浅谈图像识别技术的原理及应用

2020-10-21曹成志

科学导报·学术 2020年13期

曹成志

摘要：随着人工智能的飞速发展，一系列新兴技术不断兴起，而图像识别技术作为其中最有潜力的方向之一，在医疗、交通、农业等领域都有十分广泛的应用。本文阐述了图像识别的基本概念和技术原理，并结合深度学习具体实例，对图像识别技术的应用进行初步研究，最后指出该技术存在的问题并对发展前景进行展望。

关键词：人工智能;图像识别;深度学习

引言：

图像，是人类历史中最为重要的信息源之一，它通过观测系统从客观世界中获得，可以直观地表达事物的特征。近年来，随着大数据时代的到来和计算机技术的蓬勃发展，图像的数据量呈现指数型增长，图像识别技术的应用也越来越广泛，并在卫生医疗、科学研究、故障诊断、交通运输等领域取得了一定的成绩，并改变着人们的日常生活。本文简要介绍了图像识别技术的含义、原理和应用领域，并分析该技术的问题和发展前景。

一、图像识别技术概述

1.图像识别的含义及发展

图像识别，是模式识别技术在图像领域的具体应用，是对输入的图像信息建立数学模型，对图像进行预处理操作，分析并提取图像特征，然后根据特征建立合适的分类器，进行分类识别的技术[1]。其主要目的是对图像等可视化信息进行处理和识别，来解决计算机与外部环境的直接通信过程。

图像识别起源于20世纪40年代，在当时由于计算能力的限制和硬件设施的缺失，并没有得到很好的发展。主要经历了三个阶段：文字识别、数字图像处理与识别、物体识别。直到20世纪90年代，伴随着人工神经网路的兴起和计算机技术的发展，图像识别技术得到广泛应用，并涌现出很多不同的算法，涉及边缘检测、区域提取、阈值分割等多个部分。

2.图像识别原理

图像中包含了丰富的数字信息，识别过程主要包括图像预处理、特征提取和图像分类三个部分。

1）图像预处理

对图像预处理的目的是减少后续过程中的复杂度并提高识别效率。通过各种降低噪声的手段，将图像中蕴含的数字信息进行适当简化，便于对特征进行提取[2]。在该过程中，图像分割的质量对最终结果具有较大影响。如何高效地将特征目标从源图像中分割出来，是解决问题的关键。由此衍生出了一系列图像分割法，例如基于方向圖的分割法、三级分割法等等。每一种分割法都有优点和不足，在进行处理时，往往需要将多种方法结合起来并进行适当修改，才能获得最优的分割效果。

2）特征提取

特征提取是将图像上的特征点划分为不同特征子集的过程，这些子集往往是点集、曲线集或连通的的区域集[3]。一般来说，提取的图像特征主要包括颜色、形状、纹理和空间四种。颜色特征能够很好地描述不同颜色在整个图像的所占比例，适合用于难以自动分割的图像，但是无法对空间位置进行描述;形状特征需要对图像的某个特定目标进行研究，但是如果图像上的目标发生变形，准确度就会大大下降;纹理特征具有全局性质，对区域性的特征描述具有较好的稳定性，但是当分辨率变化明显时，得到的特征偏差也会随之增加[4];空间特征对静止图像的描述效果很好，可是一旦图像进行缩放、旋转等操作，特征变化会非常明显。

3）图像分类

图像分类，主要是从一张或者多张图像总识别出与模板图像相似的区域，用来预测出对应的类别。在实际应用中，由于拍摄环境等因素的影响，图像的质量会受到各种因素的干扰，导致失真和扭曲等。如何提高匹配率，加强抗干扰能力并提高匹配速度，成为图像匹配的主要研究方向。由此出现了很多基于图像特征的匹配方法，例如几何图元法、傅氏形状描述法等。近年来，深度学习的兴起，为图像匹配提供更多思路和方案。

二.图像识别技术的应用

目前，识别技术已经广泛应用于医疗、交通、农业等领域，为人们的日常生活带来极大便利。

1.医学图像识别

医学图像种类众多，清晰度容易受到成像环境的干扰，这些问题在一定程度上会影响医生对病情的判断结果。而借助图像识别技术对患病部位进行检测和诊断可以显著提高工作效率，诊断准确率有时甚至可以超过人工诊断准确率。现阶段，该技术的应用主要集中在眼部、胸部、脑部等，可以用于诊断肺癌、乳腺癌、阿尔本次海默症等，在这些方面取得了一定的研究成果[5]。但是目前为止，由于不具备大量相关的数据集，图像识别技术对很多病变部位还无法做出判断。

2.交通识别

在公共交通领域，图像识别技术主要应用于交通标志识别、车牌识别等，在自动驾驶、智能停车、交通控制等领域发挥着举足轻重的作用。近年来，一些学者将卷积神经网络、循环神经网络等深度学习算法运用到交通标志识别，可以有效提高识别的准确度，并提升训练速度。另外，图像识别技术还可以用来检测路况和行人等物体，为无人驾驶汽车的兴起具有显著推动作用。

3.农业病虫害识别

农业是我国最重要的基础产业之一，在现代经济体系中具有十分重要的地位，农作物的产量和质量直接影响人民的生活水平。而农业病虫害的爆发往往会造成农作物大幅度减产，对国民经济造成不可逆转的损失，因此对病虫害的防治工作就显得十分必要。如何对虫害进行准确有快速的识别和处理，是保证农作物正常生长的有效措施。而依靠人工识别方法比较浪费人力物力，而且出错率较高，工作繁琐，越来越不能满足农业生产的需求。图像识别技术具有准确、实时和快速的特点，可以很好地辅助农民检测和发现病虫害，大大提高工作效率。目前为止，已经实现了对玉米螟、棉铃虫等农业害虫的图像识别与检测，准确率较高，同时也降低了农业生产的成本。

三.问题与展望

现阶段，图像识别技术已经具备了一定的应用价值，但在该技术上的理论研究还不够完善，依然存在一些问题丞待解决。

1.图像分割算法的性能评估没有特定的标准，这就为方法的选择和使用造成一定困难。

2.识别效果主要依赖于大样本数据集，因此会为数据采集工作提出更高的要求。

3.训练模型越复杂，计算量越大，训练时间也会越长。

由此可见，如何在保证准确率的同时，减少模型的计算量并提高计算效率，是图像识别技术研究的关键之一。为了进一步改善该技术，我们应注重算法的原理，不断优化模型结构，减少训练参数，提高准确率。

四.结束语

图像识别技术的出现，为人民的生产和生活带来极大便利，并推动医疗、交通、农业等领域的建设，但依然还有很大的开发空间，需要更多学者和研究人员的投入。在将来，还会出现更成熟、更方便、更快捷的识别技术，不断促进人民生活水平的提高。

参考文献

[1] 丰晓霞. 基于深度学习的图像识别算法研究[D].太原理工大学，2015.

[2] 陈勇涛，郭晓颖，陶慧杰.基于深度学习的图像识别模型研究综述[J].电子世界，2018（04）：65-66.

[3] 王志瑞，闫彩良.图像特征提取方法的综述[J].吉首大学学报（自然科学版），2011，32（05）：43-47.