计算机智能图像识别算法研究

摘要：随着社会经济的不断发展，人们对于计算机技术提出的要求不断提高。现如今，计算机技术的更新速度正在不断提升，许多人们刚刚接受的技术就可能已经被新的技术所取代。如今，为了对未知的事物进行不断的探索和研究，科研人员提出了对计算机进行智能化更新，以帮助人类识别复杂环境下的事物的新理念。该文将针对计算机智能图像识别技术进行深入的探究，并对相应的算法进行一定程度的阐释。

关键词：计算机技术 图像识别 算法 分析

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2015）07（b）-0000-00

影响事物形态的因素是多方面的，当这些复杂条件对某一事物进行共同作用时，就会影响人们对这一事物的准确判断，给人们的工作和生活都带来极大的不便。通过计算机技术对事物进行智能化识别可以帮助人们了解事物的本质，近些年来，对于该项技术的研究和探索已经成为各国电子计算机工程界重点攻克的课题。对其进行充分的研发利用无论对整个社会还是对具体的某一个人都有非常重要的意义。

1计算机图像识别技术的具体应用

自电子计算机技术投入应用以来，计算机图像识别技术就凭借其强大的工作性能受到了广泛的青睐。简单地说，计算机图像识别也就是相关工作者或科研人员利用电子计算机拍摄图像的功能获取图像，并运用图像识别功能对其中需要加以识别的内容进行甄选和识别的过程。这对这种特性，相关人员开发出多款计算机图像识别技术的相关应用产品，为人们的生活带来了极大的便利。同时利用该种技术图可有效地识别各种宏观或是微观的事物，例如交通系统对于违规车辆的监控，生子是对生物体或是人体中存在的病毒细胞的监控。目前，计算机图像识别技术已经被广泛地投入使用，涉及到日常生活中的方方面面，比如对社区安全环境的监控，对车辆行驶情况的监控等等。小到生活的细枝末节，达到国家的政治军事都充分利用了计算机图像识别技术。

目前，计算机图像识别技术的主要的应用载体基本包括三种类型，它们分别是个人电子计算机设备、智能移动手机设备以及嵌入式终端设备。这其中，嵌入式终端设备对于图像识别技术的应用最为广泛，比如日常生活中所遇到的指纹识别或是人脸识别都是其应用的代表。

2计算机智能图像识别的相关技术条件

计算机技术具有高度的专业性，这项工作的进展需要工作人员拥有丰厚的理论知识以及过专业操作能力。计算机智能图像识别技术功能的应用需要完整的图像识别系统以及计算机智能软件的开发应用。

其中，图像识别系统包括对图像进行预备处理的系统，对图像进行压缩处理的系统，对图像的主要特征进行识别和提取的系统，以及对图像进行智能化分类的系统。首先，对图像进行预处理的目的是为了提升图像的可是识别性，通常由二值化处理、灰度化处理以及平滑去噪处理这三个方面，二值画处理只要通过对灰度值的处理将图像进行黑白效果处理，通常设定的灰度值为0或是255，但是具体选取哪一个数值要根据选取的图像要求来决定。灰度化处理主要是指对图像的像素颜色（红、绿、蓝）进行特殊处理，并进行图像灰度直方图的绘制。图像的平滑去噪处理是指重点突出图像的重点部分，将多余的部分去掉，保证人们看到的图像更加清晰和直观。

同时，人们利用计算机技术对图像进行压缩处理，目的在于方便图像的保存和传输。压缩处理简单来说就是利用压缩代码将图像中无用的信息进行压缩和删除，但是必须要保证图像的可识别性。压缩代码种类繁多，具体只用何种代码也要依照情况而定。

关于图像特征的提取是图像识别过程中最重要的一部分，在这一过程中，计算机图像识别软件一定要保证图像的真实性和完整性。通常，图像特征提取系统包括图像的颜色特征、图像的纹理特征、图像的形状特征等。

智能化图像识别处理，简单来说就是将计算机与人类的大脑进行类比，对所“看见”的事物进行独立的判断。为了实现这一目标，相关技术工作人员要注重研发全新的计算机智能应用程序，通常，计算机工程师都利用C++语言语言进行计算机程序研发工作，在传统的图像处理应用过程中，这种程序语言具有很强的优越性。但是对于智能软件而言，其灵活度还有待提升。针对这一问题，不少软件开发公司已经开始了新的语言程序的开发工作。

3关于计算机智能图像识别的算法研究

智能进行图像处理的基本要求在于，无论识别对象进行了何种方式的何种形态的变化，计算机都能及时的抓住其本质特征，对其进行有效的识别。因此，在只能图像识别算法中，要注意保证图像的不变性。目前，被应用最为广泛的算法是不变矩方法。该种算法利用的是图像平移和旋转之后不发生改变的数学特征对图像进行智能识别。

不变矩算法主要利用二阶中心和三阶中心构造了七个不变矩，在图像连续平移、缩放或是旋转的条件下，它们的特征仍然保持不变。

通常情况下，不变矩理论都会与D-S证据推理理论进行相互配合，这一证据理论是邓普斯特（Dempster）在20世纪下半叶首次提出的，由他的学生谢弗（Shafer）在之后进行了不断改良的基础之上提出的一种不精确推理理论，该理论也被称为Dempster/Shafer 证据理论（D-S证据理论），属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力。该理论的应用范围非常广泛，技术工程人员对其进行了不断的补充发展，并以此理论为基础发展了ER算法。

在D-S证据理论中，由不相容的两个假设的命题组成识别框架，在这种框架下，针对某一问题，该理论列出所有可能发生的情况，但是只有其中一种情况是真实发生的，我们将这种情况视为问题的正确答案，并该框架的子集称为命题。其中，各个命题可能发生的基本情况被视作基本概率分配（BPA，也称m函数），将m（A）视为基本可信数，并用它反映着对A的信度大小。利用信任函数Bel（A）对命题A的信任程度进行表述，似然函数Pl（A）表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量。实际上，[Bel（A），Pl（A）]表示A的不确定区间，[0，Bel（A）]表示命题A支持证据区间，[0，Pl（A）]表示命题A的拟信区间，[Pl（A），1]表示命题A的拒绝证据区间。设m1和m2是由两个独立的证据源（传感器）导出的基本概率分配函数，则Dempster组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。

4计算机智能图像识别技术的特点

计算机智能图像识别系统只要是指利用计算机强大的计算功能，对图像信息进行具体的分析，将图像转化为数字信息，精确的识别在不同状态下的图像特点。为了强化这项功能，研究人员更注重利用各种类型的空间映射反应清晰明确的显示图像特征。

智能计算机图像识别技术具有很强的技术性，综合表现为以下三个方面。

首先智能计算机图像识别技术包含的数据更加全面，信息更加丰富。其次，智能计算机图像识别技术要求计算机内部的各个系统进行充分的配合。因为在对图像进行压缩处理和信息提取的过程中，由于各个图像像素之间存在着极强的关联性，各个系统之间的工作流程必须保持顺畅，方便实现图像的特征提取和分类。最后，智能化的计算机图像识别技术在很大程度上受到人为因素的影响，因为智能识别图像通常需要借助一定的软件进行识别，在图像被输入之后，需要专业的软件操作人员对其进行分析。工作人员的专业能力和水平决定这图像分析的质量。

5计算机智能图像识别的拓展应用

计算机智能图像识别技术是针对当下人们生活工作以及科研工作的需求而提出的理论，因此，它具有广泛的市场前景。随着科学技术的发展，智能一词早已不仅仅局限于电子计算机，掌上电脑智能手机的出现已经取代了计算机绝大部分的功能。智能图像计算机识别技术的使用是多方面的，目前，随着智能手机技术的不断发展，移动端智能软件技术的发展也在不断加快，大多数的拍照软件和社交软件都应用了图像智能识别技术。

随着计算机智能图像技术的不断发展，该项技术在人们生活中的影响也将逐渐加深，所涉及的范围也将不断扩展。比如，在城市规划的过程中，可以利用航拍等方式获取城市布局的图像，利用智能识别图像的方法，及时发现城市规划过程中的不组织之处。在城市进行道路修建的过程中，可以利用该项技术，对公路修建的情况进行及时的监控，保障城市基础设施的建设质量。

计算机图像识别的系统应该得到更加全面全面的优化。在图像进行获取的阶段，系统应该具备自动识别图像类型，自动寻找图像重点信息的功能。

在图像的预处理技术方面，系统应该对图像进行充分的灰度化处理与灰度拉伸。这样做的主要目的在于提高图像处理分析的效率，对图像的特征进行更加全面的提取。在图像识别的过程中，技术人员要注重对算法的充分利用。要对图像的样本进行充分的获取，并根样本的特征，对图像进行智能的识别和分类，针对图像的不同数据内容，自动将其保存为对应的格式，并将其存储于特定的路径之下。

6结语

综上所述，计算机智能图像识别技术对社会生活已经起到的非常重要的影响。该项技术的相应算法是比较复杂和困难的，研发人员一定要在这项工作中注入更多的时间和精力，注重与国外的科技人员进行及时的沟通交流，掌握全新的技术理论，推动计算机智能图像技术的快速发展。希望笔者在该文中所阐释的内容可以对相关工作人员起到一定的指导作用。

参考文献

[1]《计算机与现代化》2014年总目次[J].计算机与现代化，2014（12）：121-126.

[2]计算机科学2014年第41卷总目次[J].计算机科学，2014（12）.

[3]《计算机应用研究》第31卷（2014年）总目次[J].计算机应用研究，2014（12）.

[4]徐荣国.基于图像识别的智能港口导航技术研究[J].煤炭技术，2012（1）.

[5]卢记仓，刘粉林，罗向阳，等.基于辨识性统计特征的PQ隐密图像识别算法[J].通信学报，2015（3）.

[6]杨野.计算机智能信息处理技术的发展与应用[J].山东工业技术，2015（6）.

[7]蔡政，丁宣浩，陈丽霞，等.敏感图像识别算法研究[J].企业科技与发展，2012（5）.