计算机图像识别的智能化处理方法研究

朱雪莹

摘  要：主要针对计算机图像识别智能化处理的方法进行研究与分析。首先对智能化处理的概念、原理以及应用范围进行分析；然后对智能化处理技术应用优势进行分析，认为智能化处理技术应用能够促进图像精度的提升，保障处理图像像素水平同时灵活性强；最后对计算机图像识别智能化处理方法的应用要点进行总结与把握，包括智能化电子图像配准方法、智能化电子化图像检索方法、智能化电子图像水印技术、智能化电子图像特征分析技术这4个方面的内容。以期能够引起业内人士的关注与重视。

关键词：计算机  图像识别  智能化处理  数据传输

中图分类号：TP391

Research on Intelligent Processing Methods for Computer Image Recognition

ZHU Xueying

Jilin Police College， Changchun， Jilin Province， 130121 China

Abstract： The article mainly studies and analyzes intelligent processing methods for computer image recognition. Firstly， it analyzes the concept， principle and application scope of intelligent processing. Then， it analyzes the application advantages of intelligent processing technology， and believes that the application of intelligent processing technology can promote the improvement of image accuracy， so as to ensure the pixel level of processed images， and that it has strong flexibility. Finally， it summarizes and grasps the key application points of intelligent processing methods for computer image recognition， including the intelligent electronic image registration method， the intelligent electronic image retrieval method， the intelligent electronic image watermarking technology， and the intelligent electronic image feature analysis technology， so as to attract the concern and attention of industry insiders.

Key Words： Computer; Image recognition; Intelligent processing; Data transmission

计算机图像智能化处理技术的合理应用能够满足图像智能化处理需求，计算机可以通过对图像识别软件以及相关识别技术的综合应用，对所需要处理图像进行智能化研究与开发。未来发展阶段中，智能化计算机图像识别技术的应用将更为频繁与深入[1-2]，有相当巨大的发展空间与潜力。虽然受计算机技术发展限制影响，可能导致技术发展进入瓶颈状态，但仍然需要将计算机图像识别的智能化处理方法作为研究重点，通过对智能化处理方法以及原理的深入研究，获取更加智能化的计算机处理技术，将计算机图像识别与社会大众日常生活紧密结合起来，以最大限度确保计算机图像识别智能化处理技术更好地满足用户基本需求。

1 智能化处理概述

•  智能化处理的概念

众所周知，计算机数据处理具有高速性、准确性高的特点与优势。图像处理技术可以借助于对计算机数据处理高精度优势的应用，对同一图文进行全方位反应与识别。在当前各行业领域发展背景下，图像处理技术被广泛应用于各个场景中[3]，融入社会大众日常生活。通过图像识别与处理技术的有效结合，能够最大限度剔除信息干扰，提高数据传输的方便性与准确性。

•  智能化处理原理

将智能化技术与图像处理技术相结合，能够使图像识别准确率得到有效提升，促进图像识别技术的进一步发展。例如：在无光亮的夜间条件下，可以通过提高检测仪器准确率的方式使所观察图像更加清晰，弥补图像识别在补光技术方面的缺陷[4-5]，促进图像识别难度的下降。

•  智能化处理应用范围

计算机识别技术凭借自身独特优势，在社会各行业领域中得到广泛应用，包括电视广播、教育教学、医疗器械、传媒以及建筑工程等多个领域中对计算机识别技术的应用是相当丰富与频繁的。在对图像进行智能化识别处理期间，可以促进受众体验感的提升。换句话来说，智能化处理技术已经在大众日常生活领域中得到广泛应用，并在大众生活中发挥着积极的影响。

2 智能化处理技术优势

2.1  促进图像精度提升

在当前技术发展条件下，图像识别处理技术仅能够对所提取图像进行二维码数组的转换，支持简单识别功能的实现。而通过对智能化处理方法的合理应用，能够基于多个角度对图像二维码数组进行精度转化[6]，满足受众对图像识别处理的具体诉求。并且，随着计算机技术发展与进步，数据运算速度也会呈现出一定提升趋势，在对图像进行处理的过程中能够以较快速度完成读取转化功能，以达到提高图像精度的目的。

2.2  保障处理图像像素

传统意义上的图像处理技术受一系列因素干扰与影响，难以达到完全精准的保存状态。而将智能化处理技术引入信息处理过程中，能够实现对数据的有效识别与处理，避免干扰因素对图像处理精度产生影响[7]。在图像存储期间可能会存在一定问题，导致图像出现不完整，部分遗失的问题。而基于对智能化处理技术的应用，能够有效修补图像，确保其达到直观清晰的状态，对保障处理图像像素水平有重要意义。

2.3  灵活性强

智能化处理技术应用期间能够根据受众实际需求对图像进行缩放处理。在图像处理期间可以尝试借助于线性处理技术对图像进行识别。需要注意的一点是，图像类型各不相同，在处理不同类型图像时可以通过应用编码技术的方式将图像转换为二维数据，并进行灰度组合，以灵活处理图像，生成正确信息。

3 智能化计算机图像识别技术

3.1  智能化电子图像配准方法

在智能化技术辅助下，图像生成的差异性可以体现在条件、时间、设备装置等方面，工作人员可以借助于对图像叠加技术以及匹配技术的应用，确保图像识别功能顺利实现。目前，本方法在计算机图像识别智能化处理领域中得到广泛应用[8-9]。从配准环节上来看，工作人员需要及时提取图像对应特征参数，明确并准确定位特征点参数关系，通过度量处理电子图像的方式，将相似性高且匹配关系明确的特征点筛选出来，获取图像坐标变化依据，以支持配准功能的顺利实现。在图像配准期间，所涉及的方法包括三大类型：一是基于模板与灰度的图像配准，即直接采用相关运算方式对相关值进行计算，以寻求匹配位置达到最佳状态，该方法相对简单与死板，效果存在一定的局限性；二是基于特征值匹配方法，包括surf点特征等，在应用于图像配准过程中有较强的适应性；三则是基于域变化的处理方法，通过对相位相关方法的应用，在全新域范围内对图像进行配准操作。需要注意的一点是，在模板匹配过程中，图像配准算法操作简单安全且可靠，在对图像配准进行整幅图像处理的过程中，通常是通过对模板进行平移的方式计算其对应关系[10]。一般情况下，采用模板以及图像相关运算计算相关值，该值越大提示匹配关系越好。分析认为，模板匹配对形态固定的图案有良好效果，但随着图像配准数量级扩大，导致计算难度明显增加，图像配准需要进一步体现实时性，且随着成像条件以及图像拍摄环境的变化，算法适应性会呈现出一定的下降趋势。而从基于灰度的图像配准方法角度上来说，本方法尝试在对图像相同部分进行测量的过程中重视对灰度信息的应用，虽然操作方法简单，但对目标的扭曲以及变动会对配准效果产生影响，比较常见的处理方式是对相似性代价函数进行计算，以应用平方运算对图像灰度进行处理。在此期间，基于灰度的图像配准方法无法对图像几何特征进行处理，因此可以保障具有较高的识别精度与适应性，但受灰度信息规模大的因素的影响，导致本方法在运算量以及效率上不具优势。最后，从变换域处理方法的角度上来说，相位相关方式对图像进行参数转换，利用转换后的参数进行运算，图像由参数变换转换到频域，利用傅里叶变换得到平移后的结果，再在频域实现匹配图像的配准。在傅里叶变换后，图像的平移成分转换到了相位，计算相位的最大匹配位置，就可以得到原始图像的平移量了，这就是相位相关。在此基础之上，将傅里叶-梅林变化以及对数-极坐标变化引入其中，相位相关获取平移为主，对数变化得到尺度信息，并通过极坐标变化的方式生成旋转角，以支持图像配准目的的实现。需要注意的是，任何类型的匹配算法均无法避免匹配误差问题的产生，使用初始匹配结果后有大量异常点，这些异常点可以通过应用随机抽样一致性算法的方式对误匹配问题进行有效消除，对应的异常点处理方案如图1所示。作为一种不确定和随机性算法，每次运算所得到结果存在一定差异性，但其具有有效的整体估计结果，即便对于匹配失败超过50％的数据而言仍然能够得到合理结果。

3.2  智能化电子化图像检索方法

传统意义上在对图像进行检索过程中所选用的检索方法为文本TBIR式为主，这种方法通过标引图像名称、尺寸、类型等关键信息的方式支持图像检索功能的顺利实现。但有报道中认为，本检索方法无法对电子图像中存在的可视化元素进行准确分析。而从智能化技术干预的角度上来说，结合智能化技术所形成的智能化电子图像检索方法具有面向内容的检索特征，将电子图像语义特征作为重点检索图像，通过剥离图像并形成图像集的方式，在海量图像库中检索与之存在内在关系的图像。从这一角度上来说，智能化电子图像检索方法的应用优势是更加确切的。除了关键的算法技术以外，还需要考虑实际应用特点形成与工程相关的分布式存储技术，这一原因是在工程实际应用中，涉及的索引结构需要支持海量量级，如何构建并存储图像特征索引信息，就需要在工程层面进行合理优化。从实际应用的角度上来说，基于内容与基于文本的图像检索具有解耦关系，产品设计过程中可以选择两者并存或独立应用的操作方式。在此基础之上尝试对EasyDL技术进行引入与应用，表现出可用性强（业务流程简单，无须深度学习基础）、安全性强（数据加密与隔离效果好，有完善的服务调用权利）、精度高（超过大量模型，精度达到90％以上），以及更轻快（算法与工程优化平均训练耗时＜15 min）等优势。在图像分类的过程中，要求对存量以及新增图片进行数据定制打标签处理，以完成数据整理任务。并通过定制标签服务的方式促进个性化推荐策略精准度的提升。而在物体检测过程中，可以尝试对图片精细化内容进行提取，并将图像中需要检测的目标位置进行准确识别，配合对OCR等相关技术的应用，支持后续处理服务活动的开展。

3.3  智能化电子图像水印技术

数字水印技术在维护数据安全方面发挥着非常确切的作用与效果。智能化电子图像水印技术应用与信息隐藏技术有大量的类似点。在其中，可以借助于数字嵌入的方式对数字水印技术进行处理，在电子图像中融入具有特定含义的水印标志，并使其成为电子图像的独特所有权依据，以此种方式预防出现侵权问题。并且，基于图像数字水印技术还可以实现对图像的检测分析，以保障图像自身完整性。尤其在智能化图像处理与识别过程中，水印技术的隐蔽性优势高，且不会影响电子图像的正常使用，因此可以将其作为判断电子图像是否出现人为篡改问题的重要支持与依据。需要注意的一点是，为了进一步提高智能化网络输出的水印图像的质量，可以尝试以U-net结构对传统编码器结构进行替换与调整，将输入信息添加至输出中，以最大限度保留电子图像背景信息。同时配合对感知损失技术的应用，确保输出图像在细节纹理上均能够达到理想状态。对应的智能化电子图像水印技术如图2所示。

3.4  智能化电子图像特征分析技术

为确保图像识别达到理想状态，需要在智能化处理中重视对图像特征分析技术的应用。在特征分析技术辅助下，工作人员能够对电子图像内含特征量值进行系统分析与反应，并做好特征数据的提取工作。参考图像类型，可以对图像特征分析结果产生不同表现形式，在组合分析的过程中满足描述电子图像的要求，这也正是图像处理的依据所在。在特征分析期间，可以考虑从图像形状、颜色以及纹理等角度入手进行描述分析，并结合一定的设备装置实现对特征参数的自动化调节。如考虑元件特征，在电子显微镜等装置辅助下获取具有高分辨率特点的图像数据，并支持结合规定要求进行细微调节。换言之，在电子图像识别期间，设备装置可以借助于对算法以及操作指令的应用，使电子化图像识别技术为人们提供充足的人工操作空间支持，将更多情感色彩融入运行期间，以支持操作性能的实现。

4 结语

计算机图像处理领域对智能化技术的应用经过相关人员的深入研究已经实现了阶段性的发展，自简单意义上的图像处理技术向着更为复杂与智能化的图像识别技术方向发展。需要注意的是，科技的发展是不断进步与完善的过程，在技术进步以及未来用户需求不断完善与相互促进的背景下，计算机图像识别技术的智能化水平会进一步提升，图像处理智能化技术的应用将更加健全与完善。尤其是伴随社会大众各行业领域技术水平的持续提升，智能化计算机图像识别处理能力将具备更为广阔的发展空间，获取源源不断的发展动力，以达到提升计算机图像识别处理技术水平的目的。

参考文献

[1]孟进.计算机图像识别的智能化处理技术瓶颈与突破[J].科学与信息化，2019（30）：28，32.

[2]师茂，张素杰，柯瑜.浅谈计算机图像识别的智能化处理技术瓶颈与突破[J].科技风，2018（27）：95.

[3]郑元义，张茂惠，彭剑萍，等.计算机图像识别技术在超声微泡粒径分析中的应用[J].中国超声医学杂志，2007，23（10）：727-729.

[4]王晓光，管港云，徐嘉铭，等.基于GPS和计算机图像识别的无人机导航系统[J].吉林大学学报（理学版），2022，60（4）：955-961.

[5]郦丽华.计算机图像识别的智能化处理技术瓶颈成因与突破方向分析[J].科技视界，2022（15）：15-17.

[6]夏绅鑫.基于计算机图像识别技术的电子信息系统在互联网金融领域的应用探析：以支付宝刷脸为例[J].数字通信世界，2018（2）：209-210.

[7]胡正军.人工智能时代计算机图像识别技术在建筑工程管理中的有效运用[J].文渊（中学版），2021（11）：657-658.

[8]顾海花.人工智能时代计算机图像识别技术在建筑工程管理中的有效运用[J].建筑科学，2021，37（11）：后插5.

[9]张玉峰，周仁斌，李敏睿.基于计算机图像识别的荧光油液渗漏检测方法研究[J].机床与液压，2007，35（10）：168-170.

[10]涂翊翔.基于计算机图像识别技术和控制运动平台的细胞病毒检测设备研究[J].电子元器件与信息技术，2020，4（1）：75-76.