朱沛杰，金林仟

（東北林業(yè)大學(xué)，黑龍江 哈爾濱 150040）

0 引言

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)是一種新型數(shù)據(jù)處理技術(shù)，具有處理速度快、精準(zhǔn)度高、靈活性強(qiáng)等優(yōu)點(diǎn)，能夠有效提高計(jì)算機(jī)信息數(shù)據(jù)的處理與識(shí)別工作效率。計(jì)算機(jī)圖像處理與識(shí)別技術(shù)從無到有、從簡(jiǎn)單到復(fù)雜、從人工到智能，無論是硬件設(shè)備還是軟件技術(shù)，都經(jīng)歷了跨時(shí)代發(fā)展。

1 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)介紹

1946年第一臺(tái)計(jì)算機(jī)的誕生，標(biāo)志著世界進(jìn)入了新的發(fā)展紀(jì)元，數(shù)字化技術(shù)逐漸出現(xiàn)在人們的視角中，為技術(shù)革命帶來了新的機(jī)遇。上世紀(jì)50年代開始，基于計(jì)算機(jī)技術(shù)進(jìn)行圖像處理識(shí)別就進(jìn)入到了加速發(fā)展時(shí)期，1964年美國航空航天領(lǐng)域首次將計(jì)算機(jī)圖像處理與識(shí)別技術(shù)應(yīng)用于實(shí)際，依托月球探測(cè)圖片繪制了月球表面地貌，為人類月球探索做出巨大貢獻(xiàn)。

計(jì)算機(jī)視覺技術(shù)作為一門由光學(xué)技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)學(xué)科學(xué)、模塊處理等多個(gè)項(xiàng)目相互交織的新型智能化快速無損檢測(cè)技術(shù)，具有良好的發(fā)展前景。計(jì)算機(jī)視覺技術(shù)主要由計(jì)算機(jī)圖像識(shí)別和計(jì)算機(jī)圖像處理兩部分組成，核心技術(shù)就是利用計(jì)算機(jī)代替人眼完成工作，自動(dòng)提取圖像中的關(guān)鍵點(diǎn)，并與事先設(shè)置好的識(shí)別處理規(guī)則進(jìn)行對(duì)比，實(shí)現(xiàn)圖像修復(fù)、差別追蹤等多個(gè)功能，滿足人們處理意愿的同時(shí)進(jìn)行圖像識(shí)別，廣泛應(yīng)用于有色金屬、醫(yī)療保健等行業(yè)中[1]。

2 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)應(yīng)用過程

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的應(yīng)用原理類似于人眼對(duì)于圖像的感知處理流程，計(jì)算機(jī)通過采集圖像特征信息，采用模式識(shí)別算法，建立圖像信息定性或定量檢測(cè)模型，由人工檢測(cè)中的人眼觀測(cè)功能，起到人類思維判斷的作用。而數(shù)字圖像處理主要是將圖像轉(zhuǎn)化為數(shù)據(jù)格式后進(jìn)行存儲(chǔ)，便于后續(xù)觀測(cè)及相應(yīng)處理。在這個(gè)過程中，計(jì)算機(jī)能夠有效識(shí)別出圖像的形狀、顏色、尺寸等信息，結(jié)合不同參數(shù)對(duì)其關(guān)聯(lián)性進(jìn)行分析，得到相應(yīng)參數(shù)平均值與標(biāo)準(zhǔn)差后，根據(jù)這些數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)模型與偏最小二乘回歸模型，并與數(shù)據(jù)庫中存儲(chǔ)的特定圖像進(jìn)行一一比對(duì)，進(jìn)而找到信息數(shù)據(jù)最相近的圖像，完成圖像處理與識(shí)別[2]。

3 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的實(shí)際應(yīng)用效果

3.1 火災(zāi)煙霧檢測(cè)應(yīng)用

火災(zāi)發(fā)生時(shí)，煙霧出現(xiàn)的時(shí)間點(diǎn)早于火焰，利用計(jì)算機(jī)圖像處理與識(shí)別技術(shù)進(jìn)行煙霧探測(cè)，是一種有效的火災(zāi)報(bào)警技術(shù)。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(jìn)行區(qū)分，進(jìn)而完成關(guān)系轉(zhuǎn)換獲得目標(biāo)顏色分割獲取。在視頻圖像煙霧檢測(cè)環(huán)節(jié)，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(huán)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(jì)算流程圖

此外，方向梯度直方圖（HOG）是一種利用圖像局部區(qū)域強(qiáng)度進(jìn)行圖像信息解讀的技術(shù)，它對(duì)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(shí)別環(huán)節(jié)光照、樹葉等影響因素效果，適用于多個(gè)計(jì)算機(jī)圖像與識(shí)別技術(shù)領(lǐng)域。在火災(zāi)煙霧檢測(cè)應(yīng)用時(shí)，為進(jìn)一步獲取局部煙霧的細(xì)節(jié)圖像信息，可以通過對(duì)每個(gè)像素的坐標(biāo)梯度計(jì)算，完成圖像信息處理，其計(jì)算過程：

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

計(jì)算后，會(huì)獲得計(jì)算像素點(diǎn)（x，y）處的梯度大小及方向，將其進(jìn)行運(yùn)動(dòng)方向特征分析，判斷其發(fā)生火災(zāi)的可能性。

3.2 氣象水汽檢測(cè)應(yīng)用

洪災(zāi)形成的主要原因之一便是不間斷的水汽輸送，進(jìn)行水汽條件特征分析，能夠有效評(píng)估洪災(zāi)發(fā)生可能性。在水汽檢測(cè)工作中，通過對(duì)空氣環(huán)境變化情況的調(diào)查預(yù)測(cè)，結(jié)合計(jì)算機(jī)圖像處理與識(shí)別技術(shù)，能夠有效對(duì)地方未來天氣情況進(jìn)行預(yù)測(cè)，降低自然災(zāi)害風(fēng)險(xiǎn)。水汽條件特征分析是地方洪災(zāi)評(píng)估工作的前提，若水汽條件錄入不達(dá)標(biāo)，將無法實(shí)現(xiàn)洪災(zāi)特征分析。借助GIS分析圖進(jìn)行水汽變化研究，結(jié)合區(qū)域內(nèi)地勢(shì)條件遙感圖像，以及空間結(jié)構(gòu)的連續(xù)性演變，尤其是物理量的變化過程，提高塔洪災(zāi)在線評(píng)估的預(yù)報(bào)準(zhǔn)確率。在這個(gè)過程中，將單位時(shí)間內(nèi)水汽通量的變化過程進(jìn)行圖像匯聚，并同數(shù)據(jù)庫中的已有信息進(jìn)行對(duì)比，模擬出當(dāng)?shù)匚磥硖鞖獍l(fā)展趨勢(shì)[3]。

基于計(jì)算機(jī)圖像處理與識(shí)別技術(shù)進(jìn)行水汽檢測(cè)信息覆蓋提取時(shí)，主要依靠IDL功能模塊，進(jìn)行ASAR遙感數(shù)據(jù)分析，包括對(duì)ASAR數(shù)據(jù)的剪裁、密度分割等任務(wù)，并完成最終shape格式文件輸出功能。結(jié)合當(dāng)?shù)睾闉?zāi)期水面覆蓋面積數(shù)據(jù)及行政區(qū)劃圖的疊加，計(jì)算出洪災(zāi)淹沒區(qū)域。利用IDL進(jìn)行數(shù)據(jù)COM轉(zhuǎn)化為Web Service，進(jìn)行瀏覽器端調(diào)度使用。在此基礎(chǔ)上，計(jì)算出洪災(zāi)覆蓋面積的已有人口、土地利用類型等數(shù)據(jù)，結(jié)合GIS中的Geoprocessing服務(wù)進(jìn)行空間分析，將這些數(shù)據(jù)進(jìn)行整合計(jì)算，得出洪災(zāi)期間各地區(qū)受災(zāi)影響經(jīng)濟(jì)總量，及受災(zāi)區(qū)域土地信息?；趙eb的水面覆蓋信息，以及計(jì)算得出的洪災(zāi)評(píng)估結(jié)果，進(jìn)行其可視化分析，通過數(shù)據(jù)輸出接口及圖像動(dòng)態(tài)生成技術(shù)，完成洪災(zāi)受害區(qū)域報(bào)表，在計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的幫助下及完成不同受災(zāi)區(qū)域之間的評(píng)估對(duì)比。

3.3 工業(yè)機(jī)器識(shí)別應(yīng)用

在工業(yè)生產(chǎn)線作業(yè)時(shí)，需要對(duì)流水線上的不同型號(hào)零件進(jìn)行加工制造，可以通過計(jì)算機(jī)視覺識(shí)別技術(shù)完成這一任務(wù)。如飛機(jī)零部件生產(chǎn)項(xiàng)目中，同一條自動(dòng)化生產(chǎn)線的不同零部件種類加工時(shí)，利用計(jì)算機(jī)圖像處理與識(shí)別技術(shù)，能夠降低工作失誤發(fā)生率，有效提高項(xiàng)目生產(chǎn)效率，實(shí)現(xiàn)快速、高效、準(zhǔn)確識(shí)別應(yīng)用。應(yīng)事先完成數(shù)據(jù)收集工作，計(jì)算機(jī)視覺識(shí)別技術(shù)的最大特點(diǎn)就是多樣性，將整個(gè)工業(yè)設(shè)計(jì)-生產(chǎn)-施工環(huán)節(jié)中的材料、速度、質(zhì)量幾個(gè)關(guān)鍵指標(biāo)的調(diào)查分析，有效確保整個(gè)數(shù)據(jù)收集結(jié)果的準(zhǔn)確性?？梢岳肧PSS23.0對(duì)于調(diào)查收集結(jié)果進(jìn)行可信度分析，若其總體克隆巴赫ALPHA的系數(shù)值高于0.7，則證明該項(xiàng)數(shù)據(jù)調(diào)查結(jié)果可信。利用工業(yè)相機(jī)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(xì)節(jié)逐漸被弱化，進(jìn)行計(jì)算機(jī)圖像處理識(shí)別時(shí)，其需要的圖像計(jì)算數(shù)據(jù)量也很大，需要花費(fèi)大量時(shí)間。因此，常采用圖像灰度化處理，突出圖像特定區(qū)域信息，得到只存在亮度信息的工業(yè)圖像，常見的圖像灰度化處理技術(shù)分別為加權(quán)法、最大值法以及平均值法，其計(jì)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(diǎn)處的分量，Gray（x，y）代表不同計(jì)算方法所求得的灰度化計(jì)算結(jié)果。利用差速器殼體的詳細(xì)特征進(jìn)行計(jì)算結(jié)果的型號(hào)識(shí)別。

3.4 智能交通領(lǐng)域應(yīng)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(fā)。在智能交通管理領(lǐng)域中應(yīng)用計(jì)算機(jī)圖像處理與識(shí)別技術(shù)，能夠有效進(jìn)行駕駛輔助、車輛定位、人臉識(shí)別，實(shí)現(xiàn)智能化管理技術(shù)應(yīng)用。例如，進(jìn)行高速繳費(fèi)時(shí)，可以利用二維碼刷卡裝置，探測(cè)系統(tǒng)能夠自動(dòng)感知車輛的行駛狀態(tài)，用戶通過IC卡進(jìn)行車輛提取使用，減少看管費(fèi)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?qū)崿F(xiàn)內(nèi)部舵機(jī)的升降控制。在實(shí)際停車?yán)U費(fèi)過程中，司機(jī)事先會(huì)上傳本人身份信息，通過二維碼掃描技術(shù)獲取停車碼的實(shí)名數(shù)據(jù)，并利用人臉識(shí)別系統(tǒng)及圖像處理系統(tǒng)將個(gè)人信息上傳到公安部門，進(jìn)行個(gè)人信息比對(duì)。在車輛提取環(huán)節(jié)，客戶可以掃碼完成實(shí)時(shí)檢票及支付業(yè)務(wù)，在閘機(jī)完成智能校驗(yàn)后，為車輛放行通過，實(shí)現(xiàn)高速繳費(fèi)的“無票化”出行方式[4]。

3.5 金屬缺陷識(shí)別應(yīng)用

在金屬表面缺陷檢測(cè)環(huán)節(jié)，使用計(jì)算機(jī)圖像處理與識(shí)別技術(shù)，能夠避免人員檢測(cè)時(shí)因缺陷定義的區(qū)別造成人為缺陷判斷錯(cuò)誤的情況，保障金屬產(chǎn)品的質(zhì)量。計(jì)算機(jī)圖像處理與識(shí)別技術(shù)能夠有效降低金屬材料損耗率，對(duì)于微小缺陷也能完成精準(zhǔn)檢測(cè)，并完成缺陷記錄工作，進(jìn)而提高我國金屬制造行業(yè)質(zhì)量。具體應(yīng)用環(huán)節(jié)，是在計(jì)算機(jī)系統(tǒng)接收到圖像采集系統(tǒng)的金屬圖像后，將圖像進(jìn)行預(yù)處理，包括圖像灰度化、圖像濾波增強(qiáng)等操作。由于金屬件的體積普遍較大，且形狀較為復(fù)雜，單工位相機(jī)只能夠拍攝到局部圖像，因此需要進(jìn)行多單工位同時(shí)拍攝處理，其圖像處理流程圖，如圖2所示。

圖2 金屬缺陷識(shí)別圖像處理流程圖

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

圖3 金屬缺陷識(shí)別及缺陷分類

根據(jù)缺陷檢測(cè)區(qū)域的特征點(diǎn)檢測(cè)結(jié)果，對(duì)該區(qū)域進(jìn)行PCA降維數(shù)據(jù)處理后，將數(shù)據(jù)傳輸?shù)絊VM分類器中，得到分類結(jié)果。這是整個(gè)金屬表面缺陷識(shí)別應(yīng)用的工作核心，完成圖像采集后，對(duì)所得圖像分類結(jié)果進(jìn)行相應(yīng)算法處理，包括圖像預(yù)處理、ROI區(qū)域判定等。并對(duì)SVM分類器進(jìn)行訓(xùn)練，經(jīng)過預(yù)測(cè)對(duì)比后得到最終檢測(cè)識(shí)別結(jié)果，其缺陷檢測(cè)算法流程，如圖4所示。

圖4 金屬缺陷識(shí)別缺陷檢測(cè)算法流程圖

4 結(jié)語

伴隨著互聯(lián)網(wǎng)技術(shù)在各行各業(yè)的廣泛應(yīng)用，圖像信息與日俱增，研發(fā)更加高效、準(zhǔn)確的圖像處理技術(shù)，是現(xiàn)階段科技領(lǐng)域發(fā)展需要解決的重要問題。應(yīng)充分利用大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、人工智能技術(shù)等，有效提高計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的處理效率，將其應(yīng)用于國防安全、工商業(yè)發(fā)展領(lǐng)域中，有著重要的價(jià)值。