目前最好的图像识别技术解决方案是什么？

本文对智能人机交互中的图形识别方法进行了深入系统地研究，在研究中，应用了近年来模式识别中分类器联合方面以及图像匹配方面的一些新方法，并且结合应用背景对这些方法进行了进一步的改进。本文围绕智能人机交互中的图形识别这个主题，分别讨论了联机图形笔划的单分类器识别、联机图形笔划的多分类器联合识别、联机图形的结构识别、脱机图形符号识别和图形符号语义联想等内容。 第一章，介绍了人机交互的系统模型，以及人机交互中的图形识别技术。回顾了人机交互技术的历史与现状。接着介绍了本文的研究成果和本文的章节安排。 第二章，选择了三种不同分类器对联机图形单笔划进行分类。每一种分类器都基于互不相同的特征集合和不同的分类机制，具有较强的独立性。使用的分类器分别为基于模糊特征的线性分类器、使用几何定义特征的分层分类器以及基于曲度频域特征的距离分类器。对三种分类器的性能进行了实验比较，实验结果说明几种分类器具有一定的互补性。 第三章，研究了基于不同模式特征的多分类器联合方法问题。基于一个理论框架，从理论上提出了一种新的分类器联合方法，并对该联合方法进行了性能估计。将这种方法应用于联机几何图形识别问题，联合了三种分类器，每种分类器的机制各不相同，并且都基于不同的模式特征。并且将这种分类器联合方法与几种现有的联合方法进行了实验比较，实验结果说明这种方法具有较高的识别率。 第四章，提出了基于动态工作模板的联机图形属性关系图(ARG)匹配策略，解决了联机图形结构识别中由于存在单笔划的多笔绘制以及笔顺不固定而引起的问题。采用了A~*算法进行元线级别ARG的最优匹配，为此提出了适用于联机图形的代价函数和启发函数。提出了元线级别ARG模板匹配策略，加快了匹配速度。 第五章，提出一种基于Hausdorff距离进行图形符号识别的方法，为以位图形式存放的图形符号的识别和检索提供了一个有效的途径。讨论了Hausdorff距离的性质以及计算方法，指出了在复杂的背景图像中，利用有向Hausdorff距离进行图形符号匹配的适用性，并且提出了一个计算Voronoi曲面的具体算法。提出了在图形符号匹配中，利用事先构造好的多级旋转模型和多级尺度模型的匹配方案。针对由于尺度变换和旋转变换所带来的较大计算开销，本章提出一种基于Hausdorff距离的两阶段识别方法。 第六章，研究了图形符号基元选取的准则，提出了从图形符号到汉语词语的语义映射方法，提出了基于模糊认知图的汉语词语聚类方法，最后提出了利用汉语词语聚类来实现图形符号联想的方法。这种图形符号的语义联想方法可以用来改善信息检索系统的人机交互效率以及用于数据挖掘领域中的信息可视化技术。