馬曉紅 毛先胤 豐俊寬

摘? 要：科學(xué)技術(shù)的研發(fā)和創(chuàng)新帶來了新穎的技術(shù)和應(yīng)用，在人工智能技術(shù)中，圖像識(shí)別技術(shù)是一個(gè)被深入研究和廣泛應(yīng)用的領(lǐng)域。信息時(shí)代的飛速發(fā)展，推進(jìn)了圖像識(shí)別技術(shù)的革新，加快了圖像識(shí)別技術(shù)的進(jìn)步，使得其在許多科學(xué)技術(shù)領(lǐng)域得到了普遍使用。圖像識(shí)別技術(shù)通過計(jì)算機(jī)的技術(shù)處理代替人們整理龐大的信息資料庫，顯著提高了工作效率，促進(jìn)了人工智能技術(shù)的發(fā)展。

關(guān)鍵詞：圖像識(shí)別? 技術(shù)? 人工智能? 應(yīng)用

中圖分類號(hào)：TP391.41? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2020）09（a）-0118-03

Abstract： The research and development and innovation of science and technology has brought the new technology and application， in the artificial intelligence technology， image recognition technology is a research and extensive application field of the rapid development of information age， progress is made in the image recognition technology innovation， speed up the progress of the image recognition technology， makes it widely used in many fields of science and technology. Image recognition technology replaces people to sort out the huge information database through computer processing technology， which significantly improves work efficiency and promotes the development of artificial intelligence technology.

Key Words： Image recognition; Technology; Artificial intelligence;Application

計(jì)算機(jī)技術(shù)的深入應(yīng)用衍生出了人工智能技術(shù)，目前，人工智能技術(shù)發(fā)展越來越成熟，在社會(huì)和市場中的應(yīng)用也越來越廣泛。圖像識(shí)別技術(shù)作為人工智能技術(shù)中的基本技術(shù)組成之一，其技術(shù)處理和技術(shù)特征也被人們不斷發(fā)現(xiàn)和記錄。圖像識(shí)別技術(shù)過程分為信息的收集和獲取，信息的預(yù)處理，信息的選擇和分類，信息的設(shè)計(jì)等幾個(gè)過程。本文將深入探討圖像識(shí)別技術(shù)在人工智能領(lǐng)域中的應(yīng)用，研究圖像處理技術(shù)對于人工智能技術(shù)發(fā)展的重要意義。

1? 圖像識(shí)別技術(shù)的基本概述

圖像識(shí)別技術(shù)是人工智能的一個(gè)重要領(lǐng)域，主要是對圖像進(jìn)行對象識(shí)別，以達(dá)到能在不同環(huán)境下識(shí)別各種不同種類的目標(biāo)和對象。圖像識(shí)別技術(shù)的基本過程是先獲取信息，對信息開展預(yù)處理，接著對信息開展特征選擇，最后進(jìn)行分類器設(shè)計(jì)和分類決策。信息獲取是通過傳感器，將光或者聲音等轉(zhuǎn)變成電信息。信息可以是不同的類型，如二維的文字，一維的電波圖，物理量，邏輯關(guān)系等。信息的預(yù)處理包括圖像的變換，增強(qiáng)，濾波等基本的圖像處理操作[1]。

進(jìn)入信息化時(shí)代的21世紀(jì)后，計(jì)算機(jī)科學(xué)的應(yīng)用開始逐漸成熟，基于人工智能的背景圖像識(shí)別具有廣泛的應(yīng)用性，能夠與安防、食品、自動(dòng)駕駛等相關(guān)行業(yè)進(jìn)行深度結(jié)合，具有未來深入發(fā)展的相關(guān)潛力。例如日常生活中廣泛使用的指紋、條形碼、二維碼等。通過使用這種技術(shù)，能夠在大幅提高效率的同時(shí)，更好地保證人民群眾的財(cái)產(chǎn)安全。因此，深入研究人工智能技術(shù)中的圖像識(shí)別技術(shù)具有關(guān)鍵性意義。

2? 圖像識(shí)別技術(shù)的引進(jìn)原因

科學(xué)技術(shù)的進(jìn)步會(huì)促進(jìn)許多新技術(shù)的誕生，圖像識(shí)別技術(shù)就是在計(jì)算機(jī)處理技術(shù)的發(fā)展過程中衍生而來。圖像處理技術(shù)是人工智能科技的重要領(lǐng)域之一，為人工智能提供基本的技術(shù)支持。圖像處理技術(shù)在長期的發(fā)展極端共經(jīng)歷了三個(gè)重要階段，第一階段是文字識(shí)別，第二階段是數(shù)字圖像處理和識(shí)別，第三階段是物體識(shí)別。這三個(gè)階段的進(jìn)展使得圖像識(shí)別技術(shù)趨于成熟和完善，達(dá)到能夠?qū)D像和信息做出各種分析處理，識(shí)別分類的效果[2]。最初創(chuàng)建圖像識(shí)別技術(shù)是為了解決人工處理信息的巨大工作量，降低人工成本的投入。人工智能技術(shù)中引用圖像處理技術(shù)更多的是為了滿足人類對于識(shí)別物體及識(shí)別信息能力的要求，提高識(shí)別物體的能力和速度。圖像處理信息的產(chǎn)生可以更加快速準(zhǔn)確地識(shí)別和判斷信息，及時(shí)地對信息進(jìn)行分類處理，幫助人類解決無法識(shí)別或者難以識(shí)別的信息，這也是圖像識(shí)別技術(shù)被引進(jìn)人工智能的首要原因。

3? 圖像識(shí)別技術(shù)的原理探析

圖像識(shí)別技術(shù)在很多人們的認(rèn)知中是難度系數(shù)極高，操作過程極其復(fù)雜的，其實(shí)并不是如此。圖像處理技術(shù)的工作原理較為簡單，但是其處理信息的過程較為繁瑣，整個(gè)處理過程不是很難理解和掌握。與人類對于圖像和信息的識(shí)別進(jìn)行比較，計(jì)算機(jī)圖像處理技術(shù)缺少的是人類的感覺，視覺和情感，人類在識(shí)別信息的過程中不會(huì)首先將全部信息儲(chǔ)存進(jìn)大腦，而是會(huì)依據(jù)信息的不同進(jìn)行分類識(shí)別。但是計(jì)算機(jī)進(jìn)行圖像的識(shí)別時(shí)，可以做到將全部的信息進(jìn)行儲(chǔ)存，進(jìn)而進(jìn)行分類提取和分類識(shí)別，同時(shí)不會(huì)受到視覺，感覺和情感方面的影響，不會(huì)產(chǎn)生主觀上的識(shí)別錯(cuò)誤[3]。計(jì)算機(jī)圖像處理技術(shù)的優(yōu)勢是人類信息處理過程無法達(dá)到的，圖像識(shí)別技術(shù)的工作原理模仿人類的大腦系統(tǒng)，但是有些地方又進(jìn)行了改進(jìn)和優(yōu)化，充分彌補(bǔ)了人類工作中的不足之處。

4? 圖像識(shí)別技術(shù)在人工智能中的應(yīng)用

目前我國人工智能中的圖像識(shí)別技術(shù)較為完善，其中被主要應(yīng)用的是神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)和“非線性降維”的圖像識(shí)別技術(shù)，下面對這兩種圖像識(shí)別技術(shù)進(jìn)行深入說明，分析兩種技術(shù)在人工智能領(lǐng)域的不同應(yīng)用特點(diǎn)。

4.1 “非線性降維”的圖像識(shí)別技術(shù)

“非線性降維”的圖像識(shí)別技術(shù)在當(dāng)下的人工智能領(lǐng)域使用十分廣泛，相較于傳統(tǒng)計(jì)算機(jī)技術(shù)的應(yīng)用，“非線性降維”的圖像識(shí)別技術(shù)屬于高維的識(shí)別技術(shù)。類似于這種高維的識(shí)別技術(shù)在使用過程中會(huì)給計(jì)算機(jī)增加額外的工作負(fù)擔(dān)，加重計(jì)算機(jī)的工作處理量，降低了計(jì)算機(jī)對于信息和圖像的處理效率和識(shí)別分類速度，圖像識(shí)別處理的工作質(zhì)量無法得到保障。

“非線性降維”的圖像處理技術(shù)有效地規(guī)避了這一問題，能夠?qū)崿F(xiàn)計(jì)算機(jī)信息和圖像處理過程中的識(shí)別降維?！胺蔷€性降維”的圖像處理技術(shù)具有很多優(yōu)點(diǎn)，這種技術(shù)在處理圖像的過程中能夠在不破壞圖像結(jié)構(gòu)的前提下實(shí)現(xiàn)自身降維，提升圖像的識(shí)別速度，優(yōu)化圖像的識(shí)別精度。例如在人工智能領(lǐng)域中的人臉識(shí)別系統(tǒng)中的應(yīng)用，“非線性降維”圖像識(shí)別技術(shù)不會(huì)受到圖像維度的影響，不會(huì)因?yàn)槿四樤诟呔暥瓤臻g中存在的分布不均勻現(xiàn)象出現(xiàn)識(shí)別困難或者識(shí)別緩慢[4]。采用“非線性降維”圖像識(shí)別技術(shù)可以提高人臉識(shí)別的速度和精確度，顯著提高了人工智能的工作效率和工作質(zhì)量，為人工智能技術(shù)的發(fā)展提供了更好的技術(shù)支持。

4.2 神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)

神經(jīng)網(wǎng)絡(luò)是指人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，是以模擬人類腦部的神經(jīng)系統(tǒng)反映人類大腦特征的計(jì)算結(jié)構(gòu)，計(jì)算機(jī)構(gòu)模擬人腦神經(jīng)的同時(shí)進(jìn)行了相關(guān)的優(yōu)化，使得計(jì)算過程更加高效和快速。神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)的主要技術(shù)原理是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，運(yùn)用這種計(jì)算方式對圖像進(jìn)行識(shí)別和處理。神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)工作過程會(huì)分為幾個(gè)步驟，首先對獲取道德圖像和信息進(jìn)行預(yù)先處理，處理內(nèi)容包含圖像顏色由真彩圖像轉(zhuǎn)變?yōu)榛叶葓D像，再對灰度圖像進(jìn)行放大等處理。其次要設(shè)計(jì)出針對不同圖像在被識(shí)別過程中的計(jì)算系統(tǒng)，計(jì)算系統(tǒng)可以根據(jù)所識(shí)別的圖像特征輸入相應(yīng)的數(shù)據(jù)，通過數(shù)據(jù)計(jì)算結(jié)構(gòu)的運(yùn)算，對識(shí)別的圖像進(jìn)行篩選和排除等[5]。

最后在神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)完成之后，要對神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)系統(tǒng)進(jìn)行驗(yàn)證和測試，確保圖像識(shí)別技術(shù)系統(tǒng)能夠按照設(shè)計(jì)的預(yù)期進(jìn)行工作，達(dá)到圖像精準(zhǔn)識(shí)別的效果。同時(shí)要對神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)的測試結(jié)果進(jìn)行記錄，以便后期對出現(xiàn)的問題進(jìn)行設(shè)計(jì)上的更新和完善。神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)與“非線性降維”圖像識(shí)別技術(shù)具有各自不同的技術(shù)特點(diǎn)，運(yùn)用在不同的技術(shù)領(lǐng)域，推進(jìn)了人工智能科技的進(jìn)步，加快了人工智能科技進(jìn)展的腳步。

4.3 模式識(shí)別方法

在圖像識(shí)別技術(shù)中，模式化識(shí)別方法是一種基于大量信息數(shù)據(jù)進(jìn)行合理分析，并對圖像進(jìn)行有效模型的建立，隨后根據(jù)此模型進(jìn)行深入識(shí)別。此類識(shí)別模型通常基于模式識(shí)別技術(shù)領(lǐng)域的專家們多年來積累的豐富經(jīng)驗(yàn)，以及他們對模式識(shí)別的認(rèn)識(shí)綜合而成。通過結(jié)合計(jì)算技術(shù)與數(shù)學(xué)推理過程，實(shí)現(xiàn)自動(dòng)化處理大量圖像的特征識(shí)別[6]。并在進(jìn)行識(shí)別的過程中，進(jìn)行針對化的客觀分析，達(dá)到識(shí)別效果。模式識(shí)別分為學(xué)習(xí)和應(yīng)用兩個(gè)階段，學(xué)習(xí)階段的實(shí)質(zhì)是存儲(chǔ)的過程，即初步收集保存的圖像樣本，并根據(jù)計(jì)算機(jī)內(nèi)存的極限，制定識(shí)別規(guī)則。通過對平時(shí)的匯總信息進(jìn)行分類和識(shí)別，以計(jì)算機(jī)程序的形式實(shí)現(xiàn)相應(yīng)的圖像的處理。在應(yīng)用階段則強(qiáng)調(diào)圖像與確立模板之間的對應(yīng)效果，建立識(shí)別過程的基礎(chǔ)。在實(shí)際應(yīng)用中，計(jì)算機(jī)與人腦在識(shí)別方面的差異較大，但是在計(jì)算機(jī)識(shí)別可以結(jié)合匹配功能，將工作過程中的數(shù)據(jù)和信息與記憶相互結(jié)合，逐一捕捉圖像。如果能夠按照既定的規(guī)則進(jìn)行匹配，則說明該圖像被成功識(shí)別。但是，這種識(shí)別形式有一定的局限性，往往會(huì)誤認(rèn)一些類型特別相似的特征，影響到整體處理效率，需要人工進(jìn)行介入處理。

5? 結(jié)語

綜上所述，圖像識(shí)別技術(shù)是人工智能科技重要的技術(shù)基礎(chǔ)，為人工智能的創(chuàng)新建設(shè)提供了許多實(shí)質(zhì)性的幫助。圖像識(shí)別技術(shù)在長期的更新?lián)Q代中不斷地查找不足，積極進(jìn)行技術(shù)優(yōu)化，使得圖像識(shí)別技術(shù)越來越先進(jìn)，在我國眾多技術(shù)領(lǐng)域被大量使用，對我國科學(xué)技術(shù)的進(jìn)步具有重要意義。

參考文獻(xiàn)

[1] 潘全，萬小蕙，夏正球.圖像自動(dòng)識(shí)別與采集技術(shù)在麻/棉織物檢測中的應(yīng)用[J].紡織檢測與標(biāo)準(zhǔn)，2020，6（3）：16-20.

[2] 黃龍，吳佳桐.圖像識(shí)別在互聯(lián)網(wǎng)“問題地圖”監(jiān)控中的應(yīng)用[J].測繪通報(bào)，2020（6）：145-148.

[3] 李曉陽，謝恒義，韓貞輝，等.卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別技術(shù)中的應(yīng)用研究[J].能源與環(huán)保，2020，42（6）：73-76.

[4] 寧柏鋒，董召杰.基于圖像識(shí)別的變電站SF6氣壓表智能讀數(shù)方法研究[J].自動(dòng)化與儀器儀表，2020（6）：48-51，56.

[5] 潘起家.計(jì)算機(jī)圖像識(shí)別的智能化處理方法解讀[J].科技資訊，2019，17（1）：10-11.

[6] 楊洋.關(guān)于人工智能的圖像識(shí)別技術(shù)分析[J].科技資 訊，2020，18（10）：19-20.