計算機圖像處理與識別技術應用思考

朱沛杰，金林仟

（東北林業大學，黑龍江 哈爾濱 150040）

0 引言

計算機圖像處理與識別技術是一種新型數據處理技術，具有處理速度快、精準度高、靈活性強等優點，能夠有效提高計算機信息數據的處理與識別工作效率。計算機圖像處理與識別技術從無到有、從簡單到復雜、從人工到智能，無論是硬件設備還是軟件技術，都經歷了跨時代發展。

1 計算機圖像處理與識別技術介紹

1946年第一臺計算機的誕生，標志著世界進入了新的發展紀元，數字化技術逐漸出現在人們的視角中，為技術革命帶來了新的機遇。上世紀50年代開始，基于計算機技術進行圖像處理識別就進入到了加速發展時期，1964年美國航空航天領域首次將計算機圖像處理與識別技術應用于實際，依托月球探測圖片繪制了月球表面地貌，為人類月球探索做出巨大貢獻。

計算機視覺技術作為一門由光學技術、計算機技術、數學科學、模塊處理等多個項目相互交織的新型智能化快速無損檢測技術，具有良好的發展前景。計算機視覺技術主要由計算機圖像識別和計算機圖像處理兩部分組成，核心技術就是利用計算機代替人眼完成工作，自動提取圖像中的關鍵點，并與事先設置好的識別處理規則進行對比，實現圖像修復、差別追蹤等多個功能，滿足人們處理意愿的同時進行圖像識別，廣泛應用于有色金屬、醫療保健等行業中[1]。

2 計算機圖像處理與識別技術應用過程

計算機圖像處理與識別技術的應用原理類似于人眼對于圖像的感知處理流程，計算機通過采集圖像特征信息，采用模式識別算法，建立圖像信息定性或定量檢測模型，由人工檢測中的人眼觀測功能，起到人類思維判斷的作用。而數字圖像處理主要是將圖像轉化為數據格式后進行存儲，便于后續觀測及相應處理。在這個過程中，計算機能夠有效識別出圖像的形狀、顏色、尺寸等信息，結合不同參數對其關聯性進行分析，得到相應參數平均值與標準差后，根據這些數據建立神經網絡模型與偏最小二乘回歸模型，并與數據庫中存儲的特定圖像進行一一比對，進而找到信息數據最相近的圖像，完成圖像處理與識別[2]。

3 計算機圖像處理與識別技術的實際應用效果

3.1 火災煙霧檢測應用

火災發生時，煙霧出現的時間點早于火焰，利用計算機圖像處理與識別技術進行煙霧探測，是一種有效的火災報警技術。一般來說，煙霧的顏色信息與類似煙霧之間存在著顯著差異，在不同空間上放置煙霧干擾物，可以將RGB顏色空間模型同HSV、YUV、HSI等其它顏色空間模型進行區分，進而完成關系轉換獲得目標顏色分割獲取。在視頻圖像煙霧檢測環節，顏色信息是煙霧中核心視覺信息之一，其煙霧特性取決于燃燒溫度、燃燒材料以及環境中的氧氣、濕度等條件。一般來說，顏色特征提取的主要方式有顏色矩、顏色集、顏色聚合向量等，以顏色矩為例，其三階中心顏色矩，如圖1所示。

圖1 三階中心顏色矩計算流程圖

此外，方向梯度直方圖（HOG）是一種利用圖像局部區域強度進行圖像信息解讀的技術，它對于光照等不敏感特征有著極佳的排除性，能夠有效降低煙霧識別環節光照、樹葉等影響因素效果，適用于多個計算機圖像與識別技術領域。在火災煙霧檢測應用時，為進一步獲取局部煙霧的細節圖像信息，可以通過對每個像素的坐標梯度計算，完成圖像信息處理，其計算過程：

式中，H（x，y）為像素點（x，y）的像素值；G（x，y）與Z（x，y）分別代表像素點（x，y）的橫坐標方向梯度以及縱坐標方向梯度，在經過公式：

計算后，會獲得計算像素點（x，y）處的梯度大小及方向，將其進行運動方向特征分析，判斷其發生火災的可能性。

3.2 氣象水汽檢測應用

洪災形成的主要原因之一便是不間斷的水汽輸送，進行水汽條件特征分析，能夠有效評估洪災發生可能性。在水汽檢測工作中，通過對空氣環境變化情況的調查預測，結合計算機圖像處理與識別技術，能夠有效對地方未來天氣情況進行預測，降低自然災害風險。水汽條件特征分析是地方洪災評估工作的前提，若水汽條件錄入不達標，將無法實現洪災特征分析。借助GIS分析圖進行水汽變化研究，結合區域內地勢條件遙感圖像，以及空間結構的連續性演變，尤其是物理量的變化過程，提高塔洪災在線評估的預報準確率。在這個過程中，將單位時間內水汽通量的變化過程進行圖像匯聚，并同數據庫中的已有信息進行對比，模擬出當地未來天氣發展趨勢[3]。

基于計算機圖像處理與識別技術進行水汽檢測信息覆蓋提取時，主要依靠IDL功能模塊，進行ASAR遙感數據分析，包括對ASAR數據的剪裁、密度分割等任務，并完成最終shape格式文件輸出功能。結合當地洪災期水面覆蓋面積數據及行政區劃圖的疊加，計算出洪災淹沒區域。利用IDL進行數據COM轉化為Web Service，進行瀏覽器端調度使用。在此基礎上，計算出洪災覆蓋面積的已有人口、土地利用類型等數據，結合GIS中的Geoprocessing服務進行空間分析，將這些數據進行整合計算，得出洪災期間各地區受災影響經濟總量，及受災區域土地信息。基于web的水面覆蓋信息，以及計算得出的洪災評估結果，進行其可視化分析，通過數據輸出接口及圖像動態生成技術，完成洪災受害區域報表，在計算機圖像處理與識別技術的幫助下及完成不同受災區域之間的評估對比。

3.3 工業機器識別應用

在工業生產線作業時，需要對流水線上的不同型號零件進行加工制造，可以通過計算機視覺識別技術完成這一任務。如飛機零部件生產項目中，同一條自動化生產線的不同零部件種類加工時，利用計算機圖像處理與識別技術，能夠降低工作失誤發生率，有效提高項目生產效率，實現快速、高效、準確識別應用。應事先完成數據收集工作，計算機視覺識別技術的最大特點就是多樣性，將整個工業設計-生產-施工環節中的材料、速度、質量幾個關鍵指標的調查分析，有效確保整個數據收集結果的準確性。可以利用SPSS23.0對于調查收集結果進行可信度分析，若其總體克隆巴赫ALPHA的系數值高于0.7，則證明該項數據調查結果可信。利用工業相機拍攝到的圖像，多為差速器殼體彩色圖像，其色彩信息較多，但層次信息較少，部分圖像細節逐漸被弱化，進行計算機圖像處理識別時，其需要的圖像計算數據量也很大，需要花費大量時間。因此，常采用圖像灰度化處理，突出圖像特定區域信息，得到只存在亮度信息的工業圖像，常見的圖像灰度化處理技術分別為加權法、最大值法以及平均值法，其計算公式為：

式中，R（x，y）、G（x，y）、B（x，y）分別為彩色圖像（x，y）點處的分量，Gray（x，y）代表不同計算方法所求得的灰度化計算結果。利用差速器殼體的詳細特征進行計算結果的型號識別。

3.4 智能交通領域應用

人們生活水平的提高，使得駕車出行逐漸成為主流交通方式，這就造成了交通擁堵，使得車輛交通事故頻發。在智能交通管理領域中應用計算機圖像處理與識別技術，能夠有效進行駕駛輔助、車輛定位、人臉識別，實現智能化管理技術應用。例如，進行高速繳費時，可以利用二維碼刷卡裝置，探測系統能夠自動感知車輛的行駛狀態，用戶通過IC卡進行車輛提取使用，減少看管費用支出。具體做法中，為每輛車配備特殊的二維碼身份信息牌，只要通過二維碼掃描的IC卡，就能夠實現內部舵機的升降控制。在實際停車繳費過程中，司機事先會上傳本人身份信息，通過二維碼掃描技術獲取停車碼的實名數據，并利用人臉識別系統及圖像處理系統將個人信息上傳到公安部門，進行個人信息比對。在車輛提取環節，客戶可以掃碼完成實時檢票及支付業務，在閘機完成智能校驗后，為車輛放行通過，實現高速繳費的“無票化”出行方式[4]。

3.5 金屬缺陷識別應用

在金屬表面缺陷檢測環節，使用計算機圖像處理與識別技術，能夠避免人員檢測時因缺陷定義的區別造成人為缺陷判斷錯誤的情況，保障金屬產品的質量。計算機圖像處理與識別技術能夠有效降低金屬材料損耗率，對于微小缺陷也能完成精準檢測，并完成缺陷記錄工作，進而提高我國金屬制造行業質量。具體應用環節，是在計算機系統接收到圖像采集系統的金屬圖像后，將圖像進行預處理，包括圖像灰度化、圖像濾波增強等操作。由于金屬件的體積普遍較大，且形狀較為復雜，單工位相機只能夠拍攝到局部圖像，因此需要進行多單工位同時拍攝處理，其圖像處理流程圖，如圖2所示。

圖2 金屬缺陷識別圖像處理流程圖

在計算機系統獲得金屬件的圖像后，在處理中心進行圖像處理、缺陷定位，并將圖像特征點輸入瘋了流程中。計算機圖像特征可以通過不同維度進行選擇，若金屬件圖像特征過多，則可以進行降維處理，并完成缺陷識別及缺陷分類，如圖3所示。

圖3 金屬缺陷識別及缺陷分類

根據缺陷檢測區域的特征點檢測結果，對該區域進行PCA降維數據處理后，將數據傳輸到SVM分類器中，得到分類結果。這是整個金屬表面缺陷識別應用的工作核心，完成圖像采集后，對所得圖像分類結果進行相應算法處理，包括圖像預處理、ROI區域判定等。并對SVM分類器進行訓練，經過預測對比后得到最終檢測識別結果，其缺陷檢測算法流程，如圖4所示。

圖4 金屬缺陷識別缺陷檢測算法流程圖

4 結語

伴隨著互聯網技術在各行各業的廣泛應用，圖像信息與日俱增，研發更加高效、準確的圖像處理技術，是現階段科技領域發展需要解決的重要問題。應充分利用大數據技術、云計算技術、人工智能技術等，有效提高計算機圖像處理與識別技術的處理效率，將其應用于國防安全、工商業發展領域中，有著重要的價值。