（1.哈尔滨工业大学，201800；2.哈尔滨工业大学，264209；3.清华伯克利深圳学院，518000）
摘要：随着科学技术的进步逐渐出现了高速计算机,它是普通计算机的进化,可以更好地完成计算机的一些运算工作,比普通的计算机更加先进,也正是由于高速计算机的出现,国内外的许多专家学者将对计算机的研究重点放在人工智能算法上,希望通过对人工智能算法的研究与开发,可以更好地完成包括图像处理在内的一系列繁杂的工作,将人们从繁杂的计算、图像处理工作中解放出来,大大提高人们的工作效率,并进一步研究人工智能算法在图处理过程中广泛的应用。
关键词：人工智能算法；图像处理；应用
1人工智能的内涵
人工智能是近些年才开始逐步兴起于发展的一门科学技术,而关于对人工智能的定义与理解,有许多专家与学者提出了自己不同的见解,但是始终不能达到一个统一。我们主要来看一下两位著名的专家学者对于人工智能的定义,首先是来自于美国的尼尔逊教授,它在自己的著作中说到:“人工智能是一门十分重要的学科,它是一门研究智能的学科,它可以将人类的意识无限的拓展。”尼尔逊教授的这一番话其实已经很好的对人工智能做出了定义,但是由于他的这一定义过于偏向理论,有些难以理解;所以我们再引进以下我们国家的温斯顿教授对人工智能的定义,他说到:“人工智能就是另一种更高端的工具,它可以让机器代替人的智能,做人类无法做的事情或者帮助人类更轻松的生活。”将温斯顿教授和尼尔逊教授关于人工智能的定义进行一个对比,我们可以发现温斯顿教授对于人工智能的定义会更加容易理解,为我们对于人工智能的研究提供了更多的便利。
2人工智能算法在图像处理中的应用
2.1人工神经网络
前面我们提到人工智能算法很多都是从自然界获得的灵感,而这里首先提到的人工神经网络就是从动物身上所获得的灵感,它主要的工作原理是:首先对动物的一些行为进行模仿,特别是动物的神经网络,因为动物的神经网络具有很多的优点,而这些优势是人类所不具备的,所以人们对动物的神经网络的一些行为特点进行模仿,通过对它们的行为进行研究与分析得到一种处理信息的算法模型。这是人类从动物身上所学到的一种非常有用的算法模型,它所具备的最大的特点就是可以对信息内部的一些具体的信息节点进行分析与处理,然后得到一些有用的信息。然后通过得到的数据信息来达到对图像的处理目的。而人工神经网络最大的优点就是它是具有自身组织的、可以自主进行学习、自主进行推理演算、自身适应环境等。人工神经网络在图像处理方面的应用主要如下:首先图像处理中的图像压缩就要用到人工神经网络,在设置节点时,有的层级需要设置比较多的节点,而有的层级则需要比较少的节点,设置比较多的节点的是图像的输出层和图像的输入层,设置比较少的节点的是图像的传输层,要注意的是,不可以在图像的传输层设置过多的节点。而且在图像处理的过程中有些非常重要的作用,使用人工智能算法不仅可以完成存储和传输功能,而且可以在很大程度上节省许多的存储空间,而且最重要的是通过使用人工神经网络可以提高人们在学习、工作、生活的效率,对图像也可以进行完整的还原。关于人工神经网络的应用和研究,有很多专家与学者提出了自己的见解,此处主要介绍两位主要人物的观点,他们分别是Blanz和Gish,第一个是Babaguchi,他率先提出了通过多层BP网络来对图像进行处理,第二个就是Ghosh,他主要是使用人工神经网络对大噪声的图像进行分割。J.Cao对图像分类的方法是通过使用PCA人工神经网络提取图像特征,B.Lerner对人类染色体图像的分类方法也是通过对人工神经网络的使用。除了上面提到的一系列关于人工神经网络的作用,人工神经网络还具备多分辨率识别的作用,可以对手写体数字进行辨别。当然,人工神经网络除了具备上面所介绍的功能,还具有许多功能,也在不同领域发挥着它的作用。
2.2遗传算法
遗传算法同样也是人们对自然界的模仿而设计出的一种进行图像处理的人工智能计算方法,这一种人工智能算法主要是得益于达尔文的进化论,进化论对于遗传算法有很好的借鉴作用。这一算法的主要工作原理是通过对生物的一些过程进行模仿和学习,然后系统会随机找出最好的解决方案,这一算法也充分的表现出进化论中的一些原则。而关于遗传算法最大的特色就是它在操作的过程中具有直接性,操作比较简单方便,而且可以达到对图像处理的最优化效果。
遗传算法是对图像进行处理十分有效的方法,可以解决图像处理中很多的问题,遗传算法通过染色体的方式将问题的解答表示出来,具体的解答步骤如下面所示:首先第一步是对具体的图像进行数码的编辑,具体就是对一些问题的数字密码进行分析与研究;这样看起来可以更加直观明了;第二步是初始化种群,就是使图像处于一定的条件下,然后在具体的环境和条件下进行初始化种群,达到目的;接下来也就是第三步,要做的就是设计一个适应度函数,并通过一系列的实验与研究计算出它的数值;第四步要做的是进行选择,具体就是根据上一步得到的的数据进行选择,而被选择的对象通常都是比较优秀的个体,然后由它们进行繁殖工作,在选择的过程中,一般遵循得到的适应度越高,被选择的概率越大的原则;第五步要做的是交叉,就是将两个被用于进行繁殖功能的个体的位置进行一个交换,在进行交换的过程中一定要注意不可以破坏其它的条件;第六步是变异,具体指的就是对某个串中的基因按突变概率进行翻转;最后一步是非常重要的也是最关键的一步,就是跳回到步骤四,从第五步开始继续进行,直到可以达到具体的要求为止。
2.3模拟退火算法
模拟退火算法最早是在1953年由N.Metropolis提出的,它是基于Monte-Carl迭代策略的一种随机寻优算法,它的提出也是基于一定的物理知识原理,主要是通过固体退火原理而提出的。这一理论的主要原理主要如下:首先就是对固体进行加热,加热的温度要相当的高,接下来要做的就是让固体进行降温,而且在加热的过程中要注意许多问题,首先对固定的温度要进行严格的控制,而且在加热时候的温度要基本保持一个恒定,温度不可忽高忽低,这样才能保证实验研究的顺利进行,促进人们处理图像能力的提高与加强。
结论
受限于人们对于技术的了解和使用还不够成熟人们对于人工智能算法的应用水平还不够,人工智能算法在科学的不断发展过程中正在不断完善。相信在未来的发展过程中会有越来越多的智能算法被总结出来。对当前的一些已发现的算法进行有效的融合是人工智能算法发展的趋势。
参考文献
[1]王弈,李传富.人工智能方法在医学图像处理中的研究新进展[J].中国医学物理学杂志,2017,30(3):4138-4143.
[2]葛动元.面向精密制造与检测的机器视觉及智能算法研究[D].广州:华南理工大学,2017