人工智能算法在圖像處理中的應(yīng)用分析

四川大學錦城學院 劉云川

西華大學 韓夢瑤

四川大學錦城學院 王浩全

四川大學電氣工程學院 周子涵

西北工業(yè)大學 黃仕霖

在科學技術(shù)日益更迭發(fā)展下，人工智能技術(shù)被廣泛運用到各個領(lǐng)域中，為社會大眾的生活帶來了諸多便利。在當前的圖像處理領(lǐng)域中人工智能算法的運用受到高度關(guān)注，在圖像處理中恰如其分地引入人工智能算法能顯著提升圖像處理質(zhì)效，據(jù)此，文章人工智能算法概念和處理工作的內(nèi)涵，闡述了圖像處理中運用人工智能算法的優(yōu)勢，并探究了具體應(yīng)用。

在信息技術(shù)的推動下高速計算機運應(yīng)而生，作為普通計算機的進化，高速計算機的誕生可以高效完成計算機運算工作，同時還吸引了諸多專家學者深入研究人工智能算法，以期通過開發(fā)和研究，打破傳統(tǒng)圖像處理的方式，將人們從繁雜的圖像處理和計算中解放出來，促進工作質(zhì)效的提升，滿足信息時代圖像處理的基礎(chǔ)。

1 人工智能和圖像處理工作的概念

近年來，人工智能這種新型科技技術(shù)受到社會各界的關(guān)注，人工智能作為一種機器智能，可以幫助人類，還能根據(jù)人類的需求，開發(fā)智能化的技術(shù)，以提高社會大眾工作質(zhì)效和改善生活水為目標。人工智能防人類思維模式，但是不具備人類一樣的獨立思維意識，無法分析解決問題，因此，人工智能的本質(zhì)就是擁有人類智慧，并服務(wù)于人類的設(shè)備和工具。

近年來，隨著互聯(lián)網(wǎng)技術(shù)和計算機技術(shù)日新月異的發(fā)展，當前我們已經(jīng)步入了信息時代，各種信息數(shù)據(jù)成爆炸式增長的同時，圖像處理工作量和處理難度也在日益提升。毋庸置疑，圖像處理到多個領(lǐng)域，如，工業(yè)設(shè)計、軍事應(yīng)用、醫(yī)學，圖像處理工作主要就是依托各種技術(shù)和軟件，將圖像信息直接轉(zhuǎn)化為數(shù)字信息，并將其上傳到計算機當中，通過計算機處理器信息和圖像。當前影響圖像處理工作的因素有數(shù)學技術(shù)發(fā)展、計算機技術(shù)的發(fā)展等。

2 人工智能算法運用到圖像處理中的優(yōu)勢

在圖像處理工作中應(yīng)用人工智能算法的優(yōu)勢主要體現(xiàn)以下幾點，其一，能有效代替?zhèn)鹘y(tǒng)人工手工工作，再提高工作質(zhì)效的同時，還解放了人工成本，人工智能高速率無休止的進行工作，促進圖像處理技術(shù)的質(zhì)效的提升；其二，在圖像處理工作中運用人工智能算法，能打破傳統(tǒng)圖像處理當中圖像切分不到位，圖像識別不到位，促進了圖像處理精準和價值的提升；其三，運用人工智能算法，能夠預(yù)處理數(shù)據(jù)信息，并全方位地彰顯存儲信息的價值，同時還能最大化的發(fā)揮圖片識別、保存、自我分析等功能，為之后高效處理圖提供強大的支撐。

3 人工智能算法在圖像處理中的應(yīng)用

3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)所謂人工神經(jīng)網(wǎng)絡(luò)即利用對動物神經(jīng)網(wǎng)絡(luò)行為特征的模擬，構(gòu)建出全新的智能算法模型，其特征在于可以利用模擬的神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)節(jié)點分析及處理，以對最具價值的數(shù)據(jù)實施篩選，從而完成對圖像的合理化處理。同時，基于人工神經(jīng)網(wǎng)絡(luò)算法下，不僅具備獨立推理難處的能力，并且可以完成創(chuàng)新的自主學習，以及環(huán)境適應(yīng)功能，這種優(yōu)勢的應(yīng)用可以有效滿足圖像處理的需要，特別是在圖像壓縮處理環(huán)節(jié)，利用不同節(jié)點、層級設(shè)置不同數(shù)量節(jié)點，主要集中于圖像的輸出及輸入層級，針對數(shù)據(jù)傳輸層級節(jié)點較少，以此來確保數(shù)據(jù)處理合理性和有效性。人工神經(jīng)網(wǎng)絡(luò)智能算法的應(yīng)用，可大幅提升數(shù)據(jù)存儲空間，并通過網(wǎng)絡(luò)實施高效傳輸，以達到節(jié)約圖像占用空間的目的，并在一種程度上提升行為效率，對圖像進行精準高效還原。另外，針對該技術(shù)的深度應(yīng)用，相關(guān)學者同樣提出了不同見解，如利用多層BP網(wǎng)絡(luò)實施圖像處理，或者對圖像進行分割處理，而在圖像的分類方式選擇上，主要是利用PCA提取數(shù)據(jù)特征，在分類染色體圖像中也可利用神經(jīng)網(wǎng)絡(luò)完成。此外，神經(jīng)網(wǎng)絡(luò)在圖像分辨率上優(yōu)勢顯著，可以對手寫數(shù)字進行精準識別。具體見圖1所示。

圖1 人工神經(jīng)網(wǎng)絡(luò)

3.2 遺傳算法

遺傳算法同樣源自于人類對自然界的一種模仿，通過設(shè)計優(yōu)化衍生而來的圖像處理算法。其中主要以達爾文的進化論作為算法借鑒，通過對生物過程方面的研究和學習，使系統(tǒng)可以快速找到最佳的解決方案。遺傳算法的優(yōu)勢在于操作簡便，可以實現(xiàn)對圖像的直接處理，以此來獲得最優(yōu)的解決效果，避免圖像處理的各類問題。由于遺傳算法本身具有綜合性和復(fù)雜性，因此其框架的構(gòu)建應(yīng)基于諸多科學領(lǐng)域，包括函數(shù)優(yōu)化、組合優(yōu)化等。也由此，在圖像優(yōu)化分割及搜索優(yōu)化分割層面，遺傳算法得到了廣泛應(yīng)用。具體如圖2所示。

圖2 遺傳算法的處理流程

3.3 蟻群算法

蟻群算法早在1992年，蟻群算法的概念便應(yīng)運而生，其靈感與人工神經(jīng)網(wǎng)絡(luò)近似，都是基于自然界動物模型，主要是利用特定的原理尋求最優(yōu)概率算法路徑，它的根本參照主要是螞蟻的覓食過程。在自然界中，蟻群在覓食的過程中會通過遺留信息，給予同伴指引而準確找到覓食路徑，其具有信息量大和信息傳輸多的特點，因而信息的傳遞成為保證工作完成的基礎(chǔ)。蟻群算法主要通過反饋性、適應(yīng)性等優(yōu)勢的體現(xiàn)，實現(xiàn)圖像處理中的最佳優(yōu)化值，完成對圖像的高效切分，即在最短的時間內(nèi)找到最優(yōu)的處理方式，大幅提升人工智能算法的效率。

3.4 退火算法

該算法主要是基于迭代策略為前提，并結(jié)合物理領(lǐng)域的固體退火原理，以隨機方式尋求最優(yōu)解的算法。在物體加熱的過程中，當加熱對象到達一定溫度值后，對其實施快速冷卻處理，而在加溫的過程中，物體的內(nèi)部粒子會因溫度的變化而變化，呈現(xiàn)出無序的基本狀態(tài)，其內(nèi)能也將受到強化影響。但隨著冷卻過程的加入，物體內(nèi)部粒子又會隨著溫度下降，由無序轉(zhuǎn)化為有序狀態(tài)，并在溫度到達一定閾值時達到狀態(tài)的穩(wěn)定，內(nèi)部值也降至最低。通過該算法在圖像處理中的應(yīng)用，可以依托其原理優(yōu)勢進行整體處理，即根據(jù)該算法的特點和規(guī)律，在圖像的處理中可以強化效果和質(zhì)量，包括利用SA對圖像進行排版調(diào)整；應(yīng)用SA閾值實施圖像分割處理，以提升處理的速度。針對圖像中所包含的漢子內(nèi)容，同樣可以通過算法進行識別，從而獲得準確的處理結(jié)果。利用退火算法與遺傳算法的有機融合，可以滿足地圖處理中自動著色的要求。據(jù)此，利用粒子群算法與不同算法的融合，實現(xiàn)圖像處理系統(tǒng)的應(yīng)用。退火算法流程如圖3所示。

圖3 退火算法流程圖

3.5 粒子群優(yōu)化算法

這種人工智能算法是根據(jù)鳥群鋪食現(xiàn)象所研發(fā)出來的，粒子群優(yōu)化算法針對性地選擇群體中的個體信息進行修改，這種方式與上述所提及到遺傳算法具有相似之處，主要是基于迭代的基礎(chǔ)上所誕生的。但是粒子群優(yōu)化算法與遺傳算法也存在差異性，后者當中運用中變異和交叉方法，但前者卻不具備，主要依靠搜索粒子的方式來確定圖像當中的最優(yōu)粒子，這種算法比較簡化，因為粒子群優(yōu)化算法用于模糊控制和函數(shù)優(yōu)化，同時還可以運用到神經(jīng)網(wǎng)絡(luò)當中?，F(xiàn)階段粒子群優(yōu)化算法主要用于解決優(yōu)化圖像問題，作為一種群體協(xié)作隨機搜索方法，在圖像處理中引入這種方法可以納入多主體優(yōu)化系統(tǒng)，檢測圖像邊緣，解決圖像細節(jié)邊緣丟失的問題，從整體上促進圖像精度和圖像分割效率的提升。

總之，隨著時代的日益發(fā)展，人類投入了人力物力加強對人工智能算法的研究，在圖像處理中運用人工智能算法一方面可以提升圖像處理精準和效率，另一方面促進社會大眾生活水平的提升。隨著人工智能的不斷完善優(yōu)化，相信今后人工智能算法會越來越先進，被廣泛運用到各個領(lǐng)域中，助力社會的穩(wěn)健長遠發(fā)展。