传统的模式识别理论有人把它分为五类：模板匹配模式；原型匹配模式；特征分析模式；结构描述模式；傅里叶模式

人脑是怎样认知图像的?——十种模式识别认知理论简介导引

2007-09-16 9:03

在许多科幻电影中都会看到，机器人健步如飞，寻找和发现敌人，比我们人类看的远、看的准，力大无比，智慧超群，总是在最危险的时候挽救人类。其实，这些目前还仅仅是科幻，在现实世界中办不到。原因之一就是我们还不能“教”会机器人像我们一样认知景物。 为什么我们不教会机器人像人类一样认知景物呢？ 不是不想教，而是我们迄今还没有搞清楚人类视觉系统工作机理，更谈不上将此机理转变成可计算的认知模型应用于机器人视觉了。 人们在认知景物时，常常寻找它与其它事物的相同与不同之处，根据使用目的进行分类，人脑的这种思维能力就构成了模式和识别的能力。 所谓模式，是指若干元素或成分按一定关系形成某种刺激结构，也可以说模式是刺激的组合。当人们能够确认他所知觉的某个模式是什么时，将它与其他模式区分开来，这就是模式识别。 例如，有人想把一大批图片分成人物、动物、风景、建筑物、其他等五种类型分别保管，上述五种类型就是五个类别，也就是五个不同的模式，分类的过程叫做模式识别。 模式有简有繁，繁杂的模式往往是由多个子模式组成。认知心理学家西蒙认为：“人们在解决数学问题时，大多数是通过模式识别来解决的，首先要识别眼前的问题属于哪一类，然后以此为索引在记忆储存中提取相应的知识，这就是模式识别。” 我们之所以关心模式识别认知理论，是因为它是建立图像（景物）理解数学模型的思想源泉。例如 ： 传统的模式识别理论有人把它分为五类：模板匹配模式；原型匹配模式；特征分析模式；结构描述模式；傅里叶模式。现在图像理解中主要的数学处理方法，几乎都是源于五种传统模式识别理论而建立的，或是基于它们的变形。 近二十多年来新提出的模式识别理论有人把它分为五种：视觉计算理论；注意的特征整合理论；成分识别理论；相互作用激活理论；视觉拓扑理论。其中，马尔（Marr）的视觉计算理论是当前计算机（机器人）视觉的主流理论。其它的理论，也被众多探索者们作为创新的源泉。 然而，无论上述那一种模式识别理论，都存在着或多或少的片面性，迄今为止尚未形成一个较具有说服力的、普遍认可的模式识别理论。这正是制约图像识别（计算机视觉）数学模型发展的根本所在。 下面我们将各种模式识别理论分别介绍之。