关于人工智能中的图像识别技术的研究

１９１

关于人工智能中的图像识别技术的研究

翁和王

（武夷学院数学与计算机学院，福建武夷山354300）

摘要：图像识别技术作为在信息时代发展起来的一项信息技术，其主要是利用计算机对人工进行替代，实现对众多的物

理信息进行处理。计算机技术快速发展也推动了图像识别技术得以迅猛的发展。文章就图像识别的技术原理、模式识别进行图像识别技术概述，并对其识别过程进行一定的分析，重点对神经网络以及非线性降维两个形式的图像识别技术加以分析。以期对图像识别有关的研究人员与应用人士有所参考。关键词：人工智能；原理与过程；图像识别技术；非线性；神经网络中图分类号：TP18文献标识码：A 文章编号：1673-1131（2016）10-0191-02

0引言

图像识别技术作为人工智能内的重要领域之一，在计算机技术和信息技术快速发展的背景下，其也得到了愈发广泛的使用，其在医疗诊断、指纹识别、面部识别以及卫星云图识别等方面具有着很好的应用。图像识别技术通常是指利用计算机对系统前端捕获的图片根据既定的目标对其进行处理。图像识别在人们日常的生活中也得到普遍的应用，诸如条码识别、车牌捕捉以及手写识别等。随着其不断的发展与完善，其今后的应用领域也会更加的广泛。

1图像识别技术的概述1.1图像识别的技术原理

事实上，图像识别具有的原理并非很深奥，主要是图像识别所需处理的信息非常的复杂。计算机中的所有处理技术均不能随意出现，是众多学者通过实践获得的启示，通过程序使其得到模拟与实现。计算机实现图像识别所需的原理与人类进行图像识别所需的原理基本上是一致的，仅仅是计算机不存在人类视觉和感觉方面的影响。人类在进行图像识别过程中并非仅是利用这一图像存在于脑海内的记忆加以识别，而是通过图像自身拥有的特征对其进行相应的分类，之后利用各个类别拥有的特征使图片被识别出来。当我们看到图片时，大脑便会快速感知出以前见过这张或与之相类似的图片与否。事实上在看到和感知间已经实现了快速的识别，这一识别与搜索存在一定的相似性[1]。在识别过程中，大脑将会按照存储记忆内被分好类的图片展开识别，检查其是否和这一图像存在相同或者是类似特征记忆存储，便识别出以往时候看见过这一图片。计算机进行图像识别的原理也是这样，利用分类和提取出图像的重要特征，并对多余的无用特征加以有效地排除，以此实现对图像的识别。计算机所能提取出来的上述特征有时会较为明显，而有时也会非常的普通，这在极大程度上对计算机识别效率造成一定的影响。总而言之，利用计算机进行视觉识别时，图像中的内容一般是通过图像特征对其加以描述的[2]。

1.2模式识别

模式识别作为信息科学与人工智能中的重要组成，其通

常是对现象和事物处于不同形式中信息实现处理与分析，以便能够达到对现象与事物进行分类、描述以及辨认等目标。而计算机能够实现图像识别便是对人类进行图像识别时的一种模拟，在实现图像识别时，能够展开模式识别是不可或缺的。以往的模式识别仅仅是人类所掌握基本智能之一，伴随人工智能以及计算机技术得到兴起与发展，人类自身具有的识别

模式便无法再满足人类的生活需求，对此人们便需要利用计算机来对人类脑力劳动进行一定程度的替代与扩展。这也就产生了计算机形式的模式识别。简而言之，模式识别便是对数据实现分类，其是一门和数学有着密切联系的科学，其所运

用的大量思想便是数学中的统计和概率[3]

。可以将模式识别分成统计模糊模式、识别模式识别以及句法模式识别三类。

2图像识别技术的识别过程

由于计算机进行图像识别和人类进行图像识别所采用的是一样的原理，因此上述两种识别过程也会存在一定的相似性。可以将图像识别技术划分为如下几步：第一步，信息的获取，其是指利用传感器将声音和光等信息装换为电信号，简而言之便是获取识别对象具有的基本信息，同时将其装换成为计算机可以识别的信息。第二步，预处理，其是指对图像进行去噪、变换以及平滑等处理操作，以此来提升图像所具有的重要特点。第三步，特征抽取与选择，其是在模式识别过程中，要对图像进行特征的抽取与选择，简而言之便是识别的图像是多种多样的，若想通过一定的方式将其分离开，便要对图像中拥有的自身特征进行识别，在特征的获取时便称为特征抽取[4]。在进行特征抽取过程中，获取的特征并非一定对本次识别有所价值，此时便要对所获取的特征进行一定的提取，这便是特征选择。对于图像识别整个过程而言，特征抽取与选择时期中最为关键的步骤之一，因此，这一步使进行图像识别理解时的重点内容。第四步，分类器设计与分类决策，其中分类器设计即利用训练来制定出一个识别规则，借此识别规则便能够获得一个特征种类，从而让图像识别可以达到更高的辨识率。而分类决策则是对特征空间内的被识别对象实现分类的最佳识别方法。

3图像识别技术的研究分析

3.1神经网络形式的图像识别技术

神经网络形式的图像识别是目前较为新型的技术，其是基于以往的图像识别方式，并将神经网络算法进行有效的融合。这里所说的神经网络指的是人工神经网络，换句话说便是该神经网络并非是动物体所拥有的神经网络，而是人类根据动物神经网络进行人工模拟的一种神经网络。对于神经网络形式的图像识别技术而言，遗传算法和BP 神经网络进行有效的结合是目前基于神经网络形式的图像识别技术内最为经典的模型，其在诸多的领域之中均有所应用。对图像识别系统运用神经网络系统，通常先对图像特征进行提取，之后将图像特征向神经网络中加以映射，以此实现对图像的识别与分类。例如，对于智能汽车监控中拍照识别技术而言，

2016

（Sum.No 166）

信息通信

INFORMATION &COMMUNICATIONS

2016年第10期（总第166期）

计算机网络信息安全及其防护对策

罗文兴，管毅

（川北医学院国有资产管理处，四川南充637000）

摘要：随着网络信息技术越来越发达，网民对于计算机网络信息安全也越来越关注，各种社交软件、支付软件、购物软件以及各种帐号、账户都会对用户进行身份信息的录入，一旦账户或者手机、电脑遭到攻击、入侵用户的各种身份信息将会遭到泄漏，造成无法估量的损失和危害。因此，针对计算机网络信息安全的保护及对策是现代计算机网络安全任务的首要责任，如何对用户的信息以及一些国家的机密信息进行加密和保护是现代网络发展和进步的重点任务。

关键词：计算机网络；信息安全；信息保护；网络攻击

中图分类号：TP393.08文献标识码：A文章编号：1673-1131（2016）10-0192-02

Abstract:With the development of network information technology,more and more developed,more and more Internet users also for computer network information security concerns about,payment software in a variety of social software,software,sho-pping and various accounts,accounts will be the identity information of user input,so once the account or mobile phone,com-puter is attacked,all will invade the user's identity information the leaked,cause incalculable damages.So for the protection of computer network and information security measures is the primary responsibility of the task of modern computer network se-curity,how information to users and confidential information in some countries for encryption and protection is the development of modern network and Step of the key tasks.

Key words:computer network;information security;information protection;network attack

现代计算机网络技术确实给我们带来了前所未有的生活便利，大大的提高了人们的生活效率，给我们带来了很多便利和乐趣，与此同时也给人们带来了很多的困扰和担忧，其中最突出的就要属信息安全问题。人们所有信息几乎都在网络上可以查询得到，和你接触和使用过软件，或者你仅仅使用过的一部智能手机，各种身份信息等就会在网络上并通过技术手段能查询得到，一旦你的手机或者电脑遭遇攻击后个人信息将会遭到泄漏，甚至你使用的某个软件的服务器遭到黑客攻击，个人信息一样会造成泄漏或被他人利用，这种状况已经严重威胁到了人们的财产安全。

1计算机网络信息安全面临的主要威胁

近几年来，网络信息安全事故不断出现，甚至威胁到个人

一旦有汽车经过该处时，检测设备便会有所反应，检测设备将会对图像采集装置进行启动，对汽车正反面具有的特征进行图像获取，在采集图像之后将其上传至计算机中加以保存，便于之后的识别[5]。车牌定位模块便会对车牌信息进行识别与提取，将车牌上存在字符加以识别并且将识别结果加以显示。在进行车牌字符识别时，便应用了以神经网络和模糊匹配为基础的两类算法。

3.2非线性降维形式的图像识别技术

利用计算机进行图像识使一种极为高维形式的识别技术，无论原始图片自身具有何种分辨率，其所产生的数据往往是具有多维性特征的，这对计算机识别而言便造成了极大的困难。为了使计算机拥有更加高效的图像识别性能，最为有效且直接的方式便是随图像进行降维。可将降维划分成非线性降维与线性降维两类，诸如线性奇异分析与主成分分析等便是较为普遍的线性降维方式，其具有简单、便于理解等特点，然而利用线性将维方式进行处理的是一个数据集合，求解出来的也使该数据集合所具有的最优低维投影图像。通过实践证明，采用线性将维形式，器计算复杂程度相对较高，且会利用相当多的空间与时间，所有便提出了一种基于非线性形式的降维技术。该技术能够对具有非线性结构特征的图像进行有效识别，并且能够对本征结构不进行破坏的前提下对其实现降维，保证计算机在进行图像识别过程中尽可能的在较低维度中进行，可以有效地提升识别效率。诸如进行人脸识别过程中，其所需要维度一般会非常多，这对于计算机识别而言将会面临极大的困难，因为处于高维度空间内的人脸图像并非是均匀分布的，因此可以利用非线性降维方式来获取分布相对更为紧凑的图像，很大程度上提升了人脸识别的效率[6]。4结语

综上所述，图像识别技术作为一门新兴的技术种类，但是其应用领域已经非常的广泛，而且图像识别技术发展的速度非常的迅猛，在科技发展日新月异的当前时期，对于图像处理技术也会取得愈发深刻的认识与掌握。今后图像识别技术必然会愈发的强大，能够更为智能化的走入到我们的日常生活之中，对于社会中的众多领域而言，将图像识别技术进行有效地应用可以得到很好地社会与经济价值，图像识别技术也将成为未来生活不可或缺的重要技术之一。

参考文献：

[1]王淼,杜毅,张忠瑞.无人机辅助巡视及绝缘子缺陷图像识

别研究[J].电子测量与仪器学报,2015,12(12):1862-1869.

[2]蒋树强,闵巍庆,王树徽.面向智能交互的图像识别技术综

述与展望[J].计算机研究与发展,2016,1(1):113-122. [3]刘乔辉.计算机人工智能识别技术的应用探讨[J].科技风,

2016,4（4）:121-122.

[4]葛玮,吴佳.关于计算机智能图像识别的算法及技术分析

[J].无线互联科技,2014,10(10):82.

[5]刘胤,冯军焕,尹帮旭.图像识别技术在实验室监控中的应

用[J].实验室研究与探索,2013,10(10):210-213.

[6]刘高,曾懿辉.嵌入式视频和图像识别技术在架空输电线

路智能监控中的应用研究[J].计算机系统应用,2013,11

(11)

:58-61.

１９２