人工智能中图像压缩算法的研究

王鹏

摘要：针对人工智能的高速发展，充分优化模式识别技术中算法，能够达到较高的准确率和高效率。本论文分析了模式识别中的图形的变化和图像压缩处理算法。阐述人工智能中自相关算法。

关键词：模式识别;自相关算法;图像压缩

模式识别是人类的一项基本能力，人们在日常生活中经常做“模式识别”行为。模式是对对象的描述。而识别就是将一个对象分类到一个模式类中。因此，模式识别是一门涉及度量的描述或分类（识别）的科学。基本上，模式识别是对一组过程或事件的区分或分类。要分类的事件集可以是一组物理对象或一组心理状态。

自动模式识别所涉及的过程包括从真实和模拟环境收集的数据中提取、识别、分类和描述模式。这些数据的实际例子包括波形、图像、社会和经济系统产生的数据、动植物的测量、物理和心理学实验的数据以及人口普查数据等等。在实践中，模式识别是研究识别数据中模式的系统的操作和设计的研究领域。它包括判别分析、特征提取、错误估计、聚类分析（统计模式识别）、语法推理和句法分析（句法模式识别）等子学科。重要的应用领域是图像分析、字符识别、语音分析、人机诊断、人员识别和工业检测等。

在图像处理技术方面，模式识别和图像之间的这种联系导致了与数字图像处理，也就是使用计算机对图像的一般操作上有很大的重叠。图像处理技术是本研究的另一项核心技术。例如，当我使用相机为管道流剪切图片作为基础数据收集时，我应该做的是对这些图片进行预处理。因此，这是一个重要的步骤。下面，我将介绍图像形成、图像预处理和分类图像压缩JPEG压缩理论。

根据不同的应用领域，存在一些常见的图像格式：RGB、GIF、JPEG、JPEG2000和PSD格式。

■ RGB：理论上有256*256*256种颜色。像素是RGB图像中的最小单

位。R、 G，B是图像的红、绿、蓝的值。RGB图像，有时称为真彩色图像，在MATLAB中存储为m×n×3的数据数组，该数组定义每个像素的红色、绿色和蓝色分量。RGB图像不使用调色板。每个像素的颜色由存储在像素位置的每个颜色平面中的红色、绿色和蓝色强度的组合来确定。图形文件格式将RGB图像存储为24位图像，其中红色、绿色和蓝色分量各为8位。这将产生1600万种颜色。真实图像复制的精确性导致了常用术语“真彩色图像”。RGB数组可以是类，或。在类的RGB数组中，每个颜色分量的值介于0和1之间。颜色分量为（0，0，0）的像素显示为黑色，颜色分量为（1，1，1）的像素显示为白色。每个像素的三个颜色分量沿数据数组的第三维存储。例如，像素（10，5）的红色、绿色和蓝色分量分别存储在和中。双重的uint8公司uint16公司双重的RGB（10，5，1）RGB（10，5，2）RGB（10，5，3）

■ GIF：图形交换格式：压缩率高，占用磁盘空间小。GIF由CompuServe开发，用于在线显示图像（1987年，在使用JPG和24位颜色之前，用于8位视频板）。GIF使用索引颜色，仅限于256色调色板（下一页）。GIF对于旧的8位256色视频板来说是一个很好的匹配，但是对于今天的24位照片图像来说，它是不合适的。GIF文件不存储图像的缩放分辨率ppi值，因此每次打印时都需要缩放。这对于屏幕或网络图像来说并不重要。GIF文件格式是为CompuServe屏幕设计的，屏幕不会出于任何目的使用ppi。实际上，它在网页中被广泛使用。GIF的缺点是不能加载256色以上的图像。

■ JPEG：JPEG是由联合摄影专家组[14]开发的图像压缩标准。JPEG是彩色图像的有损压缩技术。虽然它可以将文件大小减少到正常大小的5%，但在压缩过程中会丢失一些细节。例如，1.37 MB的BMP文件可以压缩为20.3 KB。但是，压缩后的图像无法恢复。更多详情见第1.2.3节。

■ JPEG2000：JPEG2000是一种新的图像编码标准，它为许多高端和新兴的图像应用程序提供了至关重要的功能集。JPEG2000提供高压缩，图像质量优于所有现有的标准编码技术。JPEG2000压缩图像可以以最适合的分辨率发送到设备，而无需额外的存储开销。在传统的JPEG压缩过程中经常出现的锯齿状和块状像素化（由于图片被分成块）已经消失了。JPEG2000基于最先进的小波压缩技术。它的压缩比比JPEG高30%。JPEG2000支持有损压缩和无损压缩。

■ PSD：这是原生的Photoshop文件格式，可以在Elements或Photoshop中打开。Photoshop文件不会被压缩并保留Photoshop的所有功能。结构：PSD被组织成5个主要的数据段：头段、3个信息块和位图数据。短标头始终包含8PPS的“签名”，以及以下字段：位图的宽度、高度和位深度。信息数据的第一块称为“颜色模式数据块”。它以块的长度值开头。如果图像有调色板，则它位于此处;下一个块称为“图像资源块”。与前一个块一样，它首先给出块的长度。

模式识别中的图像自相关算法是一种重要的公式，该算法研究了自相关在模板匹配中的应用，可以识别出两幅图像是否相同。因此，自相关是一种非常有效的图像匹配方法。它对噪声具有很强的纠错性，并且可以规范化以允许模式匹配独立于图像。自相关算法的程序代码是基于公式實现的。

在数字信号处理理论中，相关是研究两个信号相似性的量化技术。两个信号之间的相关性是一种标准的特征检测方法，也是更复杂的一个组成部分技术。信号处理的教科书相关的介绍描述了卷积定理以及使用快速傅立叶在频域中有效计算相关的可能性转换。交叉性和自相关性是估计两个序列相关程度的标准方法。开发比较M和N的函数，并测量M和N的相似性。给出：

在本文的研究中，需要探索的核心技术是图像自相关匹配和模式识别。涉及的基本技术有图像存储、RGB模型、图像处理方法、JPEG图像压缩、计算机图形图像的匹配。

参考文献

[1] K.S.Fu， “Digital Pattern Recognition”， Second Corrected and Updated Edition， Springer-Verlag Berlin Heidelberg New York， 1980.

[2] R.A.VAUGHAN， “Pattern Recognition and Image Processing in Physics”， SUSSP， 1990.

[3] Sammon， Jr， J.W， 1970. An optimal discriminant plane， IEEE Trans， comput， （short notes）， Vol. C-19， pp.826-829.

北京政法职业学院2020年度院级科研项目课题ky202016。

（北京政法职业学院）