浅议人工智能与图像噪声处理

王玉娟　张焕平　赵小蕾　邱泽敏

摘要：近几年，机器人和智能家具等人工智能产品展现出巨大优势，引起人工智能关注度不断提高。通过对图像噪声处理技术进行深入分析，探讨目前人工智能的具体应用情况以及其未来的发展趋势。

关键词：人工智能；图像处理；EPOS边缘保护；噪声处理

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）18-0186-02

第一次工业革命过程中，机器的出现从很多方面带动了当时社会的发展，由于计算机技术的不断发展，现今社会也迎来了一个革命性发展的机遇。人工智能是指利用某种智能化的机器，辅助人类完成一些脑力劳动或者智能方面的行动。比如进行一些推理判断或者识别和感知，当然，人工智能涉及的内容并不仅仅在于这几个方面，其在很多的方面都有着一定的展现。当今社会和政府对于人工智能的关注度极高，特别是在2016年，韩国的围棋大师输给计算机之后，使人们对人工智能产品的认识更加深入。人工智能行业在其被全球范围高度重视的背景下，迎来了飞速发展的新时期。

1 基于EPOS的边缘保护噪声处理技术

人工智能应用在图像处理方面，得到了非常好的效果，其中在对图像的噪聲进行处理这方面表现最为明显。

在人们的日常生活中，常常会看到图片中会夹杂一些椒盐噪声，这些椒盐噪声主要体现在图片之中混杂有一些白色或者黑色的随机斑点。椒盐噪声主要是由图像传感器和传输信道以及进行解码处理的过程中产生的一些黑白相见的明暗不同的噪声。因此在我们对图像进行处理的过程中，首先要考虑把这些不规则的噪点进行有效清除。当前比较常见的一种方法是对中值滤波进行利用，但是利用中值滤波很难对边缘做到保护。因此我们要寻找一些有效的处理方式来对图像的边缘进行保护。在传统的中值滤波处理方式中已经将所有的像素都完全遍历，然后以其邻域作为滤波窗口进行合理的排序，排序的数值可以取其中位数。比如如果一个点的像素值是6，那么滤波窗口从左到右、从上到下应该为5、9、4、3、6、3、8、9、3。除掉这个点本身的6之后排序的结果是3、3、3、4、5、8、9、9，我们可以选择其中值5作为滤波后的结果对6像素进行替换。通过这样的方法图像中的椒盐声点会出现或大或小的情况，这种情况下这些点就会被旁边的中间值替换点，进而能够在一定程度上减小噪声。但是当前的传统中，值滤波在应用的过程中如果图像的边缘被判断成了噪点，那么就很可能使图像的边缘被过滤掉，这种情况下会使降噪之后的图片出现模糊的缺陷。

作者所提出的方法是采取边缘保持最优化的算法，应用这种方法对于噪声进行滤波。基于C语言的EPOS程序和多幅图片作为示例进行不同程度的处理的同时讲解EPOS算法的原理和这种算法的依据。

1.1 EPOS算法介绍

1.1.1 原理综述

EPOS技术属于一种能够智能的根据当前滤波窗口情况，对合适的窗口大小以及形状的平滑算法进行合理的选择。这种技术需要将窗口分成八个呈现出“风车状”的子区域。第一，通过对这个窗口的无序程度进行准确的计算，然后分别求出各个子区域和中心像素相对比较下的无序程度。在某一个值大于无序程度之后就可以对这个区域进行处理，然后运用中值滤波。如果某子区域的无序程度比较大的话就可以认为这个区域属于边缘区域，然后将这个区域进行舍弃，并进行针对性的反复比较。如果出现这八个区域都被舍弃掉的情况，那么必须要对这个窗口进行缩小，然后进行重新比较。在最后我们可以得到一个能够进行中值滤波的合理窗口，否则在窗口缩小到0的时候会将这个点认为是边缘。

1.1.2 算法描述与数学分析

根据上图的可以发现程序在一开始就对所有的像素点进行了遍历，并且在之后组成一个个的小窗口。

首先我们要根据公式对整个窗口的标准差进行计算，具体的标准差计算公式为：

这个式子中的N所代表的是整个窗口下的元素的个数，μ所代表的是这个窗口的均值。对整个窗口的标准差大小进行求取，然后在将所求取的数值域某个值进行比对之后如果所以比对的这个大于求取数值那么就可以认为这个区域符合滤波条件，那么这个区域会被认为并非边缘部分。在这个标准符合之后我们才可以进行中值滤波，如果不符合标准那么我们就要对每个区域单独的标准差进行计算，具体的标准差计算公式为：

当某一个区域的标准差大于标准的时候，我们就会对这个区域进行剔除。然后对剔除之后的新窗口进行有效的计算，之后再按照第一个判断中的步骤进行标准差计算。直到我们将八个部分都剔除掉之后将窗口长度减掉1之后再进行计算，如果窗口的长度不大于三，那么我们就可以认为这个点是边缘，我们可以对这个点进行保留。

因为式子（2）中的标准差所代表的是中心点周围的差距程度，所以只要这个点是边缘就可以被算法检测出来，然后对这个点进行保留。并且在这个点的滤波上对边缘另一侧的像素点进行剔除能够在最大程度上提高滤波的准确性。

1.2 实验结果和分析

实验图如下：

这张图片我们能够一眼看出图片中的具体内容，并且图片的效果极为清晰，但是在加入椒盐噪声之后，图片会出现如下的效果：

1）凭借眼睛就看出这张图片的模糊效果，这也在一定程度上证明了椒盐噪声对图像极大程度上影响到了图片的清晰性。为了寻求人工智能对图像噪声进行处理的有效方式，证明EPOS的边缘保护噪声处理技术有效性，我们将应用了EPOS技术处理后的图片展示如图：

2）可以清晰看出，本图片与实验图片甚至没有太大的差距，这种算法在应用于椒盐噪声的处理过程中能够起到极为明显的效果，其主要原因是由于这种计算方法所依靠的基础就是处理效果很好的中值滤波算法，加入边缘保护之后的图片并不会被认为是边缘的点进行处理。所以，EPOS的边缘保护噪声处理技术应用于椒盐噪声的处理过程中，能够起到很好的效果。

1.3 结论

文中介绍的方法能够在一定程度上对图像的边界进行有效的保护，在对图像进行去噪之前，可以加入一定的边缘检测算法。以中值滤波的边缘检测作为基础进行改进点的设置。在该技术的应用所起到的图片处理效果能够有效保护图像的边沿，并且能够使相关的处理方法不会将图像的边缘点认为是噪声而导致边缘被剔除。因此可以得出这种方法坐在对图像噪声进行处理的时候能够起到很好的效果。

在其取得明显效果的时候，也要意识到这种方法存在的一定缺点。比如，这种计算方法在对高斯噪声进行处理的时候所得到的效果并不理想，出现这种情况的主要原因，是由于这种算法的操作上主要是以中值滤波为基础，而不是以均值滤波为基础。并且这种算法在运行的过程中耗时较多，通过大量的实验总结，可以证明在初始窗口的大小不小于六的时候，所耗的时间会出现增加的情况，为了解决这个问题可以对终止的最低窗口大小进行一定程度的提高。但是这种方法仍然会消耗较多的时间，主要是因为这种算法在对八个不同分块进行处理的时候，是在对一个函数进行递归调用，而如果八个分块都不能满足条件的话还需要回归到将窗口进行减一的原函数之中。

2 结束语

人工智能是计算机科学的一个重要部分，人工智能领域的研究理论和程度在很大程度上都会影响到科学技术的发展，并且对于计算机计算的发展方向也有着一定的影响。

参考文献：

[1] 吴汉东.人工智能时代的制度安排与法律规制[J].法律科学（西北政法大学学报），2017，35（5）：128-136.

[2] 杜严勇.人工智能安全问题及其解决进路[J].哲学动态，2016（9）：99-104.

[3] 柳薇.SVD域的图像高斯噪声强度估计[J].中国图象图形学报，2012，17（8）：923-933.