模式識別是人工智慧領域的基礎，隨著計算機和人工智慧技術的發展，模式識別在圖像處理中的套用日益廣泛。在圖像處理中的模式識別任務主要有圖像分割、特徵提取、圖像識別和帶有生物醫學信息的識別技術，如人臉識別等。
基本介紹
- 中文名：圖像模式識別任務
- 外文名：Image pattern recognition task
- 任務：圖像分割、特徵提取、圖像識別等
- 歸屬學科：人工智慧、圖像處理
- 套用：日益廣泛
- 領域：人工智慧；計算機視覺
概述,基於模式識別技術的圖像處理,圖像分割,特徵提取,圖像識別,基於模式識別技術的生物醫學圖像處理,
概述
模式識別是人工智慧領域的基礎，隨著計算機和人工智慧技術的發展，模式識別在圖像處理中的套用日益廣泛。近年來，模式識別也去的了很多讓人矚目的成就，有很多不可忽視的進展。數字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉換成數位訊號並利用計算機對其進行處理的過程。圖像是人類獲取和交換信息的主要來源，圖像處理的套用領域必然涉及到人類生活和工作的方方面面。隨著人類活動範圍的不斷擴大，圖像處理的套用領域也將隨之不斷擴大。基於模式識別的圖像處理隨著當今計算機和人工智慧技術的發展，已經成為了圖像識別領域的研究方向。
基於模式識別技術的圖像處理
圖像分割
把圖像按相關度劃分成各具特色的區域並提取出所需目標的技術和過程稱為圖像分割。分割的關鍵在於分割依據的確定。從模式識別技術理論上考慮圖像分割問題,分割是針對圖像所需分割的對象,根據圖像的結構特性將圖像的所有組成部分分成“分割”類和“非分割類”兩類。對於任何一個事物都有與其他事物相互區別的一些本質特徵,必然可以提取出本質特徵能夠與分割背景圖像相區別並作為識別事物的依據,即為分割依據。在分割圖像定位對象時,可以選擇由特徵組成的特徵空間進行定位識別。因此,將分割對象視為模式識別的對象,圖像分割的過程是為在模式識別中尋找特定模式類,並按照該模式類的特徵,結合與其對應的分割技術進行分割。
特徵提取
由於圖像的隨機性和數據量大,增加了在圖像中選取有效的圖像特徵的難度,並直接影響到圖像識別系統的性能。所以完成圖像識別的首要任務為提取有效的圖像特徵。然而在很多實際問題中不易找到所需的特徵,或由於條件限制不能對它們進行測試,於是把特徵選擇和提取任務複雜化,成為構建模式識別系統困難的任務之一。圖像的原始特性或屬性被稱為圖像特徵。其中有些是自然特徵,有些是人為特徵。特徵提取是提取特徵,經篩選或變換直到得出有效特徵的全過程。其根本任務是選擇有效的特徵,並運用相應的技術進行特徵提取。基於模式識別技術的圖像特徵提取工作的結果是給出了某一具體圖像與其它圖像相區別的特徵。
圖像識別
圖像識別是圖像處理的高級階段,其研究的是通過儀器對周圍物體的視覺圖像進行分析和識別,從而可得到有效的結論性判斷。但是,為了使計算機系統也能認識人類視覺系統認識的圖像,人們必須研究出計算方法,分析圖像特徵,因而將模式識別技術套用到圖像識別中,進而將圖像特徵能用數學方法表示出來並教會計算機也能認識、識別這些特徵。
基於模式識別技術的生物醫學圖像處理
生物統計的識別系統在一些套用中非常有用，例如商務和執法套用，特別是在犯罪識別、安全系統、可視電話、信用卡驗證以及用於識別個人身份的證件照片驗證等方面。人臉的識別、指紋、簽名和許多其他生物統計圖像在計算機視覺領域中構成了重要的研究領域。
基於模式識別的自動人臉識別已經有了很多實現方案。人臉識別中主要的策略要么是基於特徵的，要么是基於人臉空間的，例如特徵臉或Fisher臉。大多數特徵提取的方法都是從人臉的正視圖中提取特徵，有時也從側面人臉輪廓中提取特徵。自動人臉識別系統既使用正面也使用側面，所有更加準確，因為它利用了子人臉的兩個視圖中固有可利用的明確信息。
