圖像識別技術的原理和應用

文/楊東寧 曾婷 朱延杰

（云南電網公司信息中心 云南省昆明市 65000）

如今計算機和信息技術在快速發展，圖像識別技術因此受到關注和重視。實際的發展過程中，圖像識別技術在不斷更新和進步，被廣泛應用于各個領域，比如產品安全、信息收集、醫療等領域進行了應用，同時，對圖像識別技術越來越依賴。圖像識別技術是根據相應目標，進行處理計算機所捕獲的相應系統前端的圖片信息，這里包括條碼、指紋等識別產生的信息，這項技術應用非常廣泛，對讓人們的日常生活和工作安全性得到了有效保障。所以，進行圖像識別技術的研究具有重要意義和作用。

1 圖像識別技術的發展

圖像識別技術屬于人工智能領域，其發展過程包括文字識別、數字圖像處理和識別、物體識別等三個階段。圖像識別就是進行圖像的處理和分析，進而得到要研究和獲取的目標。現在在圖像識別是應用計算機對圖像實施分析和識別。隨著社會的發展，人類識別不能滿足社會的需求，于是計算機圖像識別技術開始出現并廣泛應用，能夠解決人類不能有效識別的信息，在各個領域都進行了應用。如圖1。

2 分析圖像識別技術的原理

人的視覺效果是人的眼睛具有圖像識別能力，圖像位置、距離、角度等有變化時，視覺感官會有變化，人的視網膜上會改變圖像的大小和形狀，但不改變人對圖像的判斷。人工智能技術中，圖像識別是重要技術，圖像識別原理和人眼睛識別圖像相類似，都是根據圖像特征進行識別的[1]。圖像特征是進行圖像識別的關鍵，比如字母A,其明顯特征是有一個尖角，而Y 的特點是圖形銳角、線段、鈍角組成的。結合這些特征信息，進行識別信息捕捉，進行圖像識別，并且，客觀的判斷圖像的性質和內涵。為了更好的模仿人眼識別圖像的原理，減少和人眼識別效果的差異，應用相應計算機程序，進行模擬人眼識別圖像方式，得到相應的圖像識別模型。在計算機進行圖像特征捕捉時，如果圖像特征和人眼識別記憶及感官判斷的圖像相匹配時，就可以認為識別圖像成功。

3 圖像識別中的模式識別

人工智能及科技信息的重要部分就是模式識別。模式識別就是應用相應方式進行處理和分析所要進行表示的事物或現象，進而能夠進行相應事物或者現象的描述，同時實施辨認和進行分類等，這樣的過程就是模式識別。應用計算機圖像識別技術實際就是進行人類實施圖像識別過程的模擬，進行圖像識別過程中，必須應用模式識別。模式識別其實是人類的智能，可是，因為計算機技術及人工智能的發展，人類的模式識別不能滿足人們社會生活需要，進而人們開始研究應用計算機進行人類模式識別的擴展或者代替，于是產生了計算機模式識別。這是進行數據信息合理分類和計算，是和數學及計算機技術關系密切的科學，很多都應用了統計和概率知識，代替了部分人類大腦活動，甚至高于大腦。通常的模式識別有統計模式、句法模式、模糊模式等不同識別方式。

圖2

4 人工智能中圖像識別過程

人工智能技術的不斷發展和進步，產生和應用了圖像識別技術，進行圖像識別中，利用計算機及信息技術，模仿人眼圖像識別過程。具體人工智能技術中圖像識別過程有下面幾個環節。

（1）進行數據信息的獲取。數據信息的獲取是進行圖像識別的基礎，把聲音、光等信號利用各種傳感器轉化為相應電信號，從而得到相應的信息數據，實施不同圖像特征區分，同時利用計算機存儲到數據庫當中，以進行后續圖像識別程序和步驟。

（2）進行數據預處理，這個環節是對圖像實施去噪、平滑等操作處理，進而使圖像的重要信息數據及特征更突出。

（3）進行特征的選擇和抽取。這是圖像識別技術的重點和核心，尤其是識別模式當中，有嚴格的特征要求，直接決定圖像識別的效果。也就是在不同圖像當中進行特征圖形的選擇，以使計算機進行這些特殊圖形的記憶。

（4）進行設計和決策分類。這個環節是最后環節，設計分類器根據相應程序進行識別規則的合理制定，能夠按照相應規律進行圖像識別，并不是盲目、混亂的進行識別，根據這種規則或規律實施識別，使相似圖像特征和種類更突出，讓圖像識別過程準確辨識率更高，然后根據特殊特征的識別，進行評價并對圖像目標確認，進而完成識別過程。如圖2。

5 常用的圖像識別技術

5.1 模式識別方式

人工智能中的圖像識別技術，模式識別是利于相應模型進行有效識別，這種模式是利用和結合大量數據信息進行分析研究，開展相應的圖像識別[3]。這是根據圖像識別技術的經驗建立和實施的，加上對圖像識別已經具有的認知，利用計算機計算技術進行充分有效的計算，結合相應的數學原理進行推理，進行圖像自動識別。進行具體實施識別時，要進行特征有效評價。這種模式通常分為學習和完成兩個步驟。其中的存儲是在學習環節中完成的，是采集圖像樣本、信息特征等進行的，根據相應的存儲功能所存儲的信息和數據，對信息進行合理分類和識別，通過相應的分辨和分析，進而完成合理規范的計算機程序，更好的識別相應圖像。完成環節重點圖像的完全及和電腦當中圖像模板的相符合，以此完成識別過程。在具體的應用過程中，識別過程的計算機和人腦還是有很大差別的，可是應用計算機識別過程中可以與以前的記憶中的特征、信息、數據等相結合，并實施逐一匹配，進行最新圖像信息捕捉，如果根據既定規律能夠完全匹配，就表示對該圖像識別完成了。這種識別具有局限性，有些信息特征比較特殊，也會有識別錯誤情況發生。

5.2 神經網絡圖像識別方式

這是如今應用比較多的圖像識別方式，這種圖像識別技術是把傳統圖像識別和現代神經網絡算法有效結合，形成新識別形式。圖像識別技術屬于人工智能技術，其中的神經網絡是智能神經網絡，進行人類及動物神經網絡模擬，實施神經網絡分辨，進行圖像識別算法，雖然增加了成本，也相對復雜，可是具有不可比擬的作用。在捕捉和提取了圖像特征后，可以映射到相應的神經網絡程序當中，進而全面準確的對圖像進行識別，并進行識別和處理。比如交通管理系統當中技術對智能監控拍攝進行識別，進而進行神經網圖像識別，根據瞬間拍攝的圖像，實施迅速識別和車牌照分辨，這樣的應用提高了交通管理智能化水平，同時也保證了有效的進行交通監督，促使車輛能夠遵章守紀，提高安全性。如圖3。

5.3 非線性降維形式

這是高維形式，其具有的優點是可以對分辨率比較低的圖像，并進行有效準確識別。因為這種技術能夠生成經過非線性處理后，同時具有多維特征的信息數據，開始分析研究時，會有大量的計算，對降維進行分類，分別是非線性和線性，對其進行比較，非線性降維形式更加簡單，并且具有比較突出明顯的效果。比如，在進行人臉識別時，就是非線性降維形式有效應用實現的，因為人臉圖像處于高維空間會出現分布不均勻現象，對其突出信息特征不能有效獲取，可是應用非線性降維形式，就可以對人臉識別度有效提高，從而增強了圖像識別的準確性。如圖4。

6 結束語

圖3

圖4

綜上所述，隨著科學技術的進步，人工智能中的圖像識別技術在很多領域廣泛應用，受到社會各界的重視和歡迎，解決了人類生活的很多問題，對社會安全性、工作準確性、生活便捷性等都有重要作用和意義。所以，在將來，會得到更快速度的發展，也會在更多的領域普及和應用，給人們的生活和工作帶來方便，同時促進社會經濟的發展和進步，實現智能化社會生活。