![](https://csdnimg.cn/release/download_crawler_static/33242857/bg4.jpg)
绪论
网络的分辨率,也减少了计算量,但是其本身的特性可以不受影响,这推动了神
经网络的简单化。
总之,CNN 的基本思想是把局部感受野、权值共享和下采样这三种方法结合
了起来,从而实现了特征的提取和分类统一在一起,并对识别对象的位移变化、尺
度变化、形变变化具有不变性。
1.1.4 图像识别技术的发展及研究现状
图像识别,是指发现对观察到的图像进行特征分析,在用计算机对分析进行
处理,从而实现对图像内容的分类识别。其中,手写数字识别和人脸识别是现今
比较成熟的。手写数字识别可以被用于民族文字识别、电脑阅卷等等,人脸识别
则在视频安保监控、“刷脸”支付等等有重要功能。
目前,图像识别系统主要由图像分割,特征提取和分类器组成
错误!未找到引
用源。
。
图像分割有三种方法:(1)基于阈值的分割法。这是最常用图像分割技术,
阈值一般是采用图像的灰度值。不同的灰度值在广域里面可以表现出图像的不同
特征,基于灰度值的分割就可以图像的不同特征分割开来。(2)基于区域的分
割法。有一种基本方式是分开合并。分开合并为先划分不同的区域特征,再把不
同区域特征合并为全局图像的所有特征,由区域特征实现对图像的分割。这种方
法具有很强的鲁棒性。(3)基于边缘的分割法。不同图像区域的边缘的灰度值
是不同的,这就可以把边缘像素灰度值连起来,形成一块块的闭合区域,完成对
图像的区域分割。
常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征,可以用
它们来完成图像的特征提取。1、颜色特征。顾名思义,就是通过颜色来提图像
特征。对颜色也有特定的不同分类方法,常见的是 RGB 和 HSV。颜色特征匹配
方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法等。
2、纹理特征。图像像素点与其邻域的像素点的不同可以表示出图像的局部特征
表现的变化,这就是纹理。所以,可以用全局纹理的特征来表现全局图像的特征。
常见的方法有:LBP 方法(Local binary patterns)和灰度共生矩阵。3、形状特征。
图像的内容会包含许多的形状特性,比如轮廓特征和区域特征。这些特性构成了
图像的形状特征,可以利用它们来进行图像的特征提取。常用的方法有:边界特
征法、傅里叶形状描述符法、几何参数法等。4、空间关系特征。空间关系是指
图像特征区域之间在空间上如上下、左右和前后的联系。这一特征也包更高级的
如旋转、对称、尺度变换的关系,通过对其特征联系的分析,就可以提取全局的
4