基于深度學(xué)習(xí)的圖像處理技術(shù)

徐政超

摘要：隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的飛速發(fā)展，極大地推動(dòng)了深度學(xué)習(xí)的發(fā)展，作為當(dāng)前深度學(xué)習(xí)發(fā)展的主流趨勢(shì)，人工智能、文字及圖像識(shí)別等領(lǐng)域都有著極大地技術(shù)突破。智能時(shí)代的最大特點(diǎn)就是機(jī)器具有自主學(xué)習(xí)的能力，這是當(dāng)前和未來(lái)科技發(fā)展的必然要求?；诖耍疚慕Y(jié)合具體的技術(shù)原理對(duì)深度學(xué)習(xí)應(yīng)用于圖像處理領(lǐng)域進(jìn)行了分析，進(jìn)一步的闡述了深度學(xué)習(xí)在圖像處理方面的應(yīng)用，為當(dāng)前和未來(lái)的圖像處理技術(shù)的發(fā)展提供一定的啟發(fā)。

關(guān)鍵詞：深度學(xué)習(xí);圖像處理;技術(shù)原理

中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）05-0222-01

0 引言

當(dāng)前的時(shí)代是科學(xué)技術(shù)大爆發(fā)的時(shí)代，人工智能作為當(dāng)前科學(xué)技術(shù)發(fā)展的最大表現(xiàn)為人們的生產(chǎn)生活帶來(lái)了翻天覆地的變化，在帶來(lái)便捷的同時(shí)，也極大地影響著人們的行為和意識(shí)。作為人工智能中機(jī)器學(xué)習(xí)領(lǐng)域的重要命題，深度學(xué)習(xí)旨在培養(yǎng)機(jī)器具有自主學(xué)習(xí)的能力，在不斷的學(xué)習(xí)過(guò)程中提升解決問(wèn)題的能力。

1 圖像處理與深度學(xué)習(xí)

1.1 圖像處理技術(shù)

圖像處理作為生產(chǎn)生活中常見(jiàn)的技術(shù)問(wèn)題，是將各種途徑獲得的圖像信息通過(guò)一定的技術(shù)手段轉(zhuǎn)化為數(shù)學(xué)信息，并通過(guò)計(jì)算機(jī)的程序或軟件將數(shù)學(xué)信息進(jìn)行一定數(shù)據(jù)處理的計(jì)數(shù)過(guò)程。當(dāng)前常利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理的主要工作內(nèi)容包括：對(duì)圖像采取一定劃分標(biāo)準(zhǔn)分類(lèi)、對(duì)圖像進(jìn)行壓縮、畫(huà)質(zhì)增強(qiáng)、圖像特征的提取等工作。當(dāng)前的圖像處理技術(shù)可以實(shí)現(xiàn)畫(huà)質(zhì)的清晰度的增強(qiáng)以及對(duì)圖像內(nèi)容中的特征物進(jìn)行識(shí)別和提取等功能，這使得當(dāng)前的圖像處理技術(shù)與傳統(tǒng)的圖像處理技術(shù)有著極大的區(qū)別。當(dāng)前的圖像處理技術(shù)作為人工智能技術(shù)應(yīng)用的重要領(lǐng)域，涉及多學(xué)科的交叉，涉及模式識(shí)別、機(jī)器視覺(jué)、多媒體技術(shù)等多個(gè)領(lǐng)域。這使得在未來(lái)圖像識(shí)別技術(shù)可以成功的應(yīng)用在指紋識(shí)別、車(chē)輛檢測(cè)等領(lǐng)域，為人們的生產(chǎn)生活提供更多的便捷性。

1.2 深度學(xué)習(xí)領(lǐng)域

深度學(xué)習(xí)的發(fā)展要得益于人工神經(jīng)網(wǎng)絡(luò)模型的提出和發(fā)展，這使得深度學(xué)習(xí)得以對(duì)復(fù)雜問(wèn)題降低維度的狀態(tài)下進(jìn)行處理。所謂深度學(xué)習(xí)指的是類(lèi)比于人腦處理問(wèn)題的模式去分析和解決問(wèn)題，運(yùn)用深度學(xué)習(xí)可完成許多現(xiàn)實(shí)問(wèn)題，例如對(duì)于圖像、文字的提取和識(shí)別等功能。深度學(xué)習(xí)因?yàn)橛兄鴺O大的技術(shù)功能在近年來(lái)發(fā)展的較為迅速，各個(gè)高技術(shù)公司也積極投身到深度學(xué)習(xí)的研究中去，旨在促進(jìn)自身的發(fā)展[1]。當(dāng)前深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域發(fā)展的較為完善，也取得了一定的成果。

2 深度學(xué)習(xí)在圖像處理方面的應(yīng)用

2.1 深度學(xué)習(xí)在圖像去噪算法上的應(yīng)用

作為圖像處理的主要領(lǐng)域之一，圖像去噪有著極大的應(yīng)用前景。圖像去造主要是為了提高圖像的識(shí)別能力，這種識(shí)別能力的提高可以是人或者機(jī)器。圖像去燥是進(jìn)行后續(xù)圖像識(shí)別和處理的前提，這也是當(dāng)前在醫(yī)療和安檢等現(xiàn)實(shí)場(chǎng)合應(yīng)用的熱點(diǎn)。通過(guò)從各個(gè)途徑獲得的圖像信息，由于不可避免的環(huán)境和人為因素的影響，勢(shì)必對(duì)圖像的質(zhì)量產(chǎn)生一定的不良影響，圖像質(zhì)量的影響也會(huì)導(dǎo)致圖像進(jìn)行處理時(shí)的難度加大。首先深度采取圖像環(huán)節(jié)造成的誤差，需要對(duì)采取的圖像進(jìn)行一定的處理，一般是結(jié)合一定的圖像除燥的算法將圖像中的噪聲點(diǎn)和干擾點(diǎn)進(jìn)行去除，這個(gè)過(guò)程涉及的算法就是基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)的。當(dāng)前，一部分研究人員通過(guò)研究方案設(shè)計(jì)，將含有噪聲點(diǎn)的圖像與原圖像進(jìn)行對(duì)比，獲得二者的映射，隨后結(jié)合相關(guān)的卷積處理方式，降低二者的差異，進(jìn)而實(shí)現(xiàn)噪聲點(diǎn)的去除[2]。還有學(xué)者針對(duì)低信噪比的圖像處理，提出了相關(guān)的解決辦法。運(yùn)用深度學(xué)習(xí)中圖像處理的神經(jīng)網(wǎng)絡(luò)模型，并結(jié)合卷積算法實(shí)現(xiàn)對(duì)現(xiàn)實(shí)圖像的處理?；蛘呓Y(jié)合數(shù)學(xué)中最小二乘法搭建一定的算法，實(shí)現(xiàn)對(duì)圖像的除噪。這兩種除噪的算法在實(shí)際的運(yùn)用環(huán)節(jié)都可以實(shí)現(xiàn)對(duì)于圖像的除噪。為了更高效的實(shí)現(xiàn)圖像的去燥，有學(xué)者利用深度學(xué)習(xí)技術(shù)對(duì)圖像隱含層的參數(shù)進(jìn)行感知和提取，結(jié)合多層感知器模型實(shí)現(xiàn)圖像在高信噪比下的去噪處理。

2.2 深度學(xué)習(xí)在圖像分類(lèi)算法上的應(yīng)用

作為圖像處理的又一主要領(lǐng)域，圖像分類(lèi)處理主要借助于相關(guān)的圖像分類(lèi)算法對(duì)圖像中的區(qū)域進(jìn)行識(shí)別和換分、進(jìn)而對(duì)圖像涉及的特征進(jìn)行提取、最后進(jìn)行分類(lèi)器識(shí)別等過(guò)程。整個(gè)圖像分類(lèi)的關(guān)鍵在于對(duì)特征的提取，這個(gè)步驟的提取質(zhì)量好壞將直接影響后續(xù)圖像信息的分類(lèi)結(jié)果。而借助深度學(xué)習(xí)可以實(shí)現(xiàn)此過(guò)程的高性能特征提取，為后續(xù)的圖像分類(lèi)打下堅(jiān)實(shí)的基礎(chǔ)。有學(xué)者針對(duì)人臉識(shí)別的相關(guān)問(wèn)題，構(gòu)建了一種深度學(xué)習(xí)的網(wǎng)絡(luò)算法，使得人臉在多姿勢(shì)下的圖像采集和識(shí)別能力得以提升。還有人借助單標(biāo)記和多標(biāo)記的圖像進(jìn)行深度學(xué)習(xí)在圖像分類(lèi)上的研究，結(jié)合PCA和LDA算法實(shí)現(xiàn)對(duì)單標(biāo)記圖像的內(nèi)容維度的降低，并運(yùn)用SVM和KNN分類(lèi)器對(duì)圖像內(nèi)容進(jìn)行分類(lèi)，實(shí)現(xiàn)單標(biāo)記圖像降維處理下的優(yōu)化。而針對(duì)多標(biāo)記圖像，結(jié)合最小hausdorff和平均hausdorff兩種不同度量距離的方法，實(shí)現(xiàn)對(duì)其內(nèi)容的提取。

2.3 深度學(xué)習(xí)在圖像增強(qiáng)算法上的應(yīng)用

圖像增強(qiáng)作為圖像處理的必經(jīng)階段，旨在提升圖像中的特征區(qū)域的特點(diǎn)，進(jìn)一步提神個(gè)整體的效果，進(jìn)而提升人工或者及其對(duì)于特征的識(shí)別能力。當(dāng)前，有學(xué)者借助于圖像超分辨率技術(shù)并借助深度學(xué)習(xí)的相關(guān)理論知識(shí)，實(shí)現(xiàn)對(duì)于圖像的增強(qiáng)處理。借助于卷積神經(jīng)和快速神經(jīng)網(wǎng)絡(luò)的相關(guān)算法，可以實(shí)現(xiàn)圖像分辨率的提升，進(jìn)而有效的提升視覺(jué)效果。近年來(lái)的技術(shù)突破，極大地促進(jìn)了深度學(xué)習(xí)在圖像增強(qiáng)領(lǐng)域的應(yīng)用。

3 結(jié)語(yǔ)

綜合所述，深度學(xué)習(xí)對(duì)于圖像處理技術(shù)的發(fā)展有著極大的推動(dòng)作用。其用途主要表現(xiàn)在圖像的去噪、圖像分類(lèi)及圖像增強(qiáng)等領(lǐng)域，當(dāng)前和今后的一段時(shí)間內(nèi)深度學(xué)習(xí)在圖像處理領(lǐng)域的研究重點(diǎn)就在于此。

參考文獻(xiàn)

[1] 李勝旺，韓倩.基于深度學(xué)習(xí)的圖像處理技術(shù)[J].數(shù)字技術(shù)與應(yīng)用，2018（9）：65-66.

[2] 李傳朋，秦品樂(lè)，張晉京.基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[J].計(jì)算機(jī)工程，2017（03）：253-260.