广州阳普医疗科技股份有限公司
摘要:科技的飞速发展使得人们对计算机技术的发展也提出愈来愈高的要求,目前,为了研究和探索未知事物,技术工程人员不断地更新和研究计算机智能化处理,从而解决了人类在复杂环境下的识别能力。本文首先分析了计算机智能图像识别技术的主要特点,其次,阐述了此项技术的相关技术条件,然后介绍了该项技术的主要算法,最后总结了该项技术的主要应用领域以及发展前景。
关键词:图像智能识别;算法分析;不变矩理论
引言:
图像识别就是利用计算机对图像进行处理、理解以及分析,在目前这个阶段应用做广泛的就是在工业方面,也就是说利用计算机软件对拍摄的照片进行识别,除此之外,还可以应用到对遥感图像进行分类处理,无论被识别的对象如何变化,计算机智能图像识别技术都要抓住其本质特征,从而进行有效的识别[1]。
1图像识别
图像识别是对图像进行处理、分析和理解,通过计算机识别不同模式的目标。目前,对于图像识别的应用多集中在工业方面,利用计算机软件对拍摄的图片进行识别处理[2]。图像识别还可以应用在对遥感图像进行分类。我国的图像识别代表软件的有“图智能”等,国外的图像识别软件代表有“康耐视”等。
1.1图像识别现状
图像识别从最初的文字识别到对数字图像处理与识别。
1.1.1文字识别
对文字识别的研究是从1950年开始的,具体内容包括对字母、数字和符号的识别[3]。文字识别从印刷文字识别向手写文字识别发展,应用的前景广泛。
1.1.2数字图像处理和识别
对数字图像的处理和识别研究是从1965年开始的。相比于模拟图像,数字图像更容易存储、传输,还可以进行压缩,在传输过程中也不易失真,在处理方便有着巨大的优势[4]。数字图像处理和识别以数字图像处理与识别为基础,结合人工智能进行研究,研究成果可以应用在多个领域。
1.2图像识别基础
图像识别的基础是图像的主要特征,对图像的主要特征进行识别可以更快进行图像识别[5]。在图像识别过程中,需要从众多信息中筛选出有用的信息,整理出完整的印象。计算机识别系统中,可以通过提取特征,建立索引,再进行查询的方式对计算机内图像检索,类似于文本搜索引擎。
2计算机算法
计算机算法是详细描述计算机输入转化为输出的过程,对计算机上执行过程的具体描述。
2.1算法性质
算法必须具备以下性质。
2.1.1正确性
计算机算法必须是正确的。计算机算法任意一组的输入都是合理的,得到的也是预期的输出[6]。如果一个算法不能使合理的输入得到预期的输出,或无法预料输出的结果,计算机算法就不是正确的。
2.1.2具体性
计算机算法是由一系列具体的步骤组成的,每一步的设计都能被计算机所执行,而不是抽象和模糊的概念。
2.1.3明确性
计算机算法每个步骤都有明确的执行顺序,每一步都必须明确。
2.1.4有限性
无论计算机算法结构多么复杂,都必须在运行结束并终止运行时,完成所有算法[7]。算法的步骤是有限的,防止算法陷入无限循环中。
2.2算法特点
2.2.1有穷性
计算机算法的操作步骤有限。如果让计算机执行一个很久才结束的算法,虽然算法是有穷的,但不具有合理性,算法无效。
2.2.2确定性
算法中的步骤都是确定的,不存在含糊、模棱两可的。同时,算法中的每个步骤不能解释成不同的含义,每个步骤都是十分明确的。
2.2.3有效性
算法中的每一个步骤都可以得到有效的执行,运行出结果。
3计算机智能图像识别技术的研究现状
图像识别从传统的文字识别到后来的数字图像识别与处理,已经有几十年的发展历程了[8]。文字识别的研究从20世纪五十年代开始,主要研究内容包括数字、字母以及符号的识别,它的发展是从印刷文字识别到手写文字识别的过度阶段。与模拟图像相比,数字图像处理起步要晚十五年左右,数字图像更容易传输、压缩和存储,同时,在传输过程中也不会出现失真的现象,如果与人工智能相结合研究,就可以应用于许多领域。在图片识别的过程中需要从繁多的信息中筛选那些有用的信息,然后整理出需要处理的,最后进行特征提取。
4计算机智能图像识别技术的主要特点
4.1信息存储量大
计算机的智能图像识别技术凭借其大量的存储信息量而被广泛地应用到各个领域。在配置相同、内存规格相同、运行系统相同的情况下,与其他计算机相比,其具有较大的信息存储量,这就为图像的特征系统的存储提供了便利的条件,从而在识别过程中可以从里面选取特征一致的图像,即使在信息存储量较大的情况下运行也并不会降低识别的速度,进而使得识别效率得到保障,这也是此项技术比较突出的优点。
4.2关联性较强
对于一切存储图像来说,计算机智能图像识别技术能够把它们的信息整合到一起,从而让整个过程更加快捷。除此之外,它还可以将所有的图片压缩,然后整合到一起,进而对图像做分类处理,让整个系统变得稳定,减少了在识别过程中出现的错误,从而使得该识别系统发挥出科学高效的管理能力。该技术的这一特点不仅有效地避免了图片识别过程中出现的系统混乱的现象,还有效地缓解了系统崩溃的问题。
4.3人为性较强
从根本上来说,计算机的所有操作都是人类发明的,因此人是影响计算机飞速发展的重要因素,当程序员在设计计算机程序时,可以对计算机的功能进行正确的设定,当计算机开始工作时,程序员需要对其展开操控,这就很好地体现了计算机中的人为因素。当计算机智能图像识别系统开始工作的时候,已经存储在系统的图像信息都是经过人为的操作和检验,但是在实际工作过程中,会有不识别不全面的现象,这可能就是人为操作过程中的疏忽导致的,进而就会影响整个识别过程的准确性。除此之外,在计算机完成识别工作之后需要人为地判断它的识别情况,但是人的判断存在一定的误差,从而人为地导致了计算机智能识别的结果出现不准确的现象。这一现象会给日常工作带来很大的影响,所以,要积极地采取措施,从而保障计算机智能图像识别的可靠性以及稳定性。
5计算机智能图像识别的相关技术条件
计算机智能图像识别系统主要包括图像的压缩处理系统、图像的预处理系统、图像的特征识别以及提取系统还有图像智能化分类系统。图像的预处理主要是想要提高图像的识别性,主要体现在二值化处理、平滑去噪处理以及灰度处理三个方面,二值化处理主要是在应用灰度值处理技术的基础上,进而把图像处理成黑白的效果,图像的平滑去噪处理主要是指把图像的某个部分重点突出显示,同时把多余的部分去除,从而使得人们看到更清晰的图像。除此之外,压缩图像的目的主要是为了便于图像的传输以及保存,其主要技术就是在保证图像可识别的前提下,使用压缩代码把图像中没有用的信息删除或者压缩掉,其中,压缩代码的种类有很多种,所以需要根据图像处理的实际情况来选用合适的压缩代码。另外,图像的特征提取是图象识别过程中最重要的一个环节,由于计算机图像识别需要保证图像的完整性以及真实性,因此,图像的特征提取技术主要是控制图像的颜色、形状以及纹理特征等。
6计算机智能图像识别的算法研究
6.1计算机图像识别技术的应用
6.1.1应用方面
计算机图像识别是通过利用电子计算机对图像进行拍摄,得到相关图像,并运用智能图像识别功能对内容进行甄选和识别的过程。运用计算机图像识别可以开发出许多与计算机图像识别技术相关的应用产品,进而给人们的生活带来便利。这种技术还可以应用于宏观或微观事物的识别,比如用于交通方面对车辆的监控、生物研究中人体病毒细菌的研究监控。目前,应用到计算机图像识别技术很多,覆盖到日常生活中的方方面面。比如,在进行社区安全环境的监控和车辆行驶情况的监控的过程中就可以应用到。计算机图像识别技术的应用大到国家的政治军事,小到生活的细枝末节。
6.1.2应用载体
目前公认的计算机图像识别技术有3种应用载体,分别是个人电子计算机设备、智能移动手机设备以及嵌入式终端设备。个人电子设备就是个人使用的电子设备,多为台式机、平板电脑等;智能移动手机设备是指手机一类的电子产品;相对来说,嵌入式终端设备的应用比较广泛,比较正式,如日常生活中进行的指纹识别或人脸识别,都属于嵌入式终端设备的代表,多在公共场合应用。
6.2智能图像识别算法研究
无论识别的对象以哪种方式进行形态的变化,计算机智能图像识别都可以抓住本质特征,及时进行有效的识别。同时应注意图像识别算法中,图像要保持不变。智能图像识别算法研究中应用较为广泛的计算机算法是不变矩方法。根据图像平移或旋转后特征不发生改变的性质对图像特征进行识别,同时使二阶中心和三阶中心构造的7个不变矩,在图像连续平移、缩放或是旋转的过程中,始终保持不变的特征。
6.3计算机智能图像识别的拓展应用
人们提出计算机智能图像识别技术的理论,是针对目前生活、工作以及科研工作的需要。因此,计算机智能图像识别技术有着广阔的市场前景。科学技术的不断发展,使智能这个词汇不只是局限在电子计算机、掌上电脑的应用上。智能手机的出现取代了大部分计算机的功能,也使应用更加方便。但是使用智能图像计算机识别技术的地方不相同。智能手机技术不断发展促使移动端智能软件技术也在不断加快发展,拍照软件与社交软件多是应用了与图像智能识别相关的技术。计算机智能图像技术的不断发展,给人们生活带来的影响也逐渐加深,涉及的范围不断扩展。例如,在进行城市规划的过程中,施工人员采用航拍的方式获取城市布局的图像;通过运用智能识别图像的方法,对城市规划过程中的不足之处进行整改;在城市道路修建的过程中,工作人员可以利用智能图像识别技术对公路修建的情况进行实时的监控,确保城市基础设施的建设质量。在计算机图像的预处理方面,对图像灰度化的处理与灰度的拉伸,使计算机智能图像处理做到充分。在进行图像分析时,提高图像处理分析的效率,可以实现对图像特征的全面提取。在提取过程中要注重在图像识别对算法的充分利用。图像处理对于不同的图像产生不同的数据内容,将自动保存为对应的格式,并存储在特定的路径之下,方便今后利用。
结束语:
计算机智能图像识别是一项具有较高的应用价值的技术,在实际使用过程中,应该掌握相关的工作过程,从而保证图像识别能够达到预期的指标,计算机智能图像识别技术已经深入到人们的日常生活,由于此项技术的算法非常复杂,因此,科研人员需要花费更多的精力和时间来研究此项技术,重视与国外科研人员沟通以及交流,了解最新的技术动态,为我国的计算机智能图像技术的发展做出应有的贡献。
参考文献:
[1]曹敏.大数据环境下多代表点近邻传播的微小图像特征智能识别与仿真[J].西安文理学院学报(自然科学版),2018,21(06):37-40+59.
[2]杨健,周涛,郭丽芳,张飞飞,梁蒙蒙.基于布谷鸟搜索和深度信念网络的肺部肿瘤图像识别算法[J].计算机应用,2018,38(11):3225-3230.
[3]姜文超,刘海波,杨宇杰,陈佳峰,孙傲冰.一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J].计算机工程与科学,2018,40(09):1646-1652.
[4]陈二阳,张修军,袁姜红.基于图像识别的自主驾驶智能小车的设计与实现[J].现代电子技术,2018,41(18):162-165+169.
[5]仇国华,李志煌,孙树亮.基于图像识别的差异性有色物体自分拣系统研究[J].重庆科技学院学报(自然科学版),2018,20(04):77-81+91.
[6]方万水,安中昌,吴晓伟.图像识别火灾探测技术在舰船消防中的应用分析[J].舰船科学技术,2018,40(15):128-132.
[7]戴鹏,王胜春,杜馨瑜,韩强,王昊,任盛伟.基于半监督深度学习的无砟轨道扣件缺陷图像识别方法[J].中国铁道科学,2018,39(04):43-49.
[8]罗明明,诸峰,王东升.基于计算机视觉的船舶图像自动识别方法研究综述[J].软件导刊,2018,17(07):5-8.