人工智能中圖像壓縮算法的研究

王鵬

摘要：針對人工智能的高速發展，充分優化模式識別技術中算法，能夠達到較高的準確率和高效率。本論文分析了模式識別中的圖形的變化和圖像壓縮處理算法。闡述人工智能中自相關算法。

關鍵詞：模式識別;自相關算法;圖像壓縮

模式識別是人類的一項基本能力，人們在日常生活中經常做“模式識別”行為。模式是對對象的描述。而識別就是將一個對象分類到一個模式類中。因此，模式識別是一門涉及度量的描述或分類（識別）的科學。基本上，模式識別是對一組過程或事件的區分或分類。要分類的事件集可以是一組物理對象或一組心理狀態。

自動模式識別所涉及的過程包括從真實和模擬環境收集的數據中提取、識別、分類和描述模式。這些數據的實際例子包括波形、圖像、社會和經濟系統產生的數據、動植物的測量、物理和心理學實驗的數據以及人口普查數據等等。在實踐中，模式識別是研究識別數據中模式的系統的操作和設計的研究領域。它包括判別分析、特征提取、錯誤估計、聚類分析（統計模式識別）、語法推理和句法分析（句法模式識別）等子學科。重要的應用領域是圖像分析、字符識別、語音分析、人機診斷、人員識別和工業檢測等。

在圖像處理技術方面，模式識別和圖像之間的這種聯系導致了與數字圖像處理，也就是使用計算機對圖像的一般操作上有很大的重疊。圖像處理技術是本研究的另一項核心技術。例如，當我使用相機為管道流剪切圖片作為基礎數據收集時，我應該做的是對這些圖片進行預處理。因此，這是一個重要的步驟。下面，我將介紹圖像形成、圖像預處理和分類圖像壓縮JPEG壓縮理論。

根據不同的應用領域，存在一些常見的圖像格式：RGB、GIF、JPEG、JPEG2000和PSD格式。

■ RGB：理論上有256*256*256種顏色。像素是RGB圖像中的最小單

位。R、 G，B是圖像的紅、綠、藍的值。RGB圖像，有時稱為真彩色圖像，在MATLAB中存儲為m×n×3的數據數組，該數組定義每個像素的紅色、綠色和藍色分量。RGB圖像不使用調色板。每個像素的顏色由存儲在像素位置的每個顏色平面中的紅色、綠色和藍色強度的組合來確定。圖形文件格式將RGB圖像存儲為24位圖像，其中紅色、綠色和藍色分量各為8位。這將產生1600萬種顏色。真實圖像復制的精確性導致了常用術語“真彩色圖像”。RGB數組可以是類，或。在類的RGB數組中，每個顏色分量的值介于0和1之間。顏色分量為（0，0，0）的像素顯示為黑色，顏色分量為（1，1，1）的像素顯示為白色。每個像素的三個顏色分量沿數據數組的第三維存儲。例如，像素（10，5）的紅色、綠色和藍色分量分別存儲在和中。雙重的uint8公司uint16公司雙重的RGB（10，5，1）RGB（10，5，2）RGB（10，5，3）

■ GIF：圖形交換格式：壓縮率高，占用磁盤空間小。GIF由CompuServe開發，用于在線顯示圖像（1987年，在使用JPG和24位顏色之前，用于8位視頻板）。GIF使用索引顏色，僅限于256色調色板（下一頁）。GIF對于舊的8位256色視頻板來說是一個很好的匹配，但是對于今天的24位照片圖像來說，它是不合適的。GIF文件不存儲圖像的縮放分辨率ppi值，因此每次打印時都需要縮放。這對于屏幕或網絡圖像來說并不重要。GIF文件格式是為CompuServe屏幕設計的，屏幕不會出于任何目的使用ppi。實際上，它在網頁中被廣泛使用。GIF的缺點是不能加載256色以上的圖像。

■ JPEG：JPEG是由聯合攝影專家組[14]開發的圖像壓縮標準。JPEG是彩色圖像的有損壓縮技術。雖然它可以將文件大小減少到正常大小的5%，但在壓縮過程中會丟失一些細節。例如，1.37 MB的BMP文件可以壓縮為20.3 KB。但是，壓縮后的圖像無法恢復。更多詳情見第1.2.3節。

■ JPEG2000：JPEG2000是一種新的圖像編碼標準，它為許多高端和新興的圖像應用程序提供了至關重要的功能集。JPEG2000提供高壓縮，圖像質量優于所有現有的標準編碼技術。JPEG2000壓縮圖像可以以最適合的分辨率發送到設備，而無需額外的存儲開銷。在傳統的JPEG壓縮過程中經常出現的鋸齒狀和塊狀像素化（由于圖片被分成塊）已經消失了。JPEG2000基于最先進的小波壓縮技術。它的壓縮比比JPEG高30%。JPEG2000支持有損壓縮和無損壓縮。

■ PSD：這是原生的Photoshop文件格式，可以在Elements或Photoshop中打開。Photoshop文件不會被壓縮并保留Photoshop的所有功能。結構：PSD被組織成5個主要的數據段：頭段、3個信息塊和位圖數據。短標頭始終包含8PPS的“簽名”，以及以下字段：位圖的寬度、高度和位深度。信息數據的第一塊稱為“顏色模式數據塊”。它以塊的長度值開頭。如果圖像有調色板，則它位于此處;下一個塊稱為“圖像資源塊”。與前一個塊一樣，它首先給出塊的長度。

模式識別中的圖像自相關算法是一種重要的公式，該算法研究了自相關在模板匹配中的應用，可以識別出兩幅圖像是否相同。因此，自相關是一種非常有效的圖像匹配方法。它對噪聲具有很強的糾錯性，并且可以規范化以允許模式匹配獨立于圖像。自相關算法的程序代碼是基于公式實現的。

在數字信號處理理論中，相關是研究兩個信號相似性的量化技術。兩個信號之間的相關性是一種標準的特征檢測方法，也是更復雜的一個組成部分技術。信號處理的教科書相關的介紹描述了卷積定理以及使用快速傅立葉在頻域中有效計算相關的可能性轉換。交叉性和自相關性是估計兩個序列相關程度的標準方法。開發比較M和N的函數，并測量M和N的相似性。給出：

在本文的研究中，需要探索的核心技術是圖像自相關匹配和模式識別。涉及的基本技術有圖像存儲、RGB模型、圖像處理方法、JPEG圖像壓縮、計算機圖形圖像的匹配。

參考文獻

[1] K.S.Fu， “Digital Pattern Recognition”， Second Corrected and Updated Edition， Springer-Verlag Berlin Heidelberg New York， 1980.

[2] R.A.VAUGHAN， “Pattern Recognition and Image Processing in Physics”， SUSSP， 1990.

[3] Sammon， Jr， J.W， 1970. An optimal discriminant plane， IEEE Trans， comput， （short notes）， Vol. C-19， pp.826-829.

北京政法職業學院2020年度院級科研項目課題ky202016。

（北京政法職業學院）