隨著圖像處理技術(shù)的迅速發(fā)展，圖像識別技術(shù)的應(yīng)用領(lǐng)域越來越廣泛。小編整理了圖像識別技術(shù)論文，歡迎閱讀!

　　圖像識別技術(shù)論文篇一

　　圖像識別技術(shù)研究綜述

　　摘要：隨著圖像處理技術(shù)的迅速發(fā)展，圖像識別技術(shù)的應(yīng)用領(lǐng)域越來越廣泛。圖像識別是利用計算機對圖像進行處理、分析和理解，由于圖像在成像時受到外部環(huán)境的影響，使得圖像具有特殊性，復(fù)雜性?；趫D像處理技術(shù)進一步探討圖像識別技術(shù)及其應(yīng)用前景。

　　關(guān)鍵詞：圖像處理;圖像識別;成像

　　中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：1009-3044(2013)10-2446-02

　　圖像是客觀景物在人腦中形成的影像，是人類最重要的信息源，它是通過各種觀測系統(tǒng)從客觀世界中獲得，具有直觀性和易理解性。隨著計算機技術(shù)、多媒體技術(shù)、人工智能技術(shù)的迅速發(fā)展，圖像處理技術(shù)的應(yīng)用也越來越廣泛，并在科學(xué)研究、教育管理、醫(yī)療衛(wèi)生、軍事等領(lǐng)域已取得的一定的成績。圖像處理正顯著地改變著人們的生活方式和生產(chǎn)手段，比如人們可以借助于圖像處理技術(shù)欣賞月球的景色、交通管理中的車牌照識別系統(tǒng)、機器人領(lǐng)域中的計算機視覺等，在這些應(yīng)用中，都離不開圖像處理和識別技術(shù)。圖像處理是指用計算機對圖像進行處理，著重強調(diào)圖像與圖像之間進行的交換，主要目標(biāo)是對圖像進行加工以改善圖像的視覺效果并為后期的圖像識別大基礎(chǔ)[1]。圖像識別是利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標(biāo)和對像的技術(shù)。但是由于獲取的圖像本事具有復(fù)雜性和特殊性，使得圖像處理和識別技術(shù)成為研究熱點。

　　1 圖像處理技術(shù)

　　圖像處理(image processing)利用計算機對圖像進行分析，以達到所需的結(jié)果。圖像處理可分為模擬圖像處理和數(shù)字圖像圖像處理，而圖像處理一般指數(shù)字圖像處理。這種處理大多數(shù)是依賴于軟件實現(xiàn)的。其目的是去除干擾、噪聲，將原始圖像編程適于計算機進行特征提取的形式，主要包括圖像采樣、圖像增強、圖像復(fù)原、圖像編碼與壓縮和圖像分割。

　　1)圖像采集，圖像采集是數(shù)字圖像數(shù)據(jù)提取的主要方式。數(shù)字圖像主要借助于數(shù)字攝像機、掃描儀、數(shù)碼相機等設(shè)備經(jīng)過采樣數(shù)字化得到的圖像，也包括一些動態(tài)圖像，并可以將其轉(zhuǎn)為數(shù)字圖像，和文字、圖形、聲音一起存儲在計算機內(nèi)，顯示在計算機的屏幕上。圖像的提取是將一個圖像變換為適合計算機處理的形式的第一步。

　　2)圖像增強，圖像在成像、采集、傳輸、復(fù)制等過程中圖像的質(zhì)量或多或少會造成一定的退化，數(shù)字化后的圖像視覺效果不是十分滿意。為了突出圖像中感興趣的部分，使圖像的主體結(jié)構(gòu)更加明確，必須對圖像進行改善，即圖像增強。通過圖像增強，以減少圖像中的圖像的噪聲，改變原來圖像的亮度、色彩分布、對比度等參數(shù)。圖像增強提高了圖像的清晰度、圖像的質(zhì)量，使圖像中的物體的輪廓更加清晰，細節(jié)更加明顯。圖像增強不考慮圖像降質(zhì)的原因，增強后的圖像更加賞欣悅目，為后期的圖像分析和圖像理解奠定基礎(chǔ)。

　　3)圖像復(fù)原，圖像復(fù)原也稱圖像恢復(fù)，由于在獲取圖像時環(huán)境噪聲的影響、運動造成的圖像模糊、光線的強弱等原因使得圖像模糊，為了提取比較清晰的圖像需要對圖像進行恢復(fù)，圖像恢復(fù)主要采用濾波方法，從降質(zhì)的圖像恢復(fù)原始圖。圖像復(fù)原的另一種特殊技術(shù)是圖像重建，該技術(shù)是從物體橫剖面的一組投影數(shù)據(jù)建立圖像。

　　4)圖像編碼與壓縮，數(shù)字圖像的顯著特點是數(shù)據(jù)量龐大，需要占用相當(dāng)大的存儲空間。但基于計算機的網(wǎng)絡(luò)帶寬和的大容量存儲器無法進行數(shù)據(jù)圖像的處理、存儲、傳輸。為了能快速方便地在網(wǎng)絡(luò)環(huán)境下傳輸圖像或視頻，那么必須對圖像進行編碼和壓縮。目前，圖像壓縮編碼已形成國際標(biāo)準(zhǔn)，如比較著名的靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG，該標(biāo)準(zhǔn)主要針對圖像的分辨率、彩色圖像和灰度圖像，適用于網(wǎng)絡(luò)傳輸?shù)臄?shù)碼相片、彩色照片等方面。由于視頻可以被看作是一幅幅不同的但有緊密相關(guān)的靜態(tài)圖像的時間序列，因此動態(tài)視頻的單幀圖像壓縮可以應(yīng)用靜態(tài)圖像的壓縮標(biāo)準(zhǔn)。圖像編碼壓縮技術(shù)可以減少圖像的冗余數(shù)據(jù)量和存儲器容量、提高圖像傳輸速度、縮短處理時間。

　　5)圖像分割技術(shù)，圖像分割是把圖像分成一些互不重疊而又具有各自特征的子區(qū)域，每一區(qū)域是像素的一個連續(xù)集，這里的特性可以是圖像的顏色、形狀、灰度和紋理等。圖像分割根據(jù)目標(biāo)與背景的先驗知識將圖像表示為物理上有意義的連通區(qū)域的集合。即對圖像中的目標(biāo)、背景進行標(biāo)記、定位，然后把目標(biāo)從背景中分離出來。目前，圖像分割的方法主要有基于區(qū)域特征的分割方法、基于相關(guān)匹配的分割方法和基于邊界特征的分割方法[2]。由于采集圖像時會受到各種條件的影響會是圖像變的模糊、噪聲干擾，使得圖像分割是會遇到困難。在實際的圖像中需根據(jù)景物條件的不同選擇適合的圖像分割方法。圖像分割為進一步的圖像識別、分析和理解奠定了基礎(chǔ)。

　　2 圖像識別技術(shù)

　　圖像識別是通過存儲的信息(記憶中存儲的信息)與當(dāng)前的信息(當(dāng)時進入感官的信息)進行比較實現(xiàn)對圖像的識別[3]。前提是圖像描述，描述是用數(shù)字或者符號表示圖像或景物中各個目標(biāo)的相關(guān)特征，甚至目標(biāo)之間的關(guān)系，最終得到的是目標(biāo)特征以及它們之間的關(guān)系的抽象表達。圖像識別技術(shù)對圖像中個性特征進行提取時，可以采用模板匹配模型。在某些具體的應(yīng)用中，圖像識別除了要給出被識別對象是什么物體外，還需要給出物體所處的位置和姿態(tài)以引導(dǎo)計算初工作。目前，圖像識別技術(shù)已廣泛應(yīng)用于多個領(lǐng)域，如生物醫(yī)學(xué)、衛(wèi)星遙感、機器人視覺、貨物檢測、目標(biāo)跟蹤、自主車導(dǎo)航、公安、銀行、交通、軍事、電子商務(wù)和多媒體網(wǎng)絡(luò)通信等。主要識別技術(shù)有：

　　2.1 指紋識別

　　指紋識別是生物識別技術(shù)中一種最實用、最可靠和價格便宜的識別手段，主要應(yīng)用于身份驗證。指紋識別是生物特征的一個部分，它具有不變性：一個人的指紋是終身不變的;唯一性：幾乎沒有兩個完全相同的指紋[3]。一個指紋識別系統(tǒng)主要由指紋取像、預(yù)處理與特征提取、比對、數(shù)據(jù)庫管理組成。目前，指紋識別技術(shù)與我們的現(xiàn)實生活緊密相關(guān)，如信用卡、醫(yī)療卡、考勤卡、儲蓄卡、駕駛證、準(zhǔn)考證等。

　　2.2 人臉識別 　　目前大多數(shù)人臉識別系統(tǒng)使用可見光或紅外圖像進行人臉識別，可見光圖像識別性能很容易受到光照變化的影響。在戶外光照條件不均勻的情況下，其正確識別率會大大降低。而紅外圖像進行人臉識別時可以克服昏暗光照條件變化影響，但由于紅外線不能穿透玻璃，如果待識別的對象戴有眼鏡，那么在圖像識別時，眼部信息全部丟失，將嚴重影響人臉識別的性能[4]。

　　2.3 文字識別

　　文字識別是將模式識別、文字處理、人工智能集與一體的新技術(shù)，可以自動地把文字和其他信息分離出來，通過智能識別后輸入計算機，用于代替人工的輸入。文字識別技術(shù)可以將紙質(zhì)的文檔轉(zhuǎn)換為電子文檔，如銀行票據(jù)、文稿、各類公式和符號等自動錄入，可以提供文字的處理效率，有助于查詢、修改、保存和傳播。文字識別方法主要有結(jié)構(gòu)統(tǒng)計模式識別、結(jié)構(gòu)模式識別和人工神經(jīng)網(wǎng)絡(luò)[5]。由于文字的數(shù)量龐大、結(jié)構(gòu)復(fù)雜、字體字形變化多樣，使得文字識別技術(shù)的研究遇到一定的阻礙。

　　3 結(jié)束語

　　人類在識別現(xiàn)實世界中的各種事物或復(fù)雜的環(huán)境是一件輕而易舉的事，但對于計算機來講進行復(fù)雜的圖像識別是非常困難的[6]。在環(huán)境較為簡單的情況下，圖像識別技術(shù)取得了一定的成功，但在復(fù)雜的環(huán)境下，仍面臨著許多問題：如在圖像識別過程中的圖像分割算法之間的性能優(yōu)越性比較沒有特定的標(biāo)準(zhǔn)，以及算法本身存在一定的局限性，這使得圖像識別的最終結(jié)果不十分精確等。

　　參考文獻：

　　[1] 胡愛明，周孝寬.車牌圖像的快速匹配識別方法[J].計算機工程與應(yīng)用，2003，39(7)：90—91.

　　[2] 胡學(xué)龍.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2011.

　　[3] 范立南，韓曉微，張廣淵.圖像處理與模式識別[M].北京：科學(xué)出版社，2007.

　　[4] 曉慧，劉志鏡.基于臉部和步態(tài)特征融合的身份識別[J].計算機應(yīng)用，2009，1(29)：8.

　　[5] 陳良育，曾振柄，張問銀.基于圖形理解的漢子構(gòu)型自動分析系統(tǒng)[J].計算機應(yīng)用，2005，25(7)：1629-1631.

　　[6] Sanderson C，Paliwal K K.Information Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.

點擊下頁還有更多>>>圖像識別技術(shù)論文