分享到:

网树状图象识别的数学模型

一、网树状图象G及变换群FP 我们假定图象预处理能完成去噪音、消隐、增强、平滑及细化抽取骨架等操作.于是,客观世界某一类场景(例如飞机场跑道)的自动侦测及识别问题显然可归结为如下的网树状图象的识别问题. 定义且.设集合V=h;豆勾。}为平面P上之结点集;F=k;豆勾n}为八间的直接连接线所成之集合.记G={V,E}.若。、n均为有限正整数,则称G为平面P上具有有限结点及连接边的网树状图象(如图1所示). \、,二、,h 飞在Z卜 \。、h人 j。l*,。D-dr’*x 、/U1;/1 ()()(c y41 …)树状匆象GI 山)网状图象GZ K)网树状图象民从图1可以看出,这些连接边除结点外没有任何其他交点. 定义二.称图象GI=(VI,E小 G。=(V。,E2}是相互等价的,若o和GZ的结点个数相同,且结点间具有相同的连接关系.记为...  (本文共6页) 阅读全文>>

《西北地震学报》1982年04期
西北地震学报

应用图象识别法预测强震危险区存在的问题及讨论

... 应用图象识别法预测强震危险区虽然国内外都有报道,但也还存在一些问题,近来国内已有人发现〔1〕,用图象识别法确定地震危险区存在一些缺陷,它直接影响到结果的可靠程度。为了进一步从理论上搞清产生这些问题的根源及其规律,下面我们就两类图象识别问题的数学模型,根据线性不等式组的理论进行严格的数学讨论。 一、图象识别问题的数学模型 应用图象识别法预测强震危险区的具体方法步骤和例子在文献〔2〕、〔3〕中已有详细介绍,不再赘述,这里直接抽象出它的数学模型以进行讨论。兰别1序、{“丫.’卜严黔即特卿、。…:黔一二…是1:…忿戴只::{0 }K+:l:f xK+:,:、+:,:……xx+:,·4 B}三!三11三三}O..................……W。+X、:W:+…+X、。W。0魂了J‘11.、 本 样 类 A 对Wo+X:洛:,:Wi+一+X一,:,。W。o..................……今…口.一W。一X二;W:一·...  (本文共4页) 阅读全文>>

《信息与控制》1979年03期
信息与控制

图象识别在蓬勃发展中

1978年11月在日本京都举行了第4届国际图象识别会议,我们中国科学院代表团也出席了这次会议。会议的演讲、综述、报告,讨论及会议后的技术参观,都给我们与会者留下了这样一个深刻的印象,即图象识别这个领域近年来兴旺活跃,发展蓬勃。正如会议主席坂井利之教授所指出的那样,图象识别今天已发展成为人同机器、自然科学同社会科学、基础理论同技术应用之间的接口区域,颇象卫星可能成为世界任何两个区域进行直接通讯的中继站一样。近年来图象识别不仅在统开法厂造句法、类聚分析、学习算法等理论方面,不仅在文字识别、语音识别,图形识别、物景分析等技术方面,不仅在生物医学领域应用、遥感领域应用、工业生产领域应用等实用方面取得了很大进展,而且开始进入到更加综合更加高级的阶段。现在不仅研制各种单功能的识别系统,例如文字识别系统等,而且,已经开始在单功能的识别和信息处理系统的基础上研制多功能的综合识别系统,例如综合利用印刷体汉字识别机、手写体文字识别机,自然语言处理机...  (本文共1页) 阅读全文>>

《信息与控制》1979年03期
信息与控制

图象识别简述

图象识别是随着计算机的发展而兴起的一门新的技术科学。它开始于50年代以后,在60年代初期尚处蓓蕾初放,二十年来已是花开满园、硕果累累。这门新兴的技术科学,其发展之迅速租应用之广泛已引起了各方面的注视。由于计算技术的普遍采用,处理大量信息的条件已完全具备。因此,也只有让计算机代替人去处理大量的信息才能充分发挥它的潜力,才能达到高度的自动化。图象识别提出的问题,就是研究让计算机处理哪些物理信息,和怎样处理这些信息。因而它是一个新的研究领域。例如,根据气象观测数据或气象卫星拍照的航空照片怎样准确的预报天气;根据石油勘探中的人工地震波如何提供可能有油的岩层结构;从遥感图片中如何区别出农作物、湖泊、森林、导弹发射架等;在高能物理实验中怎样识别粒子径迹;医学诊断中怎样从X光.照片判断是否发生癌肿;从心电图的波形能否判断被检查者患有心脏病;如何按照信函上的邮区编码将信函自动分拣;在繁华宽阔的交通中心如何决定各通道开红灯或绿灯;怎样实现人与计算...  (本文共11页) 阅读全文>>

《电子计算机动态》1981年07期
电子计算机动态

计算机图象识别在电子工业中的应用

(一)电子工业中图象自动识别意义与特占 用计算机识别图象,使自动化机器具有视觉并能看懂事物,是人工智能研究领域中的一个重要组成部分,称为图象识别或称模式识别(Pattern Reeognition)。目前图象识别已作为独立学科出现。它主要是研究对象和过程的分类与描述,用统计方法或句法方法进行特征或元素抽取学习与分类。 在电子工业中特别是在半导体集成电路生产中,由于工件微小,故在生产、装配、检验、侧试等工序中,操作人员都必须在显微镜下工作。这使产品的质量与效率都与观察图象准确有关。工人长期在显微镜下操作,视力易于疲劳与衰退。随着各生产工序的自动化,工人们渐渐都集中到装配、检验工序中来,这里往往是自动化最薄弱的卡脖子的地方。例如,集成电路内引线的自动键合,即从做好的集成电路硅片上的铝压点,通过超声或热压焊,将很细的引线连接到管壳上去的压焊工序,常常是集成电路生产中工作量最大,需工人最多的地方。而且工人必须在显微镜下操作,在二三年内,...  (本文共6页) 阅读全文>>

《地震学报》1982年02期
地震学报

大震前地震活动的图象识别

一、引言 图象识别是近二十年来发展起来的一门学科,目前已广泛应用于语言识别、笔迹鉴定、医疗诊断、遥感等许多方面.60年代中期,博咖罗(E心Hrapo)川将图象识别方法用于地质勘探分析地层.1972年开始,盖尔芬德(Gdfand)将图象识别方法引人地震学中,用于地震危险区的划分,以识别未来可能发生强震的地点。川.布里格斯(Briggs)和普雷斯(Press)[5]、卡普托(CaPuto)川等人,都用图象识别方法分别研究了在美国加州和内华达、意大利等地区强震危险区的划分.此外,普雷斯等[7]还用图象识别方法研究了钱德勒颤动、地球自转、地磁变化和地震的关系. 虽然图象识别方法已引人地球物理学中,“但它应用到地质和地球物理问题上还极少,这一点是令人惊奇的,……因为较之许多其他方法,它可以通过深人的分析,从大量数据中得到较多的结果”[’].本文不同于上述诸文,我们不研究强震危险区的划分,而是将图象识别方法用于地震预测中,用以识别强震发生的...  (本文共11页) 阅读全文>>