趙重陽(yáng)　王松會(huì)　夏文杰

摘要：圖像分類識(shí)別是用計(jì)算機(jī)對(duì)圖像進(jìn)行一系列操作來(lái)識(shí)別不同的圖像，包括圖像預(yù)處理、圖像的分割、圖像的特征提取，最后是圖像的分類。圖像分類識(shí)別方法多來(lái)源于模式識(shí)別，近年來(lái)隨著計(jì)算機(jī)技術(shù)發(fā)展和分類算法提出，圖像分類識(shí)別方法越來(lái)越多。該文分析的分類算法是在模式識(shí)別基礎(chǔ)上進(jìn)行圖像分類識(shí)別，首先介紹圖像分類識(shí)別國(guó)內(nèi)外研究現(xiàn)狀，然后分析幾種分類識(shí)別算法的優(yōu)點(diǎn)和缺陷，便于更好地深入研究圖像的分類算法。

關(guān)鍵詞：分類識(shí)別；模式識(shí)別；圖像分類

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）32-7731-03

1 概述

圖像分類識(shí)別根據(jù)圖像的不同特征對(duì)圖像進(jìn)行分類，有相同特征的對(duì)象歸為一類。圖像分類識(shí)別方法隨著數(shù)學(xué)算法的不斷進(jìn)步而不斷發(fā)展。目前，圖像分類識(shí)別的主要方法主要有六種：模糊集識(shí)別、統(tǒng)計(jì)識(shí)別、神經(jīng)網(wǎng)絡(luò)識(shí)別、結(jié)構(gòu)識(shí)別、模版匹配和支持向量機(jī)。這幾種方法各有優(yōu)缺點(diǎn)，根據(jù)具體情況來(lái)具體分析和應(yīng)用，也可以多種方法相結(jié)合使用。

圖像分類識(shí)別系統(tǒng)包括幾個(gè)步奏[1]，如圖 1所示，一是獲取原圖像的信息，二是對(duì)圖像預(yù)處理，三是圖像分割，四是圖像特征提取，五是圖像分類識(shí)別。

1） 統(tǒng)計(jì)識(shí)別法

統(tǒng)計(jì)識(shí)別的理論基礎(chǔ)是數(shù)學(xué)的決策理論，在決策理論基礎(chǔ)上建立統(tǒng)計(jì)識(shí)別模型，統(tǒng)計(jì)識(shí)別模型對(duì)要分類的圖像進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)出圖像的各類特征，找出準(zhǔn)確反映圖像類別的特征，最后進(jìn)行分類。其主要的技術(shù)有聚類分析法、統(tǒng)計(jì)法、KNN等。但是，統(tǒng)計(jì)識(shí)別法不能識(shí)別圖像空間相互關(guān)系（即結(jié)構(gòu)關(guān)系）。如要分類圖像的結(jié)構(gòu)特征是主要特征，用統(tǒng)計(jì)識(shí)別就不能識(shí)別圖像。

在進(jìn)行分類時(shí)需要大量圖像樣本，先統(tǒng)計(jì)圖像樣本特征，設(shè)定圖像識(shí)別的一系列參數(shù)（即統(tǒng)計(jì)學(xué)習(xí)）。

統(tǒng)計(jì)識(shí)別法流程如圖2[1]，輸入的圖像信息是原始圖片；圖像處理是對(duì)樣本圖像濾波、分割和特征提取；最后是圖像分類，輸出結(jié)果。

2） 結(jié)構(gòu)識(shí)別法

結(jié)構(gòu)識(shí)別法即是句法識(shí)別，是對(duì)統(tǒng)計(jì)識(shí)別法不能識(shí)別圖像結(jié)構(gòu)特征的補(bǔ)充，因?yàn)榻y(tǒng)計(jì)算法不能統(tǒng)計(jì)圖像的結(jié)構(gòu)信息，只能統(tǒng)計(jì)圖像的數(shù)字特征。結(jié)構(gòu)識(shí)別法用符號(hào)表現(xiàn)圖像的特征。結(jié)構(gòu)識(shí)別采用的結(jié)構(gòu)是層次結(jié)構(gòu)，把復(fù)雜圖像分解成單子圖像，而子圖像又可以分解為更簡(jiǎn)單的子模式，一直分解下去，直到分解為最簡(jiǎn)單的子模式，即模式基元。通過(guò)對(duì)模式基元的識(shí)別，進(jìn)而識(shí)別子模式，最終識(shí)別該復(fù)雜的模式。結(jié)構(gòu)識(shí)別法流程如圖3所示。

3） 神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)法是通過(guò)我們學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法對(duì)圖像進(jìn)行分類。神經(jīng)網(wǎng)絡(luò)方法與統(tǒng)計(jì)識(shí)別方法在很多方面是有聯(lián)系的，都利用樣本數(shù)據(jù)完成圖像的分類識(shí)別，并且在有的算法上還可以看作是一定的等價(jià)關(guān)系。神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)由一個(gè)輸入層、若干個(gè)中間隱含層和一個(gè)輸出層組成。神經(jīng)網(wǎng)絡(luò)法通過(guò)學(xué)習(xí)，能夠從原始圖像的復(fù)雜數(shù)據(jù)中找到相識(shí)的圖像特征，對(duì)圖像進(jìn)行正確的分類。神經(jīng)網(wǎng)絡(luò)法克服了統(tǒng)計(jì)識(shí)別算法過(guò)程中的復(fù)雜性，以及模型選擇的一些困難，是一種非線性建模過(guò)程，不需要分清圖像中存在的非線性關(guān)系，給圖像分類帶來(lái)的極大方便。

神經(jīng)網(wǎng)絡(luò)算法有不同的網(wǎng)絡(luò)結(jié)構(gòu)，所以構(gòu)造神經(jīng)網(wǎng)絡(luò)時(shí)首先要選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)法圖像分類時(shí)首先要輸入圖像的文理特征和結(jié)構(gòu)特征等一系類參數(shù)；中間經(jīng)過(guò)圖像的預(yù)處理和特征提取，最后輸出的是圖像類別。神經(jīng)網(wǎng)絡(luò)分類識(shí)別的流程圖如圖4所示。

4） 模糊集識(shí)別法

模糊集識(shí)別法在模式識(shí)別、醫(yī)學(xué)圖像識(shí)別，車牌識(shí)別等方面的應(yīng)用比較廣泛。在圖像分類時(shí)，有一些圖像的特征不是很明顯，不能準(zhǔn)確的確定圖像屬于哪一類別時(shí)，模糊集識(shí)別法能很好地解決這一問(wèn)題。先模糊地對(duì)圖像進(jìn)行判別，這時(shí)圖像可能屬于兩個(gè)或多個(gè)類別，等到再找到另外的特征時(shí)再進(jìn)行精確的判別。模糊數(shù)學(xué)是模糊集識(shí)別法的理論基礎(chǔ)，模糊數(shù)學(xué)在判別事物時(shí)一般不是準(zhǔn)確的去判斷這事物到底屬于什么，而是用不太精確的方式來(lái)判別事物，用更適合人的思維方式去判別。

模糊集識(shí)別法是在模式識(shí)別方法的基礎(chǔ)上采用模糊邏輯的方法。在圖像分類時(shí)，采用模糊理論對(duì)圖像特征模糊化和模糊分類。

模糊集識(shí)別法根據(jù)一定的模糊化規(guī)則將圖像的紋理或形狀等特征分成多個(gè)模糊變量，雖然每個(gè)模糊變量不能準(zhǔn)確的判別圖像，只能判斷原圖像的一部分特征，但是這能更進(jìn)一步地判別圖像。我們用先前判別出的部分特征去替代原來(lái)的特征再進(jìn)行圖像判別，這樣我們又能精確的判別圖像類別。雖然模糊集識(shí)別法識(shí)別時(shí)圖像的特征變多了，但是卻使得判別更加，也使分類器設(shè)計(jì)趨于簡(jiǎn)單。

5） 支持向量機(jī)

支持向量機(jī)（SVM）是一種新的人工智能學(xué)習(xí)算法，現(xiàn)在已經(jīng)成為模式識(shí)別領(lǐng)域新的研究熱點(diǎn)[3] 。支持向量機(jī)有學(xué)習(xí)效率高、抗噪聲性能強(qiáng)和推廣性好等優(yōu)點(diǎn)。支持向量機(jī)是在原先統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上，解決傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)理論不能解決的一些問(wèn)題（如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇問(wèn)題，局部極小點(diǎn)問(wèn)題等）而形成的一種新的學(xué)習(xí)方法。在圖像識(shí)別時(shí)，支持向量機(jī)將圖像特征向量映射到一個(gè)更高維的空間，在新的空間中重新建立一個(gè)最大圖想?yún)?shù)閾值。首先判斷圖像的大類別，在閾值的兩邊再建立重新建立新的閾值，再進(jìn)行分類，對(duì)圖像不斷判別。最后相差最大的就是圖像屬于不同類別。

6） 模板匹配法

模板匹配法是對(duì)要識(shí)別的圖像做出一個(gè)典型的標(biāo)準(zhǔn)模板，作為將要判別其他圖像的標(biāo)準(zhǔn)，然后將要分類的圖像與標(biāo)準(zhǔn)模板相比較，從而判斷出圖像屬于哪一類別。其實(shí)模版匹配法是一種比較算法，將要識(shí)別的圖像與標(biāo)準(zhǔn)模版放在一個(gè)分類器中做相關(guān)運(yùn)算，根據(jù)我們學(xué)習(xí)的相關(guān)運(yùn)算知識(shí)可以知道，如果兩個(gè)信號(hào)出現(xiàn)自相關(guān)，就表示出現(xiàn)了主峰值（即閾值），這就表示模版圖像和要識(shí)別的圖像匹配，將這個(gè)閾值作為分類器的一個(gè)判決規(guī)則，即可實(shí)現(xiàn)圖像的匹配。所以模版匹配法的首要任務(wù)就是先進(jìn)行模版的創(chuàng)建，如果創(chuàng)建的模板很正確精確，那么我們?cè)谄ヅ涞臅r(shí)候也會(huì)更加的精確。endprint

模版匹配法的流程圖如圖5所示。

3 圖像分類識(shí)別算法的優(yōu)缺點(diǎn)

統(tǒng)計(jì)識(shí)別法的優(yōu)點(diǎn)是以數(shù)學(xué)上的決策理論為基礎(chǔ)的，能夠比較快的建立出統(tǒng)計(jì)識(shí)別模型。通過(guò)建立出的模型，對(duì)圖像進(jìn)行大量的統(tǒng)計(jì)分析，能夠準(zhǔn)確的判斷出圖像的類別，并且統(tǒng)計(jì)出的特征都是數(shù)字特征，對(duì)計(jì)算機(jī)的性能要求較小。缺點(diǎn)是統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像在空間上的相互關(guān)系（即結(jié)構(gòu)關(guān)系）。如果圖像的結(jié)構(gòu)特征為主要特征時(shí)，用統(tǒng)計(jì)方法不能進(jìn)行準(zhǔn)確的判別。

結(jié)構(gòu)識(shí)別法：對(duì)統(tǒng)計(jì)識(shí)別識(shí)別方法的補(bǔ)充，統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像的結(jié)構(gòu)信息，統(tǒng)計(jì)方法一般統(tǒng)計(jì)出來(lái)的圖像特征都是以數(shù)值表示，結(jié)構(gòu)識(shí)別法描述圖像的特征時(shí)則是用符號(hào)來(lái)表示。

神經(jīng)網(wǎng)絡(luò)法優(yōu)點(diǎn)是神經(jīng)網(wǎng)絡(luò)非線性擬合能力很好，可以映射圖像的非線性關(guān)系；而且神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力強(qiáng)，也方便計(jì)算機(jī)實(shí)現(xiàn)；神經(jīng)網(wǎng)絡(luò)還具有很強(qiáng)的非線性映射能力，記憶能力以及自我學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)法的缺點(diǎn)是不能解釋自己的推理過(guò)程和推理依據(jù)；神經(jīng)網(wǎng)絡(luò)需要大量的模板數(shù)據(jù)，并且個(gè)模板特征數(shù)據(jù)要近似相等，當(dāng)數(shù)據(jù)不充分或各類別差別很大的時(shí)候，神經(jīng)網(wǎng)絡(luò)的識(shí)別就不太準(zhǔn)確；神經(jīng)網(wǎng)絡(luò)的輸入也是圖像的數(shù)字特征，不能表示識(shí)別圖像的結(jié)構(gòu)關(guān)系，和統(tǒng)計(jì)識(shí)別法一樣，當(dāng)結(jié)構(gòu)特征為主要特征時(shí)，圖象的識(shí)別就不準(zhǔn)確。

模糊集識(shí)別法的優(yōu)點(diǎn)是模糊識(shí)別法雖表現(xiàn)為圖像的不確定分類，但是隨著更高可靠性的特征能使圖像分類越來(lái)越準(zhǔn)確；采用多級(jí)分類，能為下級(jí)分類提供分類信息。缺點(diǎn)是模糊識(shí)別不能準(zhǔn)確確定圖像的類別，如果不能找到跟準(zhǔn)確的特征，圖像的分類將不準(zhǔn)確。

支持向量機(jī)（SVM）優(yōu)點(diǎn)：1.對(duì)模板樣本要求低，如果模板數(shù)量少，得到的分類結(jié)果是在現(xiàn)有模板信息下的最優(yōu)解；2.支持向量機(jī)通過(guò)非線性變換將圖像的特征轉(zhuǎn)換到高維的特征空間，然后在高維空間構(gòu)造線性函數(shù)替代原圖像的非線性關(guān)系，更利于計(jì)算機(jī)去判別。缺點(diǎn)： SVM是通過(guò)二次規(guī)劃來(lái)求解特征向量，里面涉及到m階矩陣運(yùn)算，對(duì)計(jì)算機(jī)要求高，并且運(yùn)算時(shí)間長(zhǎng)。

模版匹配法的優(yōu)點(diǎn)是如果模板做的比較準(zhǔn)確，匹配不正確的概率就會(huì)很小，并且模板不匹配的情況也很少。缺點(diǎn)是因?yàn)閳D像上的每一個(gè)點(diǎn)都要進(jìn)行匹配計(jì)算，對(duì)計(jì)算機(jī)配置要求高，并且對(duì)噪聲比較敏感，如果識(shí)別時(shí)有很大的噪聲，將不利于圖像的識(shí)別。

4 總結(jié)

本文深入分析了統(tǒng)計(jì)法、句法識(shí)別法、神經(jīng)網(wǎng)絡(luò)法、模糊集識(shí)別法、支持向量機(jī)法和模版匹配法等幾種主要圖像分類識(shí)別方法，并對(duì)各種分類識(shí)別方法的優(yōu)勢(shì)與缺陷做了深入的總結(jié)。通過(guò)分析各類圖像分類識(shí)別方法，明確各類識(shí)別方法的優(yōu)勢(shì)與缺陷，為圖像分類識(shí)別方法的具體應(yīng)用奠定基礎(chǔ)。

參考文獻(xiàn)：

[1] ?？?基于特征提取及神經(jīng)網(wǎng)絡(luò)的圖像分類識(shí)別與目標(biāo)跟蹤[D].西安：西安電子科技大學(xué)，2008.

[2] 趙誠(chéng).圖像識(shí)別方法與實(shí)現(xiàn)技術(shù)研究[D].西安：西安電子科技大學(xué)，2008.

[3] 翁代云，楊莉.人工智能技術(shù)在遙感圖像分類中的應(yīng)用[J].計(jì)算機(jī)仿真，2012，6（29）.endprint

模版匹配法的流程圖如圖5所示。

3 圖像分類識(shí)別算法的優(yōu)缺點(diǎn)

統(tǒng)計(jì)識(shí)別法的優(yōu)點(diǎn)是以數(shù)學(xué)上的決策理論為基礎(chǔ)的，能夠比較快的建立出統(tǒng)計(jì)識(shí)別模型。通過(guò)建立出的模型，對(duì)圖像進(jìn)行大量的統(tǒng)計(jì)分析，能夠準(zhǔn)確的判斷出圖像的類別，并且統(tǒng)計(jì)出的特征都是數(shù)字特征，對(duì)計(jì)算機(jī)的性能要求較小。缺點(diǎn)是統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像在空間上的相互關(guān)系（即結(jié)構(gòu)關(guān)系）。如果圖像的結(jié)構(gòu)特征為主要特征時(shí)，用統(tǒng)計(jì)方法不能進(jìn)行準(zhǔn)確的判別。

結(jié)構(gòu)識(shí)別法：對(duì)統(tǒng)計(jì)識(shí)別識(shí)別方法的補(bǔ)充，統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像的結(jié)構(gòu)信息，統(tǒng)計(jì)方法一般統(tǒng)計(jì)出來(lái)的圖像特征都是以數(shù)值表示，結(jié)構(gòu)識(shí)別法描述圖像的特征時(shí)則是用符號(hào)來(lái)表示。

神經(jīng)網(wǎng)絡(luò)法優(yōu)點(diǎn)是神經(jīng)網(wǎng)絡(luò)非線性擬合能力很好，可以映射圖像的非線性關(guān)系；而且神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力強(qiáng)，也方便計(jì)算機(jī)實(shí)現(xiàn)；神經(jīng)網(wǎng)絡(luò)還具有很強(qiáng)的非線性映射能力，記憶能力以及自我學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)法的缺點(diǎn)是不能解釋自己的推理過(guò)程和推理依據(jù)；神經(jīng)網(wǎng)絡(luò)需要大量的模板數(shù)據(jù)，并且個(gè)模板特征數(shù)據(jù)要近似相等，當(dāng)數(shù)據(jù)不充分或各類別差別很大的時(shí)候，神經(jīng)網(wǎng)絡(luò)的識(shí)別就不太準(zhǔn)確；神經(jīng)網(wǎng)絡(luò)的輸入也是圖像的數(shù)字特征，不能表示識(shí)別圖像的結(jié)構(gòu)關(guān)系，和統(tǒng)計(jì)識(shí)別法一樣，當(dāng)結(jié)構(gòu)特征為主要特征時(shí)，圖象的識(shí)別就不準(zhǔn)確。

模糊集識(shí)別法的優(yōu)點(diǎn)是模糊識(shí)別法雖表現(xiàn)為圖像的不確定分類，但是隨著更高可靠性的特征能使圖像分類越來(lái)越準(zhǔn)確；采用多級(jí)分類，能為下級(jí)分類提供分類信息。缺點(diǎn)是模糊識(shí)別不能準(zhǔn)確確定圖像的類別，如果不能找到跟準(zhǔn)確的特征，圖像的分類將不準(zhǔn)確。

支持向量機(jī)（SVM）優(yōu)點(diǎn)：1.對(duì)模板樣本要求低，如果模板數(shù)量少，得到的分類結(jié)果是在現(xiàn)有模板信息下的最優(yōu)解；2.支持向量機(jī)通過(guò)非線性變換將圖像的特征轉(zhuǎn)換到高維的特征空間，然后在高維空間構(gòu)造線性函數(shù)替代原圖像的非線性關(guān)系，更利于計(jì)算機(jī)去判別。缺點(diǎn)： SVM是通過(guò)二次規(guī)劃來(lái)求解特征向量，里面涉及到m階矩陣運(yùn)算，對(duì)計(jì)算機(jī)要求高，并且運(yùn)算時(shí)間長(zhǎng)。

模版匹配法的優(yōu)點(diǎn)是如果模板做的比較準(zhǔn)確，匹配不正確的概率就會(huì)很小，并且模板不匹配的情況也很少。缺點(diǎn)是因?yàn)閳D像上的每一個(gè)點(diǎn)都要進(jìn)行匹配計(jì)算，對(duì)計(jì)算機(jī)配置要求高，并且對(duì)噪聲比較敏感，如果識(shí)別時(shí)有很大的噪聲，將不利于圖像的識(shí)別。

4 總結(jié)

本文深入分析了統(tǒng)計(jì)法、句法識(shí)別法、神經(jīng)網(wǎng)絡(luò)法、模糊集識(shí)別法、支持向量機(jī)法和模版匹配法等幾種主要圖像分類識(shí)別方法，并對(duì)各種分類識(shí)別方法的優(yōu)勢(shì)與缺陷做了深入的總結(jié)。通過(guò)分析各類圖像分類識(shí)別方法，明確各類識(shí)別方法的優(yōu)勢(shì)與缺陷，為圖像分類識(shí)別方法的具體應(yīng)用奠定基礎(chǔ)。

參考文獻(xiàn)：

[1] ?？?基于特征提取及神經(jīng)網(wǎng)絡(luò)的圖像分類識(shí)別與目標(biāo)跟蹤[D].西安：西安電子科技大學(xué)，2008.

[2] 趙誠(chéng).圖像識(shí)別方法與實(shí)現(xiàn)技術(shù)研究[D].西安：西安電子科技大學(xué)，2008.

[3] 翁代云，楊莉.人工智能技術(shù)在遙感圖像分類中的應(yīng)用[J].計(jì)算機(jī)仿真，2012，6（29）.endprint

模版匹配法的流程圖如圖5所示。

3 圖像分類識(shí)別算法的優(yōu)缺點(diǎn)

統(tǒng)計(jì)識(shí)別法的優(yōu)點(diǎn)是以數(shù)學(xué)上的決策理論為基礎(chǔ)的，能夠比較快的建立出統(tǒng)計(jì)識(shí)別模型。通過(guò)建立出的模型，對(duì)圖像進(jìn)行大量的統(tǒng)計(jì)分析，能夠準(zhǔn)確的判斷出圖像的類別，并且統(tǒng)計(jì)出的特征都是數(shù)字特征，對(duì)計(jì)算機(jī)的性能要求較小。缺點(diǎn)是統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像在空間上的相互關(guān)系（即結(jié)構(gòu)關(guān)系）。如果圖像的結(jié)構(gòu)特征為主要特征時(shí)，用統(tǒng)計(jì)方法不能進(jìn)行準(zhǔn)確的判別。

結(jié)構(gòu)識(shí)別法：對(duì)統(tǒng)計(jì)識(shí)別識(shí)別方法的補(bǔ)充，統(tǒng)計(jì)識(shí)別法不能統(tǒng)計(jì)圖像的結(jié)構(gòu)信息，統(tǒng)計(jì)方法一般統(tǒng)計(jì)出來(lái)的圖像特征都是以數(shù)值表示，結(jié)構(gòu)識(shí)別法描述圖像的特征時(shí)則是用符號(hào)來(lái)表示。

神經(jīng)網(wǎng)絡(luò)法優(yōu)點(diǎn)是神經(jīng)網(wǎng)絡(luò)非線性擬合能力很好，可以映射圖像的非線性關(guān)系；而且神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力強(qiáng)，也方便計(jì)算機(jī)實(shí)現(xiàn)；神經(jīng)網(wǎng)絡(luò)還具有很強(qiáng)的非線性映射能力，記憶能力以及自我學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)法的缺點(diǎn)是不能解釋自己的推理過(guò)程和推理依據(jù)；神經(jīng)網(wǎng)絡(luò)需要大量的模板數(shù)據(jù)，并且個(gè)模板特征數(shù)據(jù)要近似相等，當(dāng)數(shù)據(jù)不充分或各類別差別很大的時(shí)候，神經(jīng)網(wǎng)絡(luò)的識(shí)別就不太準(zhǔn)確；神經(jīng)網(wǎng)絡(luò)的輸入也是圖像的數(shù)字特征，不能表示識(shí)別圖像的結(jié)構(gòu)關(guān)系，和統(tǒng)計(jì)識(shí)別法一樣，當(dāng)結(jié)構(gòu)特征為主要特征時(shí)，圖象的識(shí)別就不準(zhǔn)確。

模糊集識(shí)別法的優(yōu)點(diǎn)是模糊識(shí)別法雖表現(xiàn)為圖像的不確定分類，但是隨著更高可靠性的特征能使圖像分類越來(lái)越準(zhǔn)確；采用多級(jí)分類，能為下級(jí)分類提供分類信息。缺點(diǎn)是模糊識(shí)別不能準(zhǔn)確確定圖像的類別，如果不能找到跟準(zhǔn)確的特征，圖像的分類將不準(zhǔn)確。

支持向量機(jī)（SVM）優(yōu)點(diǎn)：1.對(duì)模板樣本要求低，如果模板數(shù)量少，得到的分類結(jié)果是在現(xiàn)有模板信息下的最優(yōu)解；2.支持向量機(jī)通過(guò)非線性變換將圖像的特征轉(zhuǎn)換到高維的特征空間，然后在高維空間構(gòu)造線性函數(shù)替代原圖像的非線性關(guān)系，更利于計(jì)算機(jī)去判別。缺點(diǎn)： SVM是通過(guò)二次規(guī)劃來(lái)求解特征向量，里面涉及到m階矩陣運(yùn)算，對(duì)計(jì)算機(jī)要求高，并且運(yùn)算時(shí)間長(zhǎng)。

模版匹配法的優(yōu)點(diǎn)是如果模板做的比較準(zhǔn)確，匹配不正確的概率就會(huì)很小，并且模板不匹配的情況也很少。缺點(diǎn)是因?yàn)閳D像上的每一個(gè)點(diǎn)都要進(jìn)行匹配計(jì)算，對(duì)計(jì)算機(jī)配置要求高，并且對(duì)噪聲比較敏感，如果識(shí)別時(shí)有很大的噪聲，將不利于圖像的識(shí)別。

4 總結(jié)

本文深入分析了統(tǒng)計(jì)法、句法識(shí)別法、神經(jīng)網(wǎng)絡(luò)法、模糊集識(shí)別法、支持向量機(jī)法和模版匹配法等幾種主要圖像分類識(shí)別方法，并對(duì)各種分類識(shí)別方法的優(yōu)勢(shì)與缺陷做了深入的總結(jié)。通過(guò)分析各類圖像分類識(shí)別方法，明確各類識(shí)別方法的優(yōu)勢(shì)與缺陷，為圖像分類識(shí)別方法的具體應(yīng)用奠定基礎(chǔ)。

參考文獻(xiàn)：

[1] ?？?基于特征提取及神經(jīng)網(wǎng)絡(luò)的圖像分類識(shí)別與目標(biāo)跟蹤[D].西安：西安電子科技大學(xué)，2008.

[2] 趙誠(chéng).圖像識(shí)別方法與實(shí)現(xiàn)技術(shù)研究[D].西安：西安電子科技大學(xué)，2008.

[3] 翁代云，楊莉.人工智能技術(shù)在遙感圖像分類中的應(yīng)用[J].計(jì)算機(jī)仿真，2012，6（29）.endprint