论文部分内容阅读
摘 要：计算机图像识别技术是一种以互联网技术强大的数据处理能力为基础，并结合图像扫描与数据分析的系统工作模式，在社会生产各领域中都具有巨大经济价值和要用价值的新型技术。而通过在大量实际工作中的应用，使得计算机图像识别技术的灵活性与多元化特点得到了充分的发挥。本文重点分析了计算机图像识别技术的应用类型与技术特点。
关键词：计算机 图像处理 识别技术 应用分析
中图分类号：G67 文献标识码：A 文章编号：1674-098X（2020）09（a）-0138-03
Abstract：Computer image recognition technology is a kind of based on the powerful data processing ability of the Internet technology， combined with the image scanning and data analysis system work mode， in social production in various fields has great economic value and use value of the new technology.But through the application in a lot of practical work， the flexibility and diversity of the computer image recognition technology has been given full play.This paper mainly analyzes the application types and technical characteristics of computer image recognition technology.
Key Words：The computer; Image processing; Identification technology; Application analysis
1 計算机图像处理与识别技术在多领域的应用
1.1 扩大智能交通影响力
交通行驶安全事故是当前对于社会秩序稳定会造成严重破坏的一种不良现象，对于国民的日常出行安全、生命安全和财产安全，都会产生严重的影响。而计算机图像识别技术其本身所具备的图像处理功能和数据分析功能，使得该技术的交通安全指挥与辅助领域中能够获得很多的应用之处，例如在汽车的驾驶辅助、车辆定位、智能胶条等功能中，都存在与该技术相关的应用类型。很多交通安全事故都是由于疲劳驾驶而导致的，并且通常表现为驾驶人员在开车的过程中没有时刻关注道路的状况，从而导致在发生安全事故之前无法进行快速地判断和转移[1]。而基于计算机图像处理与识别技术的车辆辅助服务，便可以根据采集车辆运行状况以及所行驶的道路信息等方式，通过精确地计算对可能发生的安全事故或车道偏离情况进行识别与确定，最后再通过及时为驾驶人员提供预警从而很好的保证了车辆行驶安全。另外，计算机图像识别技术还用于对违章车辆的车牌号、车辆信息以及驾驶人员信息进行追踪与获取[2]。
1.2 辅助有色金属的检测任务
计算机图像识别技术还可以用于对有色金属进行检测，例如在人们日常生活以及社会生产的过程中最常见的一种铜金属，在矿产企业开发铜矿时，便可以依据图像识别技术降低矿物检测和开采的难度。而正是由于这种先进的图像识别技术，能够极大地提高企业对于有色金属类型及成分检测的准确度，因此该技术所体现出的重要辅助性价值使得其在有色金属检测领域中获得了广阔的推广空间与应用前景[2]。而随着我国计算机技术水平的不断提高，该技术在实际应用过程中识别图像的速度和质量也大幅度提升，因此进一步应用于生产和实验所需要的精密成像仪器及相关设备中。例如在铜矿石特性检测中便充分结合计算机图像识别技术提高了物化检测的质量，这样根据所获取到的铜矿石X线荧光光谱数据，便能够更加准确真实的反映出铜矿石的特征信息。
1.3 支持医学医疗多领域应用
计算机图像识别技术，对于医疗领域的发展起到了重要的推动和促进作用，大部分现代化医疗设备及检测仪器，都是以图像识别技术为基础，配合其他计算机技术、生物技术等来完成对病人身体状况和生物内部结构的检测与判断。例如在细胞染色体的研究与检测项目中，医学人员便充分利用了图像识别技术分辨细胞染色体，并获取相应的数据信息来构建系统数据库[3]。另外在判断患者病情以及患病类型时，常用的核磁共振影像分析、虚拟内窥镜、数字减影血管造影技术以及三D超声成像检测技术等，都属于计算机图像处理与识别技术的延伸和优化，这对于提高医护人员判断患者病情的准确性和科学性具有重要意义。
1.4 钢包洁净度检测的应用
计算机图像识别技术能够对很多人类肉眼观测不到的事物或变化形态进行快速的捕捉和智能识别，因此配合智能化技术通过对图像识别过程中获取到的信息进行深入分析，并与计算机设备数据库中的内容进行比对便能够达到对目标物体表面缺陷或者洁净度的有效检测。目前计算机图像识别技术在炼钢领域中，便可以广泛应用于检测产品的表面洁净度，从能够而满足国家规定的生产标准要求。同时在钢产品生产的过程中，针对钢包表面的污染物问题也可以利用这种技术快速识别并制定相应的清洗计划。通常技术人员采用的识别方式，是通过采集钢包表面的图像信息，然后利用分割或修正图像的方式获取到与钢包原本材料存在差异的污染物类别，这样便实现了对图像中污染物形态的标定和剔除[4]。而在实际应用的过程中，由于对彩色图像和黑白图像进行识别所需要的计算量是不同的，因此为了进一步加快图像识别和污染物分析的效率，可以先将拍摄到的钢包表面图像由彩色图转化为灰度图像，这样相关分析软件和设备在识别与分析的过程中便能够获得更好的匹配度，同时还减少了工作量并加快了图像分析速度。除此之外，钢制产品表面的粗糙度和加工缺陷问题，也可以进一步利用计算机图像识别技术进行识别与捕捉来提高产品的质量[5]。 2 常用的图像识别技术
2.1 模式识别方式
模式识别是人工智能领域中针对程序编辑人员设计的数学模型、图像文本等数据信息，进行快速识别、分析、处理，从而实现对数据的分类提取和管理功能。随着研究领域的不断加深，科研人员对于图像识别技术也提出了更高的要求，其中能够对图像进行自动识别、分析和处理，以便进一步提高科学研究的效率以及人工智能的发展水平，这便成为了当前人工智能领域工作的重点研究任务。模式识别中既包含了系统的自动学习功能，同时还需要具备处理数据和完成任务的能力。利用分辨图像和识别图像中所包含的各类数据信息，再将获取的数据和捕捉的特征进行储存，便可以仿照人类大脑的运行机制实现自主学习。之后结合人工智能系统构建的数据库内容，在实际工作过程中通过比对图像识别获取到的外界信息便可以进行判断、分析、选择等功能，尽管在特定情况下会存在一定的误差，但是人工智能技术的发展必定会在模式识别方式的基础上进行优化和改进，从而實现真正的“智能化”和“自主化”[6]。并且未来随着人们研发出来的计算机系统与设备不断升级换代，从而能够在更短的时间内处理数量更为庞大的数据，很多现阶段模式识别中存在的局限性问题也会得到有效解决[3]。
2.2 神经网络图像识别方式
神经网络图像识别是以传统的图像分析和处理为基础，通过拓宽图像信息分析路径并结合科学的神经网络算法，使图像识别的方式与效果得到全面的优化和提升，从而能够应对技术要求更高的工作任务。目前神经网络图像识别技术在人工智能领域中，同样具有非常重要的应用地位，这种识别技术的形成是以模拟人和动物的神经网络运行机制为蓝本，通过结合计算机算法和图像特征分析等方式，完成从现实世界事物造型向计算机系统中数据模型的精准转化。另外，图像分析与处理速度快也是神经网络图像识别技术的一个重要特点，例如在现代化交通监控系统中，便可以根据瞬间拍摄的图像快速准确地分析出违章车辆的车牌照信息、车辆信息及驾驶人员信息等。
3 图像识别技术存在的问题及解决对策
3.1 图像纹理识别效果不佳
图像的纹理是计算机图像识别技术在辨别与处理图像信息时重要的参考依据，传统的计算机图像识别技术主要是通过抓取图像边缘关键信息，并通过配合内部存储数据库的检索功能来实现对图像类型的匹配。但是在这种方法下识别的图像信息，往往由于缺乏对内部图像纹理的细致扫描，从而使得图像的特征发生了一定变化甚至丢失，这样所获取到的图像信息很难被其他设备再次读取，因此导致其可读性较差。目前有关技术人员已经以偏微分方程为研究基础，针对计算机设备图像纹理识别不足的问题提出了一种有效的解决措施，通过加强图像特征识别功能对目标图像进行科学的区域划分，这样便起到了化整为零、提高局部图像特征识别的质量以及精细度的作用。
3.2 图像灰度特征的衰减问题
烟雾图像是传统计算机图像识别技术中需要攻克的一项重要技术难关，一直以来对于智能烟雾图像的识别效果，往往都由于其图像特征衰减速度过快而无法获取到全面的信息。另外在单一的烟雾图像衰减阶段中，技术人员想要有效地确定然后程度必须依靠对判断阀值的有效获取，但是在此阶段其失效速度过快的问题也导致技术人员难以进行及时地捕捉和分析。想要有效解决这一问题，那么就必须要进一步提高对图像灰度细节特征的捕捉与分析效果，经大量的实验验证结果表明，将传统计算机算法改为人工鱼群算法并充分结合小波变化原理，能够在很大程度上提高计算机系统在图像灰度特征衰减阶段中所获取到的图像特征细节信息。除此之外，这一方法的应用还使得计算机设备对大规模的烟雾图像离散灰度矩阵获取更加容易，因此大幅度拓宽了我国计算机图像识别技术的研究方向。
3.3 指纹方向场细节问题严重
指纹识别技术是计算机图像识别技术中应用范围最广泛、使用价值非常高的一个重要研究方向，图像识别设备能够通过对指纹信息中方向场的快速获取、识别和匹配，进而完成相应的设定指令与控制操作。然而在指纹识别技术的实际应用过程中，还存在着当遇到指纹图像的部分遭到破坏的情况时，图像识别设备便很难根据指纹灰度进行计算从而进一步确定指纹纹路和划分种类，因此这也使得指纹识别的准确度及应用效果大打折扣。目前针对这类问题有效的解决方式，是通过加强计算机设备对指纹方向场的细节处理能力，利用滤波器技术将指纹灰度图与方向图进行融合，这样便能够依据指纹灰度图中各类叉连、模糊和端点等局部特征来更为精确地判断指纹图像的类型。
4 结语
随着信息技术的不断发展，图像处理与识别技术发展迅速，应用领域不断扩大。基于此，要重视探讨其应用原理，掌握其特征，明确技术优势，对应用流程进行系统分析，探讨其在多领域的应用情况，强化创新与发展，推动图像处理与识别技术不断进步，更好服务于各行各业的需求。
参考文献
[1] 沈红英.情境在初中化学教学中的应用和反思[J].西藏教育，2020（6）：22-24.
[2] 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.
[3] 王朝志.浅谈初中化学教学中学生核心素养培养的策略[J].名师在线，2020（18）：19-20.
[4] 李婕婷.简析交互式电子白板在初中化学教学中的应用[J].名师在线，2020（18）：89-90.
[5] 张宏斌.初中化学教学中的教学瓶颈及解决策略[J].学周刊，2020（20）：76-77.
[6] 罗曦.浅谈深度学习在图像识别领域的应用现状与优势[J].科技资讯，2020，18（3）：21-22.
关键词：计算机 图像处理 识别技术 应用分析
中图分类号：G67 文献标识码：A 文章编号：1674-098X（2020）09（a）-0138-03
Abstract：Computer image recognition technology is a kind of based on the powerful data processing ability of the Internet technology， combined with the image scanning and data analysis system work mode， in social production in various fields has great economic value and use value of the new technology.But through the application in a lot of practical work， the flexibility and diversity of the computer image recognition technology has been given full play.This paper mainly analyzes the application types and technical characteristics of computer image recognition technology.
Key Words：The computer; Image processing; Identification technology; Application analysis
1 計算机图像处理与识别技术在多领域的应用
1.1 扩大智能交通影响力
交通行驶安全事故是当前对于社会秩序稳定会造成严重破坏的一种不良现象，对于国民的日常出行安全、生命安全和财产安全，都会产生严重的影响。而计算机图像识别技术其本身所具备的图像处理功能和数据分析功能，使得该技术的交通安全指挥与辅助领域中能够获得很多的应用之处，例如在汽车的驾驶辅助、车辆定位、智能胶条等功能中，都存在与该技术相关的应用类型。很多交通安全事故都是由于疲劳驾驶而导致的，并且通常表现为驾驶人员在开车的过程中没有时刻关注道路的状况，从而导致在发生安全事故之前无法进行快速地判断和转移[1]。而基于计算机图像处理与识别技术的车辆辅助服务，便可以根据采集车辆运行状况以及所行驶的道路信息等方式，通过精确地计算对可能发生的安全事故或车道偏离情况进行识别与确定，最后再通过及时为驾驶人员提供预警从而很好的保证了车辆行驶安全。另外，计算机图像识别技术还用于对违章车辆的车牌号、车辆信息以及驾驶人员信息进行追踪与获取[2]。
1.2 辅助有色金属的检测任务
计算机图像识别技术还可以用于对有色金属进行检测，例如在人们日常生活以及社会生产的过程中最常见的一种铜金属，在矿产企业开发铜矿时，便可以依据图像识别技术降低矿物检测和开采的难度。而正是由于这种先进的图像识别技术，能够极大地提高企业对于有色金属类型及成分检测的准确度，因此该技术所体现出的重要辅助性价值使得其在有色金属检测领域中获得了广阔的推广空间与应用前景[2]。而随着我国计算机技术水平的不断提高，该技术在实际应用过程中识别图像的速度和质量也大幅度提升，因此进一步应用于生产和实验所需要的精密成像仪器及相关设备中。例如在铜矿石特性检测中便充分结合计算机图像识别技术提高了物化检测的质量，这样根据所获取到的铜矿石X线荧光光谱数据，便能够更加准确真实的反映出铜矿石的特征信息。
1.3 支持医学医疗多领域应用
计算机图像识别技术，对于医疗领域的发展起到了重要的推动和促进作用，大部分现代化医疗设备及检测仪器，都是以图像识别技术为基础，配合其他计算机技术、生物技术等来完成对病人身体状况和生物内部结构的检测与判断。例如在细胞染色体的研究与检测项目中，医学人员便充分利用了图像识别技术分辨细胞染色体，并获取相应的数据信息来构建系统数据库[3]。另外在判断患者病情以及患病类型时，常用的核磁共振影像分析、虚拟内窥镜、数字减影血管造影技术以及三D超声成像检测技术等，都属于计算机图像处理与识别技术的延伸和优化，这对于提高医护人员判断患者病情的准确性和科学性具有重要意义。
1.4 钢包洁净度检测的应用
计算机图像识别技术能够对很多人类肉眼观测不到的事物或变化形态进行快速的捕捉和智能识别，因此配合智能化技术通过对图像识别过程中获取到的信息进行深入分析，并与计算机设备数据库中的内容进行比对便能够达到对目标物体表面缺陷或者洁净度的有效检测。目前计算机图像识别技术在炼钢领域中，便可以广泛应用于检测产品的表面洁净度，从能够而满足国家规定的生产标准要求。同时在钢产品生产的过程中，针对钢包表面的污染物问题也可以利用这种技术快速识别并制定相应的清洗计划。通常技术人员采用的识别方式，是通过采集钢包表面的图像信息，然后利用分割或修正图像的方式获取到与钢包原本材料存在差异的污染物类别，这样便实现了对图像中污染物形态的标定和剔除[4]。而在实际应用的过程中，由于对彩色图像和黑白图像进行识别所需要的计算量是不同的，因此为了进一步加快图像识别和污染物分析的效率，可以先将拍摄到的钢包表面图像由彩色图转化为灰度图像，这样相关分析软件和设备在识别与分析的过程中便能够获得更好的匹配度，同时还减少了工作量并加快了图像分析速度。除此之外，钢制产品表面的粗糙度和加工缺陷问题，也可以进一步利用计算机图像识别技术进行识别与捕捉来提高产品的质量[5]。 2 常用的图像识别技术
2.1 模式识别方式
模式识别是人工智能领域中针对程序编辑人员设计的数学模型、图像文本等数据信息，进行快速识别、分析、处理，从而实现对数据的分类提取和管理功能。随着研究领域的不断加深，科研人员对于图像识别技术也提出了更高的要求，其中能够对图像进行自动识别、分析和处理，以便进一步提高科学研究的效率以及人工智能的发展水平，这便成为了当前人工智能领域工作的重点研究任务。模式识别中既包含了系统的自动学习功能，同时还需要具备处理数据和完成任务的能力。利用分辨图像和识别图像中所包含的各类数据信息，再将获取的数据和捕捉的特征进行储存，便可以仿照人类大脑的运行机制实现自主学习。之后结合人工智能系统构建的数据库内容，在实际工作过程中通过比对图像识别获取到的外界信息便可以进行判断、分析、选择等功能，尽管在特定情况下会存在一定的误差，但是人工智能技术的发展必定会在模式识别方式的基础上进行优化和改进，从而實现真正的“智能化”和“自主化”[6]。并且未来随着人们研发出来的计算机系统与设备不断升级换代，从而能够在更短的时间内处理数量更为庞大的数据，很多现阶段模式识别中存在的局限性问题也会得到有效解决[3]。
2.2 神经网络图像识别方式
神经网络图像识别是以传统的图像分析和处理为基础，通过拓宽图像信息分析路径并结合科学的神经网络算法，使图像识别的方式与效果得到全面的优化和提升，从而能够应对技术要求更高的工作任务。目前神经网络图像识别技术在人工智能领域中，同样具有非常重要的应用地位，这种识别技术的形成是以模拟人和动物的神经网络运行机制为蓝本，通过结合计算机算法和图像特征分析等方式，完成从现实世界事物造型向计算机系统中数据模型的精准转化。另外，图像分析与处理速度快也是神经网络图像识别技术的一个重要特点，例如在现代化交通监控系统中，便可以根据瞬间拍摄的图像快速准确地分析出违章车辆的车牌照信息、车辆信息及驾驶人员信息等。
3 图像识别技术存在的问题及解决对策
3.1 图像纹理识别效果不佳
图像的纹理是计算机图像识别技术在辨别与处理图像信息时重要的参考依据，传统的计算机图像识别技术主要是通过抓取图像边缘关键信息，并通过配合内部存储数据库的检索功能来实现对图像类型的匹配。但是在这种方法下识别的图像信息，往往由于缺乏对内部图像纹理的细致扫描，从而使得图像的特征发生了一定变化甚至丢失，这样所获取到的图像信息很难被其他设备再次读取，因此导致其可读性较差。目前有关技术人员已经以偏微分方程为研究基础，针对计算机设备图像纹理识别不足的问题提出了一种有效的解决措施，通过加强图像特征识别功能对目标图像进行科学的区域划分，这样便起到了化整为零、提高局部图像特征识别的质量以及精细度的作用。
3.2 图像灰度特征的衰减问题
烟雾图像是传统计算机图像识别技术中需要攻克的一项重要技术难关，一直以来对于智能烟雾图像的识别效果，往往都由于其图像特征衰减速度过快而无法获取到全面的信息。另外在单一的烟雾图像衰减阶段中，技术人员想要有效地确定然后程度必须依靠对判断阀值的有效获取，但是在此阶段其失效速度过快的问题也导致技术人员难以进行及时地捕捉和分析。想要有效解决这一问题，那么就必须要进一步提高对图像灰度细节特征的捕捉与分析效果，经大量的实验验证结果表明，将传统计算机算法改为人工鱼群算法并充分结合小波变化原理，能够在很大程度上提高计算机系统在图像灰度特征衰减阶段中所获取到的图像特征细节信息。除此之外，这一方法的应用还使得计算机设备对大规模的烟雾图像离散灰度矩阵获取更加容易，因此大幅度拓宽了我国计算机图像识别技术的研究方向。
3.3 指纹方向场细节问题严重
指纹识别技术是计算机图像识别技术中应用范围最广泛、使用价值非常高的一个重要研究方向，图像识别设备能够通过对指纹信息中方向场的快速获取、识别和匹配，进而完成相应的设定指令与控制操作。然而在指纹识别技术的实际应用过程中，还存在着当遇到指纹图像的部分遭到破坏的情况时，图像识别设备便很难根据指纹灰度进行计算从而进一步确定指纹纹路和划分种类，因此这也使得指纹识别的准确度及应用效果大打折扣。目前针对这类问题有效的解决方式，是通过加强计算机设备对指纹方向场的细节处理能力，利用滤波器技术将指纹灰度图与方向图进行融合，这样便能够依据指纹灰度图中各类叉连、模糊和端点等局部特征来更为精确地判断指纹图像的类型。
4 结语
随着信息技术的不断发展，图像处理与识别技术发展迅速，应用领域不断扩大。基于此，要重视探讨其应用原理，掌握其特征，明确技术优势，对应用流程进行系统分析，探讨其在多领域的应用情况，强化创新与发展，推动图像处理与识别技术不断进步，更好服务于各行各业的需求。
参考文献
[1] 沈红英.情境在初中化学教学中的应用和反思[J].西藏教育，2020（6）：22-24.
[2] 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.
[3] 王朝志.浅谈初中化学教学中学生核心素养培养的策略[J].名师在线，2020（18）：19-20.
[4] 李婕婷.简析交互式电子白板在初中化学教学中的应用[J].名师在线，2020（18）：89-90.
[5] 张宏斌.初中化学教学中的教学瓶颈及解决策略[J].学周刊，2020（20）：76-77.
[6] 罗曦.浅谈深度学习在图像识别领域的应用现状与优势[J].科技资讯，2020，18（3）：21-22.