记新生研讨课

电子科技大学 格拉斯哥学院 2017级 韩浩然
学号：2017200505029

本人为于去年参加了学校组织的新生研讨课，现应学院要求写此博客浅谈一下我在新生研讨课中学习到的知识以及接触新学科的感触。由于学院组织了多次研讨课，涉及范围广，并不能全部涉及，故在此我只聊一聊我感兴趣的部分，图像识别部分。

通过新生研讨课，我和同学们初步掌握了图像识别的基础理论和操作规则，现进行一下回顾和总结。

实现图像识别技术的数学工具是矩阵，我们在线性代数中对其操作和性质做了深入的研究，但并未介绍其应用，而在此，老师给大家做了深入探讨。首先，图像是由许多的像素点组成，每一个像素点分布在不同的位置，且有不同的属性，例如，颜色，灰度，对比度，亮度，而在矩阵当中，其横纵坐标就代表了像素点的位置，而通常图像上所标记的x×y像素即为矩阵的大小。而在每一个矩阵的元素当中，会包含着不同的值，这些值组合在一起形成向量，共同描述图像在该点的属性。另外，这些值一般为零到一闭区间上的连续数值，不同数值代表不同属性。

对于矩阵的操作就代表了对于图像的操作，例如，将所有左侧元素的值赋给右边元素，则宏观上，图像就整体右移了一个单元像素。此外，我们通过对图像的矩阵左乘特殊的Givens矩阵，可以达到将整体矩阵旋转的效果，当然，我们还能通过左乘Householder矩阵，从而达到镜像转换的效果。这些都是基本的矩阵操作，作用于矩阵数值的细节方面，我们就能达到对整个图像的具体操作。诚然，灰度，对比度等操作课堂上虽有涉及，但我在此就不做过多罗列了。

至于图像识别，主要是问题在于判断矩阵的特征。在此，老师介绍了基于模拟信号处理的图像识别技术，但据其描述，其只能达到一些简单功能，过于复杂的功能还要靠数字信号处理，也就是我们先前给出的矩阵操作，来实现。在此，矩阵的特征值问题，谱分解问题问题，奇异值问题被一一列举，并对大家做了简要但却精彩的概括性介绍，让同学们简要理解了图像识别的基础操作。

这就是我此次参加新生研讨课的感想，希望各位老师给出中肯的建议与意见，使我在今后的学习生活中进步。