王玉娟　張煥平　趙小蕾　邱澤敏

摘要：近幾年，機(jī)器人和智能家具等人工智能產(chǎn)品展現(xiàn)出巨大優(yōu)勢(shì)，引起人工智能關(guān)注度不斷提高。通過(guò)對(duì)圖像噪聲處理技術(shù)進(jìn)行深入分析，探討目前人工智能的具體應(yīng)用情況以及其未來(lái)的發(fā)展趨勢(shì)。

關(guān)鍵詞：人工智能；圖像處理；EPOS邊緣保護(hù)；噪聲處理

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）18-0186-02

第一次工業(yè)革命過(guò)程中，機(jī)器的出現(xiàn)從很多方面帶動(dòng)了當(dāng)時(shí)社會(huì)的發(fā)展，由于計(jì)算機(jī)技術(shù)的不斷發(fā)展，現(xiàn)今社會(huì)也迎來(lái)了一個(gè)革命性發(fā)展的機(jī)遇。人工智能是指利用某種智能化的機(jī)器，輔助人類(lèi)完成一些腦力勞動(dòng)或者智能方面的行動(dòng)。比如進(jìn)行一些推理判斷或者識(shí)別和感知，當(dāng)然，人工智能涉及的內(nèi)容并不僅僅在于這幾個(gè)方面，其在很多的方面都有著一定的展現(xiàn)。當(dāng)今社會(huì)和政府對(duì)于人工智能的關(guān)注度極高，特別是在2016年，韓國(guó)的圍棋大師輸給計(jì)算機(jī)之后，使人們對(duì)人工智能產(chǎn)品的認(rèn)識(shí)更加深入。人工智能行業(yè)在其被全球范圍高度重視的背景下，迎來(lái)了飛速發(fā)展的新時(shí)期。

1 基于EPOS的邊緣保護(hù)噪聲處理技術(shù)

人工智能應(yīng)用在圖像處理方面，得到了非常好的效果，其中在對(duì)圖像的噪聲進(jìn)行處理這方面表現(xiàn)最為明顯。

在人們的日常生活中，常常會(huì)看到圖片中會(huì)夾雜一些椒鹽噪聲，這些椒鹽噪聲主要體現(xiàn)在圖片之中混雜有一些白色或者黑色的隨機(jī)斑點(diǎn)。椒鹽噪聲主要是由圖像傳感器和傳輸信道以及進(jìn)行解碼處理的過(guò)程中產(chǎn)生的一些黑白相見(jiàn)的明暗不同的噪聲。因此在我們對(duì)圖像進(jìn)行處理的過(guò)程中，首先要考慮把這些不規(guī)則的噪點(diǎn)進(jìn)行有效清除。當(dāng)前比較常見(jiàn)的一種方法是對(duì)中值濾波進(jìn)行利用，但是利用中值濾波很難對(duì)邊緣做到保護(hù)。因此我們要尋找一些有效的處理方式來(lái)對(duì)圖像的邊緣進(jìn)行保護(hù)。在傳統(tǒng)的中值濾波處理方式中已經(jīng)將所有的像素都完全遍歷，然后以其鄰域作為濾波窗口進(jìn)行合理的排序，排序的數(shù)值可以取其中位數(shù)。比如如果一個(gè)點(diǎn)的像素值是6，那么濾波窗口從左到右、從上到下應(yīng)該為5、9、4、3、6、3、8、9、3。除掉這個(gè)點(diǎn)本身的6之后排序的結(jié)果是3、3、3、4、5、8、9、9，我們可以選擇其中值5作為濾波后的結(jié)果對(duì)6像素進(jìn)行替換。通過(guò)這樣的方法圖像中的椒鹽聲點(diǎn)會(huì)出現(xiàn)或大或小的情況，這種情況下這些點(diǎn)就會(huì)被旁邊的中間值替換點(diǎn)，進(jìn)而能夠在一定程度上減小噪聲。但是當(dāng)前的傳統(tǒng)中，值濾波在應(yīng)用的過(guò)程中如果圖像的邊緣被判斷成了噪點(diǎn)，那么就很可能使圖像的邊緣被過(guò)濾掉，這種情況下會(huì)使降噪之后的圖片出現(xiàn)模糊的缺陷。

作者所提出的方法是采取邊緣保持最優(yōu)化的算法，應(yīng)用這種方法對(duì)于噪聲進(jìn)行濾波?；贑語(yǔ)言的EPOS程序和多幅圖片作為示例進(jìn)行不同程度的處理的同時(shí)講解EPOS算法的原理和這種算法的依據(jù)。

1.1 EPOS算法介紹

1.1.1 原理綜述

EPOS技術(shù)屬于一種能夠智能的根據(jù)當(dāng)前濾波窗口情況，對(duì)合適的窗口大小以及形狀的平滑算法進(jìn)行合理的選擇。這種技術(shù)需要將窗口分成八個(gè)呈現(xiàn)出“風(fēng)車(chē)狀”的子區(qū)域。第一，通過(guò)對(duì)這個(gè)窗口的無(wú)序程度進(jìn)行準(zhǔn)確的計(jì)算，然后分別求出各個(gè)子區(qū)域和中心像素相對(duì)比較下的無(wú)序程度。在某一個(gè)值大于無(wú)序程度之后就可以對(duì)這個(gè)區(qū)域進(jìn)行處理，然后運(yùn)用中值濾波。如果某子區(qū)域的無(wú)序程度比較大的話(huà)就可以認(rèn)為這個(gè)區(qū)域?qū)儆谶吘墔^(qū)域，然后將這個(gè)區(qū)域進(jìn)行舍棄，并進(jìn)行針對(duì)性的反復(fù)比較。如果出現(xiàn)這八個(gè)區(qū)域都被舍棄掉的情況，那么必須要對(duì)這個(gè)窗口進(jìn)行縮小，然后進(jìn)行重新比較。在最后我們可以得到一個(gè)能夠進(jìn)行中值濾波的合理窗口，否則在窗口縮小到0的時(shí)候會(huì)將這個(gè)點(diǎn)認(rèn)為是邊緣。

1.1.2 算法描述與數(shù)學(xué)分析

根據(jù)上圖的可以發(fā)現(xiàn)程序在一開(kāi)始就對(duì)所有的像素點(diǎn)進(jìn)行了遍歷，并且在之后組成一個(gè)個(gè)的小窗口。

首先我們要根據(jù)公式對(duì)整個(gè)窗口的標(biāo)準(zhǔn)差進(jìn)行計(jì)算，具體的標(biāo)準(zhǔn)差計(jì)算公式為：

這個(gè)式子中的N所代表的是整個(gè)窗口下的元素的個(gè)數(shù)，μ所代表的是這個(gè)窗口的均值。對(duì)整個(gè)窗口的標(biāo)準(zhǔn)差大小進(jìn)行求取，然后在將所求取的數(shù)值域某個(gè)值進(jìn)行比對(duì)之后如果所以比對(duì)的這個(gè)大于求取數(shù)值那么就可以認(rèn)為這個(gè)區(qū)域符合濾波條件，那么這個(gè)區(qū)域會(huì)被認(rèn)為并非邊緣部分。在這個(gè)標(biāo)準(zhǔn)符合之后我們才可以進(jìn)行中值濾波，如果不符合標(biāo)準(zhǔn)那么我們就要對(duì)每個(gè)區(qū)域單獨(dú)的標(biāo)準(zhǔn)差進(jìn)行計(jì)算，具體的標(biāo)準(zhǔn)差計(jì)算公式為：

當(dāng)某一個(gè)區(qū)域的標(biāo)準(zhǔn)差大于標(biāo)準(zhǔn)的時(shí)候，我們就會(huì)對(duì)這個(gè)區(qū)域進(jìn)行剔除。然后對(duì)剔除之后的新窗口進(jìn)行有效的計(jì)算，之后再按照第一個(gè)判斷中的步驟進(jìn)行標(biāo)準(zhǔn)差計(jì)算。直到我們將八個(gè)部分都剔除掉之后將窗口長(zhǎng)度減掉1之后再進(jìn)行計(jì)算，如果窗口的長(zhǎng)度不大于三，那么我們就可以認(rèn)為這個(gè)點(diǎn)是邊緣，我們可以對(duì)這個(gè)點(diǎn)進(jìn)行保留。

因?yàn)槭阶樱?）中的標(biāo)準(zhǔn)差所代表的是中心點(diǎn)周?chē)牟罹喑潭?，所以只要這個(gè)點(diǎn)是邊緣就可以被算法檢測(cè)出來(lái)，然后對(duì)這個(gè)點(diǎn)進(jìn)行保留。并且在這個(gè)點(diǎn)的濾波上對(duì)邊緣另一側(cè)的像素點(diǎn)進(jìn)行剔除能夠在最大程度上提高濾波的準(zhǔn)確性。

1.2 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)圖如下：

這張圖片我們能夠一眼看出圖片中的具體內(nèi)容，并且圖片的效果極為清晰，但是在加入椒鹽噪聲之后，圖片會(huì)出現(xiàn)如下的效果：

1）憑借眼睛就看出這張圖片的模糊效果，這也在一定程度上證明了椒鹽噪聲對(duì)圖像極大程度上影響到了圖片的清晰性。為了尋求人工智能對(duì)圖像噪聲進(jìn)行處理的有效方式，證明EPOS的邊緣保護(hù)噪聲處理技術(shù)有效性，我們將應(yīng)用了EPOS技術(shù)處理后的圖片展示如圖：

2）可以清晰看出，本圖片與實(shí)驗(yàn)圖片甚至沒(méi)有太大的差距，這種算法在應(yīng)用于椒鹽噪聲的處理過(guò)程中能夠起到極為明顯的效果，其主要原因是由于這種計(jì)算方法所依靠的基礎(chǔ)就是處理效果很好的中值濾波算法，加入邊緣保護(hù)之后的圖片并不會(huì)被認(rèn)為是邊緣的點(diǎn)進(jìn)行處理。所以，EPOS的邊緣保護(hù)噪聲處理技術(shù)應(yīng)用于椒鹽噪聲的處理過(guò)程中，能夠起到很好的效果。

1.3 結(jié)論

文中介紹的方法能夠在一定程度上對(duì)圖像的邊界進(jìn)行有效的保護(hù)，在對(duì)圖像進(jìn)行去噪之前，可以加入一定的邊緣檢測(cè)算法。以中值濾波的邊緣檢測(cè)作為基礎(chǔ)進(jìn)行改進(jìn)點(diǎn)的設(shè)置。在該技術(shù)的應(yīng)用所起到的圖片處理效果能夠有效保護(hù)圖像的邊沿，并且能夠使相關(guān)的處理方法不會(huì)將圖像的邊緣點(diǎn)認(rèn)為是噪聲而導(dǎo)致邊緣被剔除。因此可以得出這種方法坐在對(duì)圖像噪聲進(jìn)行處理的時(shí)候能夠起到很好的效果。

在其取得明顯效果的時(shí)候，也要意識(shí)到這種方法存在的一定缺點(diǎn)。比如，這種計(jì)算方法在對(duì)高斯噪聲進(jìn)行處理的時(shí)候所得到的效果并不理想，出現(xiàn)這種情況的主要原因，是由于這種算法的操作上主要是以中值濾波為基礎(chǔ)，而不是以均值濾波為基礎(chǔ)。并且這種算法在運(yùn)行的過(guò)程中耗時(shí)較多，通過(guò)大量的實(shí)驗(yàn)總結(jié)，可以證明在初始窗口的大小不小于六的時(shí)候，所耗的時(shí)間會(huì)出現(xiàn)增加的情況，為了解決這個(gè)問(wèn)題可以對(duì)終止的最低窗口大小進(jìn)行一定程度的提高。但是這種方法仍然會(huì)消耗較多的時(shí)間，主要是因?yàn)檫@種算法在對(duì)八個(gè)不同分塊進(jìn)行處理的時(shí)候，是在對(duì)一個(gè)函數(shù)進(jìn)行遞歸調(diào)用，而如果八個(gè)分塊都不能滿(mǎn)足條件的話(huà)還需要回歸到將窗口進(jìn)行減一的原函數(shù)之中。

2 結(jié)束語(yǔ)

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)重要部分，人工智能領(lǐng)域的研究理論和程度在很大程度上都會(huì)影響到科學(xué)技術(shù)的發(fā)展，并且對(duì)于計(jì)算機(jī)計(jì)算的發(fā)展方向也有著一定的影響。

參考文獻(xiàn)：

[1] 吳漢東.人工智能時(shí)代的制度安排與法律規(guī)制[J].法律科學(xué)（西北政法大學(xué)學(xué)報(bào)），2017，35（5）：128-136.

[2] 杜嚴(yán)勇.人工智能安全問(wèn)題及其解決進(jìn)路[J].哲學(xué)動(dòng)態(tài)，2016（9）：99-104.

[3] 柳薇.SVD域的圖像高斯噪聲強(qiáng)度估計(jì)[J].中國(guó)圖象圖形學(xué)報(bào)，2012，17（8）：923-933.