試析圖像識別技術在人工智能中的應用

馬曉紅 毛先胤 豐俊寬

摘? 要：科學技術的研發(fā)和創(chuàng)新帶來了新穎的技術和應用，在人工智能技術中，圖像識別技術是一個被深入研究和廣泛應用的領域。信息時代的飛速發(fā)展，推進了圖像識別技術的革新，加快了圖像識別技術的進步，使得其在許多科學技術領域得到了普遍使用。圖像識別技術通過計算機的技術處理代替人們整理龐大的信息資料庫，顯著提高了工作效率，促進了人工智能技術的發(fā)展。

關鍵詞：圖像識別? 技術? 人工智能? 應用

中圖分類號：TP391.41? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）09（a）-0118-03

Abstract： The research and development and innovation of science and technology has brought the new technology and application， in the artificial intelligence technology， image recognition technology is a research and extensive application field of the rapid development of information age， progress is made in the image recognition technology innovation， speed up the progress of the image recognition technology， makes it widely used in many fields of science and technology. Image recognition technology replaces people to sort out the huge information database through computer processing technology， which significantly improves work efficiency and promotes the development of artificial intelligence technology.

Key Words： Image recognition; Technology; Artificial intelligence;Application

計算機技術的深入應用衍生出了人工智能技術，目前，人工智能技術發(fā)展越來越成熟，在社會和市場中的應用也越來越廣泛。圖像識別技術作為人工智能技術中的基本技術組成之一，其技術處理和技術特征也被人們不斷發(fā)現和記錄。圖像識別技術過程分為信息的收集和獲取，信息的預處理，信息的選擇和分類，信息的設計等幾個過程。本文將深入探討圖像識別技術在人工智能領域中的應用，研究圖像處理技術對于人工智能技術發(fā)展的重要意義。

1? 圖像識別技術的基本概述

圖像識別技術是人工智能的一個重要領域，主要是對圖像進行對象識別，以達到能在不同環(huán)境下識別各種不同種類的目標和對象。圖像識別技術的基本過程是先獲取信息，對信息開展預處理，接著對信息開展特征選擇，最后進行分類器設計和分類決策。信息獲取是通過傳感器，將光或者聲音等轉變成電信息。信息可以是不同的類型，如二維的文字，一維的電波圖，物理量，邏輯關系等。信息的預處理包括圖像的變換，增強，濾波等基本的圖像處理操作[1]。

進入信息化時代的21世紀后，計算機科學的應用開始逐漸成熟，基于人工智能的背景圖像識別具有廣泛的應用性，能夠與安防、食品、自動駕駛等相關行業(yè)進行深度結合，具有未來深入發(fā)展的相關潛力。例如日常生活中廣泛使用的指紋、條形碼、二維碼等。通過使用這種技術，能夠在大幅提高效率的同時，更好地保證人民群眾的財產安全。因此，深入研究人工智能技術中的圖像識別技術具有關鍵性意義。

2? 圖像識別技術的引進原因

科學技術的進步會促進許多新技術的誕生，圖像識別技術就是在計算機處理技術的發(fā)展過程中衍生而來。圖像處理技術是人工智能科技的重要領域之一，為人工智能提供基本的技術支持。圖像處理技術在長期的發(fā)展極端共經歷了三個重要階段，第一階段是文字識別，第二階段是數字圖像處理和識別，第三階段是物體識別。這三個階段的進展使得圖像識別技術趨于成熟和完善，達到能夠對圖像和信息做出各種分析處理，識別分類的效果[2]。最初創(chuàng)建圖像識別技術是為了解決人工處理信息的巨大工作量，降低人工成本的投入。人工智能技術中引用圖像處理技術更多的是為了滿足人類對于識別物體及識別信息能力的要求，提高識別物體的能力和速度。圖像處理信息的產生可以更加快速準確地識別和判斷信息，及時地對信息進行分類處理，幫助人類解決無法識別或者難以識別的信息，這也是圖像識別技術被引進人工智能的首要原因。

3? 圖像識別技術的原理探析

圖像識別技術在很多人們的認知中是難度系數極高，操作過程極其復雜的，其實并不是如此。圖像處理技術的工作原理較為簡單，但是其處理信息的過程較為繁瑣，整個處理過程不是很難理解和掌握。與人類對于圖像和信息的識別進行比較，計算機圖像處理技術缺少的是人類的感覺，視覺和情感，人類在識別信息的過程中不會首先將全部信息儲存進大腦，而是會依據信息的不同進行分類識別。但是計算機進行圖像的識別時，可以做到將全部的信息進行儲存，進而進行分類提取和分類識別，同時不會受到視覺，感覺和情感方面的影響，不會產生主觀上的識別錯誤[3]。計算機圖像處理技術的優(yōu)勢是人類信息處理過程無法達到的，圖像識別技術的工作原理模仿人類的大腦系統(tǒng)，但是有些地方又進行了改進和優(yōu)化，充分彌補了人類工作中的不足之處。

4? 圖像識別技術在人工智能中的應用

目前我國人工智能中的圖像識別技術較為完善，其中被主要應用的是神經網絡的圖像識別技術和“非線性降維”的圖像識別技術，下面對這兩種圖像識別技術進行深入說明，分析兩種技術在人工智能領域的不同應用特點。

4.1 “非線性降維”的圖像識別技術

“非線性降維”的圖像識別技術在當下的人工智能領域使用十分廣泛，相較于傳統(tǒng)計算機技術的應用，“非線性降維”的圖像識別技術屬于高維的識別技術。類似于這種高維的識別技術在使用過程中會給計算機增加額外的工作負擔，加重計算機的工作處理量，降低了計算機對于信息和圖像的處理效率和識別分類速度，圖像識別處理的工作質量無法得到保障。

“非線性降維”的圖像處理技術有效地規(guī)避了這一問題，能夠實現計算機信息和圖像處理過程中的識別降維?！胺蔷€性降維”的圖像處理技術具有很多優(yōu)點，這種技術在處理圖像的過程中能夠在不破壞圖像結構的前提下實現自身降維，提升圖像的識別速度，優(yōu)化圖像的識別精度。例如在人工智能領域中的人臉識別系統(tǒng)中的應用，“非線性降維”圖像識別技術不會受到圖像維度的影響，不會因為人臉在高緯度空間中存在的分布不均勻現象出現識別困難或者識別緩慢[4]。采用“非線性降維”圖像識別技術可以提高人臉識別的速度和精確度，顯著提高了人工智能的工作效率和工作質量，為人工智能技術的發(fā)展提供了更好的技術支持。

4.2 神經網絡的圖像識別技術

神經網絡是指人工神經網絡系統(tǒng)，是以模擬人類腦部的神經系統(tǒng)反映人類大腦特征的計算結構，計算機構模擬人腦神經的同時進行了相關的優(yōu)化，使得計算過程更加高效和快速。神經網絡的圖像識別技術的主要技術原理是神經網絡學習算法，運用這種計算方式對圖像進行識別和處理。神經網絡圖像識別技術工作過程會分為幾個步驟，首先對獲取道德圖像和信息進行預先處理，處理內容包含圖像顏色由真彩圖像轉變?yōu)榛叶葓D像，再對灰度圖像進行放大等處理。其次要設計出針對不同圖像在被識別過程中的計算系統(tǒng)，計算系統(tǒng)可以根據所識別的圖像特征輸入相應的數據，通過數據計算結構的運算，對識別的圖像進行篩選和排除等[5]。

最后在神經網絡的設計完成之后，要對神經網絡圖像識別技術系統(tǒng)進行驗證和測試，確保圖像識別技術系統(tǒng)能夠按照設計的預期進行工作，達到圖像精準識別的效果。同時要對神經網絡圖像識別技術的測試結果進行記錄，以便后期對出現的問題進行設計上的更新和完善。神經網絡圖像識別技術與“非線性降維”圖像識別技術具有各自不同的技術特點，運用在不同的技術領域，推進了人工智能科技的進步，加快了人工智能科技進展的腳步。

4.3 模式識別方法

在圖像識別技術中，模式化識別方法是一種基于大量信息數據進行合理分析，并對圖像進行有效模型的建立，隨后根據此模型進行深入識別。此類識別模型通常基于模式識別技術領域的專家們多年來積累的豐富經驗，以及他們對模式識別的認識綜合而成。通過結合計算技術與數學推理過程，實現自動化處理大量圖像的特征識別[6]。并在進行識別的過程中，進行針對化的客觀分析，達到識別效果。模式識別分為學習和應用兩個階段，學習階段的實質是存儲的過程，即初步收集保存的圖像樣本，并根據計算機內存的極限，制定識別規(guī)則。通過對平時的匯總信息進行分類和識別，以計算機程序的形式實現相應的圖像的處理。在應用階段則強調圖像與確立模板之間的對應效果，建立識別過程的基礎。在實際應用中，計算機與人腦在識別方面的差異較大，但是在計算機識別可以結合匹配功能，將工作過程中的數據和信息與記憶相互結合，逐一捕捉圖像。如果能夠按照既定的規(guī)則進行匹配，則說明該圖像被成功識別。但是，這種識別形式有一定的局限性，往往會誤認一些類型特別相似的特征，影響到整體處理效率，需要人工進行介入處理。

5? 結語

綜上所述，圖像識別技術是人工智能科技重要的技術基礎，為人工智能的創(chuàng)新建設提供了許多實質性的幫助。圖像識別技術在長期的更新?lián)Q代中不斷地查找不足，積極進行技術優(yōu)化，使得圖像識別技術越來越先進，在我國眾多技術領域被大量使用，對我國科學技術的進步具有重要意義。

參考文獻

[1] 潘全，萬小蕙，夏正球.圖像自動識別與采集技術在麻/棉織物檢測中的應用[J].紡織檢測與標準，2020，6（3）：16-20.

[2] 黃龍，吳佳桐.圖像識別在互聯(lián)網“問題地圖”監(jiān)控中的應用[J].測繪通報，2020（6）：145-148.

[3] 李曉陽，謝恒義，韓貞輝，等.卷積神經網絡在圖像識別技術中的應用研究[J].能源與環(huán)保，2020，42（6）：73-76.

[4] 寧柏鋒，董召杰.基于圖像識別的變電站SF6氣壓表智能讀數方法研究[J].自動化與儀器儀表，2020（6）：48-51，56.

[5] 潘起家.計算機圖像識別的智能化處理方法解讀[J].科技資訊，2019，17（1）：10-11.

[6] 楊洋.關于人工智能的圖像識別技術分析[J].科技資 訊，2020，18（10）：19-20.