文档介绍：模式识别及其在数字图像处理中的应用
摘要：模式识别是人工智能领域的基础，随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛。近年来，模式识别也去的了很多让人瞩目的成就，有很多不可忽视的进展。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像是人类获取和交换信息的主要来源，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动围的不断扩大，图像处理的应用领域也将随之不断扩大。基于模式识别的图像处理随着当今计算机和人工智能技术的发展，已经成为了图像识别领域的踪影研究方向。本文首先介绍了图像模式识别的基本理论和基本方法，然后阐述了模式识别在图像处理中应用理论，最后举例说明了模式识别在图像处理中的具体应用。
关键字：模式识别；人工智能；图像处理；特征提取；识别方法
1模式识别技术的基本理论
模式识别的基本框架
模式识别是通过计算机对信息进行处理、判别的一种分类过程，是信号处理与人工智能的一个重要分支。人工智能是专门研究用机器人模仿人的动作、感觉和思维过程与规律的一门学科，而模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术和人工智能的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。这是模式识别的两个重要方面。
在图像处理中，识别场景中的对象或区域是一个重要课题。图像模式识别的任务是从策略对象集的场景中识别对象。每个对象都是一种模式，并且策略值是模式的特征，同特征的相似对象集属于具体的模式类，测量特征的技术称为特征提取。模式识别的基本框架如图1所示：
图1 模式识别的基本框架
模式识别的方法
决策理论法
在模式识别中，已经使用了一些模式分类技术。这些技术中的一些技术被称为决策理论技术，在这种技术中，未知的模式分类是由一些确定的、统计的或者模糊理论的基本原理进行决策。决策理论的模块图如图2所示：
图2 决策理论模式分类器模块图
决策理论模式识别技术主要分为基于有监督学****的分类方法和使用无监督技术的分类方法。
有监督的分类方法又可分为有参数分类器和非参数分类器。在有参数监督的分类中，用大量标注训练样本模式集训练分类器，并估计每类模式的统计参数。其中，最小距离分类器和最大似然分类器是频繁使用的有监督算法。
无监督分类技术不考虑参数，常使用一些非参数的技术，例如K近邻技术、Parzen窗技术等。在无监督的情况下，根据一些相似标准机器分割整个数据集，结构产生了聚类集，模式中的每个聚类集都属于具体类。
句法方法
在句法模式识别中，关键问题是使用属于不同模式类的样本集推断适当的文法。文法推断问题是一个首要问题。这种方法是基于基本假设，每个模式至少存在一个文法描述。每个模式类文法描述的识别和提取形成了设计综合模式分类器的核心问题。文法推断问题包括使用在研究中的样本模式集获得文法的算法开发。因此这可以视为使用有限的并且增长的训练模式集进行学****的方法。在文法模式分类中，属于特殊模式类的字符串可以作为形成属于语言的句