王迎

摘?要：隨著計算機視覺技術(shù)以及人工智能領(lǐng)域的不斷發(fā)展，計算機圖像識別技術(shù)的應用也在突飛猛進。計算機圖像識別技術(shù)的進步不僅會促進多個領(lǐng)域的發(fā)展，還會為人們帶來更加便捷的生活體驗。本文從計算機圖像識別的智能化處理方法出發(fā)，著重分析了特征、圖像配準、圖像融合、圖像檢索以及圖像數(shù)字水印五個方向的智能化處理方法，并對每個技術(shù)的應用領(lǐng)域進行介紹。在完善計算機智能化處理方法的同時，促進圖像識別技術(shù)在更多領(lǐng)域的應用。

關(guān)鍵詞：圖像識別?智能化處理?研究方法

圖像識別技術(shù)發(fā)展過程中，也存在著很多技術(shù)瓶頸需要突破，比如基于動態(tài)視頻的圖像識別系統(tǒng)還需要在識別準確率等方面進行優(yōu)化，讓計算機圖像識別技術(shù)更好地為社會不同領(lǐng)域的工作服務(wù)。計算機圖像識別技術(shù)的重點和難點體現(xiàn)在保證識別率不變或者更高的基礎(chǔ)上，加快計算機智能化處理效率，縮短處理時間，讓圖像技術(shù)可以更加高效準確的應用到不同領(lǐng)域。

一、圖像特征分析技術(shù)

人類在識別圖像以及不同事物時，首先需要將事物的圖像映射到大腦中，通過大腦對其進行識別。不同事物的特征是不同的，大腦對事物的分辨就是依賴不同事物所具有的不同特征。計算機識別圖像的過程，就是模擬人腦利用特征識別事物的過程。計算機首先需要將待識別圖像輸入，通過圖像特征分析技術(shù)對圖像的特征進行提取，再以圖像的特征作為識別依據(jù)對圖像進行識別。為了去除圖像本身對識別造成的干擾，計算機需要將輸入的圖像進行濾波、去噪等方式的處理。一幅圖像在特征提取過程中會產(chǎn)生大量特征值，而這些特征值中有很大一部分是阻礙圖像進行識別的。所以圖像特征分析技術(shù)的難點在于關(guān)鍵特征值的提取，比如紋理、形狀和顏色等重要的特征值。經(jīng)過篩選提取出的特征值，可以作為不同圖像的標志，在圖像識別過程中起到關(guān)鍵作用。

二、圖像配準技術(shù)

經(jīng)過圖像特征分析技術(shù)處理，可以獲得圖像的關(guān)鍵特征值，這些特征值是圖像進行識別的關(guān)鍵。圖像配準技術(shù)就是利用這些特征值對圖像的相似度進行比對。通過提取的重要特征值進行比較，找出圖像中相同的特征對和不同的特征對。根據(jù)特征對的具體參數(shù)對圖像空間進行坐標處理，將不同坐標系下的相同目標變換到同一個坐標系當中，最終實現(xiàn)圖像配準技術(shù)。

三、圖像融合技術(shù)

隨著圖像技術(shù)的不斷發(fā)展，不同行業(yè)領(lǐng)域?qū)τ趫D像分辨率和精度的要求也越來越高。然而現(xiàn)實生活中因為拍攝設(shè)備或者自然因素的影響，導致獲取的圖像精度無法滿足人們的需求，此時就需要借助圖像融合技術(shù)對圖像的精度和可靠性進行提升。圖像融合技術(shù)往往是針對同一目標而處理的技術(shù)，通過對同一目標的不同圖像進行計算機處理，爭取提取到圖像不同信道中的關(guān)鍵信息，并利用這些優(yōu)勢信息對目標進行圖像融合，最終獲得人們所需要的高精度、高質(zhì)量圖像。圖像融合技術(shù)的應用已經(jīng)遍及醫(yī)學等高端領(lǐng)域中。

四、圖像分類技術(shù)

圖像分類技術(shù)是計算機圖像識別過程中非常重要的一個步驟，該技術(shù)已經(jīng)取得廣泛應用。人腦視覺的判別是一個相對復雜的判決流程，計算機在模擬真實判別過程中，需要運用到不同的判決準則。圖像分類判決準則基本可以分為圖像空間和特征空間兩種。圖像空間準則主要以顏色、紋理和位置等基本特征對圖像進行分類，分類過程中會運用直方圖等方法進行圖像處理。特征空間準則主要通過特征值等特征變換對圖像進行分類處理。圖像空間準則可以獲得較高的分類精度，但是計算較為復雜，圖像處理速度慢。特征空間準則的處理量少，處理速度較快，但是不同特征變換方法所取得的結(jié)果差別較大，需要針對不同圖像分類選取不同處理方法。

五、圖像檢索技術(shù)

圖像檢索技術(shù)就是利用事先設(shè)定的檢索條件，在海量的圖像數(shù)據(jù)庫中根據(jù)篩選條件選出所需目標對應的圖像。圖像檢索技術(shù)的發(fā)展已經(jīng)逐漸趨于成熟，主要包括文本檢索和內(nèi)容檢索兩個大分支。基于文本檢索方法的技術(shù)主要通過給定的文本信息作為搜索條件，對圖像庫進行圖像檢索。比如可以設(shè)置文本的內(nèi)容或特定的作者信息進行檢索。基于內(nèi)容檢索方法的技術(shù)主要通過設(shè)置圖像的顏色、紋理等信息對圖像進行檢索。圖像在檢索時，首先要提取圖像特征，然后利用特征距離訓練特征網(wǎng)絡(luò)，讓計算機更好判斷特征類型。對于不同的特征，圖像檢索技術(shù)需要重新排序，以獲得更好的檢索效果。

六、圖像數(shù)字水印技術(shù)

圖像在使用過程中，出于安全性、保密性和權(quán)益性方面考慮，需要在圖像中將特殊文本信息加入圖像中。在不影響圖像正常使用和傳遞信息等基礎(chǔ)上，實現(xiàn)圖像數(shù)據(jù)的可靠性。數(shù)字水印技術(shù)還需要具有較強的抗干擾性，當圖像受到不同程度損壞和干擾時，依舊可以用計算機技術(shù)從圖像中提取出經(jīng)過數(shù)字水印技術(shù)處理的關(guān)鍵信息，讓圖像可靠性更高。

七、結(jié)語

計算機圖像識別技術(shù)的發(fā)展已經(jīng)在多個領(lǐng)域日趨成熟，不同圖像識別技術(shù)在各個領(lǐng)域都有杰出和顯著的貢獻。圖像識別不是單一技術(shù)的應用，而是多種技術(shù)共同處理的結(jié)果。圖像精度、識別圖像準確率、圖像識別速度以及圖像安全性等因素決定了計算機圖像識別智能化處理的發(fā)展方向。在未來的發(fā)展過程中，除了要繼續(xù)加強這幾個方面的水準，同時還應該拓展計算機智能化處理方法在更多領(lǐng)域的應用，比如圖像重構(gòu)、虛擬現(xiàn)實和增強現(xiàn)實等領(lǐng)域的發(fā)展。

參考文獻

[1]霍珊.計算機圖像識別的智能化處理方法解讀[J].電子技術(shù)與軟件工程，2018（22）：121.