计算机智能化图像识别技术的理论性探究 计算机智能化图像识别技术的理论性探究 计算机智能化图像识别技术的理论性探究 文章来源www.3edu.net
计算机智能化图像识别主要是利用计算机系统对输入的图像进行处理和分析从而识别出多种不同模式的对象。计算机技术和信息技术的不断发展使得计算机智能化图像识别技术得到了越来越广泛的应用。信息时代的今天,人们在生产实践的活动过程中已经不再凭借身体的各个器官来接受信息和感知世界的,计算机智能化图像识别技术可以快速地获得所需要的信息从而帮助人们更好地思考和决策[1]。虽然计算机智能化图像识别技术在我国已经获得了相当程度的发展,但是要想赶上时代的步伐应对变化莫测的国际市场就必须对计算机智能化图像识别技术进行理论上的突破。本文在此将重点讨论计算机智能化图像识别技术的相关发展和创新。
1 计算机智能化图像识别系统概述
计算机智能化图像识别系统一般分为五个部分,即对所要识别的图像通过一定的方式将其输入到计算机内,经过计算机预处理和特征提出再对识别的图像进行匹配和分类。作为计算机智能化图像识别的第一步,图像输入主要是将已经采集到的图像输入到计算机内进行处理。计算机预处理过程主要是对将要识别的图像进行图像区和背景区的分离并且将图像进行细化增强图像的二值化,提高计算机智能化图像识别的后期处理的速度和效率。为了能够尽量地还原图像的真实性和减少其虚假特征可以将图像的特有特征用数值的形式表示出来。在计算机智能化图像识别系统中如果需要将输入的图像与已有的图像进行匹配就必须用一种精确的方法将其分配到不同的图像库中减少计算机对图像的搜索时间。在计算机智能化图像识别系统中为了准确地判断出所输入的图像的性质就必须把当前输入的测试图像和之前已经保存的图像进行对比和分析。具体如下图所示:
图1 计算机智能化图像识别系统
一般来说,计算机智能化的图像识别技术常用的方法包括统计识别法、句法识别法与神经网络识别法等三种方法。
(1)统计识别法。由于在实际图像中背景与目标的线性是不可分割的,所以统计识别法是具有最小分类误差的一种方法。其原理主要以数学中有关决策理论的知识为基础,建立统计学的识别模型,并通过此类模型对图像作出分析与统计,寻找图像中认识的规律性,最终利用图像特点中本质特征的提出来实现识别。
(2)句法识别法。此类方法是统计识别法的一种补充,其对图像特性的描述主要依靠的是符号。由于句法识别法学习了语言学内句法层次的结构排列,所以它能够通过分层表述的方式将复杂的图像简化为简单的多层子图像或单层图像,能够有效突出被识别图像结构的信息。
(3)神经网络识别法。所谓神经网络识别法,主要是指利用神经网络中计算的方法对目标图像作出识别的一种方式。由于神经网络存在着能够实现分布式处理与存储、能够大规模实现并行、具有自适应与自组织能力,所以此类方式在处理需要同时对模糊与不精确的许多条件与因素作出考虑的图像进行处理时尤为有效。
2 计算机智能化图像识别技术的研究现状
在对图像进行识别和处理的领域中图像的识别和分割是一个也重要的问题。虽然在相关专家和工作人员的共同努力下取得了相关的发展,但是还是有许多的问题需要解决。传统的图像识别主要经历了文字识别和数字处理以及物体识别三个阶段。在20是50年代的时候文字识别的对象主要是字母和数字以及符号,许多的专用设备都开始广泛地运用了这一技术。在20世纪60年代中期数字图像开始运用于对图像的处理和识别的研究领域,数字化图像处理更加具有存储量大和方便传输和压缩等优势,为图像识别技术的发展提供了非常广泛的发展空间。数字图像处理主要是表现在对物体的识别中的三维数据和图片的感知和认识。物体识别主要是在前两个阶段的基础上借助了人工智能化的特点将其研究和探索的成果广泛地运用到各种行业领域中。
计算机智能化图像识别技术在目前需要提高其对图像的识别能力,在图像的传输过程中充分地运用不同类别空间的映射[2]。作为一种成熟的图像识别和处理技术,计算机智能化图像处理技术在不断地研究和发展,对各种图像的类别和特征进行有效地对比和匹配,提高图像处理后的清晰度和识别度。
3 计算机智能化图像识别技术的特点和优点
3.1 计算机智能化图像识别技术的主要特点
(1)信息量大。计算机对图像信息的处理主要是采用二维信息的方式,因此对计算机的配置和计算机的运行系统的速度以及计算机的存储量都有非常严格的要求。图像信息与语言信息相比所需要的频带较宽,无论是在计算机的成像过程中还是在图像的传输中以及图像信息的存储和处理的过程中都需要一定的科学技术。
(2)相关性大。计算机系统中对图像的各个像素都是具有一定的关联性,所以在计算机智能化图像的识别过程中需要对输入的各种图像信息进行有效地压缩才能够对不同的图像信息进行分类和匹配。尤其是对三维景物的选取上,输入的图像本身是没有再现三维景物的几何信息能力,因此对三维景物的背后所需要反映的部分信息必须进行适当地假设和重新的测量[3]。计算机在对图像进行智能识别的过程中需要对三维景物进行适当地引导以便于解决在计算机智能化图像识别过程中所产生的问题。
(3)人为因素大。计算机智能化图像识别在对图像进行后期处理之后总是由人来进行评价的,因而计算机在对图像进行智能化识别的时候受人的因素影响较大。然而,人的眼睛总是会受到周围环境的影响以及情绪和知识兴趣爱好的影响。因此,为了提高计算机对图像进行智能化识别的质量应该尽量地让计算机模仿人的视觉,充分地模拟人们在对图像进行观察和评价时候的状态。
3.2 计算机智能化图像识别技术的优点
(2)表现型强。计算机智能化图像处理可以准确地处理影响图像处理的相关因素,例如图像的存储状况和图像的输入过程中出现的问题和故障。计算机智能化图像识别系统能够在任何的情况下对图像进行还原和再现从而保证了图像在经过计算机识别和处理的时候的像素。
(3)灵活性好。计算机智能化图像识别系统在对图像进行识别和处理的时候,可以根据图像的客观情况来将其放大。由于图像的信息总是来自于各个方面,无论是来自生物显微镜下的细胞图像还是对于宇宙中位于天文望远镜下的庞然大物都能够在计算机智能化图像识别系统中进行识别和处理,通过线性运算和非线性处理实现图像的识别功能[4]。在对各种不同的图像信息进行正确地编码之后用二维数据将图像的灰度进行组合在计算机上可以清晰地显示出图像的质量。
4 计算机智能化图像识别技术的理论性突破
4.1 计算机智能化图像识别技术朝着高速化和标准化的方向发展
无论是在生活领域还是科学领域计算机的运行速度都会对生活和工作产生重要的影响。尤其是对图像进行智能识别对计算机具有特别的要求,而现在的计算机在科学技术水平的促进下不断地提高其自身的硬件水平。不仅如此,在计算机的内部配置方面也比以前有了相当大的进步,计算机在进行图像的采集和处理的过程中分辨率都大大地提高了,同时对图像的存储设备的性质也在日益地更新。图像作为一种二维度信息,计算机将其进行识别的过程中将更多的三维信息赋予图像中并且通过各种计算和技术的处理而得到相应地改进[5]。
同时,计算机在对图像所显示的数据进行整理和压缩的时候开始以多媒体的形式对其进行信息化转换,使得计算机智能化图像识别尽量能够按照人的思维和意识来进行从而提高计算机的智能化水平和对图像识别的工作效率。
4.2 计算机智能化图像识别技术朝着多维方向和高科技方向发展
计算机在对图像进行识别的过程中开始从二维角度向三维角度和多维角度发展,因此对各种图像的数据信息处理的更加精确。目前由于硬件水平的逐渐提高,计算机的中央处理器的功能也在不断地提高,因此计算机智能化图像识别的领域越来越广泛。随着新的技术理论和新的科学计算方法的诞生,计算机在对图像的识别和处理过程中更加侧重对其详细的信息进行分类和整理,经过系统的转化后形成高清晰度的图片。
5 计算机智能化图像识别技术的运用
计算机智能化的图像识别技术尽管面临着许多困难与问题,但此类技术依旧得到了较好与较快的发展。就近些年其变化与发展而言,在今后的发展过程中,计算机智能化的图像识别技术将会出现飞速的发展阶段,人工智能与立体视觉同时也将成为计算机智能化的图像识别技术未来发展的方向。由于短时间内图像识别技术实现计算机通用性较大的全自动系统的可能性较小,所以在未来的发展历程中,计算机智能化的图像识别系统需要和不同类型的应用进行结合开发。
5.1 医学生物工程
计算机智能化图像识别技术可以对诸如红细胞和各种染色体进行识别,从而有利于医生更好地了解患者的病情和更好的医学研究。在医院的很多部门例如心电图的分析以及彩超和超声波图像处理都广泛地运用了计算机智能化图像识别技术。
5.2 工程建设方面
计算机智能化图像识别技术在工程项目的建设过程中得到了广泛的应用,尤其是对相关零部件的检测和分类以及对输电线路故障的分析和排查方面都借助计算机的智能化工程得到了有效地解决。在工业生产过程中,施工人员对工程的焊接和装配的过程中都充分地运用计算机对图像进行智能化识别从而减少了施工误差的发生,保障了整个工程项目建设的质量。
5.3 文学艺术方面
文学艺术方面对计算机智能化图像识别技术的使用非常普遍。在广播电视领域,电视要想播出高清晰度、高质量的画面就必须借助计算机对所拍摄的画
