基于計(jì)算機(jī)智能圖像識(shí)別的算法與技術(shù)研究

李思奇

摘 要 近年來，計(jì)算機(jī)技術(shù)的應(yīng)用越來越多地使用智能圖像識(shí)別技術(shù)來完成工作。該技術(shù)可以確保所使用的圖像信息得到有效的分析和識(shí)別，并且還可以轉(zhuǎn)換為數(shù)字信息。本文從了解圖像識(shí)別的現(xiàn)狀和基礎(chǔ)開始，討論了該應(yīng)用程序的特定優(yōu)勢(shì)以及支持圖像識(shí)別技術(shù)以及算法內(nèi)容的前景。

關(guān)鍵詞 計(jì)算機(jī);智能圖像識(shí)別;算法;技術(shù)

1圖像識(shí)別特點(diǎn)、現(xiàn)狀及技術(shù)優(yōu)勢(shì)分析

1.1 技術(shù)特點(diǎn)

計(jì)算機(jī)智能圖像識(shí)別技術(shù)具有三個(gè)主要特征：①信息量大。取決于計(jì)算機(jī)配置，操作系統(tǒng)和存儲(chǔ)容量，基于二維信息的圖像信息處理方法包含大量信息，并且需要足夠的準(zhǔn)備條件。圖像識(shí)別過程;相關(guān)性強(qiáng)。在計(jì)算機(jī)系統(tǒng)中，圖像的像素之間具有非常強(qiáng)的相關(guān)性，因此在智能圖像識(shí)別過程中，必須有效地壓縮圖像輸入信息，以獲得準(zhǔn)確的分類和對(duì)應(yīng)關(guān)系。圖片信息;自然人性強(qiáng)。在通過計(jì)算機(jī)進(jìn)行智能圖像識(shí)別處理之后，通常由人來評(píng)估修整過程，并且人為因素在圖像的觀察和評(píng)估中具有很大的局限性，即圖像識(shí)別。

1.2 現(xiàn)狀

圖像識(shí)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(shí)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(chǔ)質(zhì)量，而且提高了信息分析的效率?，F(xiàn)場(chǎng)開發(fā)提供了豐富的研究成果。與傳統(tǒng)的模擬圖像識(shí)別方法相比，數(shù)字圖像識(shí)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。

1.3 技術(shù)優(yōu)勢(shì)分析

信息技術(shù)的重要性越發(fā)凸顯。由計(jì)算機(jī)系統(tǒng)處理的圖像可以獲得相關(guān)的二維信息。如果計(jì)算機(jī)的配置和運(yùn)行速度不夠，隨著二維信息的不斷增加，計(jì)算機(jī)的整體性能可能會(huì)下降。成像過程中的智能圖像識(shí)別可以通過圖像傳輸來識(shí)別，因此可以獲得更多信息和高精確度。對(duì)于傳統(tǒng)的圖像處理技術(shù)，大多數(shù)是模擬圖像的數(shù)字轉(zhuǎn)換。在此過程中，只能獲得二維數(shù)的組合，并且它們的像素將不超過32位。如果超過該限制，則將失效。智能圖像識(shí)別可提供更敏感的圖像信息。通過提高圖像精度，可以滿足不同用戶的使用需求。智能圖像識(shí)別可確保所存儲(chǔ)圖像信息的完整性，同時(shí)防止出現(xiàn)圖像丟失問題，并且可以全面管理圖像與信息之間的關(guān)系。最重要的是，技術(shù)幾乎可以在任何情況下還原映像。在使用計(jì)算機(jī)系統(tǒng)的智能圖像識(shí)別過程中，必須專門分析不同的圖像，并且必須壓縮圖像。在此基礎(chǔ)上，可以獲得有關(guān)圖像本身的信息，因此，對(duì)信息的屬性進(jìn)行特殊分類以更好地與像素相對(duì)應(yīng)。對(duì)于3D圖像，在輸入三維幾何圖像時(shí)無法獲得三維幾何圖像，但必須對(duì)其進(jìn)行再次測(cè)量，并根據(jù)投影信息數(shù)據(jù)的經(jīng)驗(yàn)進(jìn)行相關(guān)假設(shè)。智能圖像識(shí)別可以直接引導(dǎo)3D場(chǎng)景，防止識(shí)別問題。出色的靈活性智能圖像識(shí)別使該技術(shù)能夠通過在圖像處理過程中放大圖像來識(shí)別各種圖像，例如手機(jī)卡。由于線性和非線性的結(jié)合，所獲得信息的完整性得到了進(jìn)一步的改善：在編輯不同的圖像之后，可以在計(jì)算機(jī)上更仔細(xì)地對(duì)其進(jìn)行組合以提高圖像的清晰度[1]。

2計(jì)算機(jī)智能圖像識(shí)別技術(shù)

2.1 采集與預(yù)處理

使用智能計(jì)算機(jī)圖像識(shí)別技術(shù)識(shí)別圖像時(shí)，應(yīng)收集相關(guān)信息。信息量與識(shí)別結(jié)果的準(zhǔn)確性密切相關(guān)。圖像特征和外部因素可能會(huì)導(dǎo)致識(shí)別效果出現(xiàn)偏差。圖像識(shí)別人員應(yīng)做好圖像信息的預(yù)先處理，以在采集圖像時(shí)收集和收集信息，并提高識(shí)別結(jié)果的可靠性。作為圖像識(shí)別的主要鏈接，這將對(duì)整個(gè)識(shí)別過程和識(shí)別結(jié)果產(chǎn)生重大影響。模式識(shí)別有兩個(gè)階段：學(xué)習(xí)階段和實(shí)現(xiàn)階段。第一種是選擇樣本的屬性并研究分類規(guī)則，第二種是根據(jù)分類規(guī)則對(duì)未知樣本進(jìn)行分類和定義。用于模式識(shí)別的模式匹配模式簡(jiǎn)單明了，也易于實(shí)際應(yīng)用。但是，此模型強(qiáng)調(diào)圖像必須與要識(shí)別的大腦中的模型完全一致。實(shí)際上，人們不僅可以識(shí)別與大腦中的模型完全一致的圖像，而且可以識(shí)別與模型不完全一致的圖像。例如，人們不僅可以識(shí)別特定的字母A，還可以識(shí)別各種字母A（印刷，手寫，誤導(dǎo)且大小不同）。同時(shí)，人們可以識(shí)別很多圖像，如果每個(gè)識(shí)別的圖像在大腦中都有相應(yīng)的模式，就能有效提高預(yù)處理技術(shù)。

2.2 邊緣提取

圖像的邊緣由沿特定方向的亮度和顏色變化組成，為圖像識(shí)別提供了大量信息。因此，在智能圖像識(shí)別過程中，必須有效去除圖像邊緣。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，空間梯度方法的提取速率是各種方法中最快的，但是此方法在提取過程中對(duì)許多因素敏感。使提取結(jié)果不太理想的效果;小波變換方法的提取效果較好，但提取速度相對(duì)較慢。Zernike與小波變換方法相似。因此，在智能圖像識(shí)別技術(shù)的具體應(yīng)用中，可以將多種提取方法結(jié)合使用，不僅可以保證提取速度，而且可以使提取結(jié)果更多[2]。

2.3 區(qū)域分割

當(dāng)使用智能計(jì)算機(jī)圖像識(shí)別技術(shù)識(shí)別圖像信息時(shí)，圖像的顏色和灰度通常是一致的。當(dāng)識(shí)別這種類型的圖像時(shí)，可以對(duì)目標(biāo)區(qū)域進(jìn)行劃分以最大限度地提高識(shí)別結(jié)果的完整性和可靠性。中國目前使用的區(qū)域分割方法包括直接分割和間接分割。不同的區(qū)域分割方法適用于不同的圖像識(shí)別情況。例如，在定義和分析航拍照片時(shí)，可以分為多個(gè)部分。各種區(qū)域圖像用于分離和識(shí)別。在這個(gè)級(jí)別上，區(qū)域分割方法的應(yīng)用應(yīng)與不同區(qū)域的性質(zhì)和含義相結(jié)合。實(shí)施該方法可以更好地滿足圖像識(shí)別的目標(biāo)，從而有助于提高圖像識(shí)別分析的完整性和獨(dú)創(chuàng)性效果。

2.4 目標(biāo)定位

定位目標(biāo)的主要目的是獲得有關(guān)數(shù)據(jù)的相關(guān)信息，然后限制圖像中的目標(biāo)區(qū)域。在某些定位過程中，背景的復(fù)雜度越高，對(duì)定位精度的影響就越大，因?yàn)槟繕?biāo)會(huì)影響定位。為了解決此問題，可以在以下條件下定位目標(biāo)：顏色特點(diǎn)，邊緣分量的基本元素，紋理特點(diǎn)等[3]。

3結(jié)束語

科技的發(fā)展支撐著互聯(lián)網(wǎng)時(shí)代的智能化，圖像識(shí)別是計(jì)算機(jī)人工智能新領(lǐng)域的主要研究?jī)?nèi)容之一。當(dāng)前，用于計(jì)算機(jī)的智能圖像識(shí)別的算法和技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域，但是仍需要不斷研究它們以更好地支持社會(huì)發(fā)展。

參考文獻(xiàn)

[1] 魯琴，孟瑤.基于互聯(lián)網(wǎng)的動(dòng)態(tài)圖像信息智能提取系統(tǒng)的設(shè)計(jì)[J].電視技術(shù)，2018，42（9）：47-51.

[2] 張曉軒.計(jì)算機(jī)智能圖像識(shí)別的算法與技術(shù)研究[J].科學(xué)技術(shù)創(chuàng)新，2018（24）：67-68.

[3] 葛瑋，吳佳.關(guān)于計(jì)算機(jī)智能圖像識(shí)別的算法及技術(shù)分析[J].無線互聯(lián)科技，2014（10）：82.