分布式人工智能技术在视觉信息处理中的应用

李 颖，王奇强

（长春工业大学人文信息学院，长春 130122）

视觉信息处理技术的研究在计算机视觉领域具有很高的研究价值。对视觉信息的进一步处理，能够准确快速的计算出视觉信息的价值，可以选择视觉显著区域，并少量取样，去除掉无用的视觉背景。这样在任务的完成上就能达到快速高效。近些年新兴起一种分布式人工智能[1]技术，这是一种智能处理数据信息的技术，利用计算机视觉对环境进行感知，提取目标并进行分割，相比于人眼能够快速的在视觉信息里提取到需要的图像和视频信息。本文将人工智能技术应用到视觉信息处理技术中，对视觉信息处理有着重要作用。

1 基于分布式人工智能技术的视觉信息处理技术设计

1.1 建立视觉注意机制模型

人在行走过程中，基于分布式人工智能技术的视觉系统可以迅速地将人的注意力集中到比较显著的视觉对象上，对视觉信息进行有效处理，在这一过程中人的视觉注意机制就起到了作用，在视觉信息处理时，需要建立以视觉信息为特别注意区域的视觉通道，在行走时避开此区域。

视觉注意机制模型[2]采用生物的中央-周边滤波器结构，从空间尺度上提取低级特征的视觉信息，通过信息的组合得到一个特征图像，图像包含视觉信息的颜色和亮度，并通过数学中的指数函数得到相应的方位信息，最后通过信息论的方式得到视觉信息图像，使人的大脑对视觉信息进行快速处理。

1.2 提取视觉信息特征

初级视觉特征提取中采用中央-周边差的方式，把特征的对比度设计为提取的输出可以达到目的，即周围部分与视觉中央的差值。在实际计算中，对不同尺度下视觉信息特征图[3]的差值进行计算，由特征对比度转化而成。输入原始视觉信息，通过线性分解高斯滤波器，进行因子分解，卷积得到视觉信息。原始视觉信息为视觉注意机制模型的底层，对原始输入视觉信息的行和列分别采样获得的视觉信息，以此类推，可以得到视觉注意机制模型的分解视觉信息，完成对视觉信息特征的提取。

1.3 实现基于分布式人工智能技术的视觉信息处理

根据视觉信息特征[5]的提取，确定要处理的视觉信息，基于分布式人工智能技术的引入，建立视觉注意机制模型，实现基于分布式人工智能技术的视觉信息处理。

2 实例验证

为了验证本文设计的信息处理技术的可靠性，采用原始信息处理技术，以及本文信息处理技术，制定视觉信息处理速度对比实验。

2.1 实验方法及步骤

为了保证本次实验结果的明显对比性，选择一处风景，实验开始前检查风景周围影响视觉信息提取的障碍；为提高实验精准度，引入视觉信息处理速度作为本次实验的对比指标；同一处风景进行十组视觉信息处理，分别采用原始信息处理技术，及本文信息处理技术，进行视觉信息处理速度对比实验；根据实验结果绘制视觉信息视见度曲线。

2.2 实验结论

图1 视觉信息处理速度曲线

根据采用不同信息处理技术得到的视觉信息处理速度曲线可知（如图1所示），本文设计的信息处理技术在视觉信息处理上的速度快，平均速度在17.03m2/s，而原始信息处理技术对信息处理的速度明显低于本文设计的技术，因此可以得出本文设计的信息处理技术可以应用到视觉信息处理中。

3 结束语

本文提出分布式人工智能技术在视觉信息处理中的应用，通过构建机制模型结合视觉特征提取技术实现本文研究，经与传统信息处理技术的对比实验发现，本文设计的信息处理技术对视觉信息处理的速度快。希望本文的研究能够为视觉信息处理技术提供理论依据。