图像识别与分割现状研究及未来发展趋势

图像的识别与分割是图像处理领域中研究最多的课题之一，但由于已经取得的成果远没有待解决的问题多，因而依然是图像处理领域的研究重点和热点。

图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。数字图像处理和识别的研究开始于1965年，数字图像与模拟图像相比具有存储，传输方便可压缩、传输过程中不易失真、处理方便等诸多优势，这些都为图像识别技术的发展提供了强大的动力。物体的识别主要指对三维世界的客体及环境的感知和认识，属于高级的计算机视觉范畴。它以数字图像处理与识别为基础，结合人工智能和系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的主要不足就是自适应性能差，一旦目标图像被较强的噪声污染或是目标图像有较大残缺，往往就不能得出理想结果。

图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。(www.xing528.com)

图像分割是图像处理和自动识别中的一项关键技术，自20世纪70年代起，其研究已经有几十年的历史，一直都受到人们的高度重视，至今借助于各种理论提出了数以千计的分割算法，而且这方面的研究仍然在积极地进行着。现有的图像分割方法包括阈值分割法、边缘检测法、区域提取法、结合特定理论工具的分割方法等。从图像的类型来分有灰度图像分割、彩色图像分割和纹理图像分割等。在近二十年间，随着基于直方图和小波变换的图像分割方法的研究以及超大规模集成电路（Very Large Scale Integration，VLSI）技术的迅速发展，图像分割的研究取得了很大进展，并结合了一些特定理论、方法和工具，如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。