一種新型的快速響應(yīng)矩陣碼圖像定位算法

王坤+陳梅

摘 要： 針對(duì)大批量采集圖像在定位識(shí)別中受到處理速度和干擾等因素影響實(shí)時(shí)性和準(zhǔn)確性不好的問題，提出一種基于特征壓縮編碼的快速響應(yīng)矩陣碼圖像定位算法。首先對(duì)大批量采集的圖像進(jìn)行向量量化的矩陣碼編碼設(shè)計(jì)，然后采用K?L特征壓縮器進(jìn)行圖像特征壓縮編碼，實(shí)現(xiàn)快速響應(yīng)矩陣碼圖像定位。最后進(jìn)行實(shí)際采集圖像的定位實(shí)驗(yàn)測(cè)試。結(jié)果表明，該方法進(jìn)行圖像定位的準(zhǔn)確度較高，計(jì)算量較小，具有快速性和收斂性較好的優(yōu)點(diǎn)。

關(guān)鍵詞： 圖像編碼； 特征壓縮； 小波降噪； 圖像定位

中圖分類號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）14?0114?03

Abstract： Since the mass gathering image affected by the factors of processing speed and interference in orientation recognition has the problems of poor real?time performance and low accuracy， a feature compression code based image localization algorithm of quick response matrix code is put forward. The mass collected images were performed with matrix coding design of vector. The K?L feature compressor is used to carry out the image feature compression coding to realize the image positioning of quick response matrix code. The localization experiment of the actual collection image was tested. The test results show that the method has high accuracy for image positioning， less computation quantity， and the advantages of rapidity and good convergence.

Keywords： image coding； feature compression； wavelet denoising； image localization

0 引 言

隨著圖像信息采集和處理技術(shù)的發(fā)展，采用視覺圖像分析方法進(jìn)行軍事目標(biāo)打擊和識(shí)別成為未來目標(biāo)識(shí)別的重要研究方向。通過機(jī)載圖像采集設(shè)備和衛(wèi)星圖像采集設(shè)備，結(jié)合紅外成像和遙感成像技術(shù)和小波算法[1]，進(jìn)行大規(guī)模和大批量的圖像信息采集。利用專家數(shù)據(jù)庫(kù)進(jìn)行大批量的圖像特征信息分析，判斷采集的大規(guī)模圖像中的感興趣目標(biāo)特征點(diǎn)，實(shí)現(xiàn)對(duì)打擊軍事目標(biāo)對(duì)象的準(zhǔn)確識(shí)別和定位。同理，相關(guān)的圖像定位識(shí)別方法在故障診斷分析和CT圖的病理診斷中同樣有廣闊的應(yīng)用價(jià)值，對(duì)圖像的定位識(shí)別的關(guān)鍵是實(shí)時(shí)性和快速準(zhǔn)確性，研究一種新型的快速響應(yīng)矩陣碼圖像定位方法，提高對(duì)圖像定位識(shí)別中的抗干擾能力，降低計(jì)算開銷，相關(guān)的算法研究受到人們的極大重視，傳統(tǒng)方法中對(duì)圖像定位方法主要有小波分析方法[1]、遞歸圖重構(gòu)方法和時(shí)頻分析方法等，上述方法對(duì)大規(guī)模的圖像批處理性能不好，時(shí)滯性較大[2]。對(duì)此本文提出一種基于特征壓縮編碼的快速響應(yīng)矩陣碼圖像定位方法，進(jìn)行了算法的改進(jìn)設(shè)計(jì)研究，取得了可觀的效能。

1 矩陣碼圖像的掃描采集與編碼

為了實(shí)現(xiàn)對(duì)大規(guī)模采集的圖像進(jìn)行矩陣碼圖像定位，需要首先進(jìn)行矩陣碼圖像的采集和掃描，采用三維立體視覺掃描方法進(jìn)行圖像的特征編碼，進(jìn)行大批量圖像的矩陣編碼。對(duì)矩陣碼圖像進(jìn)行計(jì)算機(jī)重建，對(duì)大批量圖像采集方法多采用的是激光掃描技術(shù)、紅外掃描技術(shù)和波束掃描技術(shù)等，在對(duì)矩陣碼圖像掃描采集中，采用橫向掃描、縱向掃描、對(duì)角掃描和塊掃描進(jìn)行圖像采集和三維重建，采集過程示意圖如圖1所示。

圖1中，描述矩陣碼圖像平面圖像中的特征點(diǎn)的狀態(tài)式為：

通過上述處理，實(shí)現(xiàn)了對(duì)矩陣碼圖像的掃描采集，為進(jìn)行圖像編碼和定位識(shí)別提供圖像輸入源。

2 矩陣碼圖像定位算法改進(jìn)實(shí)現(xiàn)

在上述進(jìn)行圖像采集和編碼預(yù)處理的基礎(chǔ)上，進(jìn)行快速響應(yīng)矩陣碼圖像定位算法的改進(jìn)設(shè)計(jì)，提高對(duì)大批量采集圖像在定位識(shí)別的速度和抗干擾能力。本文提出一種基于特征壓縮編碼的快速響應(yīng)矩陣碼圖像定位算法。

2.1 圖像的二維小波特征空間三維重組

對(duì)生成的矩陣碼圖像進(jìn)行二維小波特征空間三維重組，矩陣碼圖像的二維小波特征空間三維重組模型如圖2所示。

在二維小波特征空間中，將矩陣碼圖像分解成二維網(wǎng)絡(luò)點(diǎn)集合，表示為：

式中，矩陣碼圖像大小為，和對(duì)應(yīng)紋理特征相似度信息和像素值，采用神經(jīng)網(wǎng)絡(luò)將圖像的編碼特征壓縮到特征空間中，得到編碼信息矢量為：

在不同空間位置特征點(diǎn)之間進(jìn)行鄰域基元向量的像素級(jí)融合分解，得到圖像的二維小波特征空間三維重組鄰域值為：

在上述模型重組描述基礎(chǔ)上，采用多級(jí)小波降噪方法進(jìn)行圖像降噪。

2.2 基于K?L特征壓縮的圖像快速定位實(shí)現(xiàn)

為了降低響應(yīng)矩陣碼圖像定位算法的計(jì)算開銷，提高快速響應(yīng)能力，需要采用K?L特征壓縮器進(jìn)行圖像特征壓縮編碼設(shè)計(jì)[4]，K?L特征壓縮器的系統(tǒng)函數(shù)為：

式中：為K?L特征壓縮的尺度參數(shù)；和為矩陣碼圖像的中心位置參量；為相似度鄰域方差；為相位信息。在用K?L特征壓縮器進(jìn)行圖像特征壓縮編碼的基礎(chǔ)上，得到矩陣碼圖像中心像素和鄰域基元向量的定位輸出為：

式中：和分別為圖像模糊核的先驗(yàn)正則化參量和特征響應(yīng)輸出，通過特征壓縮編碼得到圖像定位的響應(yīng)函數(shù)為[5]：

在確定圖像像素融合點(diǎn)特征后，對(duì)生成的矩陣碼圖像進(jìn)行二維小波特征空間三維重組，實(shí)現(xiàn)對(duì)圖像的快速定位設(shè)計(jì)。

3 實(shí)驗(yàn)測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)矩陣碼定位中的性能，進(jìn)行仿真實(shí)驗(yàn)分析，實(shí)驗(yàn)建立在Inter core i5?2400 3.10 GHz處理器，運(yùn)行平臺(tái)為Matlab 2008a的仿真環(huán)境[6]。為了評(píng)價(jià)圖像壓縮效果，定義信噪比和峰值信噪比（單位：dB）分別為：

分析上述仿真結(jié)果得知，采用本文方法進(jìn)行圖像的矩陣碼編碼和定位，能有效實(shí)現(xiàn)對(duì)圖像的模糊核特征估計(jì)和壓縮編碼，提高了定位的精度。為了定量分析算法性能，采用本文方法和傳統(tǒng)方法[7]，以評(píng)價(jià)定位精度的輸出信噪比和計(jì)算開銷為測(cè)試指標(biāo)[8]，得到對(duì)比結(jié)果見表1。

分析上述仿真結(jié)果得知，采用本文方法對(duì)兩組圖像的計(jì)算開銷都有所減少，峰值信噪比得到有效提升，說明定位精度較高，快速響應(yīng)能力較好，性能優(yōu)越。

4 結(jié) 語

本文提出一種基于特征壓縮編碼的快速響應(yīng)矩陣碼圖像定位算法。對(duì)大批量采集的圖像進(jìn)行向量量化的矩陣碼編碼設(shè)計(jì)，對(duì)生成的矩陣碼圖像進(jìn)行二維小波特征空間三維重組，采用多級(jí)小波降噪方法進(jìn)行圖像降噪，采用K?L特征壓縮器進(jìn)行圖像特征壓縮編碼，實(shí)現(xiàn)快速響應(yīng)矩陣碼圖像定位。測(cè)試結(jié)果表明，該方法進(jìn)行圖像定位的準(zhǔn)確度較高，計(jì)算量較小，具有快速響應(yīng)能力。

參考文獻(xiàn)

[1] 張愛民.一種基于小波變換的夜視圖像去噪和融合方法[J].電子測(cè)量技術(shù)，2015，38（1）：38?40.

[2] 王小玉，張亞洲，陳德運(yùn).基于多塊局部二值模式特征和人眼定位的人臉檢測(cè)[J].儀器儀表學(xué)報(bào)，2014，35（12）：2739?2745.

[3] 朱賀，李臣明，張麗麗，等.聯(lián)合灰度閾值分割及輪廓形態(tài)識(shí)別的河道提取[J].電子測(cè)量與儀器學(xué)報(bào)，2014，28（11）：1288?1296.

[4] CZIBULA G， MARIAN Z， CZIBULA I G. Detecting software design defects using relational association rule mining [J]. Knowledge and information systems， 2015， 42（3）： 545?577.

[5] HILLS J， BAGNALL A， IGLESIA B D L， et al. BruteSuppression： a size reduction method for Apriori rule sets [J]. Journal of intelligent information systems， 2013， 40（3）： 431?454.

[6] SUZUKIT， KUDO H. Two?dimensional non?separable block?lifting structure and its application to M?channel perfect reconstruction filter banks for lossy?to?lossless image coding [J]. IEEE transactions on image processing， 2015， 24（12）： 4943?4951.

[7] 高紅民，李臣明，周惠，等.神經(jīng)網(wǎng)絡(luò)敏感性分析的高光譜遙感影像降維與分類方法[J].電子與信息學(xué)報(bào)，2016，38（11）：2715?2723.

[8] WANG Lin， ZENG Yi， CHEN Tao. Back propagation neural network with adaptive differential evolution algorithm for time series forecasting [J]. Expert systems with applications， 2014， 42（2）： 855?863.