劉智勇

摘 要：隨著現(xiàn)代計算機技術的不斷發(fā)展，信息技術發(fā)展迅猛，推動了計算機智能化水平的提升。計算機在圖像識別中，采用智能化技術，可以提高計算機識別的精準度，因此智能化對圖像識別有著重要的意義。目前，計算機智能化圖像識別技術促進了我國各個領域的發(fā)展與進步，關系著社會經濟的健康發(fā)展，尤其是國際競爭環(huán)境的情況下，顯得更為重要。本文以計算機智能化圖像識別技術作為研究的重心，對計算機智能化圖像識別技術進行不斷的創(chuàng)新與完善，提高計算機圖像的識別精準度，并提出相應的對策，推動計算機智能化圖像識別技術的發(fā)展。

關鍵詞：計算機智能化；圖像識別；理論性突破

DOI：10.16640/j.cnki.37-1222/t.2018.05.111

智能化是計算機技術發(fā)展的主要方向，計算機智能化圖像識別技術也是借助計算機系統(tǒng)分析和處理輸入的圖像，并識別出多種模式的對象。隨著計算機技術的普及應用，計算機智能化圖像識別技術也得到了提升，可以幫助人們更快的獲取所需要的信息。圖像識別與處理技術起步較晚，但是簡單的圖像識別技術還是比較完善的，但是還是無法追隨時代的步伐，因此必須要在理論上對計算機智能化圖像識別技術進行突破是非常有必要的，使得圖像識別技術也具備高度的智能化，可以深入應用到社會的各個領域中。

1 圖像識別技術的概述

計算機圖像識別技術起步較晚，隨著近年來，計算機技術的深入應用，攝像頭等設備也在不斷在完善，智能化技術的產生與應用，給計算機圖像識別技術提供了相應的設備基礎。圖像處理在計算機出現(xiàn)的早期，并沒有數(shù)字信號技術，因此只能以模擬信號的形式存在，對于圖像的識別相當困難。如今隨著計算機技術的快速發(fā)展，數(shù)字處理技術也在不斷的完善，可以將模擬圖像轉換成數(shù)字，從而實現(xiàn)對數(shù)字圖像的非線性處理。目前計算機智能化圖像識別技術深入應用到社會的多個領域，比如密碼鎖、罪犯對比等。智能化圖像識別技術，并不具備相應的硬件架構，需要通過軟件的方式來實現(xiàn)，常用的圖像識別軟件技術有三種，統(tǒng)計、結構、神經網(wǎng)絡，在實際應用中，根據(jù)圖像識別需求有針對性的選擇。

計算機對于圖像的處理與識別比較復雜，因此在計算機智能化圖像識別過程中，很難對識別的目標與圖像整體進行線性區(qū)分。因此可以借助統(tǒng)計法，建立數(shù)學模型，統(tǒng)計圖像中的元素并找出其中規(guī)律，完成圖像識別的內容。結構法是基于空間關系的，彌補統(tǒng)計法的不足，是統(tǒng)計法的延伸，可以更加完善的處理圖像。神經網(wǎng)絡發(fā)展較晚，是近年來新型的技術，其主要原料就是根據(jù)神經網(wǎng)絡的特點，設置節(jié)點，并依靠龐大的神經網(wǎng)絡完成復雜的圖像識別。這種技術具備高度的智能化，可以模仿人腦的特點，成為當前圖像識別應用最為廣泛的方法。

2 計算機智能化圖像識別技術的特點和優(yōu)勢

2.1 計算機智能化圖像識別技術的主要特點

計算機智能化圖像識別技術的主要特點，主要有三點：信息量大；相關性強；人為因素影響。計算機對圖像信息的處理主要采用二位信息的方式，計算機在對圖像進行處理與識別的時候，需要較高的運行速度以及存儲量，圖像信息所需的帶寬也較高。因此，計算機在進行圖像圖像識別或者圖像的傳輸過程，要保障計算機的運行速度和硬件設備。其次計算機系統(tǒng)對圖像的像素處理都有著較強的關聯(lián)性；計算機在對圖像進行識別的過程中要對圖像信息進行壓縮，然后才可以對其進行分類與匹配，尤其是三維景物。圖像本身沒有對其再現(xiàn)的能力，因此要對其進行重新測量，避免計算機智能化圖像識別過程中引起的問題。最后，計算機智能化圖像識別是模擬人腦，因此受到人的影響較大。人的眼睛在對圖像進行識別的時候，會受到周圍環(huán)境和自身的情緒、個人喜好等影響。因此，想要提高計算機智能化圖像識別技術的，就應該充分模擬人們對圖像觀測的動態(tài)活動，提高計算機模擬人的視覺還原程度。

2.2 計算機智能化圖像識別技術的主要優(yōu)勢

計算機智能化圖像識別技術的主要優(yōu)勢：其一，準確度高；受到現(xiàn)在科學技術水平的限制，只能對單一的圖像進行數(shù)字轉換處理，基本的掃描儀都可以對其進行處理。這就使得計算機智能化圖像識別技術可以滿足任何用戶對圖像準確度的要求。其二，表現(xiàn)性強；計算機智能化圖像處理技術可以通過結構法，清晰的反映圖像的關聯(lián)關系，因此如果圖像的存儲過程或者輸入過程出現(xiàn)故障，計算機智能化圖像識別系統(tǒng)就可以根據(jù)關聯(lián)關系對其進行還原，保障了像素精度。其三，靈活性強，計算機在進行圖像識別和處理的過程中，可以根據(jù)的圖像的實際情況來對其進行縮放。圖像信息的來源也各不相同，無論是來自顯微鏡還是來自天文望遠鏡下，利用計算機智能化圖像識別系統(tǒng)的識別功能，對其進行正確的編碼并進行組合，從而在計算機上清晰的顯示出來。

3 計算機智能化圖像識別技術的理論性突破

3.1 計算機智能化圖像識別技術更加的標準和高效

計算機的運行速度是人類日常和生活工作的基本要求，尤其是當代，人們追求更高的效率、更高的質量。計算機智能圖像識別技術自身就對計算機設備有著高的要求，隨著科技的不斷進步，計算機的硬件設備也在逐漸的完善，系統(tǒng)配置與之前相比也有了長足的進展，計在對圖像進行采集和處理的過程中，提高了計算機的分辨率，并計時更新計算機圖像的存儲設備。計算機將圖像作為二維信息進行處理，因此在對三維圖像進行處理的時候，要對其進行改進。另外，這里值得注意的是，計算機在對圖像進行處理之前，要對其進行整理和壓縮，在這一過程中，可以采用多媒體的形式對其進行信息轉換，并提高智能化的水平，盡量模擬人的思維意識來進行操作，從而提高計算機智能化圖像識別技術。

3.2 計算機智能化圖像識別技術更加的科學，朝向多維方向發(fā)展

現(xiàn)在常用的計算機圖像識別技術都是基于二維平面的圖像進行分析，很難是實現(xiàn)對三維空間下的圖像識別。近年來，大型神經網(wǎng)絡的出現(xiàn)，給圖像的三維識別提供了相應的基礎，但是神經網(wǎng)絡需要復雜的計算，但是這些需要借助優(yōu)秀的計算機性能。隨著計算機性能的不斷提升，目前的計算機硬件和軟件技術都比較完善，可以滿足計算機智能化圖像識別技術的基本要求。因此計算機對圖像識別也開始從二位角度向多維角度發(fā)展，但是目前的圖像識別技術受到視覺計算理論的限制，因此需要完善計算機智能化圖像識別技術的理論基礎，并視覺計算理論進行突破，配合神經網(wǎng)絡算法，從而實現(xiàn)智能化圖像識別技術的理論性突破。

4 計算機智能化圖像識別技術的實際應用

4.1 計算機智能化圖像識別技術在醫(yī)學領域的應用

計算機智能化技術應用在醫(yī)學界領域中，可以有效的識別染色體以及細胞進行識別，可以幫助醫(yī)生更好的進行醫(yī)學研究并及時了解患者的情況。因此圖像的識別的精準度關系著醫(yī)學界的正確診斷，在大型醫(yī)院中，計算機智能話識別水平都十分高端。比如CT影像技術、心電圖分析、彩超、超聲波等都可以采用計算機圖像識別技術，對其進行快速的識別，幫助醫(yī)療人員對其進行準確性的診斷，有效的提高

（下轉第121頁）

（上接第127頁）

了我國的醫(yī)療水平。

4.2 計算機智能化圖像識別技術在文學藝術領域中的應用

計算機智能化圖像識別技術在文學藝術領域中應用也比較廣泛，比如電視廣播，利用計算機技術可以對拍攝的畫面進行處理與識別，保證畫面質量的高度清晰。計算機技術還可以對動態(tài)圖像進行采集加工，并進行自動的調整，從而合成電視畫面，調整像素和色彩，避免圖像播出失貞的情況發(fā)生。另外，計算機智能化識別技術在動畫制作、服裝設計等領域都有著重要的作用。

4.3 計算機智能化圖像識別技術在社會服務中的應用

計算機智能化圖像識別技術在社會服務領域也得到了普遍的應用，近年來，隨著科技的快速發(fā)展，智能化技術在很多方面替代人工操作，可以減少人力資源的使用，節(jié)約成本。比如大門通道的電子身份認證，超級柜臺認證等都可以采用計算機智能化圖像識別技術，提高服務質量和服務速度，在一定程度上還提高了安全系數(shù)。計算機智能化圖像識別技術還被廣泛應用在航空事業(yè)、通信工程等領域，有效的促進了社會經濟的快速發(fā)展。

4.4 計算機智能化圖像識別技術在工程建設中的應用

計算機智能化圖像識別技術也被廣泛應用在工程建設領域中，它可以有效實現(xiàn)對相關零件的檢測與分類，并有效解決輸電線路故障的分析與排查。在工程項目的施工過程中，施工人員可以利用計算機智能化圖像識別技術，可以有效的減少施工誤差，從而保證工程項目的質量。

5 總結

隨著計算機技術的快速發(fā)展，硬件設備和軟件系統(tǒng)不斷完善，這些給計算機智能化圖像識別技術提供了發(fā)展基礎，本文對計算機智能化圖像識別技術進行了分析，并對其未來的發(fā)展趨勢進行預測，促進計算機智能化圖像識別技術在社會各個領域中的普及應用。

參考文獻：

[1]馬寧，常驥.基于BP神經網(wǎng)絡的手寫數(shù)字識別研究[J].哈爾濱師范大學自然科學學報，2009（04）：89-91.

[2]楊小冬，寧新寶.自動圖像識別系統(tǒng)圖像分割算法的研究[J].南京大學學報，2009，40（04）：424-431.

[3]孫妍姑.基于BP神經網(wǎng)絡的圖像識別技術研究[J].淮南師范學院學報 2010（05）：22-23.

[4]成金勇，范延濱，宋潔.基于小波分析與 Snake 模型的圖像邊緣檢測方法[J].青島大學學報：自然科學版，2012（03）：78-81.