1、目的及意义

1.1 研究目的及意义

如今，随着人类社会的稳步发展与进步，在人工智能计算机视觉领域的不断深入研究，图像特征识别技术也慢慢深入到了我们生活中的方方面面。图像识别的技术发展从最初的通过傅里叶描述子对于图像形状的区分与识别，到后来深入研究后更复杂的图形识别系统，诸如已经投入运用中许久的车牌号识别系统等，再到如今正向着复杂图像方面纵向发展的众多算法，包括人像识别与人体行为识别技术。当今社会下，人类的衣食住行早已经离不开众多高科技产品的辅助，复杂的图像识别比如人脸检测方法的发展，对于社会公共设施提供了极大的便利，例如学校、医院、警察局以及我们身边最为熟悉的支付宝都处处体现出了该类技术的重要作用。

图像识别作为当今AI技术及人工智能方面的一个重要的领域。在经历了上述的三个阶段：形状识别、文字识别、数字图像处理与识别之后，来到了物体识别阶段。顾名思义，物体识别就是对现实物体做出各种数学上的处理、分析，最后能够识别出我们所要研究的目标。只不过这一技术在今天所指的并不仅仅是依靠人类的肉眼与大脑进行，而是完全借助于计算机技术进行识别。实际上人类大脑的识别能力是相当强大的，在许多人的认知中，由于往日生活的理所当然，所以或许并没有意识到这其中的复杂与研究意义。对于科学技术正处于高速发展阶段的当今社会，人类自身所具有的识别能力已经渐渐满足不了我们的需求，因此在未来的更多时候，我们更多需要依靠的将是基于计算机发展的图像识别技术。这就像人类对于生物细胞的研究历史一般，想要完全的通过肉眼观察细胞是不现实的，因此在列文虎克发明了显微镜后，人类对于人体细胞学的空白领域才能够书写出如今的辉煌。

图像识别的研究领域主要有特征提取和分类识别两个方面。近年来，业内的诸多学者已经提出了许多能够解决特征提取识别率低的方法，在特征提取研究中根据图像的梯度、形状、纹理等特征提出了许多特征描述子，例如我们之前所提到的傅里叶描述子（Fourier Descriptor）以及局部二值模式等。

1.2 国内外研究现状

数据挖掘技术自1989年8月的第一届KDD（Knowledge Discovery in Database）国际学术会议被提出以来，迄今为止，已经经过了20多年的发展，在金融、医疗、通信以及信息处理等各个领域都发挥着重大的作用。

目前，许多企业和政府部门等机构都积累了海量的、不同维度的数据资料，数据挖掘主要用于从原始数据资料中挖掘有用的信息，而这些数据资料的维数已经对目前大多数数据挖掘算法的效率造成了严重的阻碍，这种阻碍被称之为“维数灾难”。也就是说，现有的数据挖掘算法对于低维数的数据十分有效，但是随着信息爆炸时代的发展，更多高维度数据的出现，原有的数据挖掘算法对于此类数据则很难得出有意义的结果。

近几年来，人们对数据挖掘技术的研究热情持续升温，在理论研究和技术应用等各个方面都取得了长足的进步，伴随着数据库技术和数据挖掘技术的不断发展，高维度数据集的降维这一现实问题已经引起了各界学者越来越多的关注。