基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)分析

何曉瑩

摘 要：隨著信息技術(shù)的發(fā)展，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)成為各界的研究重點(diǎn)，讓該項(xiàng)技術(shù)得到了廣泛應(yīng)用。本文主要針對(duì)基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的現(xiàn)狀進(jìn)行分析，結(jié)合該項(xiàng)技術(shù)中的核心關(guān)鍵進(jìn)行分析，并且利用具體應(yīng)用案例，深層次研究該技術(shù)在各行業(yè)中的實(shí)際應(yīng)用情況，以供參考。

關(guān)鍵詞：機(jī)器視覺(jué);圖像識(shí)別技術(shù);應(yīng)用領(lǐng)域;應(yīng)用效果

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）19-0039-02

0 引言

近幾年來(lái)，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)得到了進(jìn)一步發(fā)展，從傳統(tǒng)的數(shù)值圖像識(shí)別轉(zhuǎn)變?yōu)橹悄茏R(shí)別，特別是在一個(gè)復(fù)雜場(chǎng)景中，這種技術(shù)可以更加穩(wěn)定、客觀、準(zhǔn)確的完成識(shí)別工作。因此，加強(qiáng)對(duì)基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的研究分析，可以推動(dòng)圖像識(shí)別工作得到進(jìn)一步發(fā)展，需要得到重視。

1 基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的發(fā)展現(xiàn)狀

基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)發(fā)展過(guò)程中，以圖像處理、識(shí)別為基礎(chǔ)，利用人工智能、虛擬現(xiàn)實(shí)等技術(shù)，完成識(shí)別處理工作，現(xiàn)如今廣泛應(yīng)用于航空航天、醫(yī)療等領(lǐng)域。然而，在實(shí)際的應(yīng)用過(guò)程中，圖像所在的識(shí)別環(huán)境較為復(fù)雜、識(shí)別目標(biāo)多元化，想要實(shí)現(xiàn)高效、精確地圖像識(shí)別存在較大的困難，因此近幾年來(lái)，越來(lái)越多的專(zhuān)業(yè)人士開(kāi)始針對(duì)圖像識(shí)別技術(shù)進(jìn)行研究。機(jī)器視覺(jué)的圖像識(shí)別技術(shù)作為一種先進(jìn)技術(shù)，在未來(lái)發(fā)展中會(huì)得到更加廣泛的應(yīng)用，滿(mǎn)足日益增長(zhǎng)的機(jī)器視覺(jué)市場(chǎng)需要，開(kāi)發(fā)出更多的機(jī)器視覺(jué)圖像識(shí)別設(shè)備[1]。

2 基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的核心關(guān)鍵

2.1 圖像的預(yù)處理

在基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)中，圖像預(yù)處理工作十分重要，可以有效降低后續(xù)算法的復(fù)雜度，提高識(shí)別效率。通常，可以使用降噪處理方法將圖像恢復(fù)到清晰的點(diǎn)線(xiàn)圖，圖像預(yù)處理將直接影響到最終的分析結(jié)果。傳統(tǒng)的圖像預(yù)處理方式包括：灰度方差法和局部灰度差法，但是這兩種方式的準(zhǔn)確性較低，特別是在單個(gè)灰度圖像區(qū)域中無(wú)法獲得精確的效果。根據(jù)圖像的四種區(qū)域分割情況，通常采用圖像分割法完成預(yù)處理工作，以此保證圖像或許處理的準(zhǔn)確性，提高工作效率，節(jié)約工作時(shí)間。但是，在實(shí)際應(yīng)用過(guò)程中，需要根據(jù)實(shí)際情況，進(jìn)行具體分析，單一圖像處理技術(shù)無(wú)法保證預(yù)處理效果處于最理想的狀態(tài)，所以可以采用多種方法結(jié)合的方式，完成處理，保證效果最優(yōu)。

2.2 圖像特征提取

圖像特征提取作主要是針對(duì)目標(biāo)圖像中的特征點(diǎn)進(jìn)行分析，并且劃分為不同的特征子集，特征提取技術(shù)的應(yīng)用將對(duì)目標(biāo)圖像識(shí)別的精度和速度產(chǎn)生重要影響。這些特征子集一般為孤立的點(diǎn)集或者連續(xù)的曲線(xiàn)集，而圖像特征一般包括：顏色特征、圖像紋理、圖像形狀、空間關(guān)系特征。這其中顏色特征作為主體特征，是第一捕捉特征點(diǎn)，但并不適用于圖像的局部特征捕捉，圖像紋理特征作為表面屬性，雖然體現(xiàn)了一定的性質(zhì)，但不能完全反映出對(duì)象的基本特征，因此無(wú)法捕捉高層次內(nèi)容。紋理特征需要設(shè)備具有較強(qiáng)的抗噪、抗干擾的能力，否則會(huì)產(chǎn)生較大的偏差，形狀特征也并不常用，一旦圖形發(fā)生變形，就會(huì)對(duì)最終的辨識(shí)工作產(chǎn)生影響。形狀特征通常從圖像中感興趣的區(qū)域提取，其具有一些共同的屬性。目前，形狀特征提取缺乏數(shù)據(jù)模型的支持，當(dāng)目標(biāo)圖像變形時(shí)，該方法不是很有效。此外，一次性描述所有目標(biāo)特征需要昂貴的高性能處理設(shè)備?？臻g關(guān)系特征主要是針對(duì)目標(biāo)之間的相對(duì)位置關(guān)系和圖像中每個(gè)目標(biāo)的絕對(duì)位置信息，也是較為常用的特征的之一，但需要注意的是，僅根據(jù)空間信息特征無(wú)法準(zhǔn)確描述圖像，需要將上述所有特征進(jìn)行統(tǒng)一分析，進(jìn)行綜合判定，以此保證的最終結(jié)果的準(zhǔn)確性[2]。

2.3 相似圖像匹配

相似圖像匹配也是基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)中必不可少的重要組成部分，這一技術(shù)就是從不同的視角開(kāi)始，分析一幅或多幅圖像中與目標(biāo)區(qū)域相同或相似的圖像區(qū)域。在傳統(tǒng)的圖像識(shí)別中，它會(huì)受到拍攝環(huán)境、拍攝角度和拍攝設(shè)備自身精度等因素的影響。拍攝的圖像會(huì)失真和畸變，這將威脅到相似圖像匹配的準(zhǔn)確性。但是在基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)中的圖像匹配通過(guò)高質(zhì)量、抗感染的匹配方式，實(shí)現(xiàn)高匹配率和高效匹配。常見(jiàn)的圖片匹配方式包括基于灰度的匹配方法和基于特征的匹配方法，此外，隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，也出現(xiàn)了很多全新的技術(shù)手段，包括：幾何圖元法、模型識(shí)別法、信號(hào)處理法和傅氏形狀描述法。近些年來(lái)，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法日趨成熟，許多新技術(shù)可用于圖像匹配。

3 基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域

3.1 醫(yī)療領(lǐng)域

基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)在醫(yī)療領(lǐng)域中的應(yīng)用，可以讓醫(yī)療行業(yè)得到進(jìn)一步發(fā)展，尤其是近幾年來(lái)，醫(yī)療專(zhuān)業(yè)人士對(duì)這一技術(shù)的商業(yè)價(jià)值、科學(xué)價(jià)值有了全新的認(rèn)識(shí)。將其應(yīng)用在醫(yī)療器械的規(guī)格檢測(cè)、臨床醫(yī)學(xué)檢測(cè)、實(shí)驗(yàn)室檢測(cè)等緩解，以臨床醫(yī)學(xué)為例，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)可以在感知環(huán)節(jié)中充分發(fā)揮自身作用，將這項(xiàng)技術(shù)配合信息融合技術(shù)，應(yīng)用在X射線(xiàn)透視圖、核磁共振圖中，輔助醫(yī)生對(duì)患者影像進(jìn)行分析和處理，從而獲得更有價(jià)值、更準(zhǔn)確的患者信息。現(xiàn)如今，“互聯(lián)網(wǎng)+醫(yī)療”這一事業(yè)的興起，成功帶動(dòng)了醫(yī)療領(lǐng)域發(fā)展，讓醫(yī)療系統(tǒng)成為一個(gè)橫跨多個(gè)學(xué)科的行業(yè)，構(gòu)建了沉浸式模式識(shí)別的醫(yī)療系統(tǒng)[3]。

3.2 交通領(lǐng)域

基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)在交通領(lǐng)域也得到了廣泛的應(yīng)用。在該領(lǐng)域的應(yīng)用主要體現(xiàn)在視頻檢測(cè)、智能車(chē)輛安全、交通管理等方面。在視頻檢測(cè)方面，主要體現(xiàn)在交通信息采集和交通事件檢測(cè)上，它通過(guò)采集的交通圖像分析人、車(chē)等交通事務(wù)，還可以進(jìn)行進(jìn)一步的定位和跟蹤。此外，在智能汽車(chē)安全方面，利用這一技術(shù)可以保證汽車(chē)形勢(shì)安全，在路徑識(shí)別、追蹤、障礙物檢測(cè)等方面發(fā)揮出巨大的作用，這一技術(shù)的主要應(yīng)用集中在智能機(jī)器人、無(wú)人駕駛技術(shù)等方面。而在交通管理方面，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)主要是應(yīng)用在智能泊車(chē)、智能疏散等系統(tǒng)中，隨著科學(xué)技術(shù)的發(fā)展，信息技術(shù)水平的全面提高，這項(xiàng)技術(shù)會(huì)在交通領(lǐng)域中得到更加廣泛的應(yīng)用。

3.3 農(nóng)業(yè)領(lǐng)域

除了上述兩個(gè)方面之外，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)還可以在農(nóng)業(yè)生物環(huán)境和能源工程中應(yīng)用?；跈C(jī)器視覺(jué)的害蟲(chóng)識(shí)別已經(jīng)在國(guó)內(nèi)外得到了廣泛應(yīng)用，包括直接用可見(jiàn)光、近紅外光譜、其他光譜、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等。而基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)可在實(shí)際應(yīng)用過(guò)程中，可以提高識(shí)別有效性、準(zhǔn)確性、實(shí)時(shí)性，為農(nóng)業(yè)種植噴藥提供重要數(shù)據(jù)。以基于機(jī)器視覺(jué)的稻飛虱活體圖像識(shí)別技術(shù)為例，在實(shí)際應(yīng)用中，可以實(shí)現(xiàn)現(xiàn)場(chǎng)實(shí)時(shí)識(shí)別，利用拍攝設(shè)備采集不同稻飛虱活體圖像，通過(guò)軟件進(jìn)行實(shí)時(shí)識(shí)別。在預(yù)處理稻飛虱活體圖像后，對(duì)圖像進(jìn)行灰度化、二值化、數(shù)學(xué)形態(tài)學(xué)濾波、高斯濾波、平滑濾波等處理，得到高質(zhì)量圖像，并進(jìn)行進(jìn)一步判斷，這種計(jì)算方法簡(jiǎn)單穩(wěn)定、效率較高，滿(mǎn)足實(shí)時(shí)性要求。根據(jù)南京農(nóng)業(yè)大學(xué)衛(wèi)崗水稻試驗(yàn)站的實(shí)際實(shí)驗(yàn)測(cè)試結(jié)果來(lái)看，基于機(jī)器視覺(jué)的稻飛虱活體圖像識(shí)別技術(shù)在實(shí)際應(yīng)用中可以正常工作，并且實(shí)施實(shí)時(shí)識(shí)別并計(jì)數(shù)。不僅是害蟲(chóng)識(shí)別，種植物局部特征識(shí)別中也可以應(yīng)用這一技術(shù)，為農(nóng)業(yè)的種植工藝確定奠定良好的基礎(chǔ)。

4 基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)的應(yīng)用案例

由上可知，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)可以在各行業(yè)中應(yīng)用，根據(jù)上述分析，本文以基于機(jī)器視覺(jué)的運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別技術(shù)為例進(jìn)行深入研究。運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別技術(shù)的主要識(shí)別物體就是煤塊矸石，這兩者實(shí)際差別較小，想要依靠表面特點(diǎn)判斷，可行性較低，但是利用運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別系統(tǒng)，可以提高識(shí)別的精準(zhǔn)程度。

首先要完成系統(tǒng)搭建和標(biāo)定。在運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別系統(tǒng)中選擇了Genie Nano M2590工業(yè)相機(jī)，這款工業(yè)攝像機(jī)延遲較低、定時(shí)精準(zhǔn)，廣泛應(yīng)用于基于機(jī)器視覺(jué)的圖像識(shí)別系統(tǒng)中，不僅如此，它還被應(yīng)用于智能交通、物流、交通等生產(chǎn)生活領(lǐng)域。在確定相機(jī)型號(hào)后，還要確定光學(xué)鏡頭，本文選擇了VS1614-10M光學(xué)鏡頭配合工業(yè)相機(jī)，這個(gè)型號(hào)光學(xué)鏡頭最大的優(yōu)點(diǎn)就是和工業(yè)相機(jī)搭配使用效果良好，且尺寸緊湊、安裝靈活、設(shè)計(jì)的結(jié)構(gòu)小巧。在此基礎(chǔ)上，還要進(jìn)行相機(jī)標(biāo)定實(shí)驗(yàn)，根據(jù)運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別系統(tǒng)的成像畸變情況、標(biāo)定流程，根據(jù)具體的標(biāo)定結(jié)構(gòu)就可以進(jìn)一步確認(rèn)，系統(tǒng)的準(zhǔn)確性和應(yīng)用效果。其次要完成系統(tǒng)的圖像處理技術(shù)。在運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別系統(tǒng)中最主要的工作是對(duì)圖像進(jìn)行處理，具體步驟如下：一是采集待識(shí)別對(duì)象的數(shù)據(jù);二是數(shù)據(jù)預(yù)處理;三是計(jì)算預(yù)定的特征參數(shù);四是對(duì)待識(shí)別對(duì)象進(jìn)行分類(lèi)識(shí)別。在圖像濾波過(guò)程中，對(duì)矸石圖像進(jìn)行噪聲處理，分別采用中值濾波算法和自適應(yīng)中值濾波算法進(jìn)行處理，根據(jù)實(shí)際處理效果，發(fā)現(xiàn)前一種算法處理后依然殘留一定的噪聲點(diǎn)，不利于特征參數(shù)進(jìn)行提取，會(huì)對(duì)最終的識(shí)別結(jié)果造成影響。

再次要完成輪廓提取和圖像裁剪。分別對(duì)比不同算子輪廓提取結(jié)果，本文選擇了Roberts算子、Sobel算子、Canny算子進(jìn)行對(duì)比分析，最終發(fā)現(xiàn)Roberts算子和Sobel算子之間的處理結(jié)果較好，最終選擇了卷積核更小、運(yùn)算量相對(duì)較小的Roberts算子方法完成物體輪廓。圖像裁剪工作也是非常重要，通過(guò)圖像裁剪可以降低計(jì)算機(jī)負(fù)擔(dān)，保留關(guān)鍵特性，提供計(jì)算機(jī)處理的快速性。最后要確定圖像特征提取方式。本文選擇了煤和矸石的幾種灰度特征作為分辨識(shí)別的依據(jù)，利用灰度直方圖來(lái)完成圖像化表示。對(duì)煤和矸石的幾種灰度特征進(jìn)行灰度均值、灰度方差之間的計(jì)算，得到具體的計(jì)算結(jié)果后就可以進(jìn)行目標(biāo)分類(lèi)。通過(guò)實(shí)際研究成果來(lái)看，這種先剪裁再處理的方法，有效保留了特征的優(yōu)質(zhì)區(qū)域，提高了運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別系統(tǒng)特征處理的實(shí)時(shí)性。不僅如此，還收集了大量的煤和矸石樣本照片，建立了樣本庫(kù)，收集支持向量機(jī)方法，樣本庫(kù)圖片建立分類(lèi)器，為煤和矸石的分類(lèi)和鑒定打下了良好的基礎(chǔ)。

5 總結(jié)

綜上所述，基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)在圖像預(yù)處理、特征提取、圖像匹配等方面，表現(xiàn)出智能化、多樣化的特征，是未來(lái)機(jī)器視覺(jué)的主要發(fā)展方向。通過(guò)對(duì)本文的分析，將機(jī)器視覺(jué)領(lǐng)域分為視覺(jué)檢測(cè)和機(jī)器人視覺(jué)。如今它廣泛應(yīng)用于醫(yī)學(xué)檢測(cè)、智能交通、智能教學(xué)等領(lǐng)域，給人們帶來(lái)了新的生活。

參考文獻(xiàn)

[1] 牛世琛.基于機(jī)器視覺(jué)的運(yùn)矸車(chē)輛車(chē)載圖像識(shí)別技術(shù)研究[J].時(shí)代汽車(chē)，2019（07）：12-13.

[2] 謝永杰，智賀寧.基于機(jī)器視覺(jué)的圖像識(shí)別技術(shù)研究綜述[J].科學(xué)技術(shù)創(chuàng)新，2018（07）：74-75.

[3] 楊賽.基于張量分析的玉米種子高光譜圖像最優(yōu)波段選擇[D].江南大學(xué)，2017.