图像处理上，随着图像高精度的边缘信息的提取，很多原本混合在背景噪声中难

Bei der Bildverarbeitung wurden mit der Extraktion hochpräziser Kanteninformationen aus dem Bild viele kontrastarme Defekte behoben, die ursprünglich nur schwer direkt im Hintergrundrauschen zu erkennen waren. <br>Bei der Mustererkennung kann dies als Markierungsprozess selbst angesehen werden, und die zu erkennenden Muster werden auf der Grundlage eines bestimmten Grades oder einer bestimmten Beobachtung in ihre jeweiligen Muster unterteilt. Die Hauptanwendungen der Bilderkennung sind Entscheidungstheorie und Strukturmethoden. Die Grundlage entscheidungstheoretischer Methoden ist die Entscheidungsfunktion, mit der Mustervektoren anhand von Zeitbeschreibungen (z. B. statistische Textur) klassifiziert und identifiziert werden. Der Kern struktureller Methoden besteht darin, Objekte in Muster oder Musterprimitive zu zerlegen, die unterschiedlich sind Die Objektstruktur hat verschiedene primitive Zeichenketten (oder Zeichenketten). Durch Verwenden eines gegebenen Musterprimitivs zum Finden der Codierungsgrenze für ein unbekanntes Objekt wird eine Zeichenkette erhalten, und dann wird ihre Gattung gemäß der Zeichenkette beurteilt. Bei der Feature-Generierung entstehen viele neue Algorithmen, einschließlich Features, die auf Wavelet-, Wavelet-Paket-, Fraktal- und eindeutigen Zweikomponentenanalysen basieren. Sie beziehen sich auch auf das Design von Sub-Support-Vektor-Maschinen, die Anpassung deformierter Templates, lineare und nichtlineare Klassifizierer usw. Weiter verlängern.

图像处理上，随着图像高精度的边缘信息的提取，很多原本混合在背景噪声中难以直接检测的低对比度瑕疵开始得到分辨。<br>模式识别上，本身可以看作一个标记过程，在一定量度或观测的基础上，把待识模式划分到各自的模式中去。图像识别中运用得较多的主要是决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；结构方法的核心是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。在特征生成上，很多新算法不断出现，包括基于小波、小波包、分形的特征，以及独二分量分析；还有关子支持向量机，变形模板匹配，线性以及非线性分类器的设计等都在不断延展。

Bei der Bildverarbeitung, bei der Extraktion hochpräziser Kanteninformationen, begannen viele Kontrastfehler, die ursprünglich im Hintergrundlärm gemischt und schwer direkt zu erkennen waren, zu lösen.<br>Die Mustererkennung selbst kann als Markierungsprozess angesehen werden. Auf der Grundlage bestimmter Messungen oder Beobachtungen werden die zu erkennenden Muster in ihre eigenen Muster unterteilt.Entscheidungstheorie und Strukturmethode werden hauptsächlich bei der Bilderkennung eingesetzt.Die Grundlage der Entscheidungstheorie ist die Entscheidungsfunktion, die zur Klassifizierung und Erkennung von Mustervektoren auf der Grundlage der zeitlichen Beschreibung (wie statistische Textur) verwendet wird; der Kern der Strukturmethode ist es, Objekte in Muster oder Muster Primitive zu zerlegen, während verschiedene Objektstrukturen verschiedene primitive Strings (oder Strings) haben.die Saite holen und dann die Gattung nach der Saite beurteilen.In der Feature-Generierung entstehen viele neue Algorithmen, darunter Funktionen, die auf der Wellenlänge, dem Wellenpaket, der Fraktal und der Zweikomponenten-Analyse basieren; es gibt auch Subsupport-Vektor-Maschine, verformbare Template-Matching, lineare und nichtlineare Klassifizierer Design und so weiter.