图像识别技术及其广泛应用场景

图像识别是用计算机对图像信息进行加工，以代替人进行图像分类和目标识别的任务。它的识别过程主要包括：①对图像传感器所获得的信号进行必要的预处理，如过滤干扰噪声、图像目标增强、颜色校正等；②对图像进行分割，从而与背景分离；③提取需要的特征，并对获得的某些参数进行测量和计算；④根据提取的特征值进行分类。

图像识别有光学法和电子学法两种。光学法发展较早，从简单的光学成像到激光全息技术，该方法已经日趋完善。但是光学法处理图像存在稳定性差、精度不高、操作麻烦等缺点，特别是各种人工智能模式识别算法难以在光学处理设备上实现，使得它的发展受到局限，已很少应用。软件法是目前主要的图像处理方法，计算机通过图像传感器采集到图像信息，再经过数字图像处理技术进行相应的数学运算，完成图像处理和目标识别的任务。例如，从红外图像中提取夜晚光照较弱的热辐射目标信息，从卫星遥感图像中提取地物目标的特征参数等。数字图像处理技术的处理精度较高，可以通过计算机软件、专用DSP以及其他硬件来实现各种图像处理目标识别算法。但是它的分辨率受信号采集器（图像传感器）的限制，而且处理的数据量很庞大，处理速度较慢。随着处理算法和硬件器件的快速发展，数字图像处理技术也将得到进一步改进。

目前，图像识别技术受到了国际上的广泛重视，已成功研制出多种自动识别技术和相关系统，如文字和字符识别、机器视觉识别、图形识别、卫星遥感图片的机器判读、武器制导寻的系统、车辆驾驶系统、车牌车型识别系统及工业应用等，广泛应用于国防科研、交通、工业、农业、医疗、天文、海洋等多个领域。(www.xing528.com)

机器视觉系统在工业生产及产品识别检测中发挥了重要的作用。如西门子机器视觉系统应用于PET饮料瓶缺陷检测，其工作原理是通过光纤传感器感应瓶子位置，触发图像处理器拍摄图片，而后对图像进行分析处理，将结果传至PLC进行逻辑控制，并根据传送带当前的速度驱动剔除装置，准确地剔除不合格产品。