近30多年來,光學技術在模式識別領域得到了廣泛的應用.模式識別是指對表征事物或現象的各種形式的信息進行處理和分析,從而對事物或現象進行描述、辨認、分類和屆時的過程.他是信息科學和人工智能的重要組成部分,主要應用于圖像分析與處理、語音識別、聲音分類、通信、計算機輔助診斷、數據挖掘等領域.
在光學信息處理領域研究得最廣泛的模式識別技術是圖像識別與字符識別,通常采用固定一系列或一套參考函數,系統的目的是要確定這一類參考函數中哪些部分在輸入中存在(通常還要確定其在輸入平面中的位置).所有的光學圖像識別和字符識別系統中的關鍵操作是輸入與參考函數的“相關”或兩個輸入函數的“相關”.本站首先討論光學相關匹配的濾波的基本概念,然后討論體全息圖像庫(模式庫)的建立過程和特性,以及針對體全息圖像庫提高識別率的方法和途徑,最后介紹目前在體全息光學相關系統的研究進展.
光學相關與匹配濾波
在絕大多數光學圖像識別系統中,“相關”是通過輸入函數與參考函數傅里葉變換的乘積而實現的.此時,參考圖形以參考函數傅里葉變換的共軛形式存儲起來,因為該參考圖形放置在傅里葉平面,故它是空間濾波器;濾波器函數是復函數,因此可以用全息圖來實現.該濾波器的作用是要確定輸入圖像(或它的一部分)是否與參考函數匹配,因此,這種傅里葉平面的復函數型參考圖樣被稱為匹配空間濾波器(Matched Spatial Filter,MSF).匹配濾波的理論在電子信號處理領域發展得很成熟,它是噪聲中提取信號的最佳濾波器.對于圖像識別而言,信號是所需要的重要目標或正在尋找的參考函數,噪音是輸入中的任何其他不屬于重要目標的那些部分.