计算机智能化图像识别技术探讨.pdf
《计算机智能化图像识别技术探讨.pdf》由会员分享,可在线阅读,更多相关《计算机智能化图像识别技术探讨.pdf(3页珍藏版)》请在咨信网上搜索。
1、信息记录材料 年 月 第 卷第 期计算机智能化图像识别技术探讨薛荣辉,刘星星,王 楠(西安汽车职业大学汽车工程学院 陕西 西安)【摘摘要要】本研究基于 算法,通过对计算机智能化图像识别技术进行分析,建立网络图像识别模型,同时根据 四层神经网络进行神经学习算法训练学习,将输入 输出节点分别设置为“”和“”,然后进行神经网络算法实验对比,研究分析结果表明,四层神经网络算法分析和识别下的计算机智能化图像识别正确率为 ,而传统算法识别下的计算机智能化图像识别正确率仅为 ,明显低 ,由此通过 算法有效克服了传统 神经网络训练时间长和收敛速度慢的缺陷。【关关键键词词】计计算算机机技技术术;智智能能化化技技
2、术术;数数字字化化图图像像识识别别;神神经经网网络络;网网络络算算法法模模型型【中中图图分分类类号号】【文文献献标标识识码码】【文文章章编编号号】()作者简介:薛荣辉(),女,陕西西安,本科,工程师,研究方向:计算机单片机应用、汽车车载网络、汽车电气控制、电子技术。引言随着数字化计算快速发展,信息技术与智能化计算机图像识别技术得到了融合,在此背景下,神经网络算法在图像识别领域也发挥了重要作用。当下,计算机图像识别在智能算法领域得到广泛应用,从本质上来讲,它是一种融合了智能化计算机技术和现代图像识别、处理技术的新兴数字影像技术,该技术经过全面的技术革新,已经被广泛应用图像识别与数字化技术处理等领
3、域。例如目前在很多场合都应用到了智能化技术,经过对计算机图像进行低照度处理,即可提高摄像机、数字化监控设备的传感器五色彩质量,图像经智能化识别与处理,清晰度较高,同时采用高感光度技术,有效提高暗光下拍摄出的图片、图像识别度,正是因为有了智能化图像识别技术,才使得图片的清晰度大大提高,在保证图片质量的同时,无需使用阵列红外灯补光也能够保留住原来的图像色彩和清晰度。计算机智能化图像识别技术的基本原理与模式计算机智能化图像识别技术的核心是基于机器对图像进行识别,经过对相关景物进行处理,收集和处理文字、图像等图片信息,经过计算机智能化图像模式识别,能够由机器取代传统的人工处理技术,可对某些计算机智能化
4、图像数据信息进行自动化识别、处理、辨别与分类,在此过程中,系统还能够对相关图像中的具体图形进行快速、准确识别分类。目前,在我国发展的计算机智能化图像识别模式主要包含三个环节,分别是对计算机智能化图像进行分类,对计算机智能化图像特征进行数据提取以及对计算机智能化图像进行预处理。在前期处理环节,主要目的是采用计算机智能化图像识别模式对图像进行增强处理、平滑处理、数据恢复、图像分割、图像边缘检测等,从而使图像输入计算机中即可将上述几种不同模式转换为分段处理模式。其中,计算机智能化图像特征提取主要是借助计算机智能化图像识别模式有效提取图像主要特征信息,由此为计算机智能化图像中的少部分特征进行识别和有效
5、分类。在这几个环节中,最为关键的步骤就是计算机图像模式分类,对于计算机用户而言,他能够通过图像映射,将计算机智能化图像类型空间、部分特征向量空间进行图像归属映射,进而使图像模式分类归属为某一类模式,计算机智能化图像识别技术基本模式如图 所示。图 计算机智能化图像识别技术基本模式框图 获取计算机智能化图像数据在获取计算机智能化图像数据时,首先需要通过扫描仪、传真机、数码摄像机、数码相机等设备,将图片、景物、照片或图像等经过数字化传感器传入,然后再将这些图像转换为相应的物理量,用于计算机测量和处理。处理计算机智能化图像数据在计算机智能化图像数据处理过程中,分别需要经过三个不同的步骤,一是选择计算机
6、智能化图像的基本特征,二是抽取计算机智能化图像的基本特征,三是对计算机智能化图像的基本特征信息进行预处理。经过图像数据预处理之后,可以有效改善计算机智能化图像的质量,与此同时,还能够通过图像数据处理,彻底消除因传输介质所引起的图像退化现象。在这几个环节中,抽取计算机智能化图像基本特征的实质就是有效提取出计算机智能化图像的图像性基本元素和图像特性数字值,而在选择图像基本特征时,首先需要抽取特征元素,然后方能选择特征原图像进行图像智能分类识别。分类判别计算机智能化图像计算机智能化图像判别分类,核心是通过建立图像智能分类基本规则,根据规则,对图像模式进行分类选择,在此基础上,借助智能神经网络模式进行
7、图像识别,进而实现图像的智能判别分类。计算机智能化图像识别技术基本方法现阶段,研究者主要基于神经网络计算方法,对计算机智能化图像进行神经网络识别,通过神经网络识别图信息记录材料 年 月 第 卷第 期像,能够提高图像识别效能,这种神经网络技术具有数据大规模处理、计算机智能化图像分布式存储以及图像识别自组织并行等诸多功能。神经网络识别在采用神经网络计算方法进行图像智能识别时,首先需要进行机器学习,而学习特性即是神经网络学习算法的基本特性,它能够基于神经网络计算方法,对神经网络的具体权值以及网络阈值进行有效调节,从而可以实现计算机神经网络学习与训练。目前,计算机神经网络学习算法主要分为监督学习算法和
8、无监督学习算法两种基本模式,其中对于计算机神经网络监督学习算法而言,在神经网络学习训练时,必须要有一定量的输入矢量和目标矢量作为训练样本。而在学习训练过程中,计算机神经网络能够实时输出目标训练结果,并进行数值比较,根据比较情况,可有效调节网络权值与相关阈值,由此经过循环往复的学习和训练,最终使计算机神经网络输出结果更加靠近目标训练值。当下,最为典型的计算机神经网络算法为 算法,它是一种常见的计算机神经网络监督学习算法。现如今,也有学者通常采用计算机神经网络无监督学习算法进行智能图像识别,这种技术相比于监督学习算法,它在整个学习训练过程中,均无需学习样本即可实现自我学习,系统只需要输入相应的网络
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计算机 智能化 图像 识别 技术 探讨
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。