试析图像识别技术在人工智能中的应用

马晓红 毛先胤 丰俊宽

摘  要：科学技术的研发和创新带来了新颖的技术和应用，在人工智能技术中，图像识别技术是一个被深入研究和广泛应用的领域。信息时代的飞速发展，推进了图像识别技术的革新，加快了图像识别技术的进步，使得其在许多科学技术领域得到了普遍使用。图像识别技术通过计算机的技术处理代替人们整理庞大的信息资料库，显著提高了工作效率，促进了人工智能技术的发展。

关键词：图像识别  技术  人工智能  应用

中图分类号：TP391.41                       文献标识码：A                 文章编号：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

計算机技术的深入应用衍生出了人工智能技术，目前，人工智能技术发展越来越成熟，在社会和市场中的应用也越来越广泛。图像识别技术作为人工智能技术中的基本技术组成之一，其技术处理和技术特征也被人们不断发现和记录。图像识别技术过程分为信息的收集和获取，信息的预处理，信息的选择和分类，信息的设计等几个过程。本文将深入探讨图像识别技术在人工智能领域中的应用，研究图像处理技术对于人工智能技术发展的重要意义。

1  图像识别技术的基本概述

图像识别技术是人工智能的一个重要领域，主要是对图像进行对象识别，以达到能在不同环境下识别各种不同种类的目标和对象。图像识别技术的基本过程是先获取信息，对信息开展预处理，接着对信息开展特征选择，最后进行分类器设计和分类决策。信息获取是通过传感器，将光或者声音等转变成电信息。信息可以是不同的类型，如二维的文字，一维的电波图，物理量，逻辑关系等。信息的预处理包括图像的变换，增强，滤波等基本的图像处理操作[1]。

进入信息化时代的21世纪后，计算机科学的应用开始逐渐成熟，基于人工智能的背景图像识别具有广泛的应用性，能够与安防、食品、自动驾驶等相关行业进行深度结合，具有未来深入发展的相关潜力。例如日常生活中广泛使用的指纹、条形码、二维码等。通过使用这种技术，能够在大幅提高效率的同时，更好地保证人民群众的财产安全。因此，深入研究人工智能技术中的图像识别技术具有关键性意义。

2  图像识别技术的引进原因

科学技术的进步会促进许多新技术的诞生，图像识别技术就是在计算机处理技术的发展过程中衍生而来。图像处理技术是人工智能科技的重要领域之一，为人工智能提供基本的技术支持。图像处理技术在长期的发展极端共经历了三个重要阶段，第一阶段是文字识别，第二阶段是数字图像处理和识别，第三阶段是物体识别。这三个阶段的进展使得图像识别技术趋于成熟和完善，达到能够对图像和信息做出各种分析处理，识别分类的效果[2]。最初创建图像识别技术是为了解决人工处理信息的巨大工作量，降低人工成本的投入。人工智能技术中引用图像处理技术更多的是为了满足人类对于识别物体及识别信息能力的要求，提高识别物体的能力和速度。图像处理信息的产生可以更加快速准确地识别和判断信息，及时地对信息进行分类处理，帮助人类解决无法识别或者难以识别的信息，这也是图像识别技术被引进人工智能的首要原因。

3  图像识别技术的原理探析

图像识别技术在很多人们的认知中是难度系数极高，操作过程极其复杂的，其实并不是如此。图像处理技术的工作原理较为简单，但是其处理信息的过程较为繁琐，整个处理过程不是很难理解和掌握。与人类对于图像和信息的识别进行比较，计算机图像处理技术缺少的是人类的感觉，视觉和情感，人类在识别信息的过程中不会首先将全部信息储存进大脑，而是会依据信息的不同进行分类识别。但是计算机进行图像的识别时，可以做到将全部的信息进行储存，进而进行分类提取和分类识别，同时不会受到视觉，感觉和情感方面的影响，不会产生主观上的识别错误[3]。计算机图像处理技术的优势是人类信息处理过程无法达到的，图像识别技术的工作原理模仿人类的大脑系统，但是有些地方又进行了改进和优化，充分弥补了人类工作中的不足之处。

4  圖像识别技术在人工智能中的应用

目前我国人工智能中的图像识别技术较为完善，其中被主要应用的是神经网络的图像识别技术和“非线性降维”的图像识别技术，下面对这两种图像识别技术进行深入说明，分析两种技术在人工智能领域的不同应用特点。

4.1 “非线性降维”的图像识别技术

“非线性降维”的图像识别技术在当下的人工智能领域使用十分广泛，相较于传统计算机技术的应用，“非线性降维”的图像识别技术属于高维的识别技术。类似于这种高维的识别技术在使用过程中会给计算机增加额外的工作负担，加重计算机的工作处理量，降低了计算机对于信息和图像的处理效率和识别分类速度，图像识别处理的工作质量无法得到保障。

“非线性降维”的图像处理技术有效地规避了这一问题，能够实现计算机信息和图像处理过程中的识别降维。“非线性降维”的图像处理技术具有很多优点，这种技术在处理图像的过程中能够在不破坏图像结构的前提下实现自身降维，提升图像的识别速度，优化图像的识别精度。例如在人工智能领域中的人脸识别系统中的应用，“非线性降维”图像识别技术不会受到图像维度的影响，不会因为人脸在高纬度空间中存在的分布不均匀现象出现识别困难或者识别缓慢[4]。采用“非线性降维”图像识别技术可以提高人脸识别的速度和精确度，显著提高了人工智能的工作效率和工作质量，为人工智能技术的发展提供了更好的技术支持。

4.2 神经网络的图像识别技术

神经网络是指人工神经网络系统，是以模拟人类脑部的神经系统反映人类大脑特征的计算结构，计算机构模拟人脑神经的同时进行了相关的优化，使得计算过程更加高效和快速。神经网络的图像识别技术的主要技术原理是神经网络学习算法，运用这种计算方式对图像进行识别和处理。神经网络图像识别技术工作过程会分为几个步骤，首先对获取道德图像和信息进行预先处理，处理内容包含图像颜色由真彩图像转变为灰度图像，再对灰度图像进行放大等处理。其次要设计出针对不同图像在被识别过程中的计算系统，计算系统可以根据所识别的图像特征输入相应的数据，通过数据计算结构的运算，对识别的图像进行筛选和排除等[5]。

最后在神经网络的设计完成之后，要对神经网络图像识别技术系统进行验证和测试，确保图像识别技术系统能够按照设计的预期进行工作，达到图像精准识别的效果。同时要对神经网络图像识别技术的测试结果进行记录，以便后期对出现的问题进行设计上的更新和完善。神经网络图像识别技术与“非线性降维”图像识别技术具有各自不同的技术特点，运用在不同的技术领域，推进了人工智能科技的进步，加快了人工智能科技进展的脚步。

4.3 模式识别方法

在图像识别技术中，模式化识别方法是一种基于大量信息数据进行合理分析，并对图像进行有效模型的建立，随后根据此模型进行深入识别。此类识别模型通常基于模式识别技术领域的专家们多年来积累的丰富经验，以及他们对模式识别的认识综合而成。通过结合计算技术与数学推理过程，实现自动化处理大量图像的特征识别[6]。并在进行识别的过程中，进行针对化的客观分析，达到识别效果。模式识别分为学习和应用两个阶段，学习阶段的实质是存储的过程，即初步收集保存的图像样本，并根据计算机内存的极限，制定识别规则。通过对平时的汇总信息进行分类和识别，以计算机程序的形式实现相应的图像的处理。在应用阶段则强调图像与确立模板之间的对应效果，建立识别过程的基础。在实际应用中，计算机与人脑在识别方面的差异较大，但是在计算机识别可以结合匹配功能，将工作过程中的数据和信息与记忆相互结合，逐一捕捉图像。如果能够按照既定的规则进行匹配，则说明该图像被成功识别。但是，这种识别形式有一定的局限性，往往会误认一些类型特别相似的特征，影响到整体处理效率，需要人工进行介入处理。

5  结语

综上所述，图像识别技术是人工智能科技重要的技术基础，为人工智能的创新建设提供了许多实质性的帮助。图像识别技术在长期的更新换代中不断地查找不足，积极进行技术优化，使得图像识别技术越来越先进，在我国众多技术领域被大量使用，对我国科学技术的进步具有重要意义。

参考文献

[1] 潘全，万小蕙，夏正球.图像自动识别与采集技术在麻/棉织物检测中的应用[J].纺织检测与标准，2020，6（3）：16-20.

[2] 黄龙，吴佳桐.图像识别在互联网“问题地图”监控中的应用[J].测绘通报，2020（6）：145-148.

[3] 李晓阳，谢恒义，韩贞辉，等.卷积神经网络在图像识别技术中的应用研究[J].能源与环保，2020，42（6）：73-76.

[4] 宁柏锋，董召杰.基于图像识别的变电站SF6气压表智能读数方法研究[J].自动化与仪器仪表，2020（6）：48-51，56.

[5] 潘起家.计算机图像识别的智能化处理方法解读[J].科技资讯，2019，17（1）：10-11.

[6] 杨洋.关于人工智能的图像识别技术分析[J].科技资 讯，2020，18（10）：19-20.