張 丹

咸陽職業(yè)技術(shù)學(xué)院，陜西 咸陽 712000

0 引言

圖像識(shí)別技術(shù)是人工智能的重要領(lǐng)域之一，是指對(duì)圖像進(jìn)行對(duì)象識(shí)別，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。圖像識(shí)別技術(shù)是立體視覺、運(yùn)動(dòng)分析、數(shù)據(jù)融合等實(shí)用技術(shù)的基礎(chǔ)，在導(dǎo)航、地圖與地形配準(zhǔn)、自然資源分析、天氣預(yù)報(bào)、環(huán)境監(jiān)測(cè)、生理病變研究等多個(gè)領(lǐng)域具有重要的應(yīng)用價(jià)值。為此，文章在大數(shù)據(jù)背景下對(duì)數(shù)字圖像識(shí)別技術(shù)進(jìn)行了研究。

1 數(shù)字圖像識(shí)別技術(shù)原理與過程

1.1 數(shù)字圖像識(shí)別技術(shù)原理

數(shù)字圖像識(shí)別技術(shù)可以說是計(jì)算機(jī)技術(shù)的一種深入應(yīng)用，具體是將圖像信息先轉(zhuǎn)化為數(shù)字信號(hào)，然后借助計(jì)算機(jī)技術(shù)實(shí)現(xiàn)圖像的去噪、增強(qiáng)、復(fù)原、特征分割和提取等多個(gè)操作[1-2]。數(shù)字圖像識(shí)別技術(shù)發(fā)展至今共經(jīng)歷了文字識(shí)別階段、數(shù)字圖像處理與識(shí)別階段、物體識(shí)別階段三個(gè)階段。目前數(shù)字圖像處理技術(shù)已經(jīng)被廣泛應(yīng)用到了醫(yī)學(xué)、農(nóng)林業(yè)、軍事和工業(yè)等多個(gè)領(lǐng)域，相關(guān)技術(shù)也在不斷發(fā)展[3]。

1.2 數(shù)字圖像識(shí)別技術(shù)過程

數(shù)字圖像識(shí)別的過程主要分為信息獲取、預(yù)處理、特征抽取和選擇、分類器設(shè)計(jì)和分類決策等過程。

（1）信息的獲取是指通過傳感器將聲或光信息轉(zhuǎn)化為電信息，即將研究對(duì)象的基本信息轉(zhuǎn)為機(jī)器可以通過某種方式理解的信息，在圖像處理中便是將圖像轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的數(shù)字信號(hào)。

（2）圖像預(yù)處理指的是通過在圖像處理過程中對(duì)圖像進(jìn)行去噪、平滑和變化等多個(gè)操作，增強(qiáng)圖像的重要特征。

（3）圖像特征抽取和選擇指的是在模式識(shí)別中進(jìn)行特征的提取和選擇。利用某種方法將研究的圖像針對(duì)其本身特征進(jìn)行區(qū)分，獲取特征的過程即為圖像特征提取，對(duì)提取到的特征中的有用信息進(jìn)行提取即為圖像特征選擇，該過程是數(shù)字圖像識(shí)別技術(shù)中的重要技術(shù)之一，也是圖像識(shí)別中的重點(diǎn)環(huán)節(jié)。

（4）分類器設(shè)計(jì)指的是通過訓(xùn)練獲得一種識(shí)別規(guī)則，通過這個(gè)規(guī)則得到特征分類，從而使圖像識(shí)別技術(shù)得到一個(gè)較高的識(shí)別率。

（5）分類決策是在特征空間中對(duì)目標(biāo)進(jìn)行分類，以便更好地識(shí)別研究對(duì)象的隸屬類型[4]。

2 數(shù)字圖像識(shí)別技術(shù)的方法

在系統(tǒng)識(shí)別和發(fā)展過程中，數(shù)字圖像技術(shù)在完成識(shí)別工作的基礎(chǔ)上還可以極大提升識(shí)別效率與質(zhì)量，避免人為失誤造成的損失。在數(shù)字圖像處理過程中，對(duì)原始質(zhì)量差或受到損壞的圖像進(jìn)行處理和糾正增強(qiáng)圖像的質(zhì)量尤為重要，可以避免人為工作疏漏。因此，若想發(fā)揮數(shù)字圖像識(shí)別技術(shù)的優(yōu)勢(shì)，則需充分滿足圖像處理的需求，加強(qiáng)灰度增強(qiáng)工作[5]。

例如，連續(xù)圖像f（x，y）經(jīng)過圖像數(shù)字化處理后可得到新圖像f（a，b），新生成的圖像由于所產(chǎn)生的灰度值會(huì)導(dǎo)致與原圖像的像素存在一定差異。若灰度值大于圖像處理前的原始值，像素?cái)?shù)會(huì)得到提升，使新圖像更為明亮；若灰度值小于圖像處理前的原始值，像素?cái)?shù)會(huì)相應(yīng)降低，新圖像比原圖像略微暗淡。因此，當(dāng)灰度值增加時(shí)，會(huì)改變這種關(guān)系，呈現(xiàn)反比例，以便調(diào)整圖像中灰度值的比例。若需要更改未處理圖像的灰度值，可以用如下表達(dá)式：

圖像進(jìn)行處理后灰度值為

通過充分利用這些數(shù)值變化，合理地進(jìn)行圖像處理。

3 數(shù)字圖像識(shí)別技術(shù)的應(yīng)用

數(shù)字圖像識(shí)別技術(shù)目前已經(jīng)在多個(gè)領(lǐng)域得到廣泛的應(yīng)用，比如在警務(wù)方面可以完成犯罪嫌疑人的指紋識(shí)別；在遙感目標(biāo)識(shí)別方面可以進(jìn)行地形勘探、地勢(shì)查探、監(jiān)測(cè)環(huán)境災(zāi)害、實(shí)現(xiàn)自然災(zāi)害預(yù)測(cè)等；在天然氣輸送方面，可以實(shí)現(xiàn)對(duì)管道焊口的無損檢測(cè)、底片的快速識(shí)別與檢測(cè)，保證管道的穩(wěn)定運(yùn)行。文章以大數(shù)據(jù)背景下的數(shù)字圖像識(shí)別技術(shù)實(shí)現(xiàn)對(duì)糧倉庫存糧食數(shù)量的智能監(jiān)管，通過研究結(jié)果證明了數(shù)字圖像識(shí)別技術(shù)的應(yīng)用可行性[6]。

3.1 圖像處理

（1）圖像預(yù)處理。首先，在圖像預(yù)處理環(huán)節(jié)對(duì)圖像進(jìn)行灰度化處理，將采集的糧食彩色圖像轉(zhuǎn)換為灰度圖像，通常采用單分量法、極大值法、平均值法、加權(quán)平均數(shù)法等方法，以減少處理數(shù)據(jù)量，提高圖像處理速度。文章采用一種簡(jiǎn)單的平均值法計(jì)算彩色圖像三通道分量的平均值。其次，對(duì)圖像進(jìn)行二值化處理，利用二值化對(duì)糧食圖像進(jìn)行處理，更方便地顯示目標(biāo)區(qū)域和提取糧食形狀。文章采用大津律法進(jìn)行二值化處理，便于后續(xù)的計(jì)算。最后，對(duì)圖像進(jìn)行銳化處理，補(bǔ)償圖像輪廓，使圖像更清晰，采用Sobel算子完成圖像銳化[7]。

（2）圖像三維變換。文章提出一種基于AKAZE算法的多視圖幾何三維重建方法，采用非線性尺度分解算法，通過非線性擴(kuò)散濾波構(gòu)造尺度空間。該算法的基本步驟如圖1所示。

圖1 圖像三維變化算法步驟

在算法步驟中，借助AKAZE算法提取研究圖像的特征點(diǎn)；通過上一步驟得出可靠性較高的二視圖關(guān)系，完成矩陣計(jì)算；三維點(diǎn)云稀疏重建與集束調(diào)整是通過研究對(duì)象圖像的特征點(diǎn)與幾何約束關(guān)系，重新構(gòu)建云模型，并借助集束調(diào)整對(duì)結(jié)果進(jìn)行優(yōu)化；MPVS算法擴(kuò)散稀疏點(diǎn)數(shù)據(jù)是剔除圖像灰度一致性較弱的點(diǎn)，從而得出稠密點(diǎn)云模型；最后通過模型網(wǎng)格化與紋理映射，對(duì)所得稠密點(diǎn)云模型進(jìn)行三角網(wǎng)格化，再將獲得的無紋理點(diǎn)云模型進(jìn)行映射得出包含紋理的目標(biāo)三維模型。

3.2 糧食體積測(cè)量

通過對(duì)糧食圖像進(jìn)行處理后得出三維圖像。在此基礎(chǔ)上，通過分析得出糧倉的形狀、空間分布等信息，然后通過計(jì)算得出糧食體積。常見的糧倉有平方倉、淺圓倉、散堆倉，不同糧倉的具體計(jì)算步驟如下。

（1）平方倉體積測(cè)量。根據(jù)上述操作后得出的三維圖像，可得糧倉的長(zhǎng)寬高，再利用公式計(jì)算出糧食體積，表達(dá)式為

式中：V1為糧倉體積；a、b、c分別為糧倉的長(zhǎng)、寬、高。

（2）淺圓倉體積測(cè)量。淺圓倉的形狀近似規(guī)則圓柱體，可借助圓柱體公式進(jìn)行計(jì)算出糧食體積，表達(dá)式為

式中：V2為糧倉體積；s為糧倉底面積；h為糧倉高度。

（3）散堆倉體積測(cè)量。散堆倉形狀相對(duì)不規(guī)則，可近似看作棱臺(tái)體，借助棱臺(tái)體公式進(jìn)行計(jì)算出糧食體積，表達(dá)式為

式中：V3為糧倉體積；Si為截面面積，i=1,2,…,n；di,i+1為截面間距。

因?yàn)橛糜谟?jì)算的三維圖像由最初的二維圖像轉(zhuǎn)換而來，所以輪廓提取存在一定誤差，相應(yīng)的計(jì)算量也存在一定誤差，但誤差較小，不會(huì)對(duì)結(jié)果產(chǎn)生較大影響。通過數(shù)字圖像識(shí)別技術(shù)測(cè)量出糧食體積后，選定時(shí)間作為比對(duì)周期，對(duì)糧食體積的變化進(jìn)行監(jiān)測(cè)，當(dāng)糧食數(shù)量減少時(shí)，可以通過手機(jī)應(yīng)用程序立即自動(dòng)向糧倉管理人員發(fā)送警報(bào)，以便及時(shí)采取應(yīng)對(duì)措施。

大數(shù)據(jù)背景下數(shù)字圖像識(shí)別技術(shù)的糧食圖像識(shí)別技術(shù)可以通過對(duì)糧食體積的實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)糧食庫存數(shù)量的監(jiān)測(cè)，具體是通過將原始二維糧食圖像進(jìn)行圖像預(yù)處理與三維轉(zhuǎn)換后獲得三維信息，以此進(jìn)行糧食體積的測(cè)算，最后對(duì)糧食體積進(jìn)行周期性對(duì)比，完成對(duì)糧倉糧食庫存的監(jiān)管。體積測(cè)量雖存在誤差，但具有一定的可信度，驗(yàn)證了該技術(shù)方法的可行性。

4 結(jié)束語

數(shù)字圖像處理技術(shù)的應(yīng)用使工業(yè)檢測(cè)、農(nóng)林業(yè)檢測(cè)、警務(wù)偵查工作等逐漸向智能化轉(zhuǎn)變。作為高新技術(shù)，數(shù)字圖像處理技術(shù)已經(jīng)得到廣泛應(yīng)用與推廣，可以實(shí)現(xiàn)諸多領(lǐng)域的智能監(jiān)測(cè)與數(shù)據(jù)比對(duì)。作為計(jì)算機(jī)視覺系統(tǒng)的重要技術(shù)，三維重建、虛擬現(xiàn)實(shí)技術(shù)、圖像壓縮技術(shù)等都是數(shù)字圖像識(shí)別技術(shù)的未來發(fā)展方向與趨勢(shì)。