大數據背景下的數字圖像識別技術研究

張 丹

咸陽職業技術學院，陜西 咸陽 712000

0 引言

圖像識別技術是人工智能的重要領域之一，是指對圖像進行對象識別，以識別各種不同模式的目標和對象的技術。圖像識別技術是立體視覺、運動分析、數據融合等實用技術的基礎，在導航、地圖與地形配準、自然資源分析、天氣預報、環境監測、生理病變研究等多個領域具有重要的應用價值。為此，文章在大數據背景下對數字圖像識別技術進行了研究。

1 數字圖像識別技術原理與過程

1.1 數字圖像識別技術原理

數字圖像識別技術可以說是計算機技術的一種深入應用，具體是將圖像信息先轉化為數字信號，然后借助計算機技術實現圖像的去噪、增強、復原、特征分割和提取等多個操作[1-2]。數字圖像識別技術發展至今共經歷了文字識別階段、數字圖像處理與識別階段、物體識別階段三個階段。目前數字圖像處理技術已經被廣泛應用到了醫學、農林業、軍事和工業等多個領域，相關技術也在不斷發展[3]。

1.2 數字圖像識別技術過程

數字圖像識別的過程主要分為信息獲取、預處理、特征抽取和選擇、分類器設計和分類決策等過程。

（1）信息的獲取是指通過傳感器將聲或光信息轉化為電信息，即將研究對象的基本信息轉為機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化為計算機可以識別的數字信號。

（2）圖像預處理指的是通過在圖像處理過程中對圖像進行去噪、平滑和變化等多個操作，增強圖像的重要特征。

（3）圖像特征抽取和選擇指的是在模式識別中進行特征的提取和選擇。利用某種方法將研究的圖像針對其本身特征進行區分，獲取特征的過程即為圖像特征提取，對提取到的特征中的有用信息進行提取即為圖像特征選擇，該過程是數字圖像識別技術中的重要技術之一，也是圖像識別中的重點環節。

（4）分類器設計指的是通過訓練獲得一種識別規則，通過這個規則得到特征分類，從而使圖像識別技術得到一個較高的識別率。

（5）分類決策是在特征空間中對目標進行分類，以便更好地識別研究對象的隸屬類型[4]。

2 數字圖像識別技術的方法

在系統識別和發展過程中，數字圖像技術在完成識別工作的基礎上還可以極大提升識別效率與質量，避免人為失誤造成的損失。在數字圖像處理過程中，對原始質量差或受到損壞的圖像進行處理和糾正增強圖像的質量尤為重要，可以避免人為工作疏漏。因此，若想發揮數字圖像識別技術的優勢，則需充分滿足圖像處理的需求，加強灰度增強工作[5]。

例如，連續圖像f（x，y）經過圖像數字化處理后可得到新圖像f（a，b），新生成的圖像由于所產生的灰度值會導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，像素數會得到提升，使新圖像更為明亮；若灰度值小于圖像處理前的原始值，像素數會相應降低，新圖像比原圖像略微暗淡。因此，當灰度值增加時，會改變這種關系，呈現反比例，以便調整圖像中灰度值的比例。若需要更改未處理圖像的灰度值，可以用如下表達式：

圖像進行處理后灰度值為

通過充分利用這些數值變化，合理地進行圖像處理。

3 數字圖像識別技術的應用

數字圖像識別技術目前已經在多個領域得到廣泛的應用，比如在警務方面可以完成犯罪嫌疑人的指紋識別；在遙感目標識別方面可以進行地形勘探、地勢查探、監測環境災害、實現自然災害預測等；在天然氣輸送方面，可以實現對管道焊口的無損檢測、底片的快速識別與檢測，保證管道的穩定運行。文章以大數據背景下的數字圖像識別技術實現對糧倉庫存糧食數量的智能監管，通過研究結果證明了數字圖像識別技術的應用可行性[6]。

3.1 圖像處理

（1）圖像預處理。首先，在圖像預處理環節對圖像進行灰度化處理，將采集的糧食彩色圖像轉換為灰度圖像，通常采用單分量法、極大值法、平均值法、加權平均數法等方法，以減少處理數據量，提高圖像處理速度。文章采用一種簡單的平均值法計算彩色圖像三通道分量的平均值。其次，對圖像進行二值化處理，利用二值化對糧食圖像進行處理，更方便地顯示目標區域和提取糧食形狀。文章采用大津律法進行二值化處理，便于后續的計算。最后，對圖像進行銳化處理，補償圖像輪廓，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，通過非線性擴散濾波構造尺度空間。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；通過上一步驟得出可靠性較高的二視圖關系，完成矩陣計算；三維點云稀疏重建與集束調整是通過研究對象圖像的特征點與幾何約束關系，重新構建云模型，并借助集束調整對結果進行優化；MPVS算法擴散稀疏點數據是剔除圖像灰度一致性較弱的點，從而得出稠密點云模型；最后通過模型網格化與紋理映射，對所得稠密點云模型進行三角網格化，再將獲得的無紋理點云模型進行映射得出包含紋理的目標三維模型。

3.2 糧食體積測量

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

（1）平方倉體積測量。根據上述操作后得出的三維圖像，可得糧倉的長寬高，再利用公式計算出糧食體積，表達式為

式中：V1為糧倉體積；a、b、c分別為糧倉的長、寬、高。

（2）淺圓倉體積測量。淺圓倉的形狀近似規則圓柱體，可借助圓柱體公式進行計算出糧食體積，表達式為

式中：V2為糧倉體積；s為糧倉底面積；h為糧倉高度。

（3）散堆倉體積測量。散堆倉形狀相對不規則，可近似看作棱臺體，借助棱臺體公式進行計算出糧食體積，表達式為

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。

因為用于計算的三維圖像由最初的二維圖像轉換而來，所以輪廓提取存在一定誤差，相應的計算量也存在一定誤差，但誤差較小，不會對結果產生較大影響。通過數字圖像識別技術測量出糧食體積后，選定時間作為比對周期，對糧食體積的變化進行監測，當糧食數量減少時，可以通過手機應用程序立即自動向糧倉管理人員發送警報，以便及時采取應對措施。

大數據背景下數字圖像識別技術的糧食圖像識別技術可以通過對糧食體積的實時監測，實現糧食庫存數量的監測，具體是通過將原始二維糧食圖像進行圖像預處理與三維轉換后獲得三維信息，以此進行糧食體積的測算，最后對糧食體積進行周期性對比，完成對糧倉糧食庫存的監管。體積測量雖存在誤差，但具有一定的可信度，驗證了該技術方法的可行性。

4 結束語

數字圖像處理技術的應用使工業檢測、農林業檢測、警務偵查工作等逐漸向智能化轉變。作為高新技術，數字圖像處理技術已經得到廣泛應用與推廣，可以實現諸多領域的智能監測與數據比對。作為計算機視覺系統的重要技術，三維重建、虛擬現實技術、圖像壓縮技術等都是數字圖像識別技術的未來發展方向與趨勢。