图像处理与识别技术的发展应用

郭元戎

伴随着互联网科技的突飞猛进，图像处理和识别领域的技术突破正在深刻地改变人类的生活。图像处理和识别技术当前的研究重点包括人工智能视觉化、三维图像重建和虚拟现实，主要应用领域包括智能交通、家政服务、医疗保健乃至国防工业等，未来的发展趋势则主要集中在网络化、智能化和功能的高度集成。

【关键词】图像处理 图像识别 计算机视觉 智能汽车 人工智能

1 前言

图像处理（Image Processing）技术在近些年伴随着移动互联网的快速兴起实现了飞跃的发展，在工业生产、建筑交通、医疗保健、娱乐传媒乃至尖端国防工业中都有着越来越深入的渗透和越来越广泛的应用。图像处理最早可以追溯到1920年人们利用铺设在北大西洋海底的电缆从英国伦敦到美国纽约传输了一张经过简单的数字压缩技术处理过后的照片，这一创举可谓是图像处理技术的起源。在上世纪50年代随着电子计算机的发展，计算机呈现出的呈指数级上升的数据分析处理能力让人们看到了新的突破方向，数字图像处理（Digital Image Processing， DIP）的研究也开始成为热点，并在上世纪60年代正式宣告了数字图像处理这一全新学科的诞生。数字图像处理研究的蓬勃展开也产生了繁荣的成果：1964年美国喷气推进实验室（JPL）在宇航空间领域率先打开了数字图像处理的应用之门，对先期发射的月球探测器传回的数千张月表图片进行了去噪、校正和变换处理，并考量了其他环境因素的影响从而成功绘制了月表地形图，JPL对后续月球探测器传回的超过十万张月表图片进行了进一步的图像处理，最终得出了月球的全景镶嵌图，为人类的探月工程做出了不可磨灭的巨大贡献；1979年英国EMI公司工程师发明的全身CT诊断技术获得当年的诺贝尔生理学和医学奖，这一造福千万患者的开创性计算机断层摄影方法可以说正是图像处理技术卓有成效的典型应用；90年代以来高速公路上的电子不停车收费系统（Electronic Toll Collection， ETC）在欧美得到了迅速的普及，极大地提高了交通通行效率，方便了人们的生活。时至今日，图像处理与识别技术的应用身影已经在卫星遥感、医学治疗、文艺娱乐等高新技术行业或与人们日常生活紧密相关的领域无处不在，伴随着相关的技术突破逐渐改变着人们的社会生活。

2 图像处理与识别技术的研究重点

2.1 人工智能可视化

图像处理广义上是指利用计算机系统强大的数据处理分析能力，对输入的图像进行识别、分析、处理乃至理解的过程，而数字图像处理正是憑借着其存储图像信息能力、对图像进行无损压缩能力以及保证图像信息传输过程中发生失真概率较低能力的强大成为了当前图像处理领域的主流应用技术。依托人工智能领域不断涌现的研发成果，计算机智能化的图像识别（或者成为人工智能的可视化）正在成为数字图像处理技术中的新潮流，在海量大数据分析技术和全新深度学习算法的支撑下，从图像信息经过初步数字化处理后从外界输入，到计算机对于输入图像信息的背景分离、虚假特征消除和细化增强等中间预处理，再到图像库中的快速准确搜索并与输入图像精确匹配这一后续分析处理的整个过程中计算机识别处理图像的精准程度都会得到相应的增强。传统的图像识别及处理技术在人工神经网络、模糊识别算法和非线性图像降维处理技术的推动下有了极大的原理革新和效率提升。不仅如此，人工智能在计算机视觉方面的研发突破还催生了一些全新的领域，2015年Google公司的人工智能Deep Dream就以其独特的机器美学创造了新的艺术潮流，以至于2016年Google甚至举办了别开生面的“机器艺术展”来向公众展示计算机视觉下艺术作品奇幻的展现形式。可以预见的未来，人工智能作为当下计算机视觉领域关注的焦点，其相关技术的进一步突破将会成为推动图像分析及处理技术广泛深度应用源源不竭的动力。

2.2 三维重建

三维重建是可视计算领域近些来兴起的研究热点，并且已经在基于先进医学仪器断层图像数据的逆向工程、建筑学的混凝土技术三维建模、考古学中待发掘古墓墓道结构数字建模、工业生产中利用CT图像可视化以提高零件无损检测能力等等领域都已经有了丰硕的应用成果。可视计算包含了从三维场景或数据正向生成二维图像的计算机图形学和由二维图像反向进行三维模型重建的计算机视觉，也正因为二者的交叉融合程度极高，一般而言将两个方向的研究内容合称可视计算。

以医学应用领域的CT断层图像三维重建为例，整个将二维数字图像反向映射成为三维模型的过程中同样会运用到各种数字图像处理的典型方法理论，例如在图像的预处理部分，获取二维数字图像之后为了提高图像质量即需要对图像进行平滑或者锐化的预处理，其目的分别是藉由低通滤波技术剔除图像中无关重要的小细节或者将不同目标之间的空隙间断进行模糊化连接处理，以及藉由高通滤波技术对模糊的细节进行强化为后续分析处理奠定良好数据基础；在对图像进行分割并提取特征之前，图像的边缘检测和边缘增强是常见的区域处理方法，而在进行正式的图像分割时则会大多利用灰度图像二值化方法，设定好相应的灰度阈值，将所摄取的CT断层图像中的骨主体和关节软组织进行准确清晰的图像分割，从而将一幅看上去黑白斑驳且错综复杂的CT图像处理为简单的黑白二值图像；在对数字图像进行平滑滤波处理时，非线性的中值滤波是目前主流的实现方法，中值滤波由于其独有的摒弃乘除运算的特性以及高处理速度的优势，在保证有价值的信号部分的同时能尽可能地去除振动噪音，达到“削峰留谷”的效果。

三维逆向重建技术目前正处在蓬勃的发展过程之中，自动化与智能化显而易见地将成为未来这一技术发展的趋势，同时如何将三维逆向重建技术更好地与人们的日常生活紧密结合起来（例如藉由无人机航测技术的普及和消费级旋翼无人机市场的扩大，更加方便快捷地创建3D地图模型来满足不同地域人们的导航需求），也是相关的工程技术人员需要密切关注的另一方向。

2.3 虚拟现实/增强现实

虚拟现实（Virtual Reality， VR）以及增强现实（Augmented Reality）已经成为当下计算机视觉和图形学领域发展速度最快也最具潜力的应用领域。基于图像处理和识别算法的虚拟现实、增强现实应用不胜枚举，实时的三维立体人脸识别、医学虚拟手术、人机交互中人物动作的跟踪识别等方面都需要图像处理和识别技术的深度融合，可以想見此后这一热门领域将会诞生更多的技术成果和更贴近日常生活的市场应用。

3 图像处理与识别技术的应用领域

3.1 智能交通

图像处理和识别技术因其快速精准的判断能力和较宽的扫描范围在汽车上的应用非常广泛。目前在驾驶辅助、智能交通、车辆定位等方面都开始应用图像处理和识别技术。驾驶辅助方面，车道偏离预警系统能够在驾驶员因为过度疲劳或者长时间单调行驶等原因而引发的注意力分散、疏忽大意，放弃对车辆的操作时能够按照一定的车道偏离预警准则给出及时的警示信号，其核心技术就是基于机器视觉对道路几何特征的识别提取以及后续的图像分析处理，来为车辆运动状态的计算和车道偏离可能性的评估提供准确依据。车道保持辅助系统则依托车道识别和跟踪这一技术核心，是图像处理与识别技术和智能车有机结合的一款典型辅助驾驶应用，基于机器视觉的自适应巡航ACC、交通标志识别TSR和远关灯辅助HBA也已经逐渐成为了自动驾驶汽车的标配；智能交通方面，对于整体的交通系统，应用摄像头进行图像的收集也有很广泛的应用。如车道识别、车流量计算等等；车辆定位方面，自动泊车系统和车身定位系统已不鲜见。自动泊车系统自动泊车系统需要汽车识别后方的路况信息，识别停车位置，目前已经有基于摄像头识别来进行车辆泊车的功能。后方摄像头也可以进行辅助泊车，通过摄像头将后方信号直观地显示在驾驶室，这样可以来辅助驾驶员泊车。车身定位系统则通过摄像头对周围环境进行感知，与地图进行结合对汽车的定位进行校准，使定位更加精确。

图像处理及识别技术作为人类利用计算机软硬件代替视觉感官系统的代表性技术，是智能车乃至整个人工智能感知外界信息从而做出响应的重大进展。因此进一步研究图像处理及识别技术，对于提升智能车乃至整个人工智能的思维能力与决策能力有着重要意义。

3.2 医学治疗

医学治疗领域的图像处理及识别应用处处可见，微观层面的细胞染色体分类、基于虚拟现实技术的虚拟内窥镜、3D超声成像、核磁共振（MRI）影像分析、数字减影血管造影技术、骨质疏松的图像识别算法、针对患者病患部位的所拍摄的2D断层图像进行逆向3D可视化建模以及功能图像和解剖图像的二者融合等都是典型的应用成果。

3.3 交互通讯

光纤通讯和微波通讯中，如何排除各种环境噪音对于所传输图像信息的干扰一直是重要的研究课题，而包括了变换域法和空间域法的多种通信图像的去噪方法都有着广泛的应用。

3.4 公安刑侦

目前的大中城市普遍覆盖了“天网”系统，在此基础上所衍生的针对可疑目标所捕捉到的图像处理及识别任务也逐渐提出了更高的技术要求。诸如利用小波分析的算法的快速人脸识别、掌纹/足纹的图像处理建模、对于模糊图像的非失真还原处理、快速准确的图像标注测量等方面都已经有了较为成熟的应用成果，未来随着相关技术的突破将为丰富公安刑侦手段，提高破案效率做出更大的贡献。

4 结束语

显然，图像处理及识别技术将沿循着立体化、智能化、标准化、网络化和集成化的发展趋势进一步发展，更贴近真实的图像采集效果、更高清的图像显示分辨率、更精确的图像数据库匹配结果、更高效的图像处理及识别算法都将是未来图像处理及识别技术所追求的的目标。

参考文献

[1]翁和王.关于人工智能中的图像识别技术的研究[J].信息通信，2016（10）：191-192.

[2]唐录洁.计算机智能化图像识别技术的理论性探究[J].计算机光盘软件与应用，2013（13）：98-100.

[3]孙亮.计算机智能化图像识别技术的理论性突破[J].数字技术与应用，2013（06）：106-107.

[4]徐彩云.图像识别技术研究综述[J].电脑知识与技术，2013（04）：2446-2447.

[5]李康.智能化图像识别技术的发展概况[J].军民两用技术与产品，2016（08）.

[6]万卷.图像处理智能化的发展方向[J].电子技术与软件工程，2017（09）：66-66.

[7]陈晓红.计算机图像处理技术发展趋势研究[J].信息与电脑：理论版，2013（07）：215-216.

[8]陈艳.探讨计算机图像处理技术的发展趋势与展望①[J]..科技资讯，2017，15（04）：16-16.

[9]李玉荣.计算机图像处理技术的发展趋势探讨[J].无线互联科技，2015（09）：104-105.

[10]张彩霞.数字图像处理技术的发展现状及发展趋势研究[J].计算机光盘软件与应用，2014（12）：216-216.

[11]任玉苓.试析数字图像处理在刑侦技术工作中的应用[J].云南警官学院学报，2004（03）：63-65.

作者单位

山东省莱芜市第一中学 山东省莱芜市 271100