中国的研究人员应用图像识别技术在其他工业领域，例如属性分析在精细印刷作品、医疗包、印刷电路板中的质量评估，检查的质量评估，评估织物的外观和结构，缺陷检测等活动庞大而复杂组装缺陷的部件，汽车零部件，电子产品生产线的组成部分、位置、以及对工业机器人的视觉位置测量。 国防

基于图像的自动目标识别（ATR）是一个核心技术，精确制导武器，战场态势感知，和其他先进国家国防任务。ATR的系统通过各种传感器，如红外传感器，合成孔径雷达、微波雷达、激光雷达、可以检测、定位和跟踪空中、海里或地面目标。高价值目标的自动识别和验证后，这些系统可以正确的引导武器定位目标。

1992年，中国建立了ATR国防科技实验室。研究人员取得了这样的成果，作为确定船舶雷达目标和一个空中目标识别系统。这些结果提供了一个新的武器和装备的研究奠定坚实的基础。

张天序和他的同事在华中科技大学已经进行深入研究对于军事红外图像处理与识别，包括图像采集设备、基本算法和硬件平台。他们还开发了一种在ATR系统的基础上，融合的可见光和红外图像序列（见图9）。这种融合可以帮助提高目标追踪器的抗干扰能力，使武器可以准确定位目标，对高温目标敏感，并在所有天气条件下工作。 医药

病一直到人类生存的最大威胁。最近爆发的大规模流行疾病，如严重急性呼吸道综合征（SARS）和禽流感，已经敲响了警钟。随着医疗技术和计算机技术的发展，医学图像的自动识别和分析日益受到重视。这种技术的成功应用无疑可以提高医疗诊断和分析。

在20世纪70年代，计算机断层扫描在临床用药的成功，显示的图像识别技术的应用到医学的开始。一个初步应用是黑肺病和结核病等肺部疾病，辅助诊断。在20世纪80年代，中国的研究人员开始采用这些技术用于乳腺癌、肺癌、脑血管病的诊断。最近，一些研究人员已经集成与B型超声成像技术的图像识别技术来诊断脂肪肝等疾病。2003年，在中国大面积爆发的SARS有助于推动基于图像识别疾病的研究。

中国公司已经开发了基于图像识别技术的医疗诊断其他类型的系统。例子包括MaiRui公司的DC-6Expert通用数字彩色超声诊断系统和北京TianHuiHua数码科技公司的数字彩色多普勒超声诊断仪。

农业

机械化和复杂性的增加，正在成为在中国农业的主要趋势。这提供了很好的机会为图像识别在农业工程的发展机会。

与工业图像识别应用相比，农业工程中的应用起步较晚。中国在20世纪90年代开始相关研究。随着传感器和图像信息采集技术的发展，近年来，农业工程中的应用研究已取得了很大进展。这些应用也日趋广泛，涉及农产品质量的评估、农业机器人、集约化农业、监测动物和植物生长等方面。几位中国大学和研究机构，如中国农业大学、浙江大学、北京农业机械研究所，开展了相关研究。这项研究大多侧重于质量评估和产品分级。

2003年，北京市农业机械研究所研制出黄瓜自动分级系统。该系统把黄瓜分为五个等级，根据颜色、大小和体积。浙江大学开发出一种智能的实时检测和分级的水果产品线。这条线可以全面评估大小、颜色、形状、缺陷和其他质量因素。此外，中国的研究人员已经使用图像识别技术对农作物的种子质量品种进行鉴定和评估。

随着图像模式的日益复杂，要发展成为一个成熟的形象识别系统更有挑战性。为了应对这一挑战，你必须选择高效的算法、图像分割、特征提取、分类和决策中的实际问题。同时，你必须从应用环境中有效地利用多层次、多渠道的相关信息，并尽量减少信息的不确定性，通过信息融合，以提高系统的整体性能。

然而，即使是最先进的系统仍明显逊色于人类。关键的问题可能是，我们仍然对关于人类认知的确切机制所知甚少。建立可以实现的一种理论认为，在实践中几乎是不可能的。认知是人类感知和思维的基本过程。其内容范围从遥感数据输入到复杂问题的解决，人类社会从人类个体活动到人的智能活动。它还涉及人类智力的属性。

人类的认知机制的一个清醒的认识，将有助于提高图像识别技术。图11说明了智能图像信息处理与当前图像识别方法的认知机制相结合的过程。在西安交通大学的郑和他的同事们都进行了早期人类认知的选择性注意机制的研究。最近，他们扩展他们的研究，通过引进大型统计学习的概念。这样的研究可以受益认知科学和图像识别的整合，可能导致新型图像识别算法，从而提高了机器智能。

图像识别的历史概述

图像识别的研究始于20世纪40年代。然后，它在20世纪60年代迅速发展，。在过去几十年中，其理论和方法，吸引了来自各个科学领域的许多研究者的关注。其应用涵盖人类社会生活的许多方面，如文件处理、军事、安全、生物医药、农

业、工业自动化。

图像识别的发展涉及三个阶段：字符识别、图像处理与识别和识别物体。字符识别的研究开始于1950年，它包括字母，数字和符号识别。字符识别的应用包括机器印刷字符识别和手写字符识别。20世纪50年代初看到的第一个商业光学字符识别（OCR）的设备。图像处理和识别的研究始于1965年左右;它企图利用计算机自动二维图像的分析和理解。识别物体的研究始于20世纪70年代末，它主要侧重于3D物体识别，密切相关的是计算机视觉。

20世纪60年代中期以前，图像识别的方法主要是统计。但是，因为你不能直接使用上下文结构中的代表性和分析等方法，句法模式识别方法变得流行在20世纪70年代。在这种方法中，由富金孙提出的在20世纪70年代和80年代最为普遍。在20世纪80年代出现的复杂系统显示句法模式识别方法，由于原始的提取和语法的推理和串行计算形式的局限性未决问题的局限性。

当时的并行分布式处理和反向传播算法的图像识别研究成功打开了另一扇门，最终导致人工神经网络（神经网络）的研究热潮。然而，人工神经网络涉及的一些经验参数，如隐藏的级别号和节点号，在他们的应用中导致了许多问题。在20世纪90年代，统计模式识别与支持向量机（SVM的）和随机图模型的成功，再次成为一个研究重点。

图像识别的研究可分为理论或应用。它包括了形象的描述、图像分析和应用为导向的系统开发。形象描述的主要困难是提取图像的功能，这些功能强大的环境变化。图像分析的关键挑战是选择适当的分析模型与图像特征相一致。图像识别的主要问题是选择提取特征和分类问题的具体方法，以提高识别系统的性能。