人的圖像識別能力是很強的。圖像距離的改變或圖像在感覺器官上作用位置的改變，都會造成圖像在視網(wǎng)膜上的大小和形狀的改變。即使在這種情況下，人們?nèi)匀豢梢哉J出他們過去知覺過的圖像。甚至圖像識別可以不受感覺通道的限制。例如，人可以用眼看字，當(dāng)別人在他背上寫字時，他也可認出這個字來。

　　圖像識別技術(shù)可能是以圖像的主要特征為基礎(chǔ)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。對圖像識別時眼動的研究表明，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(zhuǎn)到另一個特征上。由此可見，在圖像識別過程中，知覺機制必須排除輸入的多余信息,抽出關(guān)鍵的信息。同時,在大腦里必定有一個負責(zé)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。

　　在人類圖像識別系統(tǒng)中，對復(fù)雜圖像的識別往往要通過不同層次的信息加工才能實現(xiàn)。對于熟悉的圖形,由于掌握了它的主要特征，就會把它當(dāng)作一個單元來識別，而不再注意它的細節(jié)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。在文字材料的識別中，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(jīng)常在一起出現(xiàn)的字或詞組成組塊單位來加以識別。

　　技術(shù)發(fā)展

　　圖像識別技術(shù)是人工智能的一個重要領(lǐng)域。為了編制模擬人類圖像識別活動的計算機程序，人們提出了不同的圖像識別模型。例如模板匹配模型。這種模型認為，識別某個圖像，必須在過去的經(jīng)驗中有這個圖像的記憶模式，又叫模板。當(dāng)前的刺激如果能與大腦中的模板相匹配，這個圖像也就被識別了。例如有一個字母A,如果在腦中有個A模板,字母A的大小、方位、形狀都與這個A模板完全一致,字母A就被識別了。圖像識別中的模式識別(PatternRecognition)，是一種從大量信息和數(shù)據(jù)出發(fā)，在專家經(jīng)驗和已有認識的基礎(chǔ)上，利用計算機和數(shù)學(xué)推理的方法對形狀、模式、曲線、數(shù)字、字符格式和圖形自動完成識別、評價的過程。模式識別包括兩個階段，即學(xué)習(xí)階段和實現(xiàn)階段，前者是對樣本進行特征選擇，尋找分類的規(guī)律，后者是根據(jù)分類規(guī)律對未知樣本集進行分類和識別。這個模式識別的模板匹配模型簡單明了，也容易得到實際應(yīng)用。但這種模型強調(diào)圖像必須與腦中的模板完全符合才能加以識別，而事實上人不僅能識別與腦中的模板完全一致的圖像，也能識別與模板不完全一致的圖像。例如,人們不僅能識別某一個具體的字母A,也能識別印刷體的、手寫體的、方向不正、大小不同的各種字母A。同時,人能識別的圖像是大量的，如果所識別的每一個圖像在腦中都有一個相應(yīng)的模板，也是不可能的。

　　為了解決模板匹配模型存在的問題，格式塔心理學(xué)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別的無數(shù)個模板，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，拿它來檢驗所要識別的圖像。如果能找到一個相似的原型，這個圖像也就被識別了。這種模型從神經(jīng)上和記憶探尋的過程上來看，都比模板匹配模型更適宜，而且還能說明對一些不規(guī)則的，但某些方面與原型相似的圖像的識別。但是，這種模型沒有說明人是怎樣對相似的刺激進行辨別和加工的，它也難以在計算機程序中得到實現(xiàn)。因此又有人提出了一個更復(fù)雜的模型，即“泛魔”識別模型。

　　圖像識別的基本過程

　　n信息的獲?。菏峭ㄟ^傳感器，將光或聲音等信息轉(zhuǎn)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(yù)處理：包括AD,二值化，圖象的平滑，變換，增強，恢復(fù)，濾波等, 主要指圖象處理。

　　n特征抽取和選擇：在模式識別中，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(shù)據(jù)，這種在測量空間的原始數(shù)據(jù)通過變換獲得在特征空間最能反映分類本質(zhì)的特征。這就是特征提取和選擇的過程。

　　n分類器設(shè)計：分類器設(shè)計的主要功能是通過訓(xùn)練確定判決規(guī)則，使按此類判決規(guī)則分類時，錯誤率最低。

　　n分類決策：在特征空間中對被識別對象進行分類。