基于模式识别技术的智能建筑环境图像处理研究探讨

王朝帅

辽宁省建筑设计研究院有限责任公司 辽宁沈阳 110005

1 了解人工智能中的图像识别技术

1.1 关于人工智能中图像识别技术的技术原理分析

在人工智能中图像识别技术的技术原理就是利用计算机处理图片，然后对图片中的信息进行提取或者其他的智能处理，在经过我国科技人员的不断分析和实验得出图像处理技术的技术原理，图像识别技术在技术原理中并不复杂，如果把一个人当成一个计算机的话，那么人与人之间的每一次对视都可以说是完成了一次图像识别技术，然后人根据对他人的印象在自己的脑子里面对他人的信息进行分析、搜索和记忆，计算机的图像识别技术是同样的原理，唯一不同的是在人工智能图像识别技术中图像对计算机提供的信息是依靠数据进行识别和分析的，如果事先没有对图片相关信息的存储的话，还是需要人为操作对提取的信息的关键词进行选择的，人工智能中的图像识别技术的原理是结合计算机处理数据的算法原理的，所以简单的图像数据信息的提取和分析阶段可以结合计算机进行，但是在图片信息模糊或者信息量比较大的图片中，图像识别技术的识别效率可能会降低，所以在分析图像识别技术原理的同时还应该寻找更好更简单方便的图像识别技术原理来对图像识别技术进行改变，使图像识别技术的原理变得更加简单，并且在实现功能方面和处理图片方面得到更好的完善[1]。

1.2 人工智能中图像识别技术的组成原理分析

人工智能中的图像识别技术的重要组成原理是对图片的模式识别，模式识别不仅是图像识别组成原理中的重要组成部分，还同时是人工智能科技中的组成部分。模式识别主要是应用于图像处理技术中对不同类型的平面图片和立体图片进行处理，达到对图片和实体事物的分析。人工智能运用在图像识别技术中主要配合模式识别对事物分析进行虚拟化，也就是说对于事物的分析就不再需要面对实物了，人工智能和模式识别可以对图片进行三维化。在我们的现代医学和建筑领域中这项技术的使用效果比较突出，在医学中医生根据拍片就可以对人体进行立体化分析，可以分析人的三维结构和分析病人的健康状态。在建筑领域中，传统的建筑结构是以平面图为主，在现代科技的发展下，建筑师可以利用模式识别的方式对建筑平面图立体化，使建筑成像更加清晰，同时建筑结构也能够清晰表现出来。可以说在人工智能中图像识别技术结合模式识别使图像识别技术不仅仅是应用在平面图片的处理中，还同时应用到了立体图像的处理中，满足了人们需求的同时也方便了人们运用。在我们的日常生活中，人的眼睛就是最好的模式识别，所以普通的模式识别技术注定无法满足人们日常生活的需求，但是模式识别在结合人工智能之后，做到了人们无法做到的一些工作[2]。

2 模式识别的主要方法

2.1 统计模式识别方法

不同类的对象有不同的特征向量，而后利用统计决策的原理对特征空间进行划分，从而识别出不同模式类的特征向量。它包括参数方法和非参数方法。参数方法主要以Bayes决策准则为指导。其中最小错误率和最小风险贝叶斯决策是最常用的两种决策方法。这类方法应用于图像分割、图像复原以及图像识别等方面。在图像分割中，假定图中的数据是服从K个概率密度混合分布的样本，然后估计概率密度函数的参数，最后计算后验概率或风险，对像素进行归类，从而达到分割图像的目的。非参数方法在样本数量不是很大的情况下直接设计分类器。

2.2 结构模式识别

结构模式识别是利用模式的结构描述与句法描述之间的相似性对模式进行分类，是对统计识别方法的补充。每个模式由它的各个子部分的组合来表示。该方法模仿了语言学中句法的层次结构，采用分层描述的方法，把复杂图像分解为单层或多层的简单子图像，主要突出了识别对象的结构信息。

2.3 模糊模式识别

1965年Zadeh提出了模糊集理论，该理论改变了非0即1的判别结果，而是将归类问题转换成了隶属度的问题。一个对象可以在某种程度上属于某一类别，而在另一种程度上属于另一类别，隶属度是被识别对象隶属于某一类别的程度。一般常规识别方法则要求一个对象只能属于某一类别。基于模糊集理论的识别方法有：最大隶属原则识别法、择近原则识别法和模糊聚类法。模糊模式识别具有客体信息表达更加合理，信息利用充分，各种算法简单灵巧，识别稳定性好，推理能力强的特点[3]。

2.4 人工神经网络模式识别

人工神经网络的研究起源于对生物神经系统的研究。它将若干处理单元（即神经元）通过一定的互连模型连结成一个网络，这个网络通过一定的机制可以模仿人的神经系统的动作过程，以达到识别分类的目的。神经网络侧重于模拟和实现人认知过程中的感知觉过程、形象思维、分布式记忆、自学习和自组织过程。图像识别利用该方法也较多，文献采用自组织网络对医学图像进行分割，并能够将CT图像中的病灶分割出来，取得一些令人满意的结果。

综上所述，本文在研究的过程当中提出了图像模式识别的主要内容，以及图像模式识别的方法，分析了人工神经网络的作用，提出了在人工神经网络下图像模式识别的主要方法，在进行图像模式识别的过程当中神经网络系统需要训练图像的数据，再决定是否学习的过程当中，一方面输出权值，而另一方面对图像进行分类，最终输出结果。在人工网络系统下进行图像模式识别，可以使得图像转向数字化的方式不断的提升处理的效率以及处理的质量，从而得到非常广泛的应用。