Page 157 - 基于人工智能的图像识别技术研究
P. 157
第三章 人工智能与图像识别
算机识别技术发挥出其相关的功能，这样才会使得计算机图像识别技术有了有效
的应用。实际的计算机图像识别技术的运作过程，分为对应的几个步骤，每一个
步骤依据一定的规范进行相应地展开，计算机图像识别的一般步骤如下：首先的
是对于图像的采集，进行图像的采集之后根据实际的要求分为三个路径，或者是
经过边缘提取，或者是经过区域分割，或者是直接地进行发送，这都会进入下一
个步骤—对于目标的定位，接着需要进行归一化，或者是进行提取特征参数，
归一化之后有两个路径，一个是对于目标图像进行提取特征参数，另一个是直接
的对于目标进行识别，最后的是经过提取特征参数后进行目标识别，也有一个路
径是直接地从模板库进行目标识别。
对于图像采集和预处理的步骤来说，在进行实际的图像的识别过程之中，图
像的实际的性质也会影响到计算机的图像识别的技术的运用效果。一般的图像采
集多数是借助多目采集的方式，这样能够取得更加精准的图像信息，在进行图像
识别之前，必须进行一定的处理工作，这样会使得识别的可靠性有所提升。在边
缘提取的步骤之中，要有对于图像边缘的准确认知，图像的边缘指的是图像的亮
度或者是颜色的梯度，沿着某一个方向发生的急剧变化的位置，它可以为具体的
识别提供一个数据信息方面的收集。最为常用的边缘提取方法有空间梯度法、小
波变换法等，应该结合实际的图像的状况，来进行边缘提取法的选取。对于区域
分割来说，其主要的目的是把具有一致颜色与灰度的目标区进行整体的分割，分
割的方法也有很多，包括直接分割法、分区分割法等，其同样的需要依据实际的
情况来进行分割。
目标定位主要的是为了获得目标数据信息，依据相关的要求在图像之中进行
目标区域的圈定，对于目标定位的干扰主要地源自图像的背景，背景越复杂，对
于识别的效果的影响越大，相应的解决的方法是选择基于边缘结构的元素目标定
位、基于颜色特征、纹理特征与子格拼合的目标定位等。目标变换主要的是选择
几何变换，这需要方位、尺度与错切形变等数据的校正，这个过程也被称为归一
化。对于特征数据的提取多数是运用数学变换的方式，有频域变换、矩阵变换、
边缘链码等。最后的是识别，这需要结合模板库，使用模糊匹配、神经网络分类
法或者是支持向量机分类法等，最后的实现对于图像的识别，相对的来说，模糊
匹配的运用较为的广泛（见图3-1）。
149
