图像识别技术的原理和应用

文/杨东宁 曾婷 朱延杰

（云南电网公司信息中心 云南省昆明市 65000）

如今计算机和信息技术在快速发展，图像识别技术因此受到关注和重视。实际的发展过程中，图像识别技术在不断更新和进步，被广泛应用于各个领域，比如产品安全、信息收集、医疗等领域进行了应用，同时，对图像识别技术越来越依赖。图像识别技术是根据相应目标，进行处理计算机所捕获的相应系统前端的图片信息，这里包括条码、指纹等识别产生的信息，这项技术应用非常广泛，对让人们的日常生活和工作安全性得到了有效保障。所以，进行图像识别技术的研究具有重要意义和作用。

1 图像识别技术的发展

图像识别技术属于人工智能领域，其发展过程包括文字识别、数字图像处理和识别、物体识别等三个阶段。图像识别就是进行图像的处理和分析，进而得到要研究和获取的目标。现在在图像识别是应用计算机对图像实施分析和识别。随着社会的发展，人类识别不能满足社会的需求，于是计算机图像识别技术开始出现并广泛应用，能够解决人类不能有效识别的信息，在各个领域都进行了应用。如图1。

2 分析图像识别技术的原理

人的视觉效果是人的眼睛具有图像识别能力，图像位置、距离、角度等有变化时，视觉感官会有变化，人的视网膜上会改变图像的大小和形状，但不改变人对图像的判断。人工智能技术中，图像识别是重要技术，图像识别原理和人眼睛识别图像相类似，都是根据图像特征进行识别的[1]。图像特征是进行图像识别的关键，比如字母A,其明显特征是有一个尖角，而Y 的特点是图形锐角、线段、钝角组成的。结合这些特征信息，进行识别信息捕捉，进行图像识别，并且，客观的判断图像的性质和内涵。为了更好的模仿人眼识别图像的原理，减少和人眼识别效果的差异，应用相应计算机程序，进行模拟人眼识别图像方式，得到相应的图像识别模型。在计算机进行图像特征捕捉时，如果图像特征和人眼识别记忆及感官判断的图像相匹配时，就可以认为识别图像成功。

3 图像识别中的模式识别

人工智能及科技信息的重要部分就是模式识别。模式识别就是应用相应方式进行处理和分析所要进行表示的事物或现象，进而能够进行相应事物或者现象的描述，同时实施辨认和进行分类等，这样的过程就是模式识别。应用计算机图像识别技术实际就是进行人类实施图像识别过程的模拟，进行图像识别过程中，必须应用模式识别。模式识别其实是人类的智能，可是，因为计算机技术及人工智能的发展，人类的模式识别不能满足人们社会生活需要，进而人们开始研究应用计算机进行人类模式识别的扩展或者代替，于是产生了计算机模式识别。这是进行数据信息合理分类和计算，是和数学及计算机技术关系密切的科学，很多都应用了统计和概率知识，代替了部分人类大脑活动，甚至高于大脑。通常的模式识别有统计模式、句法模式、模糊模式等不同识别方式。

图2

4 人工智能中图像识别过程

人工智能技术的不断发展和进步，产生和应用了图像识别技术，进行图像识别中，利用计算机及信息技术，模仿人眼图像识别过程。具体人工智能技术中图像识别过程有下面几个环节。

（1）进行数据信息的获取。数据信息的获取是进行图像识别的基础，把声音、光等信号利用各种传感器转化为相应电信号，从而得到相应的信息数据，实施不同图像特征区分，同时利用计算机存储到数据库当中，以进行后续图像识别程序和步骤。

（2）进行数据预处理，这个环节是对图像实施去噪、平滑等操作处理，进而使图像的重要信息数据及特征更突出。

（3）进行特征的选择和抽取。这是图像识别技术的重点和核心，尤其是识别模式当中，有严格的特征要求，直接决定图像识别的效果。也就是在不同图像当中进行特征图形的选择，以使计算机进行这些特殊图形的记忆。

（4）进行设计和决策分类。这个环节是最后环节，设计分类器根据相应程序进行识别规则的合理制定，能够按照相应规律进行图像识别，并不是盲目、混乱的进行识别，根据这种规则或规律实施识别，使相似图像特征和种类更突出，让图像识别过程准确辨识率更高，然后根据特殊特征的识别，进行评价并对图像目标确认，进而完成识别过程。如图2。

5 常用的图像识别技术

5.1 模式识别方式

人工智能中的图像识别技术，模式识别是利于相应模型进行有效识别，这种模式是利用和结合大量数据信息进行分析研究，开展相应的图像识别[3]。这是根据图像识别技术的经验建立和实施的，加上对图像识别已经具有的认知，利用计算机计算技术进行充分有效的计算，结合相应的数学原理进行推理，进行图像自动识别。进行具体实施识别时，要进行特征有效评价。这种模式通常分为学习和完成两个步骤。其中的存储是在学习环节中完成的，是采集图像样本、信息特征等进行的，根据相应的存储功能所存储的信息和数据，对信息进行合理分类和识别，通过相应的分辨和分析，进而完成合理规范的计算机程序，更好的识别相应图像。完成环节重点图像的完全及和电脑当中图像模板的相符合，以此完成识别过程。在具体的应用过程中，识别过程的计算机和人脑还是有很大差别的，可是应用计算机识别过程中可以与以前的记忆中的特征、信息、数据等相结合，并实施逐一匹配，进行最新图像信息捕捉，如果根据既定规律能够完全匹配，就表示对该图像识别完成了。这种识别具有局限性，有些信息特征比较特殊，也会有识别错误情况发生。

5.2 神经网络图像识别方式

这是如今应用比较多的图像识别方式，这种图像识别技术是把传统图像识别和现代神经网络算法有效结合，形成新识别形式。图像识别技术属于人工智能技术，其中的神经网络是智能神经网络，进行人类及动物神经网络模拟，实施神经网络分辨，进行图像识别算法，虽然增加了成本，也相对复杂，可是具有不可比拟的作用。在捕捉和提取了图像特征后，可以映射到相应的神经网络程序当中，进而全面准确的对图像进行识别，并进行识别和处理。比如交通管理系统当中技术对智能监控拍摄进行识别，进而进行神经网图像识别，根据瞬间拍摄的图像，实施迅速识别和车牌照分辨，这样的应用提高了交通管理智能化水平，同时也保证了有效的进行交通监督，促使车辆能够遵章守纪，提高安全性。如图3。

5.3 非线性降维形式

这是高维形式，其具有的优点是可以对分辨率比较低的图像，并进行有效准确识别。因为这种技术能够生成经过非线性处理后，同时具有多维特征的信息数据，开始分析研究时，会有大量的计算，对降维进行分类，分别是非线性和线性，对其进行比较，非线性降维形式更加简单，并且具有比较突出明显的效果。比如，在进行人脸识别时，就是非线性降维形式有效应用实现的，因为人脸图像处于高维空间会出现分布不均匀现象，对其突出信息特征不能有效获取，可是应用非线性降维形式，就可以对人脸识别度有效提高，从而增强了图像识别的准确性。如图4。

6 结束语

图3

图4

综上所述，随着科学技术的进步，人工智能中的图像识别技术在很多领域广泛应用，受到社会各界的重视和欢迎，解决了人类生活的很多问题，对社会安全性、工作准确性、生活便捷性等都有重要作用和意义。所以，在将来，会得到更快速度的发展，也会在更多的领域普及和应用，给人们的生活和工作带来方便，同时促进社会经济的发展和进步，实现智能化社会生活。