人工智能、机器学习、计算机视觉（整理）

人工智能学科的核心思想和主要内容。其本质在于模拟和研究人类认知机制的信息处理过程。该学科的目标是设计能够具备一定程度智能的人工系统，并探索如何利用计算机技术实现类似人类认知的任务。从其本质特征来看, 人工智能是对人类思维活动信息本质的模拟与模仿

机器学习是研究计算机如何模拟或实现人类似乎的学习行为, 以获取新的知识或技能, 并不断优化自身的能力结构的过程。它是人工智能发展的重要基础, 是赋予计算机智能化的关键途径, 其应用范围极为广泛, 主要采用归纳推理而非演绎推理方法

计算机视觉：运用计算机模拟人眼视觉机理以获取信息并处理图像的能力

图像处理： 图像处理技术将输入图像转换为目标图像，并根据所需特性进行生成。例如，在这种情况下可以通过特定的方法使输出图像具有显著提升的信噪比；或者采用增强方法来突出图片中的细节部分以便于操作人员进行评估和分析。在计算机视觉研究中经常利用该类图像处理技术来进行预处理以及特征提取工作。

模式识别：基于从图像中提取出的统计特征与空间结构特征，在计算机视觉领域中常用作处理图像中的特定区域。例如，在文本字符辨认以及指纹辨认等方面都有广泛的应用。在这一过程中，则通过实现对分割区域的身份鉴定与分类过程来完成任务。

图像理解：给定一幅图像后，在图像理解程序中不仅刻画了图像本身的特征，并且对图像所代表的景物进行了详细解析以便确定图像所代表的内容。在早期的人工智能视觉研究中常使用景物分析这个词以强调二维图像与三维景物之间的区别关系。而图象理解不仅要依赖于复杂的图像处理技术还需要深入理解景物成像的基本物理规律以及熟悉与特定场景相关的知识体系。

计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景，例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。
图象处理与图像分析的研究对象主要是二维图像，实现图像的转化，尤其针对像素级的操作，例如提高图像对比度，边缘提取，去噪声和几何变换如图像旋转。这一特征表明无论是图像处理还是图像分析其研究内容都和图像的具体内容无关。
机器视觉主要是指工业领域的视觉研究，例如自主机器人的视觉，用于检测和测量的视觉。这表明在这一领域通过软件硬件，图像感知与控制理论往往与图像处理得到紧密结合来实现高效的机器人控制或各种实时操作。
模式识别使用各种方法从信号中提取信息，主要运用统计学的理论。此领域的一个主要方向便是从图像数据中提取信息。
还有一个领域被称为成像技术。这一领域最初的研究内容主要是制作图像，但有时也涉及到图像分析和处理。例如，医学成像就包含大量的医学领域的图像分析。
对于所有这些领域，一个可能的过程是你在计算机视觉的实验室工作，工作中从事着图象处理，最终解决了机器视觉领域的问题，然后把自己的成果发表在了模式识别的会议上。