李爽
广东科学技术职业学院，广东省珠海市，519090
摘要：本文对图像识别技术的应用现状进行了研究,分析了图像识别技术的优点和重要性，介绍了有关图像识别的内容和过程，对图像识别的重要内容和关键步骤进行了全面探讨，主要包括图像分割、分类和图像的匹配等内容，对各种算法的特点和图像识别技术在未来社会人工智能的发展方向进行了分析。
关键词：图像识别；技术现状；展望?
在社会经济不断发展的背景下，信息技术也得到了高速发展，图像识别技术在此背景下应运而生，它在我国各个领域中都有着非常广阔的发展空间，为了提高图像识别的应用效果，部分学者对图像识别过程等内容进行了研究，通过优化图像识别结构和关键步骤等方式，发挥了图像识别技术在社会经济中的价值，从而进一步完善我国的智能化体系。
一、图像识别技术发展背景
如今，大数据时代的到来，给人们的生活和工作都带来便利，尤其移动互联网和智能手机的快速发展，带来了海量图片信息，相关研究发现，我国每天网上图片上传量约为6000万张。在国内，微信朋友圈中也是以图片分享为驱动，由于这种方式不会受到地域和语言等多种因素的限制，所以图片逐渐取代了复杂和难以理解的繁琐和微妙的文字，成为网络信息发展的主流。
在用户读取信息的习惯上说，与文字相比，图片可以为用户提供更加生动和有趣的艺术感信息，丰富用户的想象力，还具有一定的降压效果。在图片来源上说，智能手机为给我们的生活和工作带来了方便，其还具有拍摄和截屏等多种功能，可以帮助我们更快地用图片对具体的信息采集和记录。
目前，图片已经网络发展中的主要信息载体，但是它给人们带来便利的同时的，也会带来一定的问题。当信息由文字记载的时候，用户能够通过关键词，对其中的内容进行搜索，然后轻易找到所需的内容，对其进行任意编辑。但是，如果在此过程中，信息是由图片记载的时候，用户并不能对图片中的内容进行更好地检索，严重影响了用户在图片中找出关键内容的效率，这在一定程度上降低了我们的信息检索效率[1]。
这就需要加强对计算机图像识别技术的有效应用。图像识别技术可以帮助技术人员应用计算机对图像进行处理和分析，更好地识别各种不同模式的目标。图像识别的过程和内容是比较多的，主要包括图像预处理和图像分割等内容，它在图像处理中的有效应用，还能够根据图像的特点对其进行判断匹配，让用户能够更加快速的地在图片中搜索自己想要获取的信息。当前，图像识别技术的应用范围在不断扩大，这种技术在国家安全、金融、工业化生产线和食品检测等多个领域中都得到了有效应用，其应用场景也是非常广泛的。
现有的图像识别技术，主要是采用图像采集卡，在PC机上对图像进行处理的。但是，受到各种客观因素的影响，部分图像在对其进行识别的时候，其系统要求是非常大的，数据也比较简量，其中的算法较为复杂。因此，为了保证图像识别的有效性，需要对现有图像识别系统中的不足进行分析，对其结构进行优化，提高图像识别的有效性。
二、图像识别的技术现状
在1960年，在图像处理中，一般采用中和大型机器对图像进行扫描，在此阶段，图像处理设备是非常贵的，其储存成本也是非常高的。到了1970年代，相关的技术人员已经应用了大量的中和小型机对图像进行了有效处理，处理流程也得到了优化，卫星遥感图像以及CT等比较先进的技术在其中也得到了有效应用，这在一定程度上，推动了图像处理技术在社会的稳定发展。
到了1980年代后，图像处理过程中几乎都是由微机完成的，超大型集成电路和设备造价也在不断地降低，其处理速度得到了有效提高。随着图像信息量不断增多，在1990年代，为了进一步提高其处理速度，相关的学者根据应用领域的特点，对图像处理技术进行了分类，对其不同的分支结构特点进行了分析。
图像识别技术在视频监控中得到了有效应用，解决了传统监控中的不足。由于以前的监控设备，需要工作人员在电视墙前，要时刻保持高度警惕，然后在对视频中的信息进行判断，这会导致工作人员在实际的工作中，经常出现来疲劳和视觉局限等问题，延续影响了和监控效果。然而，自从成熟的图像识别技术在此过程中的有效应用，它可以与人工智能有效结合，自动对视频中的信息进行分析和处理，如果在此过程中如果出现异常情况，可以直接报警，避免其他问题对监控效果的影响。
如今，一些科技人员，对图像识别技术进行了有效应用，对此技术的特点和作用进行了分析。还有的学者在图像识别领域，提出了以LeNet为代表的卷积神经网络，加强此技术在各个领域中的有效应用，可以对各种不同的图像进行识别。同时，Google 借助模拟神经网络，对猫的关键特征进行了自行性的学习，机器没有在人为帮助下，自己对猫的概念进行了分析[2]。
在此过程中，技术人员还需要注意的是，图像识别技术已经成为未来人工智能的发展方向，可以通过加强人工智能和图像识别有效结合，弥补两者的不足，从而进一步促进我国信息技术在社会经济中的稳定发展。
三、图像识别技术的发展阶段
（一）图像识别的初级阶段
图像识别在初级阶段的作用主要是娱乐化和工具化，在此阶段中，用户可以借助图像识别技术，满足自己对某些娱乐化需求。如，可以应用百度魔图的“大咖配”功能，快速地找到与其长比较像的功能，还可以在百度图片中搜索更多相似的图片。部分学者根据相片，进行了人脸匹配的DeepFace，通过对此过程的研究，实现了图像识别在自动生成照片中的有效应用，这种技术还可以帮助用户更好地管理手机上的照片。
图像识别的初级阶段还有一个主要作用，就是光学字符识别。主要是指光学设备检查纸中的打印字符，可以通过检测暗亮等多种形式，对其中的形状进行确定，在完成上述工作后，技术人员可以用字符识别方法，对复杂的形状进行翻译，将其成计算机文字。我们都应该清楚语言和文字是获取信息的主要途径，也是最基本的途径。当前这个网络环境下，要想保障信息获得的有效性和趣味性，需要对获取的内容进行创新，可以借助互联网和计算机对文字信息进行获取和处理，如果在此过程中，文字以图片的形式表现出来，这会给我国获取和处理文字增添一些麻烦。
其中一方面原因是由于特定原因的影响，图片格式的文字受到了影响。另一方面是我们在现实生活中看到的物理形态文字，这在一定程度上增加了人们对信息获取的难度。在此外背景下，我们需要借助OCR技术，对这些文字和信息进行提取，从而保证相关信息的有效性。
（二）图像识别的高级阶段
在对图像识别的内容进行分析中，我们可以发现目前的图像识别技术，可以作为一个工具，主要目的是帮助人们与外部世界更好地交互，初级阶段的图像识别只为人们提供了辅助作用，其他的行动还需人们自己去完成。但是，当机器真正有了视觉后，它们就可以完全代替我们去完成相关的行动。
图像识别在盲人生活中的有效应用就是一个非常好的例子，它可以在盲人行动时，为他们其指引方向。在未来，图像识别技术还会同与其他人工智能技术有效融合在一起，盲人在生活中不需要进行任何行动，应用图像识别系统就可以解决生活中的问题。
在《人工智能：一种现代方法》中曾提出，感知是通过解释传感器的响应，为机器提供相关信息的，它在实际的应用中，会与人类共有的感知形态有效结合，主要包括视觉、触觉和听觉。其中视觉是最为重要，可以说它是人们一切活动的基础。为了对图像识别技术更好地研究，部分学者在《心智的构建》中还提到，我们在生活中并不能对世界中的事物进行直接的感知，主要依赖于“无意识推理”，也可以理解为，在我们能感知物体前，大脑一定要依据到达感官的信息，对相关物体的性质进行推断，它是构成了人类预判和处理突发的能力关键。视觉更是这个过程中最及时以及最准确的信息获取方式。
研究发现，人类感觉信息中的80%几乎都是视觉信息，所以机器视觉是图像识别高级阶段中的主要内容，其功能和优势在人工智能之上[3]。
图像识别还决定着机器视觉强度，为了对其进行更好地设计和研究，北京艾科瑞德科技有限公司最新推出了图像识别平台，这种嵌入式图像处理平台，主要以C6678强大的处理能力以及大容量存储功能为基础，为图像识别在各个领域中的有效应用提供了完整的嵌入式图像，优化了应用程序构架。由于嵌入式图像处理平台的稳定性和可靠性比较强，在其中还融合了x86平台处理能力强等多种优势，这为相关的编程工作提供了方便，能够满足客户的要求，让他们结合自己的需要对图像信息进行快速处理。
四、图像识别技术的应用
（一）在人脸识别中的应用
21世纪的是信息技术高速发展的时代，这给人脸识别技术的发展带来了更多的机遇，这种技术子在20世纪60年代就已经得到了一定的研究，到了90年代后期，其技术成熟度已经达到了比较高的程度，可以将此技术的整个发展过程进行合理划分，主要分为机械识别、半自动化识别和非接触式识别等阶段。为了满足新时代对信息技术的要求，需要对人脸识别功能进行进一步优化。此外，为了保障其优势在各个领域中有效发展，需要在图像识别基础上，优化其结构。
自然性识别方式主要是在个体识别的时候，合理利用了生物特征，由于指纹识别和虹膜识别等没有自然性，所以这种方式具有不被察觉的特点。指纹识别，或者是虹膜识别，需要利用电子压力传感器等设备对指纹和虹膜图像进行采集和处理，技术人员在实际的采集过程中，会发现用户的体验感并不好。
因此，为了更好地解决目前人脸识别中的难题，需要合理应用图像识别技术，对不同场景和脸部遮挡等进行整合，丰富识别方式，优化其中的软件结构，保证信息采集的快捷和便利性，延伸其拓展性，不断提高人脸识别的精度，从而进一步加强对图像识别技术的有效应用。
（三）图像识别技术在智能相机中的应用
信息时代的到来，给图像识别技术的发展带来了机遇。智能相机在此背景下也得到了蓬勃发展，相机厂商在花大力量研发智能相机。由于图像识别是一种高度集成化的视觉系统，它除了可以对图像进行采集和处理，还可以实现通信功能，此技术在智能相机发展的应用，为其提供了多功能和高可靠性等多种功能。智能相机的主要组成部分有图像处理单元、网络通信和图像处理软件等，这种功能可以帮助的智能相机有效解决基于PC平台的图像识别等问题，强化其在体积和实时性能等方面的功能。
但是在对一些特殊图像进行识别时，如药品检测和水果分选等，在此过程中，由于客户对相关的内容有特殊要求，这会给图像处理带来一定的难度，要想在此背景下实现对图像信息的有效处理，要对现有智能相机系统进行完善和有限开发，加强DSP/FPGA计算技术等技术在其中的有效应用，还可以将智能相机中的智能处理单元进行有效设计，将其制成一个满足客户要求的平台，优化其中的处理能力和通讯能力，开放专用平台，主要目的是满足客户数据量大和处理算法复杂等需求，从而保证对特殊图像信息处理的有效性[4]。
五、数字图像处理技术的内容
（一）图像变换
在此过程中，通过一系列变换处理技术，可以对各种图像信息进行处理和整合，如离散余弦变换和傅里叶变换等，这些计算和处理方式，能够帮助技术人员合理应用变换域处理替换空间等多种，对阵列很大的图像进行处理，进而有效减少计算量。
（二）图像编码压缩
为了可以在大数据背景下，对图像进行更加方便地处理和传播，有效减少占用的容量，需要在不失真的基础上，通过对编码的合理应用，对图像进行压缩，主要目的是减少描述图像的比特数。在对图像进行处理中，还要充分发挥编码压缩技术的作用。
（三）图像的增强与复原
像的增强与复原可以有效提高图像的质量。在对图像进行处理时候，还需要用到图像增强技术，将其感兴趣部分进行有效处理，在提高图像的清晰度同时，避免噪声对图像整体性的影响，让图像中的物体轮廓变得更加清晰。在此过程中，技术人员还可以将图像的高频分量进行强化，预防噪声对图像的影响。在对图像进行复原的时候，需要根据降质过程的内容，建立“降质模型”，在此基础上，通用对滤波处理方法的有效应用，将以前的图像进行重建，从而不断图像处理的质量[5]。
（四）图像的分割
如果要想对图像进行进一步地识别和理解，可以将图像中最有意义的部分进行提取，合理应用图像分割技术，保障信息提取的有效性，此技术也是目前研究中比较热门的图像处理技术。
（五）图像的分类
在对图像分类法进行研究时，会发现其中的句法结构模式和统计模式分类在我国图像识别领域已经得到了有效应用。尤其是在人工神经网络模式和模糊模式不断发展的背景下，新的分类法在图像识别中得到了全面的研究。
六、展望
视觉可以说是我们重要的感知能力之一，由于我们的视觉有着天然的局限性，虽然我们看起来可以毫无费力去感知世界，也能感知事物的变化，但是我们其实并不能对事物的内在信息进行有效获取，这会严重影响整个视觉场景。随着信息技术的发展，为了强化我们的视觉能力，加强了对图像识别技术的分析，解决了“变化盲视”等多种问题。相关的研究发展，图像识别技术在图像信息处理中的有效应用，不仅可以保障信息处理的有效性，还可以帮助技术人员能够发现图像处理中的问题，帮助人们记录视力范围内发生的事情。
尤其是在科学技术不断发展的背景下，我国的信息处理能力在不断增加，这给图像识别技术的发展带来了更多的机遇。为了加强对此技术的应用和研究，在当今各学科之间的频繁交流中，要将各种先进的理念和技术应用到其中。由于图像识别技术具有信息获取和信息利用等多种优势，它在图像处理中的有效应用，能够在完善处理方案的同时，保证信息处理的准确性。图像处理技术已经成为未来人工智能的发展方向，各个领域的研究人员需要加强对此技术的深入研究[6]。
结束语
综上所述，图像处理技术由于本身具有信息处理高效性等特点，更是前景远大的新型学科，加强对它的开发和应用是当前社会发展的要求。值得注意的是，受到各种客观因素的影响，当前我国现有的图像处理技术还存在一定会局限性。因此，为了促进此技术在社会科学技术中的持续发展，需要突破处理速度的极限性，不断提高处理的精度，进而为用户提供更多高质量的图像信息。
参考文献：
[1]王晓阳, 俞伟聪, 郭显久. 计算机图像识别技术的现状和改进建议[J]. 电脑知识与技术, 2020, v.16(8):210-211.
[2]赵盼. 智能图像识别中的处理技术问题及发展[J]. 数字化用户, 2018, 24(3):71-71.
[3]杨声英, 胡海霞. 计算机图像识别的智能化处理技术瓶颈与突破[J]. 信息与电脑, 2019,(16):14-15.
[4]裴国智, 冯萍, 米芳毅,等. 计算机图像识别技术的发展现状与实践应用[J]. 信息周刊, 2018,(25):1-1.
[5]黄春. 计算机图像识别技术的现状及改进建议[J]. 电子技术与软件工程, 2019, No.162(16):89-90.
[6]李亚奇. 计算机图像识别技术的发展现状与应用实践[J]. 信息与电脑, 2019,(14):30-31+34.
基金项目：
(1) 广东省教育厅特色创新项目 基于Takenaka-Malmquist理论的LTI系统辨识及其算法实现，项目编号2019GKTSCX030；
(2) 广州市科技计划项目 基于AFD算法的信号正频率表示系统，项目编号 202002030472；
作者简介：李爽，1983年4月，男，汉语，广东珠海，大数据技术与应用专任教师，博士，博士后，研究方向，大数据技术，机器学习，应用数学