位叫做組塊,每一個組塊是同時被感知的。在文字材料的識别中,人們不僅可以把一個漢字的筆劃或偏旁等單元組成一個組塊,而且能把經常在一起出現的字或詞組成組塊單位來加以識别。
技術發展
圖像識别技術是人工智能的一個重要領域。為了編制模拟人類圖像識别活動的計算機程序,人們提出了不同的圖像識别模型。例如模闆匹配模型。這種模型認為,識别某個圖像,必須在過去的經驗中有這個圖像的記憶模式,又叫模闆。當前的刺激如果能與大腦中的模闆相匹配,這個圖像也就被識别了。例如有一個字母A,如果在腦中有個A模闆,字母A的大小、方位、形狀都與這個A模闆完全一緻,字母A就被識别了。
圖像識别中的模式識别(PatternRecognition),是一種從大量信息和數據出發,在專家經驗和已有認識的基礎上,利用計算機和數學推理的方法對形狀、模式、曲線、數字、字符格式和圖形自動完成識别、評價的過程。模式識别包括兩個階段,即學習階段和實現階段,前者是對樣本進行特征選擇,尋找分類的規律,後者是根據分類規律對未知樣本集進行分類和識别。這個模式識别的模闆匹配模型簡單明了,也容易得到實際應用。
但這種模型強調圖像必須與腦中的模闆完全符合才能加以識别,而事實上人不僅能識别與腦中的模闆完全一緻的圖像,也能識别與模闆不完全一緻的圖像。例如,人們不僅能識别某一個具體的字母A,也能識别印刷體的、手寫體的、方向不正、大小不同的各種字母A。同時,人能識别的圖像是大量的,如果所識别的每一個圖像在腦中都有一個相應的模闆,也是不可能的。
為了解決模闆匹配模型存在的問題,格式塔心理學家又提出了一個原型匹配模型。這種模型認為,在長時記憶中存儲的并不是所要識别的無數個模闆,而是圖像的某些“相似性”。從圖像中抽象出來的“相似性”就可作為原型,拿它來檢驗所要識别的圖像。如果能找到一個相似的原型,這個圖像也就被識别了。這種模型從神經上和記憶探尋的過程上來看,都比模闆匹配模型更适宜,而且還能說明對一些不規則的,但某些方面與原型相似的圖像的識别。
但是,這種模型沒有說明人是怎樣對相似的刺激進行辨别和加工的,它也難以在計算機程序中得到實現。因此又有人提出了一個更複雜的模型,即“泛魔”識别模型。
基本過程
n信息的獲取:是通過傳感器,将光或聲音等信息轉化為電信息。信息可以是二維的圖象如文字,圖象等;可以是一維的波形如聲波,心電圖,腦電圖;也可以是物理量與邏輯值。
n預處理:包括AD,二值化,圖象的平滑,變換,增強,恢複,濾波等,主要指圖象處理。
n特征抽取和選擇:在模式識别中,需要進行特征的抽取和選擇,例如,一幅64x64的圖象可以得到4096個數據,這種在測量空間的原始數據通過變換獲得在特征空間最能反映分類本質的特征。這就是特征提取和選擇的過程。
n分類器設計:分類器設計的主要功能是通過訓練确定判決規則,使按此類判決規則分類時,錯誤率最低。
n分類決策:在特征空間中對被識别對象進行分類。