苏州聚锦泓智能科技有限公司 江苏 苏州 215000
摘要:近些年来,我国计算机信息技术得到快速发展,并在我国各个领域中得到广泛应用,人们对计算机信息技术的依赖也更强,在实际应用时也对其提出了更高的要求。为了更好的对新事物进行探索,我国计算机技术人员需要对现有的信息处理系统进行优化,从而更好的解决实际问题。鉴于此,本文对计算机智能图像识别的算法与技术进行分析,希望能为我国计算机信息技术的进一步发展提供一些参考。
关键词:计算机技术;智能图像识别算法;图像处理技术
0引言
智能图像识别算法主要是利用计算机系统对图像信息进行处理和分析。现阶段图像处理技术主要在工业层面进行使用,利用计算机软件对图像采集设备捕捉到的图像数据进行识别处理,在利用智能图像软件对数据进行分类,这种方式可以有效解决复杂图像的数据处理工作,抓住识别对象的本质特点,对其进行有效识别。
1计算机智能图像识别算法分析
智能图像识别算法的优势在于,可以在复杂多变的图像形态中,准确抓取图像的内在特征,实现对图像的准确识别,在识别过程中保证图像的性质不发生改变,可以对不同的图像目标进行有效识别。目前较为常见的算法有Hu不变矩算法、D-S证据推理等。
1.1Hu不变矩算法
Hu不变矩算法应用的时间较早,最早可以追溯到上世纪60年代,该算法由7个变量值构成,对图像进行识别的原理如下:
当数字图像处于离散状态时,灰度分布范围在 之间的图像,可以对其 阶的普通矩进行定义,其表达式如下:
(1)
此外,还需要对其 阶的中心矩进行定义,其表达式如下:
(2)
通过公式(1)和公式(2)可以得出,这时质心点的坐标为 。
因此, , ,其中 表示图像灰度在水平方向上的质心, 表示图像灰度在垂直方向上的质心。
此时,可以对 阶的归一化中心矩进行定义,其表达式如下:
(3)
公式(3)中, ,同时 。
从上述公式可以看出,Hu不变矩算法主要以图像的二阶和三阶中心理论为依据,进而以归一化中心矩构造七个不变矩,这七个不变矩表示为 ,并构成图像数据的特征量,这可以有效保证图像在采集和整理过程中,图像的属性不会发生变性。特别是连续对图片进行缩放和平移操作时,图像的属性都会保持不变。
Hu不变矩算法在实际应用时其优势在于能够减少对图像位置数据信息的处理步骤,降低数据运算成本,提高图像处理效率,最终达到较高的图像识别准确率。但该算法在应用时也存在着劣势,如七个不变矩中,只有 和 能够保持较好的不变性,其他不变矩会存在较大的误差。此外,Hu不变矩算法也不能对纹理特征过于复杂的图像进行识别,但简单图形的识别准确率较高,识别效果更好。
1.2D-S证据推理算法
在进行图像识别时,为了满足多源信息处理的需求,就需要使用D-S证据推理算法。该算法使用非空集合进行建立,这种结构也被称为辨别框架,在框架中可以对假想空间元素进行分析,并对信任指派函数和总信任度进行定义,其表达式如下:
(4)
公式(4)中, 辨别框架, 。
通过上述分析,可以得出通过组合规则能够得到两个以上的置信函数。
因此可以将D-S证据推理算法引入到图像识别当中,利用灰度相位共生矩阵获取图像纹理特征参数,在与D-S数据信息进行融合,得到较为清晰的图像纹理特征,解决单组图像特征参数不足的问题,并提高图像识别的准确率。
2计算机智能图像识别技术分析
2.1智能图像识别系统
目前计算机智能图像识别系统主要包括:压缩、预处理、特征识别等功能。其中压缩功能主要是减少图像数据所占据的内存,这便于图像数据进行运输和保存,在进行压缩时要保证压缩后的图片可以被正常识别,只是将图片中无用的数据信息进行删除。目前可以采用的压缩代码种类较多,在进行压缩时根据图片的实际特征来选择适合的压缩处理器;预处理功能是为了提高图像的可识别性能,一般需要对图像进行平滑去噪、二值化以及灰度处理;特征提取功能是对图像数据的颜色、纹理以及形状等特征进行提取,从而实现对图像信息的有效识别。智能图像识别技术是人工智能的重要发展方向,他能为机器人识别图像提供技术支持,随着智能图像识别技术水平的不断提升,可以有效提高后期处理的效率,并最大限度的提高图像处理的准确性。
2.2智能图像识别技术的应用优势
智能图像识别技术的应用优势主要体现在以下几点:一是图像数据信息量较大,以往的图像识别技术会因为图像数据量的增加,降低图像识别准确度。但智能图像识别技术可以将图像数据进行二维化,从而提高系统对图像数据处理的效率,并不会因为数据量的增加而降低图像识别度;二是与传统图像处理技术相比智能图像识别技术的图像识别准确率较高,可以将模拟图像进行数字转换。以往图像像素如果低于32位就不能对图像进行处理,但智能图像识别技术能够全面提高储存数据的完整性,获取高精度的图像信息,这可以满足不同用户对图像数据的实际需求;三是智能图像识别技术具有较强的关联性,当计算机系统运行时,可以对图像数据进行有效识别,能同时对不同的图像数据进行分析。但考虑到图像压缩成本,因此还需要根据图像特点做好图像分类工作,特别是当3D图像输入时,系统将无法对三维几何图形进行有效识别,这时可以对原图像进行重新测量,获取3D图像的二维数据,同时系统也可以将图像的二维数据进行还原,来获得原本的3D图像;四是该项技术在实际应用时具有较高的灵活性,如对图像进行处理时可以对目标图像进行放大,利用数学线性和非线性组合,提高数据信息采集的完整性,提升图像的清晰度。
2.3智能图像识别技术的识别过程
为了进一步发挥智能图像识别技术的优势,应做好以下几点:一是进行数据采集和图像预处理。在图像识别过程中,不仅要考虑外部因素,同时也要考虑图像自身的特征对识别准确率的影响。在图像数据输入时为了进一步提高信息获取的准确性,就需要对图像进行预处理操作,这能进一步提高图像识别技术的可靠性;二是进行边缘特征提取。图像的边缘是有亮度和颜色的,当图像向某个方向发生改变后,在进行图像识别时就可以考虑提取边缘特征。目前常用的方法是空间梯度法、小波变换法,这两种方式都有各自的优缺点。如空间梯度法在使用时可以快速提取图像的边缘特征,但容易受到外部因素的干扰,导致提取结果存在一定偏差;如小波变换法在边缘特征提取效果上具有一定的优势,但提取速度过慢。因此,如何选择还应考虑实际的提取需求;三是进行区域分割。在图像识别过程中要对图像的颜色和灰度等属性进行考虑,这是进行图像识别的前提,因此就需要对目标区域进行整体分割。目前较为常用的分割方法有直接分割、间接分割以及扩充法。在选择分割方法时也要根据图像提取的实际情况进行合理选择。此外,还要对图像目标进行定位,在定位过程中可以完成对数据信息的采集,随着图像背景复杂度的增加,定位的准确性也在不断降低,因此,在进行定位时应考虑图像的边缘特征、颜色以及纹理特征等。
3结语
计算机智能图像识别技术凭借其技术优势在我国多个领域得到广泛使用,该项技术的使用提升了操作的便捷性并进一步促进了产业生产效率的提升。在图像识别过程中能够获取大量的数据信息,同时可以对数据进行分类和判断,这为我国人工智能技术的发展提供了数据支持。
参考文献
[1]王晓薇. 基于计算机智能图像识别的算法与技术研究[J]. 信息通信, 2020, 000(003):82-84.
[2]曾长雄. 计算机智能图像识别算法浅析[J]. 电子元器件与信息技术, 2020, v.4;No.33(03):65-67.
[3]吴倩. 一种基于图像识别技术的智能选址方法与系统[J]. 计算机产品与流通, 2020(07):121-121.
杂志邮寄地址:苏州工业园区星明街217号华庭苑1-306,陶万敏收,电话:18915521521
作者简介:姓名:陶万敏(1981.05);性别:男,民族:汉,籍贯:江苏省苏州人,学历:硕士;现有职称:高级工程师;研究方向:软件工程。