传统图像识别识别效率与什么有关

主要包括以下几点：

1、图像特征：不同类型的图像具有不同的特征，一些特征比较明显、突出的图像更容易被识别。

2、分类算法：传统图像识别使用的分类算法通常是基于机器学习或人工神经网络等技术实现的。不同算法对图像的处理方式和识别效果也会有所不同。

3、计算资源：传统图像识别需要大量的计算资源来进行特征提取、模型训练和分类推断等 *** 作。计算机性能和存储容量将直接决定识别效率和精度。

4、数据集质量：构建高质量的图像数据集对于提高识别效率和精度至关重要。数据集大小、质量和多样性等方面都会影响到训练效果和测试效果。

5、环境因素：光照、角度、遮挡等环境因素也会对图像识别效率产生一定的影响。

从图像中提取的特征可以组成一个向量，两个图像之间可以通过定义一个距离或者相似性的测量度来计算相似程度。

特征匹配是图像检索的一个关键环节，具有特征依赖的特点，不同的特征应该采用不同的度量方法。在检索的过程中，根据系统相似性度量的算法计算查询特征与特征库中对应的每组特征的相似程度，把所得结果由大到小排序后得到一个匹配图像序列返回给用户。其间可以通过人机交互，对检索的结果逐步求精，不断缩小匹配集合的范围，从而定位到目标。匹配过程常利用特征向量之间的距离函数来进行相似性度量,模仿人类的认知过程,近似得到数据库的认知排序。常用的距离度量公式有：Minkkowsky距离，Manhattan距离，Euclidean距离，加权Euclidean距离，Chebyshev距离，Mahalanobis距离等。

其中，Manhattan距离计算简单，效果也较好，被广泛采用；加权Euclidean距离考虑了不同分量的重要性,也较为常用；Mahalanobis距离考虑了样品的统计特性和样品之间的相关性，在聚类分析中经常用到。当采用综合特征进行检索时，需要对各特征向量进行归一化,以使得综合特征的各特征向量在相似距离计算中地位相同。

知识图谱是图像识别的方法。知识图谱的提出是为了准确地阐述人、事、物之间的关系，最早应用于搜索引擎。知识图谱是为了描述文本语义，在自然界建立实体关系的知识数据库。在信息的基础上，建立实体之间的联系，就能行成知识。大多数知识图谱都采用自底向上的构建方式。自底向上指的是从一些开放链接数据（也就是信息）中提取出实体，选择其中置信度较高的加入到知识库，再构建实体与实体之间的联系。

理工科的专业，问题不是适不适合女生，女的也有做院士，做国家总理的，关键是你喜不喜欢，以及与你想干哪一行有关

具我的了解，01、05相对而言理论性更强，与计算机智能相关的一些专业，毕业后搞研发的可能性很大，而且国内目前搞这些的公司应该很少，以后很有可能的选择是进入高校和研究所，或者读博士

03是搞数据库的目前这方面需要的比较多，06、07应用性更强，网络公司很需要

而02、04、则理论和实际应用的要求都比较高

例如，02虽然是看上去是做理论的，但实际上目前很多行业都要用到图像处理，而且要根据实际不同情况设计算法，因而对实际应用理论的要求较高

04我理解为嵌入式智能控制系统，理论要求也很高，但更偏重硬件，动手能力要求非常高

其实，我认为重要的不是研究方向，而是你硕士期间，导师让你做什么，这是非常重要的

因为各个专业之间可能会有交叉，到了研究生乃至博士后，大方向上可能会有差别，但具体各专业之间的差别只会变得越来越小

我们这变通信专业的和电子专业的硕士做的东西很多看不出专业区分

选哪个专业要看你的喜好和你的实际情况而定了

用AndroidSDK中的Face Detector实现人脸识别

流程是这样的：

1 读取一张至Bitmap （从Resource中，或是从手机相册中选取）

2 使用FaceDetector API分析Bitmap，将探测到的人脸数据以FaceDetectorFace存储在一个Face list中；

3将人脸框显示在上。

随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!

图像识别技术论文篇一

图像识别技术研究综述

摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。

关键词：图像处理;图像识别;成像

中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02

图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。

1 图像处理技术

图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。

1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。

2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。

3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。

4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。

5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。

2 图像识别技术

图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：

21 指纹识别

指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如xyk、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。

22 人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。

23 文字识别

文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。

3 结束语

人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。

参考文献：

[1] 胡爱明，周孝宽车牌图像的快速匹配识别方法[J]计算机工程与应用，2003，39(7)：90—91

[2] 胡学龙数字图像处理[M]北京：电子工业出版社，2011

[3] 范立南，韩晓微，张广渊图像处理与模式识别[M]北京：科学出版社，2007

[4] 晓慧，刘志镜基于脸部和步态特征融合的身份识别[J]计算机应用，2009，1(29)：8

[5] 陈良育，曾振柄，张问银基于图形理解的汉子构型自动分析系统[J]计算机应用，2005，25(7)：1629-1631

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

点击下页还有更多>>>图像识别技术论文

媒体形象识别系统的构成包括以下几个方面：

1 图像采集设备：如摄像头、相机等，用于采集媒体形象信息。

2 图像处理算法：通过图像处理算法对采集到的媒体形象进行分析和识别，识别出其中的人物、物体、场景等信息。

3 数据库：媒体形象识别系统需要有一个庞大的数据库，用于存放已经识别出的媒体形象信息。

4 人工智能技术：媒体形象识别系统采用智能算法，通过机器学习和深度学习等技术，提高对媒体形象的识别准确率和速度。

5 应用系统：基于媒体形象识别系统构建的一系列应用，如安防监控、智能交通、人脸识别等。

以上就是关于传统图像识别识别效率与什么有关全部的内容，包括:传统图像识别识别效率与什么有关、基于图像匹配的图像识别技术是什么意思啊_图像匹配和目标识别、知识图谱是图像识别的方法吗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！