淺議人工智能與圖像噪聲處理

王玉娟　張煥平　趙小蕾　邱澤敏

摘要：近幾年，機器人和智能家具等人工智能產(chǎn)品展現(xiàn)出巨大優(yōu)勢，引起人工智能關(guān)注度不斷提高。通過對圖像噪聲處理技術(shù)進行深入分析，探討目前人工智能的具體應用情況以及其未來的發(fā)展趨勢。

關(guān)鍵詞：人工智能；圖像處理；EPOS邊緣保護；噪聲處理

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）18-0186-02

第一次工業(yè)革命過程中，機器的出現(xiàn)從很多方面帶動了當時社會的發(fā)展，由于計算機技術(shù)的不斷發(fā)展，現(xiàn)今社會也迎來了一個革命性發(fā)展的機遇。人工智能是指利用某種智能化的機器，輔助人類完成一些腦力勞動或者智能方面的行動。比如進行一些推理判斷或者識別和感知，當然，人工智能涉及的內(nèi)容并不僅僅在于這幾個方面，其在很多的方面都有著一定的展現(xiàn)。當今社會和政府對于人工智能的關(guān)注度極高，特別是在2016年，韓國的圍棋大師輸給計算機之后，使人們對人工智能產(chǎn)品的認識更加深入。人工智能行業(yè)在其被全球范圍高度重視的背景下，迎來了飛速發(fā)展的新時期。

1 基于EPOS的邊緣保護噪聲處理技術(shù)

人工智能應用在圖像處理方面，得到了非常好的效果，其中在對圖像的噪聲進行處理這方面表現(xiàn)最為明顯。

在人們的日常生活中，常常會看到圖片中會夾雜一些椒鹽噪聲，這些椒鹽噪聲主要體現(xiàn)在圖片之中混雜有一些白色或者黑色的隨機斑點。椒鹽噪聲主要是由圖像傳感器和傳輸信道以及進行解碼處理的過程中產(chǎn)生的一些黑白相見的明暗不同的噪聲。因此在我們對圖像進行處理的過程中，首先要考慮把這些不規(guī)則的噪點進行有效清除。當前比較常見的一種方法是對中值濾波進行利用，但是利用中值濾波很難對邊緣做到保護。因此我們要尋找一些有效的處理方式來對圖像的邊緣進行保護。在傳統(tǒng)的中值濾波處理方式中已經(jīng)將所有的像素都完全遍歷，然后以其鄰域作為濾波窗口進行合理的排序，排序的數(shù)值可以取其中位數(shù)。比如如果一個點的像素值是6，那么濾波窗口從左到右、從上到下應該為5、9、4、3、6、3、8、9、3。除掉這個點本身的6之后排序的結(jié)果是3、3、3、4、5、8、9、9，我們可以選擇其中值5作為濾波后的結(jié)果對6像素進行替換。通過這樣的方法圖像中的椒鹽聲點會出現(xiàn)或大或小的情況，這種情況下這些點就會被旁邊的中間值替換點，進而能夠在一定程度上減小噪聲。但是當前的傳統(tǒng)中，值濾波在應用的過程中如果圖像的邊緣被判斷成了噪點，那么就很可能使圖像的邊緣被過濾掉，這種情況下會使降噪之后的圖片出現(xiàn)模糊的缺陷。

作者所提出的方法是采取邊緣保持最優(yōu)化的算法，應用這種方法對于噪聲進行濾波?；贑語言的EPOS程序和多幅圖片作為示例進行不同程度的處理的同時講解EPOS算法的原理和這種算法的依據(jù)。

1.1 EPOS算法介紹

1.1.1 原理綜述

EPOS技術(shù)屬于一種能夠智能的根據(jù)當前濾波窗口情況，對合適的窗口大小以及形狀的平滑算法進行合理的選擇。這種技術(shù)需要將窗口分成八個呈現(xiàn)出“風車狀”的子區(qū)域。第一，通過對這個窗口的無序程度進行準確的計算，然后分別求出各個子區(qū)域和中心像素相對比較下的無序程度。在某一個值大于無序程度之后就可以對這個區(qū)域進行處理，然后運用中值濾波。如果某子區(qū)域的無序程度比較大的話就可以認為這個區(qū)域?qū)儆谶吘墔^(qū)域，然后將這個區(qū)域進行舍棄，并進行針對性的反復比較。如果出現(xiàn)這八個區(qū)域都被舍棄掉的情況，那么必須要對這個窗口進行縮小，然后進行重新比較。在最后我們可以得到一個能夠進行中值濾波的合理窗口，否則在窗口縮小到0的時候會將這個點認為是邊緣。

1.1.2 算法描述與數(shù)學分析

根據(jù)上圖的可以發(fā)現(xiàn)程序在一開始就對所有的像素點進行了遍歷，并且在之后組成一個個的小窗口。

首先我們要根據(jù)公式對整個窗口的標準差進行計算，具體的標準差計算公式為：

這個式子中的N所代表的是整個窗口下的元素的個數(shù)，μ所代表的是這個窗口的均值。對整個窗口的標準差大小進行求取，然后在將所求取的數(shù)值域某個值進行比對之后如果所以比對的這個大于求取數(shù)值那么就可以認為這個區(qū)域符合濾波條件，那么這個區(qū)域會被認為并非邊緣部分。在這個標準符合之后我們才可以進行中值濾波，如果不符合標準那么我們就要對每個區(qū)域單獨的標準差進行計算，具體的標準差計算公式為：

當某一個區(qū)域的標準差大于標準的時候，我們就會對這個區(qū)域進行剔除。然后對剔除之后的新窗口進行有效的計算，之后再按照第一個判斷中的步驟進行標準差計算。直到我們將八個部分都剔除掉之后將窗口長度減掉1之后再進行計算，如果窗口的長度不大于三，那么我們就可以認為這個點是邊緣，我們可以對這個點進行保留。

因為式子（2）中的標準差所代表的是中心點周圍的差距程度，所以只要這個點是邊緣就可以被算法檢測出來，然后對這個點進行保留。并且在這個點的濾波上對邊緣另一側(cè)的像素點進行剔除能夠在最大程度上提高濾波的準確性。

1.2 實驗結(jié)果和分析

實驗圖如下：

這張圖片我們能夠一眼看出圖片中的具體內(nèi)容，并且圖片的效果極為清晰，但是在加入椒鹽噪聲之后，圖片會出現(xiàn)如下的效果：

1）憑借眼睛就看出這張圖片的模糊效果，這也在一定程度上證明了椒鹽噪聲對圖像極大程度上影響到了圖片的清晰性。為了尋求人工智能對圖像噪聲進行處理的有效方式，證明EPOS的邊緣保護噪聲處理技術(shù)有效性，我們將應用了EPOS技術(shù)處理后的圖片展示如圖：

2）可以清晰看出，本圖片與實驗圖片甚至沒有太大的差距，這種算法在應用于椒鹽噪聲的處理過程中能夠起到極為明顯的效果，其主要原因是由于這種計算方法所依靠的基礎(chǔ)就是處理效果很好的中值濾波算法，加入邊緣保護之后的圖片并不會被認為是邊緣的點進行處理。所以，EPOS的邊緣保護噪聲處理技術(shù)應用于椒鹽噪聲的處理過程中，能夠起到很好的效果。

1.3 結(jié)論

文中介紹的方法能夠在一定程度上對圖像的邊界進行有效的保護，在對圖像進行去噪之前，可以加入一定的邊緣檢測算法。以中值濾波的邊緣檢測作為基礎(chǔ)進行改進點的設(shè)置。在該技術(shù)的應用所起到的圖片處理效果能夠有效保護圖像的邊沿，并且能夠使相關(guān)的處理方法不會將圖像的邊緣點認為是噪聲而導致邊緣被剔除。因此可以得出這種方法坐在對圖像噪聲進行處理的時候能夠起到很好的效果。

在其取得明顯效果的時候，也要意識到這種方法存在的一定缺點。比如，這種計算方法在對高斯噪聲進行處理的時候所得到的效果并不理想，出現(xiàn)這種情況的主要原因，是由于這種算法的操作上主要是以中值濾波為基礎(chǔ)，而不是以均值濾波為基礎(chǔ)。并且這種算法在運行的過程中耗時較多，通過大量的實驗總結(jié)，可以證明在初始窗口的大小不小于六的時候，所耗的時間會出現(xiàn)增加的情況，為了解決這個問題可以對終止的最低窗口大小進行一定程度的提高。但是這種方法仍然會消耗較多的時間，主要是因為這種算法在對八個不同分塊進行處理的時候，是在對一個函數(shù)進行遞歸調(diào)用，而如果八個分塊都不能滿足條件的話還需要回歸到將窗口進行減一的原函數(shù)之中。

2 結(jié)束語

人工智能是計算機科學的一個重要部分，人工智能領(lǐng)域的研究理論和程度在很大程度上都會影響到科學技術(shù)的發(fā)展，并且對于計算機計算的發(fā)展方向也有著一定的影響。

參考文獻：

[1] 吳漢東.人工智能時代的制度安排與法律規(guī)制[J].法律科學（西北政法大學學報），2017，35（5）：128-136.

[2] 杜嚴勇.人工智能安全問題及其解決進路[J].哲學動態(tài)，2016（9）：99-104.

[3] 柳薇.SVD域的圖像高斯噪聲強度估計[J].中國圖象圖形學報，2012，17（8）：923-933.