计算机图像处理与识别技术应用思考

2021-08-06朱沛杰金林仟

新型工业化 2021年4期

朱沛杰，金林仟

（东北林业大学，黑龙江哈尔滨 150040）

0 引言

计算机图像处理与识别技术是一种新型数据处理技术，具有处理速度快、精准度高、灵活性强等优点，能够有效提高计算机信息数据的处理与识别工作效率。计算机图像处理与识别技术从无到有、从简单到复杂、从人工到智能，无论是硬件设备还是软件技术，都经历了跨时代发展。

1 计算机图像处理与识别技术介绍

1946年第一台计算机的诞生，标志着世界进入了新的发展纪元，数字化技术逐渐出现在人们的视角中，为技术革命带来了新的机遇。上世纪50年代开始，基于计算机技术进行图像处理识别就进入到了加速发展时期，1964年美国航空航天领域首次将计算机图像处理与识别技术应用于实际，依托月球探测图片绘制了月球表面地貌，为人类月球探索做出巨大贡献。

计算机视觉技术作为一门由光学技术、计算机技术、数学科学、模块处理等多个项目相互交织的新型智能化快速无损检测技术，具有良好的发展前景。计算机视觉技术主要由计算机图像识别和计算机图像处理两部分组成，核心技术就是利用计算机代替人眼完成工作，自动提取图像中的关键点，并与事先设置好的识别处理规则进行对比，实现图像修复、差别追踪等多个功能，满足人们处理意愿的同时进行图像识别，广泛应用于有色金属、医疗保健等行业中[1]。

2 计算机图像处理与识别技术应用过程

计算机图像处理与识别技术的应用原理类似于人眼对于图像的感知处理流程，计算机通过采集图像特征信息，采用模式识别算法，建立图像信息定性或定量检测模型，由人工检测中的人眼观测功能，起到人类思维判断的作用。而数字图像处理主要是将图像转化为数据格式后进行存储，便于后续观测及相应处理。在这个过程中，计算机能够有效识别出图像的形状、颜色、尺寸等信息，结合不同参数对其关联性进行分析，得到相应参数平均值与标准差后，根据这些数据建立神经网络模型与偏最小二乘回归模型，并与数据库中存储的特定图像进行一一比对，进而找到信息数据最相近的图像，完成图像处理与识别[2]。

3 计算机图像处理与识别技术的实际应用效果

3.1 火灾烟雾检测应用

火灾发生时，烟雾出现的时间点早于火焰，利用计算机图像处理与识别技术进行烟雾探测，是一种有效的火灾报警技术。一般来说，烟雾的颜色信息与类似烟雾之间存在着显著差异，在不同空间上放置烟雾干扰物，可以将RGB颜色空间模型同HSV、YUV、HSI等其它颜色空间模型进行区分，进而完成关系转换获得目标颜色分割获取。在视频图像烟雾检测环节，颜色信息是烟雾中核心视觉信息之一，其烟雾特性取决于燃烧温度、燃烧材料以及环境中的氧气、湿度等条件。一般来说，颜色特征提取的主要方式有颜色矩、颜色集、颜色聚合向量等，以颜色矩为例，其三阶中心颜色矩，如图1所示。

图1 三阶中心颜色矩计算流程图

此外，方向梯度直方图（HOG）是一种利用图像局部区域强度进行图像信息解读的技术，它对于光照等不敏感特征有着极佳的排除性，能够有效降低烟雾识别环节光照、树叶等影响因素效果，适用于多个计算机图像与识别技术领域。在火灾烟雾检测应用时，为进一步获取局部烟雾的细节图像信息，可以通过对每个像素的坐标梯度计算，完成图像信息处理，其计算过程：

式中，H（x，y）为像素点（x，y）的像素值；G（x，y）与Z（x，y）分别代表像素点（x，y）的横坐标方向梯度以及纵坐标方向梯度，在经过公式：

计算后，会获得计算像素点（x，y）处的梯度大小及方向，将其进行运动方向特征分析，判断其发生火灾的可能性。

3.2 气象水汽检测应用

洪灾形成的主要原因之一便是不间断的水汽输送，进行水汽条件特征分析，能够有效评估洪灾发生可能性。在水汽检测工作中，通过对空气环境变化情况的调查预测，结合计算机图像处理与识别技术，能够有效对地方未来天气情况进行预测，降低自然灾害风险。水汽条件特征分析是地方洪灾评估工作的前提，若水汽条件录入不达标，将无法实现洪灾特征分析。借助GIS分析图进行水汽变化研究，结合区域内地势条件遥感图像，以及空间结构的连续性演变，尤其是物理量的变化过程，提高塔洪灾在线评估的预报准确率。在这个过程中，将单位时间内水汽通量的变化过程进行图像汇聚，并同数据库中的已有信息进行对比，模拟出当地未来天气发展趋势[3]。

基于计算机图像处理与识别技术进行水汽检测信息覆盖提取时，主要依靠IDL功能模块，进行ASAR遥感数据分析，包括对ASAR数据的剪裁、密度分割等任务，并完成最终shape格式文件输出功能。结合当地洪灾期水面覆盖面积数据及行政区划图的叠加，计算出洪灾淹没区域。利用IDL进行数据COM转化为Web Service，进行浏览器端调度使用。在此基础上，计算出洪灾覆盖面积的已有人口、土地利用类型等数据，结合GIS中的Geoprocessing服务进行空间分析，将这些数据进行整合计算，得出洪灾期间各地区受灾影响经济总量，及受灾区域土地信息。基于web的水面覆盖信息，以及计算得出的洪灾评估结果，进行其可视化分析，通过数据输出接口及图像动态生成技术，完成洪灾受害区域报表，在计算机图像处理与识别技术的帮助下及完成不同受灾区域之间的评估对比。

3.3 工业机器识别应用

在工业生产线作业时，需要对流水线上的不同型号零件进行加工制造，可以通过计算机视觉识别技术完成这一任务。如飞机零部件生产项目中，同一条自动化生产线的不同零部件种类加工时，利用计算机图像处理与识别技术，能够降低工作失误发生率，有效提高项目生产效率，实现快速、高效、准确识别应用。应事先完成数据收集工作，计算机视觉识别技术的最大特点就是多样性，将整个工业设计-生产-施工环节中的材料、速度、质量几个关键指标的调查分析，有效确保整个数据收集结果的准确性。可以利用SPSS23.0对于调查收集结果进行可信度分析，若其总体克隆巴赫ALPHA的系数值高于0.7，则证明该项数据调查结果可信。利用工业相机拍摄到的图像，多为差速器壳体彩色图像，其色彩信息较多，但层次信息较少，部分图像细节逐渐被弱化，进行计算机图像处理识别时，其需要的图像计算数据量也很大，需要花费大量时间。因此，常采用图像灰度化处理，突出图像特定区域信息，得到只存在亮度信息的工业图像，常见的图像灰度化处理技术分别为加权法、最大值法以及平均值法，其计算公式为：

式中，R（x，y）、G（x，y）、B（x，y）分别为彩色图像（x，y）点处的分量，Gray（x，y）代表不同计算方法所求得的灰度化计算结果。利用差速器壳体的详细特征进行计算结果的型号识别。

3.4 智能交通领域应用

人们生活水平的提高，使得驾车出行逐渐成为主流交通方式，这就造成了交通拥堵，使得车辆交通事故频发。在智能交通管理领域中应用计算机图像处理与识别技术，能够有效进行驾驶辅助、车辆定位、人脸识别，实现智能化管理技术应用。例如，进行高速缴费时，可以利用二维码刷卡装置，探测系统能够自动感知车辆的行驶状态，用户通过IC卡进行车辆提取使用，减少看管费用支出。具体做法中，为每辆车配备特殊的二维码身份信息牌，只要通过二维码扫描的IC卡，就能够实现内部舵机的升降控制。在实际停车缴费过程中，司机事先会上传本人身份信息，通过二维码扫描技术获取停车码的实名数据，并利用人脸识别系统及图像处理系统将个人信息上传到公安部门，进行个人信息比对。在车辆提取环节，客户可以扫码完成实时检票及支付业务，在闸机完成智能校验后，为车辆放行通过，实现高速缴费的“无票化”出行方式[4]。

3.5 金属缺陷识别应用

在金属表面缺陷检测环节，使用计算机图像处理与识别技术，能够避免人员检测时因缺陷定义的区别造成人为缺陷判断错误的情况，保障金属产品的质量。计算机图像处理与识别技术能够有效降低金属材料损耗率，对于微小缺陷也能完成精准检测，并完成缺陷记录工作，进而提高我国金属制造行业质量。具体应用环节，是在计算机系统接收到图像采集系统的金属图像后，将图像进行预处理，包括图像灰度化、图像滤波增强等操作。由于金属件的体积普遍较大，且形状较为复杂，单工位相机只能够拍摄到局部图像，因此需要进行多单工位同时拍摄处理，其图像处理流程图，如图2所示。

图2 金属缺陷识别图像处理流程图

在计算机系统获得金属件的图像后，在处理中心进行图像处理、缺陷定位，并将图像特征点输入疯了流程中。计算机图像特征可以通过不同维度进行选择，若金属件图像特征过多，则可以进行降维处理，并完成缺陷识别及缺陷分类，如图3所示。

图3 金属缺陷识别及缺陷分类

根据缺陷检测区域的特征点检测结果，对该区域进行PCA降维数据处理后，将数据传输到SVM分类器中，得到分类结果。这是整个金属表面缺陷识别应用的工作核心，完成图像采集后，对所得图像分类结果进行相应算法处理，包括图像预处理、ROI区域判定等。并对SVM分类器进行训练，经过预测对比后得到最终检测识别结果，其缺陷检测算法流程，如图4所示。