- 2.4.2 自动图像识别系统
自动图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和图像匹配。
（1）图像输入。 将图像采集下来输入计算机进行处理是图像识别的首要步骤。
（2）预处理 。为了减少后续算法的复杂度和提高效率，图像的预处理是必不可少的。其中背景分离是将图像区与背景分离，从而避免在没有有效信息的区域进行特征提取，加速后续处理的速度，提高图像特征提取和匹配的精度；图像增强的目的是改善图像质量，恢复其原来的结构；图像的二值化是将图像从灰度图像转换为二值图像；图像细化是把清晰但不均匀的二值图像转化成线宽仅为一个像素的点线图像。
（3）特征提取 。特征提取负责把能够充分表示该图像唯一性的特征用数值的形式表达出来。尽量保留真实特征，滤除虚假特征。
（4）图像分类。 在图像系统中，输入的图像要与数十上百甚至上千个图像进行匹配，为了减少搜索时间、降低计算的复杂度，需要将图像以一种精确一致的方法分配到不同的图像库中。
（5）图像匹配。 图像匹配是在图像预处理和特征提取的基础上，将当前输入的测试图像特征与事先保存的模板图像特征进行比对，通过它们之间的相似程度，判断这两幅图像是否一致。下面将从图像预处理、特征提取、图像分类及特征匹配这几个方面来讨论自动图像识别技术的研究现状和一些不足之处。
2008年8月，人脸识别技术被用于北京奥运会安保，在开幕式上数万名观众由国家体育场鸟巢的100多个人脸识别系统快速身份验证关口入场。直至开幕式结束，现场秩序井然。人脸识别系统不仅准确稳定的锁定分析人脸特征，以找出可疑人员，且分析速度快，避免了以往大型会议时安检通道拥堵的情况发生，目前比较流行的通过街景扫描实现导航寻找附近餐厅及商场等设施的功能属于典型的图像识别技术，人脸识别技术也是生物是识别技术的一种。
相关知识点：
- 2.4.1 图像识别技术概述
- 2.4.2 自动图像识别系统