人工智能算法在图像处理中的应用分析

摘要：本文简要阐述人工智能及其本质，并分析图像处理领域使用智能算法的意义，着重探究在图像处理系统中应用的人工智能算法，包括人工神经网络、遗传算法、蚁群算法、模拟退火、粒子群算法五种。可供相关人士参考。

关键词：人工智能算法;图像处理;人工神经网络;遗传算法

引言

人工智能算法是通过对自然界中的某些行为及规律加以分析，并对其展开模拟，最终得出对多种类型问题的解算。近几年，在图像处理方面，此类计算方式得到较好的应用，优化了处理效果。

1 人工智能的实质

借助现代科学信息技术，使机器能够对人类的思维以及行为进行模仿，实施此方面的开发研究旨在使人类的智慧融入到学术研究中，由此将人类的智慧借助机械得以拓展，并服务于人类。因而，人工智能和人类之间的差异在于其无法拥有独立的感知，也无法进行独立思考，进而不具备独立分析并处理问题的能力。由此得出人工智能的实质为具备类似人的机器。

2 智能算法的应用价值

智能算法可以实现自我调节，以满足所处的环境，具备较强的适应能力。在实施计算期间，相关个体存在不确定性，个体需要结合从自身以及其他方面得到的经验，在获取最优解期间实现数据共享，达到适应环境的效果。面对相对复杂的情况时，无需了解全部过程，仅需设定具体的目标函数，借助自适应的行为，搜索最优解。图像处理的部分算法可理解成为明确具体的目标函数，在既定图像信息下的最优解，属于一项函数优化。借助人工智能算法，可以在不改变图像原本精度的前提下，缩减处理时长，借助智能化的概念在短时间内得到所需内容。近几年，部分智能算法已然应用在图像处理的多个环节中，取得较好的成绩，由此展现出智能算法在图像处理中使用的高效性、科学性等价值。

3 在图像处理领域人工智能算法的应用

3.1神经网络

此种智能算法便是模拟动物神经网络行为特征形成的算法模型，主要特点在于能够对数据内容的部分节点加以分析处理，筛选出最具价值的数据，基于此对图像进行合理化的处理。该神经网络的优势在其本身能够实现自主学习、独立推理验算且具备较高的环境适应性。对于图像处理上的具体使用而言，在图像压缩处理中，设置具体的节点期间，各层级的节点数量不一，在图像的输出以及输入两个层级内的节点相对较多，而数据传输层级的阶段偏少，为保证数据处理的有效性及合理性，需要保证输入以及输出层级的节点数量。人工智能算法的使用能够为数据提供更多的储存空间，且可直接进行传输，因而，在图像处理领域中，应用智能算法能缩小图像的占用空间，并提升相关行为的效率，能够完整还原图像信息。对于此方面的使用及研究，相关学者提出各自的见解，如借助多层BP网络实现对图像的处理;借助此神经网络对图像实施分割处理;而图像的分类方式是利用PCA提取数据特征;分类染色体图像也同样借助神经网络实现。除此之外，神经网络的分辨识别率较高，能够较为精准地识别手写的数字。

3.2遗传算法

此智能算法是通过对生物进化的客观选择以及遗传学对进化的阐述内容加以模拟，属于一项借助模仿自然进化，得出最优解的方式，其中体现出“物竞天择，适者生存”的观念，其优势在于可以直接对具体的数据进行处理，不会受到既定目标函数的限制，因而其具备较强的整合力及并行性。其整个计算过程大致是产生初始种群，对种群的适应度加以估算，若结果未能达到期望值，则需进行下一步的选择、交叉后，再次对其适应度加以计算，此次计算结果若仍未达到期望值，可判断该种群变异，并继续重复上述的环节。使用遗传算法解决问题的过程包括以下几个环节：

其一，编码，按照求解空间形成专门的编码空间，对应此问题的各个候选解都需使用特定的符号加以标记。

其二，初始化种群，在此环节中，则要在既定的限制环境中，对相应的种群实施初始化，其经过初始化的种群作为问题解内的子空间，具有相对独立性。

其三，根据问题需要设置适应度函数，在完成种群内各染色体的解码后，要求解码结果和既定适应度函数保持相同的形式，最终结合之前的步骤计算具体的数值。

其四，选择，根据适应度的情况，以此为标准选择个体，之后进行繁殖，需要关注的是，适应度与选择概率呈同向变动的关系。

其五，交叉，在既定的种群中随意选用两个个体，进入繁殖程序，并交换所选个体的位置。

其六，变异，根据变异的概率对后者其中的某基因实施翻转处理。

在整个遗传算法的应用过程中，从第四步开始，若其中某一环节未能达到计算标准，便需开始二次计算，循环往复，直至得到满足既定性能指标，或达到既定遗传代数后，方可实施下一步的计算。该种智能算法适用于图像分割处理，通常情况下，在从多项分割结果中获取到最优的方案和搜索分割算法内的最优参数等处理期间，便会选用遗传算法。近几年，GA在图像分割处理方面相对成熟，具体而言，一方面在大量的分割结果中选出最优的分割结果;另一方面，对具体的参数进行搜索，以此得出最优的分割阈值。通过误差率看作特定的函数，以搜索出最优值。另外，在GA中使用动态分割系统，有助于提升其对客观条件的适应度。该算法可以在检测图像模糊度、噪声图像的处理、压缩图像、图像匹配等环节中都能得到较好的结果。

3.3蚁群算法

该种智能算法是产生在上个世纪，其是对蚁群寻找食物的过程进行模仿，通常单只蚂蚁无法快速并准确搜索到食物，但若是蚁群集体出动，互相帮助，便可以得出既定食物最近的路线，因而该智能算法一般应用在求取路线的问题上。其原理可被表述成：随意选择一定数量的蚂蚁，之后每只蚂蚁借助自身对所处环境的感知和信息素对食物的位置加以判断，与此同时将自身携带的信息素释放，并且信息素浓度会不断下降，其他蚂蚁则对获取的信息素浓度情况判断是否按照前者的路线行进。由此，搜寻食物的蚁群规模不断过大，环境中的信息素浓度便会随之提升，后续的蚂蚁跟随浓度相对更大的方向前进，通过此种方式，最终获得最佳路线。部分较为复杂的组合问题解答，应用蚁群算法，可以得到较好的结果，例如二次分配等此类问题。近年来，对此智能算法的研究及应用具体表现为：以模糊聚类及蚁群为基础，实现对图像的分割处理，利用引导函数以及初始聚类，有效提升分割处理的效率;根据蚁群算法，提出均值聚类的分割方式。另外，在应用方面，将此种智能算法使用在动态的模糊聚類中，由此得到对图像数据边缘的测量方式，而CT边缘检测形式也是由蚁群算法而来。除上述的研究及应用外，还有借助分类蚁群实现自动分类;将此项算法与小波理论融合起来，能够处理纹理图像;此算法与上述的遗传算法联合使用，可以在医学领域大展拳脚，提高图像的比配精确度以及效率;此项智能算法与支持向量机相融合，能够应用于通过人脸对性别的辨识，且准确度较高;结合图像的纹理特点，通过蚁群算法实现对硬币的辨识;基于此种智能计算方式，实现对图形的分类;若想蚁群算法使用在图像检索环节中，同样可以实现聚类分析;多模块图像的结合处理也有此类智能算法的身影。

3.4退火算法

模拟退火是一项借助随机方式对最优解加以探究的方式，此项计算方式是以迭代策略为前提，结合物理领域中的固体退火内容。在加热过程中，当固体的温度达到一定值后，对其实施冷却处理，加温期间，被加热的固体内部的粒子温度也会随之提升，在此期间，固体中包含的粒子会表现出无序的状况，同时其内能也会有所强化，而在冷却过程中，固体内的粒子会由原本的无序逐渐转变为有序的状态，并且在温度下降至某平衡值时，便会形成稳定基态，相应的内能也达到最小值。该种算法的应用可以达到对整体的优化处理，通常在工程项目中的应用较多，主要原理包括，对选定的固体实施加热处理，确保其初始温度达到极大值，之后便可对其开展降温处理，在加热期间，需严格把控既定的温度，确保其处于相对恒定的状态，不可出现明显的温度浮动，由此为实验研究提供基础保障，切实强化对图像的处理效果及质量。实际的研究应用包括：借助SA，实现合理调整图片排版;使用SA阈值选取方式，在图像分割处理中的有效应用，可以提升处理的速度;图像中包含的汉字内容，也可以利用此算法加以识别，并得到较好的结果;将此项算法和上述遗传算法有效融合，可应用于地图处理中，能够实现自动着色;此项技术与下面即将要阐述的计算方式：粒子群算法，也可以相互融合应用在图像处理系统中。

3.5粒子群优化

该种算法属于一项进化计算方式，灵感来源于鸟群的捕食，基于对鸟类群体行动的分析，借助其中某个体在群体内实现信息共享，引导全体的运动，在求解空间内形成由无序至有序的转化，由此解出最優解，其和上述遗传算法有相似之处，同属于迭代优化的范畴。计算初始化中为随机解，经过迭代处理找出其中的最优值。需要注意的是，该种计算方式与遗传算法最大的差异在于其无交叉与变异环节，此过程中是粒子在特定空间内跟随最佳粒子完成搜索。和遗传算法相比，其环节较少，更为简单，无需对大量的参数进行调整，由此，该项计算方式，主要应用在函数、模糊控制等方面。具体的研究应用包括：对于图像边缘的检测，借助合理调整梯度算子，获取边缘的最优值，在实际图像处理中，可以避免出现具有价值的边缘丢失;借助最大类间方差的方式实现对图像的分割，切实强化分割处理的质量;以量子行为为基础，将此项计算方式应用在压缩处理上，最中呈现的压缩质量好于上述的遗传算法;对此项计算方法加以优化，在图像检索中得到合理应用。

4 结束语

目前，在人工智能算法方面的研究及应用尚未成熟，需要在实践及长期研究过程中加以完善。希望在不远的将来，可以出现更多的智能算法，并切实得到良好应用。

参考文献

[1]高毅，穆治亚，张群兴，等.基于人工智能的足迹识别与特征提取[J].电讯技术，2020，60（07）：739-745.

[2]李桃.智能算法及其在图像处理中的应用[D].西华师范大学，2019.

[3]王玉娟，张海，王先国，等.人工智能算法在图像处理中的应用[J].电脑知识与技术，2018，14（19）：208-209+212.

[4]张薇.人工智能算法在图像处理中的应用[J].通讯世界，2018（04）：63-64.

作者简介

王佳，1987年1月，女，河南省周口市西华县，研究生学历，河南牧业经济学院信息工程学院，助教，人工智能、信息化教育。