计算机智能化图像识别技术的理论性突破.docVIP

计算机智能化图像识别技术的理论性突破 　　摘要：随着科学技术的日益发展，计算机走进了寻常百姓家，而对于计算机智能化图像识别技术也越来越成熟，其直接影响着国民经济的健康发展。本文分析了计算机智能化图像识别技术的理论性的相关方面。 　　关键词：计算机智能化；图像识别技术；理论研究 　　中图分类号： G623 文献标识码： A 　　引言 　　计算机图像识别的智能化处理技术是通过智能化手段将图像类型的信号，转化为数字类型的信号，并在计算机上进行处理。计算机图像识别的智能化处理技术，在日常生活中的应用及其广泛，用它处理的数字信号具有高保真、易储存、易传送等特点，且具有超强的抗干扰能力，。 　　1、计算机智能化图像识别系统概述 　　计算机智能化图像识别系统主要由5个部分组成，它的主要原理是通过一定的方法将识别的对象输入到计算机内，再由计算机进行处理，然后对其进行一系列的分类和匹配。第一步，首先进行图像输入，其目的是为了能够将已经采集到的图像输入到计算机内，然后再由计算机进行一些列的处理，计算机预处理过程主要是一个分离的过程和增强图像的二值化，主要是针对图像和背景区，从而使得计算机智能化图像识别的后期处理的速度和效率都能得到很大的提高。一般的情况下也会将图像的特有特征用数值的形式表示出来，这样做的目的是将图像的真实性最大程度上进行呈现。在计算机智能化图像识别系统中，对图像进行匹配的工作就要使用到一种精确的方法，即将其分配到不同的图像库中，从而使得图像的收索时间能够大大的减少。在计算机智能化图像识别系统中为了准确地判断出所输入的图像的性质就必须把当前输入的测试图像和之前已经保存的图像进行对比和分析。具体如图1所示。 　　 　　通常情况下，对计算机智能化的图像进行识别技术会用到三中方法，包括统计识别法、句法识别法与神经网络识别法。 　　（1）统计识别法。由于受到外界因素影响图像的背景与目标的线性是一直处于一个状态，不能将其分开，所以使用统计识别法能够很好的解决这一问题，其的分类误差也是最小的。它的主要原理是以数学中有关决策理论的知识为基础，然后建立计学的识别模型，再通过对这一模型进行分析和统计，找出图像的规律，最终利用图像特点中本质特征的提出来实现识别。 　　（2）句法识别法。这种方法是对统计识别法的一种补充，它主要是依靠符号来对图像进行相关的描述。因为句法识别法学习了语言学内句法层次的结构排列，所以其能解决分成之间出现的简单活疑难的问题，能够有效突出被识别图像结构的信息。 　　（3）神经网络识别法。其原理是利用神经网络中计算的方法对目标图像作出识别的一种方式。由于，神经网络的特点是能够实现分布式处理与存储、同时自适应与自组织能力都是非常强的，因此一般会将其用来处理需要同时对模糊与不精确的许多条件与因素作出考虑的图像。 　　2、计算机智能化图像识别技术的理论性分析 　　2.1、计算机智能化图像识别技术的现状 　　目前，很多的学者都投身于研究图像中的识别问题，经过分析和研究，对于此项技术也逐渐的运用于生活中，但是就目前的情况来看，计算机能够完成简单的图像识别，在进行识别时，人们会根据图像的特点，针对性的研究出了很多识别方法，但是对于这个方法，还是会受到很多的限制，对于特定图像的识别效果较好，但是如果遇到识别范围较大的，就比较麻烦，计算量非常大，同时受到很多条件的限制，因此在实际使用中也会很难进行。但是从整体上来看，随着社会的发展，图像识别技术在不断的进行完善，但是还是属于比较落后的状态，因此需要加强我国的图像识别技术，提高相关设备和软件技术。 　　2.2、计算机智能化图像识别技术的理论性突破 　　就目前的情况来看，我国现在使用的计算机图像识别技术大部分都是对二维平面的图像进行分析，而对于三维空间下的图像进行识别，依靠现在的技术还是不能达到相关要求的，但是大型神经网络的出现，给三维空间的图像识别，提供了良好的基础，但是对于大型神经网络，其计算量是非常大的，因此必须保证良好的计算机性能，从摩尔定律可以知道，计算机的性能每隔十八个月就会翻倍，随着科学技术的发展，到目前为止，计算机性能已经非常高，对于硬件和软件的技术都已经达到比较成熟的状态，能够满足计算机智能化图像识别技术的要求。但是因为现在的相关图像识别技术还是建立在上世纪70年代的视觉计算理论，所以会受到很多条件的限制，对于这个理论来说，也存在着一定的问题，不够完善，对于其中的内容很多都还处于假设，因此要想在计算机智能化图像识别技术的理论上进行突破，必须对这个基础的理论进行完善，根据现在图像识别技术的现状，对视觉计算理论进行一定的补充，然后在配合神经网络等优秀的算法，这样才能取得智能化图像识别技术的理论性突破。 　　3、计算机智能化图像识别技术的优点 　　（1）