關于計算機智能圖像識別的算法及技術分析

葛瑋 吳佳

摘 要：在計算機人工智能不斷發展的背景下，人們提出了人工智能化的圖像識別要求，以實現在復雜環境下都能正確識別各種物體。科學技術專家將不變矩理論與D-S證據推理相結合、計算機技術與信息技術相結合，進而提出了計算機智能圖像識別算法及技術，本文將對計算機智能圖像識別算法與技術進行深入分析。

關鍵詞：計算機；人工智能；圖像識別；算法；技術；分析

1 計算機智能圖像識別的算法分析

1.1 Hu不變矩

不變矩理論根據物體在移動與變化中具有不變性數學特征，進而提出不變矩方法來進行圖像識別的算法。

通過二階、三階中心矩來進行構造，從而形成7個不同表達式的離散不變矩。為確保上述7個離散不變矩具備平移、旋轉、比例不變性的條件，有效解決比例因子的影響，使用歸一化中心距方法，以得出一組新的離散不變矩特征 ，具體如下：

1.2 D-S證據推理

若 的子集為A，且m（A）>0，那么A即為證據的焦點元素（簡稱焦元），而“核”則是所以焦元的集合總稱。若干（A， m（A））的證據體構成證據，而R上的3個測度函數可通過證據體來定義，具體表示如下：

利用Dempster組合規則可獲得2個或多個置信函數，基于計算可得出不同來源置信度的正交和，進而找出一個新的置信函數。

2 計算機智能圖像識別的技術分析

2.1 智能圖像識別技術

在計算機技術與信息技術的支持下，通過計算機系統來處理與分析輸入圖像，以實現對不同模式對象的準確識別，這就是計算機智能圖像識別技術。

為了幫助人們更好的從圖像中獲取有效信息，計算機智能圖像識別技術有效利用不同類別空間映射來進行圖像識別，進而充分實現對圖像類別、特征的準確對比及匹配，保證圖像處理后的清晰性、識別性，以提高系統的圖像識別能力。

2.2 技術特點

計算機智能圖像識別技術主要有3大特點：①大信息量。在計算機配置、運行系統、存儲量滿足條件的基礎上，以二維信息為主的圖像信息處理方式信息量大，圖像識別過程中需要有充足的準備條件；②強關聯性。計算機系統中圖像各個像素間存在極強的關聯性，因而在智能圖像識別過程中應有效壓縮圖像輸入信息，以實現圖像信息的準確分類與匹配；③強人為性。計算機智能圖像識別后主要由人來評價后期處理，而人為因素對圖像觀察與評價時有很大制約，易影響圖像識別質量。

3 結語

科學技術的發展推動了互聯網時代的智能化，在計算機人工智能的新領域當中圖像識別是主要的研究內容之一。當前，計算機智能圖像識別算法及技術已在各個領域中廣泛應用，不過仍需要對其進行不斷的探索，以便為社會發展提供更好的支持。

[參考文獻]

[1]杜會斌，劉承禹.基于凸型模板的目標形態圖像識別算法[J].計算機與網絡.2011（14）：49-52.

[2]張晨民.圖像識別技術在移動互聯網中的應用[J].電信工程技術與標準化.2011（10）：67-69.