为什么傅立叶变换可用于图像识别，同时对噪声敏感？

Question

正如我们所知，傅里叶变换对噪音敏感（如盐和辣椒），

如何仍然可以用于图像识别？

这里有FT专家吗？

Answer 1

更新以实际回答您提出的问题... :)使用非线性过滤器预处理图像以抑制盐和放大器胡椒噪音。中位数过滤器可能？

关于匹配滤波器上FFT的基本教训如下......

在较大图像中检测较小图像的经典方法是匹配过滤器。从本质上讲，这涉及将较大的图像与较小的图像（您想要识别的东西）进行互相关。

1. 对于放大图像中的每个位置
2. 在较大的图像上叠加较小的图像
3. 将所有相应的像素相乘
4. 总结结果
5. 将该总和放在过滤图像中的此位置

匹配滤波器是最佳选择，其中较大图像中的唯一噪声是白噪声。

这在计算上很慢，但它可以分解为FFT（快速傅里叶变换）操作，这些操作效率更高。有更复杂的图像匹配方法可以比匹配滤波器更好地容忍其他类型的噪声。但很少有与使用FFT实现的匹配滤波器一样高效。

Google“匹配过滤器”，“互相关”和“卷积过滤器”等。

例如，这里有一个简短的解释，也指出了这种非常古老的学校图像匹配方法的缺点：http://www.dspguide.com/ch24/6.htm

Answer 2

不确定你究竟在问什么。如果您询问FFT如何用于图像识别，请参阅以下内容。

FFT可用于执行图像“分类”。它不能用于识别不同的面或对象，但可用于对图像类型进行分类。 FFT计算图像的空间频率内容。因此，例如，自然场景，面部，城市场景等将具有不同的FFT。因此，您可以对图像进行分类，甚至可以对图像进行分类（例如航空照片以对地形进行分类）。

此外，FFT用于图像识别的预处理。它可用于OCR（光学字符识别），以将扫描图像旋转到正确的方向。键入文本的FFT具有强烈的方向性。同样适用于工业自动化中的零件检测。

Answer 3

我认为您不会发现许多依赖傅立叶变换进行图像识别的方法。

在盐和胡椒噪声的情况下，它可以被认为是高频噪声，因此您可以在与目标图像进行比较之前对FFT进行低通滤波。 我想它会起作用，但是有些相似的不同图像（比如两张照片都是在外面拍摄的）会记录为相同的图像。