計(jì)算機(jī)智能圖像識別技術(shù)研究

前言：本站為你精心整理了計(jì)算機(jī)智能圖像識別技術(shù)研究范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要：圖像識別是信息時(shí)代的關(guān)鍵技術(shù)之一，利用圖像識別技術(shù)能夠完成傳統(tǒng)傳感器技術(shù)無法實(shí)現(xiàn)的任務(wù)，同時(shí)借助圖像識別與多源信息的融合，能夠讓監(jiān)測效果更佳精確。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)算力進(jìn)一步提升，對信息的處理能力獲得了極大的改善。依托于智能圖像識別算法，可以獲得識別準(zhǔn)確率的提升，也能夠降低識別所需的時(shí)間，在未來人工智能領(lǐng)域?qū)l(fā)揮重要的作用。本文針對智能圖像識別技術(shù)發(fā)展的現(xiàn)狀和特點(diǎn)進(jìn)行了分析，同時(shí)對該技術(shù)的實(shí)現(xiàn)和改進(jìn)提出了相應(yīng)的建議。

關(guān)鍵詞：計(jì)算機(jī)；只能圖像識別；算法與技術(shù)

0引言

隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，更加先進(jìn)的算法應(yīng)用在了圖像識別技術(shù)中，比如神經(jīng)網(wǎng)絡(luò)、遺傳算法、小波算法等，這些算法和技術(shù)的實(shí)現(xiàn)與應(yīng)用，在提高圖像識別準(zhǔn)確性和速度方面起到了重要的作用。相比于傳統(tǒng)的圖像識別技術(shù)，智能圖像識別技術(shù)除了用于更為精確的識別能力之外，其海量的存儲能力也為該技術(shù)的應(yīng)用打下了基礎(chǔ)，通過數(shù)據(jù)分類和對比，能夠更加方便的進(jìn)行圖像的比對，先進(jìn)分類算法的應(yīng)用，即使面對大量的數(shù)據(jù)也能夠游刃有余。隨著云技術(shù)和大數(shù)據(jù)技術(shù)的普及，將智能識別技術(shù)與云數(shù)據(jù)庫關(guān)聯(lián)，能夠讓智能圖像識別技術(shù)的功能變得更加強(qiáng)大。

1圖像識別技術(shù)的原理與發(fā)展現(xiàn)狀

1.1圖像識別技術(shù)的原理。（1）圖像識別技術(shù)的原理。圖像識別技術(shù)是現(xiàn)在研究領(lǐng)域中非常熱門的一種技術(shù)，通過圖像識別能夠解決以往難以解決的問題。而計(jì)算機(jī)能夠利用采集到的圖像信息對圖片進(jìn)行分析和處理，進(jìn)而實(shí)現(xiàn)對圖像的識別。計(jì)算機(jī)圖像識別技術(shù)就是利用圖像中的相關(guān)特征進(jìn)行判斷，通過這些特征能夠?qū)D片進(jìn)行分析，而計(jì)算機(jī)中本身存儲了海量的圖片信息特征，通過計(jì)算機(jī)的識別與數(shù)據(jù)庫中的信息進(jìn)行對比，可以實(shí)現(xiàn)對圖像的識別。這種識別技術(shù)與人類圖像識別是相似的，都是通過之前的學(xué)習(xí)實(shí)現(xiàn)對新圖片的識別。以圖像特征為基礎(chǔ)的圖像識別技術(shù)與人眼識別圖像是相似的，他們不僅都是利用內(nèi)部存儲的信息進(jìn)行圖像判斷，而且在獲取圖像細(xì)節(jié)特征的過程中，智能圖像識別技術(shù)也是模擬人眼識別的過程。根據(jù)相關(guān)的研究可以發(fā)現(xiàn)，人眼在進(jìn)行圖像識別的過程中，眼睛的目光總是跟蹤圖像上的最顯著特征，比如在識別建筑物時(shí)，人眼最先觀察到的總是建筑物與其他建筑物之間的差別之處，像建筑物上的標(biāo)志、建筑物的曲線弧度等，之后才是觀察建筑物與其他建筑物之間的共性。這也是最能夠判斷圖像信息的要素之一。所以在利用計(jì)算機(jī)進(jìn)行識別的過程中，也是首先抓住圖像中的特殊要素。在一幅圖像中，包含有眾多的要素信息，如果將這些要素信息進(jìn)行逐次識別判斷，那么不僅需要耗費(fèi)大量的計(jì)算機(jī)算力，同時(shí)也會減慢計(jì)算機(jī)識別的速度。而利用主要信息要素進(jìn)行圖像識別，能夠進(jìn)一步提升計(jì)算機(jī)的識別速度，并且可以在識別的過程中讓計(jì)算機(jī)不斷訓(xùn)練，豐富對特殊要素的認(rèn)知能力，這樣計(jì)算機(jī)在進(jìn)行的圖像識別過程中內(nèi)部已經(jīng)存儲了該要素的信息，可以進(jìn)一步減小圖像識別過程中的誤判率，提高圖像識別的智能化。

1.2圖像識別技術(shù)的發(fā)展現(xiàn)狀。圖像識別技術(shù)的發(fā)展已經(jīng)從文本圖像過渡到數(shù)字圖像。從二十世紀(jì)中葉的文本識別研究到中后期的數(shù)字圖像處理研究，這種發(fā)展不僅提高了存儲質(zhì)量，而且提高了信息分析的效率。現(xiàn)場開發(fā)提供了豐富的研究成果。與傳統(tǒng)的模擬圖像識別方法相比，數(shù)字圖像識別技術(shù)的應(yīng)用可以大大保證數(shù)字信息的真實(shí)性和完整性，并為各個(gè)領(lǐng)域的員工提供實(shí)用的圖像處理方法，以更好地展現(xiàn)圖像信息中包含的數(shù)字信息內(nèi)容。但是現(xiàn)在圖像識別也面臨著巨大的挑戰(zhàn)，隨著圖像識別技術(shù)在各行各業(yè)中得到應(yīng)用，對于其識別精確度、識別速率的要求也越來越高，而圖像識別過程本身需要處理大量的數(shù)據(jù)，所以做好圖像特征提取、消除冗余信息影響，將會是智能圖像處理技術(shù)發(fā)展的趨勢。

2計(jì)算機(jī)智能圖像識別技術(shù)的實(shí)現(xiàn)及改進(jìn)建議

2.1計(jì)算機(jī)智能圖像識別技術(shù)的實(shí)現(xiàn)。智能圖像識別技術(shù)能夠更加準(zhǔn)確和快速的識別出圖像信息，要想實(shí)現(xiàn)這些功能，需要提前建立起相關(guān)圖像的模型，并且能夠利用學(xué)習(xí)算法不斷優(yōu)化模型，使得模型中包含的圖像特征更加全面。在這個(gè)過程中，為了能夠減輕圖像識別設(shè)備的壓力，可以將模型的訓(xùn)練過程放在云系統(tǒng)上進(jìn)行。云端具有超大的存儲容量，可以滿足對圖像數(shù)據(jù)的存儲，同時(shí)借助云端的訓(xùn)練能力，能夠利用深度學(xué)習(xí)等智能算法進(jìn)行模型訓(xùn)練，隨著數(shù)據(jù)庫不斷豐富，模型能夠更加精確。（1）信息采集與預(yù)處理。信息采集與預(yù)處理是實(shí)現(xiàn)圖像識別的第一道工序，通過相關(guān)設(shè)備獲取到的圖像往往會含有一些噪聲信號和干擾源，比如圖像中出現(xiàn)過多的噪點(diǎn)，影響對圖像信息的提??；圖像中除了要識別的主要元素之外還含有其他的干擾影響，這會加劇圖像識別算法的壓力。所以在進(jìn)行圖像識別之前，需要對圖像進(jìn)行去噪處理。現(xiàn)在主要的圖像去噪處理方法為小波去噪和中值去噪，小波去噪能夠去除其中的白噪聲，降低隨機(jī)噪聲的干擾，而中值去噪能夠降低圖像中椒鹽噪聲的影響。通過神經(jīng)網(wǎng)絡(luò)、主元分析等方式對這些算法進(jìn)行優(yōu)化，能夠進(jìn)一步提升算法性能。（2）邊緣信息提取。邊緣信息是圖像識別過程中的細(xì)節(jié)信息，這些信息包含了圖像的色彩和亮度的變化過程，在圖像識別過程中起著非常重要的作用。當(dāng)前，最常用的提取方法是：空間梯度方法、小波變換方法、Zernike等。上述所有方法都有其自身的優(yōu)點(diǎn)，并且都具有某些缺點(diǎn)和缺點(diǎn)。例如，空間梯度法能夠利用梯度下降的方式，更快的趨近于理想的效果，不過該方法容易在趨近過程中受到梯度參數(shù)的影響；小波變換的方式在圖像處理過程中最常用，但是小波分解過程所需的時(shí)間較長。所以在進(jìn)行圖像識別過程中往往不會單獨(dú)利用一種方法，而是將多種不同的方式進(jìn)行結(jié)合，以此達(dá)到更加精確、快速識別的目的。（3）目標(biāo)定位。在圖像特征提取之后，為了能夠更好的進(jìn)行識別，往往需要針對圖像中的某些區(qū)域進(jìn)行進(jìn)一步分析，以此提高判斷的準(zhǔn)確度，這便是圖像識別過程中的目標(biāo)定位。在某些定位過程中，背景的復(fù)雜度越高，對定位精度的影響就越大，因?yàn)槟繕?biāo)會影響定位。因此，可以將圖像的顏色、邊緣信息以及紋理特征等因素作為目標(biāo)定位的基本條件。

2.2圖像識別技術(shù)的改進(jìn)。圖像識別技術(shù)在視頻跟蹤中用到的最多，但是傳統(tǒng)視頻圖像識別技術(shù)一般采用MeanShift算法，該算法不需要參數(shù)及快速模式匹配的特點(diǎn)所以在視頻圖像蹤領(lǐng)域中被廣泛使用。但是因?yàn)榇怂惴o法有效更新系統(tǒng)，并且無法改變核函數(shù)窗寬，以此嚴(yán)重影響了跟蹤的精準(zhǔn)度。在目標(biāo)具有明顯的尺度變化過程中，會使尺度不精準(zhǔn)，還會丟失目標(biāo)。針對這一問題，可以通過基于CamShift的視頻跟蹤算法對視頻圖像識別與跟蹤技術(shù)進(jìn)行改進(jìn)。圖像識別中，對于顏色的感知能力是非常重要的。我們都知道RGB顏色空間對于光照亮度的變化較為敏感，而這種敏感特性在圖像識別的過程中容易產(chǎn)生影響，不利于計(jì)算機(jī)對顏色信息的判斷。所以為了能夠避免該問題，該算法能夠?qū)D像從RGB顏色空間轉(zhuǎn)變成為HSV顏色空間，從而實(shí)現(xiàn)后續(xù)的處理。

3結(jié)束語

圖像識別技術(shù)的應(yīng)用能夠提升操作的方便性，進(jìn)一步提升生產(chǎn)效率。在智能圖像識別算法中，能夠獲得更大的數(shù)據(jù)庫，同時(shí)能夠在數(shù)據(jù)分類和判斷中提供更加精準(zhǔn)的依據(jù)，當(dāng)然，這些都要借助于智能算法模型。在人工智能不斷發(fā)展的今天，智能識別技術(shù)將會進(jìn)一步應(yīng)用于自動駕駛、工業(yè)生產(chǎn)、智慧生活等多個(gè)領(lǐng)域，利用先進(jìn)的識別技術(shù)和算法以及大數(shù)據(jù)技術(shù)，可以讓智能圖像識別能力獲得質(zhì)的提升。

作者:黃曉璐 單位:河南護(hù)理職業(yè)學(xué)院