一个典型的图像目标识别系统如图1-1所示，主要由图像增强与变换、图像分割、图像描述、分类决策四部分构成。其鲜明的特点是输入和输出的都是图像。高层处理一般是基于知识进行推理和证实的，涉及图像或图像区域的理解，以及执行与视觉相关的识别函数［8］。图1-1 图像目标识别系统的基本框架图图像目标识别技术是延伸和扩展人的视觉功能的方式和方法，其实信息技术整体都可以认为是扩展人的信息器官功能的技术。......
2023-06-28
图像目标识别问题分类大全
【摘要】：针对图像领域中的各种具体问题，目标识别所采用的研究方法和技术方案都有所区别，甚至迥然不同。所以需要将目标识别问题按照一定的标准进行分类，对具体问题进行具体分析。图像分割在静态图像识别领域也尚未得到有效解决，图像对应问题则是与模式识别和人工智能紧密相连的难题。
针对图像领域中的各种具体问题，目标识别所采用的研究方法和技术方案都有所区别，甚至迥然不同。所以需要将目标识别问题按照一定的标准进行分类，对具体问题进行具体分析。
1.按照获取图像的传感器的种类
按照获取图像的传感器的种类，可以将图像目标识别分为可见光图像目标识别，红外图像目标识别和合成孔径雷达（Synthetic Aperture Radar，SAR）图像目标识别。这三种传感器的成像原理不同，对拍摄时间、天气情况、地理环境、光照的要求也不一样。通常条件下，可见光图像比较清晰、直观、费用低，有利于实时传输，但可见光传感器只敏感于目标场景的可见光反射，容易受到各种场地因素的干扰；红外图像［4］适合夜间使用，具有特殊的识别伪装的能力，但图像清晰度低，且大气红外辐射和吸收作用对图像质量影响很大；合成孔径雷达图像［5，6］易于判读线性地物、表面光滑的面状地物、森林、草地、水体等，具有很强的穿透力，但雷达视向对目标的表达色调和形状影响很大。目前，国外先进的无人侦察平台都采用多种传感器成像技术，并通过图像融合得到了信息更为丰富的图像。
2.按照图像背景的复杂程度
按照图像背景的复杂程度，可以分为简单背景下的目标识别和复杂背景下的目标识别。简单背景下的目标识别，如文字识别、符号识别和人脸识别等，目标和背景的对比度非常大，一般的图像处理和分割算法就能准确完整地提取出目标。此类研究侧重于如何辨识出更加细微的区别，或者对目标的不同姿态进行识别。而在复杂背景下进行图像目标识别受到噪声的影响非常大，目标的检测效果往往差强人意，要想提取出完整的目标更是困难，一般需要在先验知识的指导下进行目标的检测和图像的分割。
3.按照相关图像的性质
按照相关图像的性质，可以分为静态图像识别和动态图像识别。静态图像，也称静止图像，指的是关于目标的单幅图像，我们一般的图像检索和图像分类大都是针对这类图像的。而动态图像为我们提供了比静态图像更为丰富的信息，通过对多帧动态图像（图像序列）的分析，可以检测出目标的运动信息，识别与跟踪运动目标和估计三维运动及结构参数。动态图像识别面临的首要挑战是，如何从图像序列中实现有效的图像分割和图像对应。图像分割在静态图像识别领域也尚未得到有效解决，图像对应问题则是与模式识别和人工智能紧密相连的难题。
4.按照图像中目标的数目
按照图像中目标的数目，可以分为单目标识别和多目标识别。单目标的图像，顾名思义，就是只有一个感兴趣的目标，其余属于背景，这就相当于提供了一个重要的前提。在这个前提下，我们更多关注的是如何利用各种图像处理技术抑制背景，完整准确地检测和提取出这一个目标。而多目标识别要比单目标识别困难得多，因为多个目标同时出现在一幅图像中，不光有复杂背景的干扰，还必须考虑到目标之间会相互遮挡（Occlusion）、合并（Merge）、分离（Split）等种种情况。这更需要通过知识来指导信息的选择和整合，并进行反复的假设验证（Hypothesis Verification）和复杂的反馈处理。
5.按照图像中目标的类型
按照图像中目标的类型，可以分为刚性目标识别和非刚性目标识别。刚性（Rigid）目标一般指具有刚性结构、不易变形的物体，如飞机、车辆、建筑物等人造物体，它们的共同特点是结构比较规范，适合用几何模型进行描述，一般采用基于形状特征的方法进行识别。而非刚性（Non-rigid）是指外形能够变化的物体，如细胞、动物、人体等。对这类目标可以采用光谱特征、纹理特征以及变形模板（Deformable Template）技术等进行识别。
6.按照对图像语义的理解程度
按照对图像语义的理解程度，可以分为图像分类、目标检测以及目标识别。图像分类只是根据低层图像特征和相似度度量，将内容类似的图像归为一类，并不需要对图像中的对象进行分割和定位，如基于内容的图像检索；目标检测不仅要确定图像中是否存在感兴趣的目标，还要在必要时确定其位置，以便于进一步提取目标进行处理，如车牌提取、人脸检测等；具体目标的识别需要对图像信息进行深入分析，例如在视觉跟踪中，不仅要检测出感兴趣的目标，还要与周围其他目标进行区分，避免产生混淆。
有关图像目标的表示与识别的文章
- 详细阅读
-
图像目标识别的重要性详细阅读
图像目标的表示与识别之所以备受关注，是由于它能够广泛应用于国防和民用的许多领域，其中包括安全监控、军事侦察、产品检验、人机交互和医学应用等多个方面。例如，目前的车牌识别技术已经非常成熟，这对道路上异常车辆的监控和交通事故的事后处理都具有非常重要的意义。......
2023-06-28
-
《图像目标的表示与识别》结构安排详解详细阅读
本书的组织结构如下：第1章，绪论。介绍了本书的研究目的和意义，并给出了图像目标识别的定义、系统框架和两种研究思路；列举了图像目标识别常用的图像库，探讨了图像目标识别的主要难点和发展趋势；最后，对本书基本内容和结构安排进行简要说明。第7章，基于角点特征与视面模型的目标识别。[4]http：／／www.pascal-network.org／challenges／VOC／voc2005／index.htm。[5]http：／／www.pascal-network.org／challenges／VOC／voc2006／index.htm。[6]http：／／www.pascal-network.org／challenges／VOC／voc2007／index.htm。[7]http：／／www.pascal-network.org／challenges／VOC／voc2008／index.htm。......
2023-06-28
-
如何设计分类器 ，从不同的角度对图像目标识别详细阅读
设计分类器是目标分类的主要任务和核心研究内容之一。这种情况下，还得调用单分类器方法，将其类别设置为相似度最大的那个类别。第一种分类器常用于目标匹配识别，其性能取决于相似度或距离度量的设计，后两种分类器基本对应于生成模型和判别模型。......
2023-06-28
-
探析图像目标识别的两种思路详细阅读
对于图像目标识别问题的研究，也是遵循着人的认知形式，总体上讲有两种思路，一种是自下而上的加工，另一种是自上而下的加工［13］。自下而上的视觉计算理论中，马尔模型［14］显然最具代表性，它在技术性和数学形式方面堪称精彩。马尔认为，视知觉是通过构建三种不同心理表征或素描进行的。......
2023-06-28
-
深入探究《图像目标的表示与识别》的研究方向和详细阅读
由于局部特征性能优越，含有的局部信息可以对图像的内容进行多语义层次的描述，也为利用向量空间模型进行目标表示提供了一条有效途径。本书针对当前局部特征在目标分类中应用的不足之处，充分借鉴了向量空间模型的思想，并结合信息论的相关技术进行特征优化，提出了一种基于局部特征的目标分类方法，在标准图像库上的实验结果证明了该方法的有效性和鲁棒性。......
2023-06-28
-
图像目标分割概述详细阅读
对整体特征进行有效的理解和研究，必须要明确目标分割的定义以及它与图像分割之间的关系。通常它包含较广的含义，进一步可以细分为面向图像特征的图像分割和面向物理、语义特征的目标分割。令I表示一幅n×m的待分割图像，则图像分割的定义可形式化的表示为将I划分为满足下述条件的N个子区域Ii，(i=1，2，…，N且i≠j，S 是对Ii中所有元素属性相似性描述的逻辑谓词。图2-3所示为图像分割与目标分割的例子。......
2023-06-28
-
剖面图分类大全详细阅读
图9-14形体的全剖面图9.2.4.2半剖面图如果形体对称，画图时常把投影图一半画成剖面图，另一半画成外观图，这样组合而成的投影图称为半剖面图。展开剖面图的图名后应加注“展开”字样，剖切符号的画法如图9-19所示。......
2023-06-22
相关推荐