面向圖像角點(diǎn)特征取證的人工智能檢測(cè)仿真

祝毅鳴

(鄭州大學(xué)西亞斯國(guó)際學(xué)院，河南 新鄭 451150)

1 引言

角點(diǎn)特征用來(lái)反映圖像穩(wěn)定稀疏的分布情況，如像素、結(jié)構(gòu)與尺寸等，其在醫(yī)療影像、建筑物裂縫、數(shù)控雕刻以及計(jì)算機(jī)視覺(jué)等領(lǐng)域中起著至關(guān)重要的作用。圖像角點(diǎn)常用二維空間圖像亮度變化程度的點(diǎn)來(lái)表示，也可以用圖像邊緣線的曲率最大值點(diǎn)與最小值點(diǎn)來(lái)表示[1]。傳統(tǒng)圖像角點(diǎn)檢測(cè)方法均效果不佳，不能精準(zhǔn)獲取到圖像真實(shí)信息特征，也不能滿足日常生活的需求，為此將引入人工智能技術(shù)對(duì)圖像角點(diǎn)特征取證進(jìn)行檢測(cè)。

圖像角點(diǎn)檢測(cè)是圖像特征取證與模式識(shí)別方面關(guān)鍵性研究課題。當(dāng)前，對(duì)面向圖像角點(diǎn)特征取證的檢測(cè)方法研究諸多，例如張見(jiàn)雙，張紅民等人[2]發(fā)現(xiàn)Harris圖像角點(diǎn)特征取證與檢測(cè)時(shí)，由于是人工輸入閾值，會(huì)出現(xiàn)假角點(diǎn)與角點(diǎn)聚簇等問(wèn)題，為此對(duì)Harris圖像角點(diǎn)方法進(jìn)行改進(jìn)。先使用分割技術(shù)將圖像分割成若干個(gè)部分，并對(duì)該部分圖像特征進(jìn)行取證，再根據(jù)取證結(jié)果設(shè)定閾值，隨后使用NCC方法對(duì)各部分圖像進(jìn)行特征取證，并將得出結(jié)果做匹配，最后通過(guò)參數(shù)化模型將該過(guò)程中出現(xiàn)錯(cuò)誤匹配點(diǎn)刪除，剩余部分則為正確角點(diǎn)。閆小盼，敖磊等人[3]認(rèn)為傳統(tǒng)檢測(cè)方法運(yùn)算復(fù)雜，浪費(fèi)大量時(shí)間，提出使用編程方法對(duì)圖像角點(diǎn)特征取證進(jìn)行檢測(cè)。首先根據(jù)編程的特征把整個(gè)圖像分割成兩部分，并分別對(duì)各部分圖像角點(diǎn)進(jìn)行特征取證，然后使用流水線算法將這兩部分圖像角點(diǎn)特征做處理，其中流水線算法主要包括導(dǎo)數(shù)、加權(quán)平均、圖像角點(diǎn)響應(yīng)、最大值與和最小值五部分算法構(gòu)成，同時(shí)需要把該過(guò)程中繁瑣計(jì)算變換成簡(jiǎn)單的位移與加減法進(jìn)行計(jì)算，最終快速完成圖像角點(diǎn)檢測(cè)。

但以上兩種方法存在檢測(cè)結(jié)果與真實(shí)圖像結(jié)果精度低的問(wèn)題。針對(duì)以上存在不足之處，將采用人工智能技術(shù)對(duì)面向圖像角點(diǎn)特征取證進(jìn)行檢測(cè)。該方法能夠有效縮短取證時(shí)間，并能提升檢測(cè)精度，實(shí)現(xiàn)了人工智能檢測(cè)圖像角點(diǎn)特征取證應(yīng)用價(jià)值。

2 基于圖像角點(diǎn)特征取證的人工智能檢測(cè)

2.1 圖像角點(diǎn)特征取證

在圖像角點(diǎn)特征取證過(guò)程中一定會(huì)有干擾向量影響取證結(jié)果的[4]，所以取證圖像可能包含多種色彩的特征，有可能就被保存成了RGB色彩模式。根據(jù)該模式對(duì)圖像角點(diǎn)中各像素顏色設(shè)定了不同的分量值，同時(shí)也將其保存成空間函數(shù)的模式。若該圖像角點(diǎn)模式進(jìn)行直接處理，不僅會(huì)增加計(jì)算難度，還會(huì)降低效果。為此，通過(guò)在不同干擾情況下對(duì)圖像做簡(jiǎn)化處理，而干擾程度最小的簡(jiǎn)化方式就是把RGB色彩模式圖像角點(diǎn)變換成灰度圖像，變換公式如式(1)所示。

In=0.3R+0.59G+0.11B

(1)

其中，In表示圖像中各顏色灰度值；R和G、B分別表示RGB色彩模式圖像色彩中的紅和綠、藍(lán)三個(gè)不同顏色的分量值。

在圖像角點(diǎn)取證時(shí)會(huì)受到諸多原因的影響，產(chǎn)生噪聲干擾，嚴(yán)重影響圖像角點(diǎn)特征取證結(jié)果[5]?；诖?，使用中值過(guò)濾算法對(duì)圖像角點(diǎn)做去噪處理。

中值過(guò)濾算法是將圖像某個(gè)部分D中的所有像素灰度值進(jìn)行排序，去除該排序最大值與最小值，并提取該剩余部分中間值作為整個(gè)部分的中心點(diǎn)像素灰度值，具體計(jì)算過(guò)程如式(2)所示

g(c，r)=In·med(p(c，r)，(c，r)∈D)

(2)

其中，p代表排序序列；(c，r)代表圖像D部分中心點(diǎn)數(shù)值；med(·)代表符號(hào)函數(shù)。再采用人工智能檢測(cè)方法對(duì)D部分圖像做角點(diǎn)計(jì)算，得到式(3)

(3)

其中，(XA，YA)表示角點(diǎn)A在圖像空間中的坐標(biāo)；(xA，yA)表示角點(diǎn)A在檢測(cè)部分空間中的坐標(biāo)；(XZS，YZS)表示檢測(cè)部分右上角全部圖像空間中的坐標(biāo)。

設(shè)定δ表示該圖像的像素邊長(zhǎng)，通過(guò)對(duì)圖像像素標(biāo)記，并將經(jīng)過(guò)相鄰部分圖像角點(diǎn)長(zhǎng)度與像素值做對(duì)比，得到式(4)

(4)

其中，LAB代表相鄰部分圖像角點(diǎn)A與B間距；(xB，yB)代表角點(diǎn)B在檢測(cè)部分空間中的坐標(biāo)，完成特征取證。

2.2 圖像角點(diǎn)增強(qiáng)處理

根據(jù)圖像角點(diǎn)特征取證結(jié)果發(fā)現(xiàn)，有很多原因影響去燥過(guò)程，如分解尺寸與臨界值等，為此就要對(duì)角點(diǎn)特征圖像做增強(qiáng)處理[6]。

采用掩模平滑方法對(duì)圖像角點(diǎn)做增強(qiáng)處理，得到式(5)

(5)

其中，sgn()表示符號(hào)函數(shù)；wj，k表示小波變換系數(shù)；λ表示該部分圖像閾值。如果|wj，k|≥λ時(shí)，則wj，k=λ+1；如果wj，k<λ-1時(shí)，則wj，k=0；如果-λ

由于閾值函數(shù)具有良好連續(xù)性、平滑和無(wú)間隔點(diǎn)特性，為此在圖像信號(hào)處理時(shí)會(huì)發(fā)生多余斷點(diǎn)，此時(shí)就需要使用掩模平滑將新圖像角點(diǎn)做增強(qiáng)處理。

(6)

(7)

其中，Q表示該部分圖像掩模像素點(diǎn)個(gè)數(shù)；rj′表示第j′個(gè)部分圖像角點(diǎn)。

根據(jù)式(6)與式(7)可知，假設(shè)(x，y)表示邊緣線的相鄰部分，則方差值較大；反之，則方差值較小，邊緣灰度平均分布，其掩模灰度就越平均。假設(shè)圖像角點(diǎn)是邊緣點(diǎn)，就需要將第一個(gè)方差灰度值轉(zhuǎn)換成圖像角點(diǎn)灰度值，就不會(huì)影響圖像清晰程度。假設(shè)(x，y)表示噪聲點(diǎn)，采用其方法可以起到很好的光滑的作用，最終完成對(duì)圖像角點(diǎn)增強(qiáng)處理。

2.3 新圖像角點(diǎn)檢測(cè)

人工智能技術(shù)主要使用鏈碼算法對(duì)增強(qiáng)后的圖像角點(diǎn)進(jìn)行檢測(cè)。鏈碼介紹如圖1所示。圖1中P代表圖像中某個(gè)角點(diǎn)的像素，數(shù)字0-14表示該角點(diǎn)不同方位的鏈碼數(shù)值。再使用跟蹤方法把角點(diǎn)形狀鏈碼描述，得到圖2(白色表示角點(diǎn)像素)。從A點(diǎn)按照順時(shí)針?lè)较蜻\(yùn)動(dòng)，形狀的邊緣用鏈碼描述為L(zhǎng)=2140217121010108644。

圖1 八鄰域鏈碼

圖2 圖像邊緣形狀

相對(duì)鏈碼是指鏈碼和后一個(gè)鏈碼的數(shù)值差，如果這兩個(gè)鏈碼數(shù)值差大于4時(shí)，則相對(duì)鏈碼數(shù)值需要在原來(lái)基礎(chǔ)上減8。而絕對(duì)鏈碼是指相對(duì)鏈碼從一開始就累加數(shù)值。當(dāng)絕對(duì)鏈碼完成一周運(yùn)動(dòng)時(shí)，得到式(8)

A(N)-A(1)=8

(8)

其中，A(N)表示角點(diǎn)最后一個(gè)點(diǎn)的絕對(duì)鏈碼數(shù)值；A(1)表示角點(diǎn)第一個(gè)點(diǎn)的絕對(duì)鏈碼數(shù)值。

設(shè)定C(i)與C(i-1)表示角點(diǎn)像素(i)與(i-1)鏈碼，R(i)表示相對(duì)鏈碼，A(i)與A(i-1)表示絕對(duì)鏈碼值，得到式(9)。

(9)

根據(jù)式(9)可知，鏈碼和是指電A(i)、A(i+1)與A(i+2)之和，可以將角點(diǎn)邊緣看做成直線，那么該點(diǎn)斜率為sum(i)=A(i)+A(i+1)+A(i+2)。

對(duì)于封閉形狀，計(jì)算前兩個(gè)點(diǎn)鏈碼和，絕對(duì)鏈碼數(shù)值是從最后一個(gè)點(diǎn)取值的，該點(diǎn)都比初始點(diǎn)大8，詳細(xì)計(jì)算過(guò)程如式(10)所示。

sum(1)=A(1)+A(N)+A(N-1)-16

sum(2)=A(2)+A(1)+A(N)-8

(10)

通過(guò)式(10)可知，第一個(gè)鏈碼和是可能為0或者不是0的數(shù)，為了方便計(jì)算每個(gè)邊緣點(diǎn)鏈碼和，把全部鏈碼和除去第一個(gè)點(diǎn)鏈碼和，最終獲得從0開始的鏈碼和的集合。

鏈碼差表示相鄰部分的鏈碼之間差值，如式(11)所示

Diff(i+1)=sum(i+3)-sum(i)

(11)

同上，對(duì)于封閉圖形，計(jì)算前兩個(gè)點(diǎn)鏈碼差過(guò)程中，部分?jǐn)?shù)值在第一個(gè)與最后一個(gè)點(diǎn)取值，即

Diff(1)=sum(3)-sum(N)

Diff(N)=sum(N+3)-sum(N-1)

=sum(3)-sum(N-1)+24

Diff(N-1)=sum(N+1)-sum(N-2)

=sum(1)-sum(N-2)+24

(12)

根據(jù)圖3可知，圖像角點(diǎn)為六角星形狀，圖4表示該圖像角點(diǎn)的鏈碼和、差數(shù)值情況。

圖3 六角星形狀

圖4 鏈碼的和、差曲線分布情況

將被檢測(cè)圖像角點(diǎn)平均分割成20部分，同時(shí)把鏈碼平均分成10份[7]。為此，使用鏈碼能精準(zhǔn)體現(xiàn)出邊緣形狀特點(diǎn)。圖形角點(diǎn)在鏈碼和直線上，直線部分表示圖像角點(diǎn)邊緣線，弧度線表示邊緣的曲線與圓弧。如果鏈碼和線段表示圓弧時(shí)，則線段曲度數(shù)愈大，則圓弧半徑就愈大，反之亦然。

鏈碼差代表2個(gè)切割線數(shù)值差，并且和曲線偏離直線成正比例關(guān)系。如果鏈碼差等于2，代表2個(gè)切線夾角呈30°。若邊緣形狀按順著逆時(shí)針運(yùn)行，則數(shù)值為復(fù)數(shù)的點(diǎn)稱為凹角點(diǎn)；反之，則數(shù)值為正數(shù)的點(diǎn)稱為凸角點(diǎn)。

通過(guò)上面圖像角點(diǎn)檢測(cè)分析可知，圖像中存在許多點(diǎn)可能會(huì)被當(dāng)成圖像真實(shí)角點(diǎn)，這些點(diǎn)將它命名為假角點(diǎn)。為此，通過(guò)分析假角點(diǎn)產(chǎn)生因素，并依據(jù)這些因素提出如下解決方案：

情況一，假角點(diǎn)存在于真實(shí)圖像角點(diǎn)的相鄰部分中。當(dāng)檢測(cè)到圖像某角點(diǎn)過(guò)程中，同時(shí)檢測(cè)與其相鄰部分內(nèi)若干個(gè)像素點(diǎn)存在其它角點(diǎn)，再采用鏈碼差方法將檢測(cè)出角點(diǎn)進(jìn)行絕對(duì)值計(jì)算，得出真實(shí)角點(diǎn)(絕對(duì)值最大)，最后將剩余角點(diǎn)刪除[8-9]。

情況二，假角點(diǎn)存在于圖像邊緣線中[10]。先算出鄰近兩個(gè)角點(diǎn)和該角點(diǎn)的斜率絕對(duì)值差，再依據(jù)得出結(jié)果分析其是否為真角點(diǎn)，如果得到的值較大，則為真角點(diǎn)并保留，反之則為假角點(diǎn)并刪除。具體計(jì)算過(guò)程如下：

設(shè)置(xi-1，yi-1)代表像素點(diǎn)為i-1空間坐標(biāo)值，(xi，yi)代表像素點(diǎn)為i空間坐標(biāo)值；(xi+1，yi+1)代表像素點(diǎn)為i空間坐標(biāo)值；ki表示像素點(diǎn)i-1到i的斜率值；kk+1表示像素點(diǎn)i+1到i的斜率值；ki與kk+1計(jì)算過(guò)程如下

(13)

對(duì)這種假角點(diǎn)，判斷根據(jù)為

|ki+1-ki|≤ζ

(14)

其中，ζ代表0～0.2的常數(shù)。如果式(14)的像素點(diǎn)i-1和i、i+1在相同邊緣線上，則i為假角點(diǎn)，將其刪除，保留剩余兩個(gè)角點(diǎn)；反之，i為真角點(diǎn)，將其保留，剩余兩個(gè)角點(diǎn)刪除。

如果在封閉圖形中，就需要對(duì)第一個(gè)與最后一個(gè)角點(diǎn)做假檢測(cè)。設(shè)定(x1，y1)表示該圖像第一個(gè)角點(diǎn)空間坐標(biāo)；(xm，ym)表示該圖像最后一個(gè)角點(diǎn)空間坐標(biāo)，第一個(gè)角點(diǎn)斜率計(jì)算過(guò)程如下

(15)

最后一個(gè)角點(diǎn)計(jì)算過(guò)程如下

(16)

通過(guò)分析鏈碼數(shù)值大小，可知圖像角點(diǎn)人工智能檢測(cè)結(jié)果的精準(zhǔn)度，即Diff(i)≤u或者Diff(i)≥v。

其中u與v表示鏈碼上下閾值，u值為復(fù)數(shù)，v值為正數(shù)。u與v的數(shù)值大小直接反應(yīng)檢測(cè)結(jié)果。u和v數(shù)值越大，代表角點(diǎn)檢測(cè)結(jié)果越精準(zhǔn)；u和v數(shù)值越小，代表角點(diǎn)檢測(cè)結(jié)果不精確。為此，通過(guò)以上計(jì)算得出u和v結(jié)果是偏大的，證明人工智能方法可以有效檢測(cè)出圖像角點(diǎn)。

3 仿真結(jié)果分析

為了證實(shí)圖像角點(diǎn)人工智能檢測(cè)方法比文獻(xiàn)[2][3]方法正確率高。在網(wǎng)絡(luò)中隨機(jī)抽取一張圖像，設(shè)定角點(diǎn)檢測(cè)的閾值-u=-1，v=2，N=5，ζ=0.1，實(shí)驗(yàn)對(duì)比結(jié)果如圖5所示。

圖5 檢測(cè)方法對(duì)比

表1 不同檢測(cè)方法對(duì)比結(jié)果

根據(jù)表1可以得出，文獻(xiàn)[2]方法檢測(cè)圖像角點(diǎn)數(shù)為300個(gè)，真角點(diǎn)數(shù)為160，假角點(diǎn)數(shù)為140個(gè)；文獻(xiàn)[3]方法檢測(cè)圖像角點(diǎn)數(shù)為150個(gè)，真角點(diǎn)數(shù)為98，假角點(diǎn)數(shù)為52個(gè)；人工智能方法檢測(cè)圖像角點(diǎn)數(shù)為600個(gè)，真角點(diǎn)數(shù)為580，假角點(diǎn)數(shù)為20個(gè)，該方法準(zhǔn)確率為96.67%顯著高于文獻(xiàn)[2]和文獻(xiàn)[3]兩種方法。為此，面向圖像角點(diǎn)特征取證的人工智能檢測(cè)方法具有較高準(zhǔn)確性、實(shí)用性。

4 結(jié)論

通過(guò)對(duì)圖像角點(diǎn)特征取證檢測(cè)方法存在精度不高，導(dǎo)致丟失、模糊不清等問(wèn)題的角點(diǎn)特征取證圖像無(wú)法被檢測(cè)出，為此，通過(guò)提取出圖像角點(diǎn)特征，得到取證的圖像角點(diǎn)；再使用掩模平滑方法對(duì)得出圖像做加強(qiáng)處理，得到新的圖像角點(diǎn)；最后采用鏈碼差與和、斜率相結(jié)的方法對(duì)新圖像進(jìn)行檢測(cè)。仿真結(jié)果表明，該方法能有效檢測(cè)圖像角點(diǎn)特征取證效果，并保證檢測(cè)結(jié)果精度。