摘要：随着计算机技术的快速发展，计算机图像识别的智能化处理技术是目前计算机技术应用的一个重要方面，硬件设备和软件系统不断完善，这些给计算机智能化图像识别技术提供了发展基础。计算机图像识别中应用智能化技术，可以显著提高计算机识别的精准度，推动图像识别技术发展。就目前的应用来看，计算机图像识别的智能化处理技术是利用智能化的手段将图像类型的信号进行数字化类型信号的转变，从而在计算机上进行处理的一种技术。本文对计算机智能化图像识别技术进行了分析，并对其图像识别技术的应用领域和范围进行了探讨，促进计算机智能化图像识别技术在社会各个领域中的普及应用。
关键词：计算机；智能化；图像识别技术；图像处理技术；神经网络
引言
随着社会与科学技术的进步发展，计算机图像识别技术也越来越智能化，能够很大程度地满足人们对图像的个性化需求。图像识别技术将计算机技术、识别处理技术、智能化結合在一起，将输入的图像图形信息转换为计算机数字信号，对这些多源数据信息进行分析处理，转化成具有特征的信息，进行分类匹配，得到最终的效果，这样的方式显著提升了图像的处理速度和质量。计算机数字信号有抗干扰、信息量小、易存储并能够长期存储的优点，使得图像识别容易被执行操作。图像识别系统大致可分为三种形式：神经网络、结构以及统计，如图1所示。基于神经网络形式的图像识别是一种新型的应用广泛的识别技术，将传统的图像识别技术与先进的神经网络方法相结合，大大提升了识别率。
计算机图像识别处理与人类对图像的感知识别是类似的，然而计算机识别能力更强，能处理的信息量更大。可以用来进行条形码识别、人脸面部识别、指纹识别、身份认证、模型匹配等，一定程度上保障了人们日常生活的安全性。简单又广泛的图像识别应用于智能手机方面，指纹识别、面部识别简化了人们解锁屏幕之前的繁琐操作，大大缩短了解锁时间，提升了使用效率。现在的高端识别技术已经可以实现当对象物体的位置、角度和距离等无论发生怎样的改变，计算机都能识别其本质的特点，对图像的最终判断不会产生影响。例如苹果公司新推出的iPhone X手机的面部识别功能，无论是在黑夜，还是用户戴眼镜、脸上有疤痕等面部有些变化，其都能识别出并进行解锁。学校、机关政府等使用的扫脸打卡机器同样也使用到了此技术。
1 技术特征点
图像本身可能会带有大量的数据信息，在识别过程中还需要对图像的信息进行比对分析，这就需要对大量的数据进行处理，信息量很庞大。图像的最小单位是像素，一幅图像是由众多的像素组成，并且各像素之间有着紧密的关系。像素对应图像的信息，在一定程度上反映出图像的内容。像素与像素间、像素与图像间的关联性是很强的，在识别过程中有着重要的作用。对图像进行识别，首先要将图像信息转变为二维数组，即计算机可识别的数字信号，这样任意精度间的转换就需要高精度的数字化智能处理技术。智能化的计算机图像识别提升了图像信息的精准度，识别结果更加接近于真实性，使得图像受环境噪声的影响较小，提升了抗干扰性。随着科技的进步，图像识别技术也更加的灵活，在图像的转换处理上方便快捷，识别率精确很多。图像识别处理大都为了满足人们的生产生活需求，人为地进行控制分析处理，有时会加入个人喜好情感等因素，依个人要求改变最后的识别结果。
2 技术实现过程
计算机图像识别的过程与人脑识别图像的过程是类似的。首先将要识别的图像对象输入到计算机中，之后对其进行预处理和压缩处理，对图像的关键特征进行提取，之后进行分类，最后根据要求对图像进行匹配。图像识别过程如图2所示。
图中图像预处理过程是最为关键的也是最复杂困难的一个环节，会将图像中一些不重要的数据信息去除，对图像识别效果影响最大。图像预处理包括对图像进行灰度化处理、二值化处理、平滑去噪及轮廓提取等操作。灰度化处理会将图像中的各像素点的灰度值根据需求，经某一灰度化公式处理后得到成像效果。二值化处理比较简单，只需将图像中像素点的灰度值均设置为0或255即可，最后图像呈现的效果即为黑与白。去噪处理是将图像中的一些噪声及没用的干扰信息去除，突出需要的图像内容，从而使人们能直观清晰地看到需求信息。轮廓提取是突出目标图像对象的边缘轮廓信息，使人们可以仅从图像中的形状边缘特征就看出图像的信息内容。
对图像进行压缩处理，将图像多余的信息进行压缩或删减，可以减少图像的占用空间，能够更好的传输和存储，但并不会影响图像的可识别性。压缩代码及形式需根据实际情况来选择。提取图像的关键特征是系统根据图像的主要特征点进行处理提取，如图像的颜色特征、形状特征、纹理特征及空间特征等。
3 存在问题及解决途径
虽然我国智能化的图像识别技术取得了迅速发展，识别效果不错，但是我国对这项技术仍处于起步发展阶段，还存在诸多的不足之处，识别技术存在一些瓶颈问题。现如今的技术只能对简单的图像进行识别处理，效果还比较好；然而当图像一旦变得复杂，数据信息多的时候，计算量以及计算时间都会变大，识别率也会下降。图像识别技术如图3所示。
技术受限主要是由于以下几方面的原因。我国的计算机软硬件设备技术相对比较落后，当识别复杂的图像时，任务量较大，计算机运行处理速度跟不上，无法及时地识别处理图像，降低了识别精度和效率。同时也会造成我国的研究成果少于国外具有发达水平计算机软硬件国家的研究成果。我国智能识别的图像大多还是二维图像，并且有时图像的质量不是很高，模糊或是有杂质，或受人为因素的任意性干扰限制，都会影响图像的识别效率。
基于以上问题，大家还需要对其进行优化提高，加大研究投入计算机软硬件设备的开发，多运用高性能的计算机来支撑识别处理图像。并且将工作重心从二维图像逐渐转变为三维图像，未来甚至会发展为多维。优化完善识别技术，降低图像质量及环境噪声对识别处理的影响，从而提升识别精度和分辨率。
4 应用领域
如今图像识别技术随着高端先进的科学技术已经渐渐深入到人们的生活中，应用范围领域广泛，如交通领域、建筑工程领域、医学领域、文学艺术领域、农业领域等，被不断推广，并且具有着较高的应用价值与作用，灵活便捷智能的特点使其应用普遍，十分有必要在各行业进行普及发展。
4.1 交通领域
要想富，先修路。随着各城市经济的发展，城市交通设施也在不断发展改变，道路四通八达，建设面积越来越大，路况也越来越复杂，并且人们生活水平不断提高，各家各户都拥有了私家车，不论是节假日还是工作日都會驾车出行，这就给道路交通带来了不小的压力。为了保证人们能高效地驾车出行，计算机图像识别技术在交通设施领域方面就起到了很大的作用，它可以同时对路况信息和车辆信息进行检测。各大城市都不断地修道路，所以司机在驾驶时也会有很多道路不熟悉，无法准时准确地到达目的地。而图像识别技术会为驾驶员提供实时可靠准确的路况信息，为驾驶员指引方向，保障了道路、车辆以及驾驶员的双重安全[13]。图像识别除了对道路检测外还可以进行车辆检测，通过车辆分割技术对车辆进行跟踪与识别，检测车速与车流量，判断车辆是否有超速违规等现象，利于交通事故的处理，以及能有效地保障道路通畅运行。
4.2 医学领域
身体是革命的本钱，拥有一个健康的身体才是无限财富的保证。如今人们对自己的健康问题越发重视了，我国医疗事业也飞速发展，医疗器械设备融入了计算机图像识别技术，越来越智能化。医生可以直接通过设备对病人进行拍片观察诊断，针对性治疗，清晰直观，准确又高效。例如应用于微创手术的手机导航技术、CT技术、核磁共振以及B超、彩超等，医生与患者可以通过图像清晰直观地看到病情状况，以此提出有针对性的治疗方案，提高医学技术。
4.3 安防领域
天网恢恢，疏而不漏。人民安居乐业是保障国家繁荣昌盛的关键所在，如今科技的进步使得视频监控普及运用，能够遍布各个角落，如天眼一般监控着每个地方的一举一动，让黑恶势力无藏身之处，极大地保障了民生安全。安防设施的建设也日益严格，由传统的人工视频调查分析转为智能化的计算机图像识别技术分析，避免了人工可能引起的疏漏误差，更加精准严格。现在的视频监控分布广杂，人工分析处理视频信息不仅耗费大量的时间，还会耗费大量的人力物力，而且人为因素会造成很多信息的遗漏，速度慢、效率低。将视频监控自动化，通过计算机采集图像，提取识别信息，将图像中的信息数据一体化，精准度更高，大大降低了人工操作的工作量、工作时间，提高了效率。监控视频信息还可以作为事故鉴定的有效依据。
4.4 农业领域
民以食为天。自古以来农业在我国就有着举足轻重的地位，粮食产量对经济有较大的影响，所以提高产量是我国农业研究人员的研究关键。高科技不光应用在人们的日常生活中，农业领域也同样引入了高科技，智慧农业也不再是什么新鲜词汇，智能化农业引入计算机图像识别技术，可以实时观测到植物的生长状况，植物叶片的病虫害研究，对植物进行实时全景监控，还可以进行农产品的质检。对研究植物表型，影响植物生长因素以及研发植物新品种有科学指导意义。
4.5 文艺领域
图像识别技术在文艺领域主要应用于对图像、声音方面的识别处理，呈现出艺术性。通过智能化识别系统自动将无用信息过滤掉，保证信息的有效性，匹配性。还可以依据美学原理对图像进行色彩调整，增强其艺术感，从而为人们呈现出更加美好的画面，如日常看到的3D电影、3D电视等所呈现出的震撼场景，超强的视觉效果给人们带来一场场视觉盛宴，让人们身临其境。
5 结语
总之，智能化计算机图像识别技术提取出的图像中是有应用有价值的信息给人们，以便更好地服务人们的生产、生活。其应用价值非常广泛，在提升人民经济发展的同时还能保障财产的安全，发展前景广阔。然而还需要继续研究提升识别精度，不断地创新完善技术，使其更加多维化、智能化，为促进我国社会的智能化与可持续化发展做出贡献。
参考文献：
[1]樊凌，戴雯惠.基于移动端的智能手机图像识别算法研究[J].计算机产品与流通，2017（8）：127.
[2]唐维.刍议计算机图像识别的智能化处理技术瓶颈与突破[J].电脑知识与技术，2018，14（5）：196-197.
[3]邹栋，颜飞.计算机图像识别技术的发展现状与应用实践[J].计算机产品与流通，2017（9）：13.
[4]万兵.基于人工智能的图像识别技术的研究[J].信息与电脑（理论版），2019（2）：141-142.
[5]于婷.计算机图像识别的智能化处理技术瓶颈与突破[J].信息与电脑（理论版），2018（21）：3-4.
[6]王彦超.图像处理与识别技术的发展及应用分析[J].无线互联科技，2018，15（13）：144-146.
论文作者:张林
论文发表刊物:《基层建设》2019年第23期
论文发表时间:2019/11/5
标签：图像论文; 技术论文; 计算机论文; 信息论文; 领域论文; 像素论文; 特征论文; 《基层建设》2019年第23期论文;