一种图像识别震荡优化算法

余庆丰，余庆儿，曾　辉，温美玲（.中国人民解放军总参谋部6764部队，海南 三亚 57000；.努比亚技术有限公司 技术部，广东 深圳 58000；.怡伽物业服务有限公司 综合部，海南 三亚 57000）

一种图像识别震荡优化算法

余庆丰1，余庆儿2，曾辉1，温美玲3
（1.中国人民解放军总参谋部61764部队，海南 三亚 572000；2.努比亚技术有限公司 技术部，广东 深圳 518000；3.怡伽物业服务有限公司 综合部，海南 三亚 572000）

针对传统图像识别速度偏低的问题，提出一种图像识别震荡优化（IRCA）算法。该算法采用震荡逼近边缘点的方法，从而达到快速、有效且不引入误差地定位图像边缘点的目的，克服了传统定位图像边缘点较慢的缺点。实验证明，IRCA算法可大大提高图像识别速度，使识别时间大为减少。

IRCA；图像识别；图像边缘点；识别速度

0　引 言

图像识别技术是利用像素点进行分析和识别的技术，在很多领域都有应用[1]。图像识别的过程主要分为三部分：一是对图像进行灰度化、二值化、抑噪等预处理操作，形成一个符合识别算法需求的图像；二是找到新生成的图像边缘点，进行字符或区域分割；三是提取特征划分类型，达到图像识别的目的[2]。其中查找有效图像边缘点是繁琐的事情，对计算资源的消耗比较大，对后续的图像处理和分析过程有着重要的影响[3]。如何快速找到有效图像边缘点是图像识别技术的一个难点。

一般图像识别算法找到有效图像边缘点的方法都是对像素点进行逐个分析，该算法效率低下，这是由于在找到有效图像边缘点前通常进行了大量的无效计算，直接的结果就是识别时间被延长，可能导致失去应用价值[4-5]。识别有效图像边缘点的速度与图像的像素点数、识别算法及计算机性能有着直接的关系，提高查找有效图像边缘点速度最有效的方法是对识别算法进行优化处理。其优化的方向是在满足识别要求的条件下减少计算量，降低计算资源消耗，从而减少识别时间。为了快速查找有效图像边缘点，本文提出一种图像识别震荡优化（IRCA）算法，即利用二进制表示方法，通过震荡跳跃的过程，选择性地分析特定位置像素点的RGB值，不断逼近有效图像边缘点，达到快速找到有效图像边缘点的目的，可极大地提高识别速度。

1　图像识别震荡优化算法

为了获取有效图像边缘点，计算机通常需要进行大量的数据计算。IRCA算法主要设计思想是通过分析像素点之间隐藏的数学关系，从而减少需要分析的像素点数量，达到降低计算量、提高识别速度的目的。IRCA算法的基本原理是通过不断缩小图像边缘点的取值范围，逐渐逼近图像边缘点。

假设目标点的位置是二进制数1011B，且目标点的位置未知，那么IRCA算法的基本原理如下：

（1）通过分析1B、11B、111B、1111B等点的RGB值发现，1111B点的RGB值出现了变化，表现为有效图像的RGB值，则确定了最高位为1000B，那么图像边缘点位置的取值范围为（0001B，1111B]；

（2）继续分析1011B点的RGB值发现，该点为有效图像边缘点，那么图像边缘点位置的取值范围为(0001B，1011B]；

（3）继续分析1001B点的RGB值发现，该点为无效图像边缘点，那么图像边缘点位置的取值范围为(1001B，1011B]；

（4）继续分析1010B点的RGB值发现，该点为无效图像边缘点，那么图像边缘点位置的取值范围为(1010B，1011B]，则1011B为目标点。

由IRCA算法的基本原理可知，采用IRCA算法可快速找到图像边缘点而不引入误差，且采用IRCA算法找到的图像边缘点与逐行扫描找到的图像边缘点一致。

2　图像识别震荡优化算法的实现

IRCA算法利用二进制表示方法，通过分析特定位置像素点的RGB值，震荡逼近图像边缘点，最终实现快速、有效且不引入误差地定位图像边缘点。为了方便描述，IRCA算法使用黑和白分别表示其背景和识别目标，A点是起点，B点是目标点，如图1所示。利用IRCA算法快速找到B点，其具体步骤如下：

（1）定义变量j,m,n,Q及Cj，Cj=2^0+2^1+2^2…+2^j，j是自然数。

（2）分别判断C0,C1,C2,C3等点的RGB值，找到RGB值为白色的第一个Cj点，记该位置为P点，Q=Cj，n=j-1，m=1。

（3）判断Q=（Q+（-1）^m*2^n）是否为白色，则记该位置为P点，m=1，n=n-1，否则m=0，n=n-1。不断执行步骤3，直至n=0。

甲洛洛坐不住了，今天必须要给自己一个交代，要给那些把自己当小偷的人一个交代，哼哼，小丁，小丁主任，今天可对不起你了，谁让你给我不明不白地背一个小偷的名声，我甲洛洛何曾会干这偷鸡摸狗的丢脸事。甲洛洛又寻思着怎样抓住这小偷才最好？

（4）最后记录的P点就是目标点。

图1　IRCA算法的背景和识别目标

如果目标在101的位置，刚开始每一步走的距离依次为：1，2，4，8，16，…2^n，直至步和大于或等于101（即1+2+4+…2^n>101）。当n=6时，2^n=64，步和S=127>101，S所在位置为白色，记录该位置为P；下一步走的距离为-32，此时步和S=95<101，S所在位置为黑色；下一步走的距离为+16，步和S=111>101，S所在位置为白色，记录该位置为P；下一步走的距离为-8，……

每步走的距离依次为：1，2，4，8，16，32，64，-32，16，-8，-4，2，-1；步和为100。但最后记录的P点位置是101，也就是找到了目标边缘点。采用一般图像算法，需要走101步才能找到101的位置，只有在算法运行完之后才知道101就是最佳解；采用IRCA算法，只需要走13步，加速比达到7.77，就能很快找到目标边缘点。但不同位置，加速比不一致，位置越远，加速效果越好（见表1）。

表1　IRCA算法的加速效果

为了防止2^n的值超出白色的范围，对IRCA算法的步骤1和步骤2进行修正。设定一个阀值（即白色的宽度），当2^（n+1）大于这个阀值时，n值不再增加，步长保持2^n，直至发现白色块的第一个点。

3　实验验证

为了验证IRCA算法的有效性，采用碎纸机刀片正反面图像识别应用实例进行实验验证，分析IRCA算法对图像识别时效性和准确度的影响。实验证明，IRCA算法提高了刀片正反面图像识别算法的识别速度，使识别时间降低了85%左右，优化效果明显，且不引入误差，是一种可靠有效的优化算法。由IRCA算法的基本原理可知，IRCA算法的优点是提高图像识别查找边缘点的时效性和保持原有的准确度，因而实验内容主要包括时效性实验和准确度实验。

3.1时效性实验

由图2可知，碎纸机的刀片中，A为边缘点，符合IRCA算法的使用条件。为了快速找到A点，使用IRCA算法对刀片正反面识别算法进行优化。由于刀片正反面识别算法是从上往下一行行进行扫描，如果对行方向采用IRCA算法很可能会跳过锯齿，造成误判，因而只对列方向采用IRCA算法进行优化。

图2　碎纸机的刀片

程序在运行的时候会占用很多计算资源，从而影响程序内部计时器的准确性，为了更准确地计算识别时间，在识别算法运行之前记录当前系统时间，识别完成后再记录当前系统时间，两者的时间差就是识别所需的时间。

IRCA算法优化前识别速度测试如图3所示，识别开始时间为21:09:04，结束时间为21:09:08，则识别过程占用时间计4s，这些时间包括图像获取、搜索A点、B点及计算角度t等。由于图像获取、B点及计算角度t的计算量都比较小，识别时间约等于搜索A点的时间，故可用识别时间大致表示查找图像边缘点的时间。

IRCA算法优化后识别速度测试如图4所示，识别开始时间为21:17:52，结束时间为21:17:52，则识别过程占用时间不足1s，有效地提高了识别速度。为了精确地计算识别时间，采用概率法来估测识别时间，经过100次的识别测试，识别时间差为1s的有63次，0s的有37次，则识别时间约为63/100*1s=0.63s。

图3　IRCA算法优化前识别速度测试

图4　IRCA算法优化后识别速度测试

实验证明，经过IRCA算法优化后，识别时间由4s下降至0.63s，下降幅度高达84%，优化效果显著，表明该算法时效性较好。

3.2准确度实验

为了验证IRCA算法的无误差性，需要进行准确度实验。为了排除其他因素可能对实验结论产生干扰，实验时必须保持识别环境、摄像头设备及计算机等外部因素的一致性。在此基础上，采用原始识别算法和经过IRCA算法优化的识别算法分别进行100次的识别测试，两种算法的识别结果均为100%的识别率、53次正面检出和47次反面检出（见表2）。

实验证明，经过IRCA算法优化的识别算法与原始识别算法的识别结果保持一致，表明该算法无误差性，保持了原有的准确度。

表2　IRCA算法的准确度实验

4　结 论

图像识别技术在很多领域都得到了广泛的应用，但却面临快速查找有效图像边缘点的难点。如果不能及时找到有效图像边缘点，就会影响识别速度，导致识别效率下降。为了减少查找有效图像边缘点的时间，本文提出一种图像识别震荡优化（IRCA）算法，并进行了实验分析。该算法通过不断地缩小图像边缘点的取值范围，震荡逼近有效图像边缘点，达到快速找到有效图像边缘点的目的。实验证明，IRCA算法有效性较好，保持了原有的准确度，大大提高了图像识别速度，使识别时间大为减少。

[1]张兆礼，赵春辉，梅晓丹.现代图像处理技术及Matlab实现[M].北京:人民邮电出版社，2001:42-47.

[2]林正春，王知衍，张艳青.最优进化图像阈值分割算法[J].计算机辅助设计与图形学学报，2010(7):1201-1206.

[3]付慧，刘峡壁，贾云得.用于文本区域提取的边缘像素聚类方法[J].计算机辅助设计与图形学学报，2006(5):729-734.

[4]李云刚.自由搜索算法的改进及其在图像分割中的应用[D].哈尔滨:哈尔滨工程大学信息与通信工程学院，2010.

[5]刘洋，薛向阳，路红，等.一种基于边缘检测和线条特征的视频字符检测算法[J].计算机学报，2005(3):427-433.

[责任编辑：王志梅]

An Image Recognition Concussion Optimization Algorithm

YU Qingfeng1, YU Qinger2, ZENG Hui1, WEN Meiling3
(1.61764 Forces of the General Staff Department of the Chinese People’s Liberation Army, Sanya, 572000, China; 2.Technical Department, Nubia Technology Co., LTD, Shenzhen, 518000, China; 3.General Department, Yijia Property Services Limited, Sanya, 572000, China)

In view of the low speed of traditional image recognition, an image recognition concussion optimization algorithm (IRCA) was presented. The algorithm adopts the method of range close to the edge points, and it achieves the aim of being quick, efficient and locates the edge points without introducing errors, which has overcome the shortcoming of slow positioning of edge points of the traditional image. It is proved that IRCA algorithm can greatly increase the speed of image recognition and reduce the recognition time considerably.

IRCA; Image recognition; Image edge points; Recognition speed

TP391.413

A

1671-4326(2016)01-0056-03

10.13669/j.cnki.33-1276/z.2016.014

2015-11-06

余庆丰（1988—），男，广东惠来人，中国人民解放军总参谋部61764部队工程师，硕士；余庆儿（1991—），男，广东惠来人，努比亚技术有限公司技术部程序员；曾庆辉（1981—），男，河南商丘人，中国人民解放军总参谋部61764部队工程师，硕士；温美玲（1990—），女，广东普宁人，怡伽物业服务有限公司综合部职员.