王朝帥

遼寧省建筑設(shè)計研究院有限責(zé)任公司 遼寧沈陽 110005

1 了解人工智能中的圖像識別技術(shù)

1.1 關(guān)于人工智能中圖像識別技術(shù)的技術(shù)原理分析

在人工智能中圖像識別技術(shù)的技術(shù)原理就是利用計算機處理圖片，然后對圖片中的信息進行提取或者其他的智能處理，在經(jīng)過我國科技人員的不斷分析和實驗得出圖像處理技術(shù)的技術(shù)原理，圖像識別技術(shù)在技術(shù)原理中并不復(fù)雜，如果把一個人當(dāng)成一個計算機的話，那么人與人之間的每一次對視都可以說是完成了一次圖像識別技術(shù)，然后人根據(jù)對他人的印象在自己的腦子里面對他人的信息進行分析、搜索和記憶，計算機的圖像識別技術(shù)是同樣的原理，唯一不同的是在人工智能圖像識別技術(shù)中圖像對計算機提供的信息是依靠數(shù)據(jù)進行識別和分析的，如果事先沒有對圖片相關(guān)信息的存儲的話，還是需要人為操作對提取的信息的關(guān)鍵詞進行選擇的，人工智能中的圖像識別技術(shù)的原理是結(jié)合計算機處理數(shù)據(jù)的算法原理的，所以簡單的圖像數(shù)據(jù)信息的提取和分析階段可以結(jié)合計算機進行，但是在圖片信息模糊或者信息量比較大的圖片中，圖像識別技術(shù)的識別效率可能會降低，所以在分析圖像識別技術(shù)原理的同時還應(yīng)該尋找更好更簡單方便的圖像識別技術(shù)原理來對圖像識別技術(shù)進行改變，使圖像識別技術(shù)的原理變得更加簡單，并且在實現(xiàn)功能方面和處理圖片方面得到更好的完善[1]。

1.2 人工智能中圖像識別技術(shù)的組成原理分析

人工智能中的圖像識別技術(shù)的重要組成原理是對圖片的模式識別，模式識別不僅是圖像識別組成原理中的重要組成部分，還同時是人工智能科技中的組成部分。模式識別主要是應(yīng)用于圖像處理技術(shù)中對不同類型的平面圖片和立體圖片進行處理，達到對圖片和實體事物的分析。人工智能運用在圖像識別技術(shù)中主要配合模式識別對事物分析進行虛擬化，也就是說對于事物的分析就不再需要面對實物了，人工智能和模式識別可以對圖片進行三維化。在我們的現(xiàn)代醫(yī)學(xué)和建筑領(lǐng)域中這項技術(shù)的使用效果比較突出，在醫(yī)學(xué)中醫(yī)生根據(jù)拍片就可以對人體進行立體化分析，可以分析人的三維結(jié)構(gòu)和分析病人的健康狀態(tài)。在建筑領(lǐng)域中，傳統(tǒng)的建筑結(jié)構(gòu)是以平面圖為主，在現(xiàn)代科技的發(fā)展下，建筑師可以利用模式識別的方式對建筑平面圖立體化，使建筑成像更加清晰，同時建筑結(jié)構(gòu)也能夠清晰表現(xiàn)出來?？梢哉f在人工智能中圖像識別技術(shù)結(jié)合模式識別使圖像識別技術(shù)不僅僅是應(yīng)用在平面圖片的處理中，還同時應(yīng)用到了立體圖像的處理中，滿足了人們需求的同時也方便了人們運用。在我們的日常生活中，人的眼睛就是最好的模式識別，所以普通的模式識別技術(shù)注定無法滿足人們?nèi)粘Ｉ畹男枨?，但是模式識別在結(jié)合人工智能之后，做到了人們無法做到的一些工作[2]。

2 模式識別的主要方法

2.1 統(tǒng)計模式識別方法

不同類的對象有不同的特征向量，而后利用統(tǒng)計決策的原理對特征空間進行劃分，從而識別出不同模式類的特征向量。它包括參數(shù)方法和非參數(shù)方法。參數(shù)方法主要以Bayes決策準(zhǔn)則為指導(dǎo)。其中最小錯誤率和最小風(fēng)險貝葉斯決策是最常用的兩種決策方法。這類方法應(yīng)用于圖像分割、圖像復(fù)原以及圖像識別等方面。在圖像分割中，假定圖中的數(shù)據(jù)是服從K個概率密度混合分布的樣本，然后估計概率密度函數(shù)的參數(shù)，最后計算后驗概率或風(fēng)險，對像素進行歸類，從而達到分割圖像的目的。非參數(shù)方法在樣本數(shù)量不是很大的情況下直接設(shè)計分類器。

2.2 結(jié)構(gòu)模式識別

結(jié)構(gòu)模式識別是利用模式的結(jié)構(gòu)描述與句法描述之間的相似性對模式進行分類，是對統(tǒng)計識別方法的補充。每個模式由它的各個子部分的組合來表示。該方法模仿了語言學(xué)中句法的層次結(jié)構(gòu)，采用分層描述的方法，把復(fù)雜圖像分解為單層或多層的簡單子圖像，主要突出了識別對象的結(jié)構(gòu)信息。

2.3 模糊模式識別

1965年Zadeh提出了模糊集理論，該理論改變了非0即1的判別結(jié)果，而是將歸類問題轉(zhuǎn)換成了隸屬度的問題。一個對象可以在某種程度上屬于某一類別，而在另一種程度上屬于另一類別，隸屬度是被識別對象隸屬于某一類別的程度。一般常規(guī)識別方法則要求一個對象只能屬于某一類別。基于模糊集理論的識別方法有：最大隸屬原則識別法、擇近原則識別法和模糊聚類法。模糊模式識別具有客體信息表達更加合理，信息利用充分，各種算法簡單靈巧，識別穩(wěn)定性好，推理能力強的特點[3]。

2.4 人工神經(jīng)網(wǎng)絡(luò)模式識別

人工神經(jīng)網(wǎng)絡(luò)的研究起源于對生物神經(jīng)系統(tǒng)的研究。它將若干處理單元（即神經(jīng)元）通過一定的互連模型連結(jié)成一個網(wǎng)絡(luò)，這個網(wǎng)絡(luò)通過一定的機制可以模仿人的神經(jīng)系統(tǒng)的動作過程，以達到識別分類的目的。神經(jīng)網(wǎng)絡(luò)側(cè)重于模擬和實現(xiàn)人認知過程中的感知覺過程、形象思維、分布式記憶、自學(xué)習(xí)和自組織過程。圖像識別利用該方法也較多，文獻采用自組織網(wǎng)絡(luò)對醫(yī)學(xué)圖像進行分割，并能夠?qū)T圖像中的病灶分割出來，取得一些令人滿意的結(jié)果。

綜上所述，本文在研究的過程當(dāng)中提出了圖像模式識別的主要內(nèi)容，以及圖像模式識別的方法，分析了人工神經(jīng)網(wǎng)絡(luò)的作用，提出了在人工神經(jīng)網(wǎng)絡(luò)下圖像模式識別的主要方法，在進行圖像模式識別的過程當(dāng)中神經(jīng)網(wǎng)絡(luò)系統(tǒng)需要訓(xùn)練圖像的數(shù)據(jù)，再決定是否學(xué)習(xí)的過程當(dāng)中，一方面輸出權(quán)值，而另一方面對圖像進行分類，最終輸出結(jié)果。在人工網(wǎng)絡(luò)系統(tǒng)下進行圖像模式識別，可以使得圖像轉(zhuǎn)向數(shù)字化的方式不斷的提升處理的效率以及處理的質(zhì)量，從而得到非常廣泛的應(yīng)用。