1、圖像識(shí)別是近20年發(fā)展起來(lái)的一門(mén)模式識(shí)別技術(shù)，可將人的視覺(jué)認(rèn)知和理解過(guò)程用現(xiàn)代信息處理技術(shù)和計(jì)算機(jī)技術(shù)來(lái)完成，它以研究根據(jù)提取圖像的特征進(jìn)行識(shí)別和分類(lèi)為主要內(nèi)容，廣泛應(yīng)用于文字識(shí)別、指紋識(shí)別、遙感、醫(yī)學(xué)診斷、工業(yè)產(chǎn)品檢測(cè)、衛(wèi)星航空?qǐng)D片解釋等領(lǐng)域。
　　 提取圖像特征時(shí)，為使目標(biāo)圖像具有平移、旋轉(zhuǎn)和比例不變性，可根據(jù)矩算法提取不變矩特征,包括Hu矩、Zernike矩和小波矩。Hu矩和Zernike矩都是在整個(gè)圖像空間中計(jì)算，得到的

2、是圖像全局特征，容易受到噪聲干擾。尤其當(dāng)可用樣本的數(shù)量較少時(shí)，選擇最能表示圖像的特征就顯得非常重要。基于小波變換的小波矩能同時(shí)得到圖像的全局特征和局部特征，更適合識(shí)別相似形狀或者有噪聲干擾的目標(biāo)圖像。
　　 在模式分類(lèi)方面，可采用BP神經(jīng)網(wǎng)絡(luò)，但BP網(wǎng)絡(luò)具有容易陷入局部極小點(diǎn)、收斂速度慢、識(shí)別率波動(dòng)幅度較大等缺點(diǎn)；小波神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)BP網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)，解決了BP網(wǎng)絡(luò)的收斂速度緩慢等問(wèn)題，卻具有初始化參數(shù)過(guò)程復(fù)雜、多維輸入情況下計(jì)

3、算量劇增等缺點(diǎn)。支持向量機(jī)(Support Vector Machine--SVM)是建立在統(tǒng)計(jì)學(xué)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上的一門(mén)新興學(xué)科，能較好解決局部極小點(diǎn)、高維數(shù)、非線(xiàn)性等實(shí)際問(wèn)題。
　　 基于統(tǒng)計(jì)的圖像識(shí)別方法(如模板匹配)只有在樣本足夠大時(shí)，性能才有保證。實(shí)際中有時(shí)難以提供大量樣本，這樣就可能因信息量不足而導(dǎo)致識(shí)別準(zhǔn)確率和推廣能力下降；神經(jīng)網(wǎng)絡(luò)作為分類(lèi)算法時(shí)推廣能力十分有限。為此本文提出一種小波矩結(jié)合支