图像的识别图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。按照图像识别从易到难，可分为三类问题。类识别问题中，图像中的像素表达了某一物体的某种特定信息。如遥感图像中的某一像素代表地面某一位置地物的一定光谱波段的反射特性，通过它即可判别出该地物的种类。第二类问题中，待识别物是有形的整体，二维图像信息已经足够识别该物体，如文字识别、某些具有稳定可视表面的三维体识别等。但这类问题不像一类问题容易表示成特征矢量，在识别过程中，应先将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属图与假定模型库的属图之间匹配。第三类问题是由输入的二维图、要素图、2·5维图等，得出被测物体的三维表示。这里存着如何将隐含的三维信息提取出来的问题，当是今研究的热点。机器视觉能得以不断发展，取决于以下三大驱动因素：应用领域、成本控制、技术创新。目前用于图像识别的方法主要分为决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；对机器而言同样如此，通过机器视觉对产品准确的信息采集，通过系统对数据分析让机器活起来。结构方法的核心是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。这是一种依赖于符号描述被测物体之间关系的方法。应用领域机器视觉起步阶段，主要应用于半导体和电子行业，经过多年的发展，机器视觉目前在食品、汽车、日用品、航空航天、、纺织等众多领域得到更多应用。广泛的应用也决定了机器视觉将由过去单纯的采集、分析、传递数据、判断动作等逐步朝着更具开放性的方向发展。随着智能制造启动实施，各行各业对应用机器视觉的工业自动化、智能化需求日益凸显，市场发展潜力巨大，其市场复合年增长率达到9.3%。需求量的逐年增加将扩大机器视觉的发展空间，企业将从产品供应商向系统解决方案提供商转型，以智能制造需求为导向，加速研发与生产线或测试控制系统配合使用的工业视觉解决方案，助力制造业转型升级。随着中国配套基础不断建设和完善以及各行业对技术、资金的累计，各行业逐渐对机器视觉行业的重视。)