李思奇

摘 要 近年來，計算機技術(shù)的應(yīng)用越來越多地使用智能圖像識別技術(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別，并且還可以轉(zhuǎn)換為數(shù)字信息。本文從了解圖像識別的現(xiàn)狀和基礎(chǔ)開始，討論了該應(yīng)用程序的特定優(yōu)勢以及支持圖像識別技術(shù)以及算法內(nèi)容的前景。

關(guān)鍵詞 計算機;智能圖像識別;算法;技術(shù)

1圖像識別特點、現(xiàn)狀及技術(shù)優(yōu)勢分析

1.1 技術(shù)特點

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

1.2 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?，F(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)字信息的真實性和完整性，并為各個領(lǐng)域的員工提供實用的圖像處理方法，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)勢分析

信息技術(shù)的重要性越發(fā)凸顯。由計算機系統(tǒng)處理的圖像可以獲得相關(guān)的二維信息。如果計算機的配置和運行速度不夠，隨著二維信息的不斷增加，計算機的整體性能可能會下降。成像過程中的智能圖像識別可以通過圖像傳輸來識別，因此可以獲得更多信息和高精確度。對于傳統(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。智能圖像識別可確保所存儲圖像信息的完整性，同時防止出現(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。在使用計算機系統(tǒng)的智能圖像識別過程中，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，對信息的屬性進行特殊分類以更好地與像素相對應(yīng)。對于3D圖像，在輸入三維幾何圖像時無法獲得三維幾何圖像，但必須對其進行再次測量，并根據(jù)投影信息數(shù)據(jù)的經(jīng)驗進行相關(guān)假設(shè)。智能圖像識別可以直接引導(dǎo)3D場景，防止識別問題。出色的靈活性智能圖像識別使該技術(shù)能夠通過在圖像處理過程中放大圖像來識別各種圖像，例如手機卡。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一步的改善：在編輯不同的圖像之后，可以在計算機上更仔細地對其進行組合以提高圖像的清晰度[1]。

2計算機智能圖像識別技術(shù)

2.1 采集與預(yù)處理

使用智能計算機圖像識別技術(shù)識別圖像時，應(yīng)收集相關(guān)信息。信息量與識別結(jié)果的準確性密切相關(guān)。圖像特征和外部因素可能會導(dǎo)致識別效果出現(xiàn)偏差。圖像識別人員應(yīng)做好圖像信息的預(yù)先處理，以在采集圖像時收集和收集信息，并提高識別結(jié)果的可靠性。作為圖像識別的主要鏈接，這將對整個識別過程和識別結(jié)果產(chǎn)生重大影響。模式識別有兩個階段：學習階段和實現(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)則對未知樣本進行分類和定義。用于模式識別的模式匹配模式簡單明了，也易于實際應(yīng)用。但是，此模型強調(diào)圖像必須與要識別的大腦中的模型完全一致。實際上，人們不僅可以識別與大腦中的模型完全一致的圖像，而且可以識別與模型不完全一致的圖像。例如，人們不僅可以識別特定的字母A，還可以識別各種字母A（印刷，手寫，誤導(dǎo)且大小不同）。同時，人們可以識別很多圖像，如果每個識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，為圖像識別提供了大量信息。因此，在智能圖像識別過程中，必須有效去除圖像邊緣。當前，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，并且都具有某些缺點和缺點。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，但提取速度相對較慢。Zernike與小波變換方法相似。因此，在智能圖像識別技術(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

當使用智能計算機圖像識別技術(shù)識別圖像信息時，圖像的顏色和灰度通常是一致的。當識別這種類型的圖像時，可以對目標區(qū)域進行劃分以最大限度地提高識別結(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別情況。例如，在定義和分析航拍照片時，可以分為多個部分。各種區(qū)域圖像用于分離和識別。在這個級別上，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。實施該方法可以更好地滿足圖像識別的目標，從而有助于提高圖像識別分析的完整性和獨創(chuàng)性效果。

2.4 目標定位

定位目標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區(qū)域。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，因為目標會影響定位。為了解決此問題，可以在以下條件下定位目標：顏色特點，邊緣分量的基本元素，紋理特點等[3]。

3結(jié)束語

科技的發(fā)展支撐著互聯(lián)網(wǎng)時代的智能化，圖像識別是計算機人工智能新領(lǐng)域的主要研究內(nèi)容之一。當前，用于計算機的智能圖像識別的算法和技術(shù)被廣泛應(yīng)用于各個領(lǐng)域，但是仍需要不斷研究它們以更好地支持社會發(fā)展。

參考文獻

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

[2] 張曉軒.計算機智能圖像識別的算法與技術(shù)研究[J].科學技術(shù)創(chuàng)新，2018（24）：67-68.

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