徐凌超
天津港保税区环境投资发展集团有限公司 天津市滨海新区 300460
摘要：近年来，我国的计算机工程建设的发展迅速，计算机图像处理与识别技术作为一种先进的科学技术，更多的是应用于计算机信息数据的处理，具有处理速度快、精确度高、灵活性好等优势特点，可以提高计算机信息数据处理与识别的工作效率。计算机图像处理与识别技术经过多年的研究与应用发展，现在已经被应用在多个领域中，例如智能交通、有色金属制造、医学医疗以及刑事侦查等领域，取得了良好的应用效果。
关键词：计算机图像处理；识别技术；应用分析
引言
随着互联网技术的发展，互联网数据的规模不断扩大，这些信息蕴含着巨大的价值，但是也有一些模糊的、不能被利用的信息。计算机图像处理与识别技术就是为了分析数据是否完整与有效而存在的。所以，计算机技术相关研究人员要提升对计算机图像处理与识别技术的重视程度，挖掘其优势及应用范围。
1计算机图像处理与识别技术应用优势与特点
1.1处理速度快
从计算机图像处理与识别技术的发展与应用情况来看，其在诸多领域都起到重要作用，并且具有很大的应用优势。其中，处理速度快是计算机图像处理与识别技术应用的主要优势之一，尤其是在互联网普及应用以后，人们可以接触到的数据信息量很大，并且信息内容繁杂，传统的处理与识别技术已经无法满足正常的工作需求。利用计算机图像处理与识别技术处理数据信息，可以提高数据处理与识别效率，在短时间内完成数据信息的分析、处理，具有较好的应用适用性与配合性。
1.2精确度高
计算机图像处理与识别技术在具体的应用过程中，可以在同一时间处理和识别多张不同类型的图像，可以高效、准确地从海量的图像数据资源中是筛选出有效、完整的图像信息。与传统的人工图像处理与识别方式相比，计算机图像处理与识别技术的应用精确度更高。但是，计算机图像处理与识别技术在实际应用过程中缺乏直观感受，不具备人工图像识别的信息反馈能力，对在图像处理和识别中出现一定程度的非主观性，影响到识别结果，因此需要联合应用两种图像处理与识别技术，进而提高整体的应用效果。
2计算机图像处理与识别技术之应用流程
首先，设计算法结构。算法通常包括两个部分，其一是图像处理的算法，其二是图像识别的算法。由于图像矩阵法的处理效率较为低下，因此应当倾向于对图像进行分区处理，基于精度与数目等参数，使用横向比较的方式，减少机器不必要的运算。处理以后，开始图像对比。形成超像素的过程中，也需要运行相应的算法，用以提升运算效率。接着是采用特征提取。根据之前的分块处理，将分块后的图像作为特征点提取所需对象，将其作为辅助特征。在确定分块后的图像区域后，完成像素点的提取，方便之后进行参数对比。因为利用计算机进行直接的图像对比难度系数大，所以应当使用像素点比较法进行图像识别。
3基于人工智能技术的计算机图像处理应用
3.1人工智能图像处理技术特点
随着计算机图像识别技术的深入发展，产生了多种多样的图像识别技术的算法，其中最常用的是基于人工智能技术的深度学习算法。深度学习的基本模型属于神经网络的范畴，在计算机控制算法中具有较长时间的应用历史，早期是为了通过模拟人脑认知来完善机械设备的学习问题而建立的，但在后来的研究中，由于多种原因的综合作用，开始了研究转向向量机、Boosting、最近邻分类器等技术，主要通过神经网络的仿真来实现大脑的仿真，这个过程由于神经网络中隐藏层较少，所以称为浅层机器学习模型。
而深度学习是一种基于浅层机器学习模型的更深层次的机器学习技术。目前，深度学习技术在计算机图像处理和识别领域取得了长足的发展，特别是工程应用领域有着深远的影响。通过深度自学习，计算机系统可以产生类似于人类的发散思维和抽象归纳能力，这种能力可以使计算机系统准确的处理和识别数以百万幅计的图像画面，而且识别误差率不高于1%，在这样的海量高精度图像处理与识别功能在工程实践领域具有很高的适用性。与传统的计算机识别模式相比，深度学习具有从海量大数据中进行自我学习的能力，它摒弃了传统的人工学习特征，传统的人工学习方法效率较为低下，只能给出少量的特征参数，导致图像识别系统的准确性低，适用范围狭窄。而深度自学习技术使计算机通过大量的数据进行训练，随着系统录入数据量的不断增加，深度学习算法的鲁棒性和泛化能力将增强。在当今互联网和大数据高度融合的时代，基于深度学习的图像识别技术能够有效地满足大型互联网企业的需求，其数据量可能达到数以亿计，因此，基于深度学习的图像识别技术具有重要意义，而且由于深度学习处理和识别的数据种类繁多，通用性强，可以应用于生物识别、图像检索、无人驾驶、交通管理等各个领域，也给工业安全巡检领域的技术创新带来新的可能。
3.2工程应用领域
计算机图像处理技术在工程实践领域应用非常广泛，包括道路交通安全管理、互联网金融服务的身份验证识别技术、工业自动化生产的安全巡检，智能化门禁系统、公安刑侦和国家安全管理等诸多领域。利用智能化的图像处理和识别技术，能够有效提高工商业企业的生产效率和社会治理水平，本文以笔者参与设计的工业巡检系统为例，对智能化图像处理和识别技术在工程实践中的有效应用展开分析。
3.3智能化图像处理识别技术在工业安全巡检系统中的应用
工业安全巡检对系统的自动化程度、准确性和运行效率要求非常高，在此系统中应用到先进的图像处理与识别技术对提升系统的运行效率具有很大的促进作用，工业安全系统的检测业务在很大程度上依赖于图像识别技术的应用，如监测设备状态信息，监督工作人员操作是否符合规范要求等。在具体应用实践中，图像信息主要通过安装在监控部分的监控设备获取，然后通过图像识别技术对监控设备获取的图像信息进行识别，当工业生产设备和操作人员工作行为出现非标准属性或使得工作对象出现危险属性时，图像识别技术可以通过分析证实这一点，从而启发其他预警系统停止上述行为，图像识别技术还可以自动诊断工作对象的运行状态和故障情况，有助于保障工业生产的安全运行。在现代的智能化深度学习图像识别技术中，除了能够监测检测操作的行为，自动识别和诊断故障外，还可以通过人脸识别等其他功能为检测操作提供辅助。人脸识别技术的应用有很多种形式，比如可以让工人通过，因为工业企业中有很多商业信息需要保密，对于信息安全的保护也是非常必要的，通过人脸识别技术，理论上可以检查每个员工的面部特征，进而阻止未经授权的人员进入工业生产现场。但由于人脸图像所产生的信息不同于相对静态的工作行为，具有很强的动态性或不稳定性，因此很难对人脸进行准确的识别，因为人脸信息会因为面部表情、光线变化、化妆情况而改变，会给人脸识别带来较大的困难，但是基于智能化深度学习的图像识别技术能够提取人脸图像的关键特征信息，可以在不同的表情、不同的方位、不同环境光线下对人脸进行准确识别，精度高达99%以上，这项技术的应用能够有效提高工业生产管理水平，降低人为因素导致的安全生产事故。
结语
总之，计算机图像处理与识别技术的应用范围很广，并且起到的作用很大，对现代化发展起到重要影响。因此，必须从计算机图像处理与识别技术的应用原理与特点方面入手，不断优化技术应用，增加技术应用功能，促进其进一步的应用发展，提高技术应用效率与质量，使其在更多的领域发挥出良好的作用，推动社会快速发展。
参考文献
[1]雷波.计算机图像处理与识别技术应用研究[J].信息与电脑（理论版），2020，32（06）：124-126.
[2]卢少华，肖赛男.计算机图像处理技术在网页设计中的应用分析[J].电子世界，2020（04）：191-192.
[3]江俊敏.计算机图像识别技术的应用分析[J].集成电路应用，2020，37（02）：50-51.