基于灰度编码的多媒体彩色图像识别方法_魏凡其.pdf

143信息：技术与应用信息记录材料 2022年12月 第23卷第12期 0 引言图像识别技术可将被识别的对象归入相应的类型，被广泛应用于各个领域1。通过对图像特征的转向提取，感知图像特点，划分图像类别。多媒体彩色图像是人们获取信息的最重要途径，图像语言能够传达给人们更直观的视觉感受，在某种程度上更胜于文字语言2。根据统计，超过 75%的信息是由视觉系统获取的，即通过多媒体彩色图像传播的。如何发挥多媒体彩色图像在各个领域中的更高效能，成为科研工作的关注与研究重点。为落实此项工作，实现对多媒体彩色图像的精准识别与高效感知，本文引进灰度编码技术，设计一种多媒体彩色图像的高效识别方法。1 基于灰度编码的多媒体彩色图像灰度转换为实现对多媒体彩色图像的精准识别，利用灰度编码技术转换图像灰度。首先明确多媒体彩色图像的色彩空间表现方式为 RGB，将图像录入计算机后，可以用显示屏幕上的 24 位真彩构建图像 RGB 模型。其次将原始图像的色彩划分为 R、G、B 三种原光色，每个光色在终端占用8bit3。最后为满足人眼对多媒体彩色图像的识别，在色彩空间中，设置一个任意光色，将其表示为Y，Y可以通过下述公式计算得到。*Ya Rb Gc B=+（1）式（1）中：a、b、c表示三条信道的空间颜色占比。当abc=时，多媒体彩色图像将呈现灰度阴影状态；当RGB=时，多媒体彩色图像呈现纯白色或纯黑色。使用灰度编码技术，将 RGB 模型按照 HIS 坐标进行转换，将 LAB 色彩表现模式作为中介，明确图像的 LAB 模式是一种全新的色彩模式，在此种模式下，L表示图像呈现亮度；A 表示图像中色彩从红色到绿色的过渡范围；B 表示图像中黄色到蓝色的过渡范围4。可以使用 LAB 模式表示多媒体彩色图像中的任意一种颜色，任何颜色都可以映射到此空间中5。转化处理过程中，按照标准将图像的 RGB 色彩转换为 LAB 模式，对原始图像进行去色处理后，再将图像返回RGB 表示方式，生成一种多媒体图像的等值灰度阶级，根据图像的阶级，确定当前状态下图像的灰度值。通过此种方式，使多媒体彩色图像的灰度处理过程简易化6。2 图像纹理特征提取引进 Gabor 小波处理法提取多媒体彩色图像纹理特征7。目前，可用于描述图像纹理特征的内容包括几何特征、混合特征、纹理特征与序列特征。其中纹理特征中的Gabor 小波特征，可以直接反映出时域与频域内的频谱信息。调整多媒体彩色图像中的频谱信息，可以起到强化图像低频信息的效果，以此种方式，实现对图像呈现效果的视觉优化。在此过程中，使用二维 Gabor 滤波器中的高斯核函数，处理图像在传播过程中的正弦平面波，通过此种方式，实现对图像中局部特征信息的专项提取8。考虑到多媒体彩色图像在空间中的旋转方式、尺寸变化、形变等行为存在一定的容错能力。计算其容错能力，公式如下。2()k T ke=（2）式（2）中：表示多媒体彩色图像在空间中的容错能力；k表示特征波向量；T表示容错周期；表示变换尺度；e表示形变量。其中特征波向量k的计算公式如下。()cos,sinTuvuvkkk=（3）式（3）中：u表示 Gabor 滤波器的滤波处理方向；基于灰度编码的多媒体彩色图像识别方法魏凡其（江西制造职业技术学院信息工程学院 江西 南昌 330095）【摘要】现有的彩色图像识别方法准确率较低，为了提高图像识别准确率，本文引进灰度编码技术，设计多媒体彩色图像识别方法。将原始图像的色彩划分为 R、G、B 三条原光色，每个光色的比特在终端占用 8 bit，以 LAB 色彩表现模式作为中介，将图像的 RGB 色彩转换为 LAB 模式，根据图像阶级生成图像灰度值，实现基于灰度编码的多媒体彩色图像灰度转换；并使用 Gabor 小波处理法，调整多媒体彩色图像中的频谱信息，使用二维 Gabor 滤波器，提取多媒体彩色图像纹理特征；引进线性回归处理法，确定图像中参数关系，建立多媒体彩色图像模型，实现对图像的识别与分类。选择国家公开图像库中的多媒体彩色图像实验测试样本，设计对比实验，实验结果证明：设计的方法可以精准识别到图像特征，提高多媒体彩色图像识别的准确率。【关键词】灰度编码；灰度转换；纹理特征【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2022）12-0143-03DOI:10.16009/13-1295/tq.2022.12.064144 信息：技术与应用信息记录材料 2022年12月 第23卷第12期 v表示 Gabor 滤波器的滤波处理尺度。在此基础上，定义多媒体彩色图像表示为(,)I X Y，使用 Gabor 滤波器对图像(,)I X Y进行卷积运算处理，通过此种方式，得到针对多媒体彩色图像在不同空间位置与不同尺度下的特征值9。此过程如下计算公式所示。(,)(,)*G X YI X Y=（4）通过上述卷积运算，掌握图像在不同帧数下的复数值，将此数值作为多媒体彩色图像的幅值信息。输入图像大小为 6060，使用 Gabor 滤波器对图像特征提取，得到28 800 维度的数据。对具有雷同点的特征信息融合处理，采用降维处理的方式，降低特征数据的维度。3 图像识别与分类设定多媒体彩色图像样本数量为 N，每个类别的图像中都存在 p 个训练样本，可以将训练样本 p 划分为 i 类，其中 i 的取值为 1，2，3，4，5，N，设定训练图像的空间大小为*a b，将图像置于一个线性子空间内，使用临近分类器，对多媒体彩色图像进行线性回归分析处理。将多媒体彩色图像按照原来的尺寸缩小到 600600 以下。为避免图像尺寸太大影响到运算的速度，所以在图像识别前先对其预处理。针对图像中的文字特征，在计算灰度共生矩阵之前，提取图像对比度，以获得更好的纹理识别参数10。此过程如下计算公式所示。11(*)LLNipPa b P=（5）式（5）中：L表示图像灰度共生矩阵；P表示多媒体彩色图像对比度。在此基础上，利用 GDI+中的函数对图像压缩，将样本图像合并为 2418 的图像集。根据上述灰度编码方法对已压缩的图像进行灰度处理。在此基础上，采用9点光滑法和25点光滑法对灰度图像模糊处理。前者是将 33 矩阵作为平滑模板，以模板的平均灰度取代原始像素点，后者是指将 55 矩阵作为平滑模板，以模板的平均灰度取代原始像素点。该方法基于两个像素点间的不同色彩成分与不同亮度，将处理后的图像录入Hamming 网络中，用于样本识别。通过识别训练样本，确定剔除边界像素点之后的 2216 灰度矩阵。将灰度矩阵作为参照，实现对彩色图像的识别。4 对比实验上文完成了基于灰度编码的图像识别方法设计，为验证设计方法在实际应用中的效果，下面将采用对比实验的方式，对设计方法展开测试。考虑到图像识别过程涉及大量的图像预处理步骤，要确保图像的规范化处理，应在测试前，根据相关工作的实际需求，搭建计算机测试环境，用于处理图像。测试环境技术参数如下表 1 所示。表 1 图像预处理环境技术参数序号项目参数（1）处理工具Microsoft Visual Studio（2）图像访问方式XML（3）调试工具ASP.NET AJAX 1.0（4）图像接口GDI+完成多媒体彩色图像预处理过程中需求工具的选择后，考虑到实验需求，选择国家公开图像库中的多媒体彩色图像作为此次实验的测试样本。此图像库中规格最大的图像为 116156，规格最小的图像为 201311。部分样例图像如下图 1 所示。图 1 公开图像库中的部分多媒体彩色图像样例从上述图 1 所示的内容可以看出，识别的图像样本中包含多个类别，包括人脸图像、动物图像、植物图像与景观图像。随机选择 10 000 张图像将其划分为两类，其中2 000 张图像用于识别中的训练处理，另外 8 000 张图像用于识别测试。完成实验中测试样本的准备后，为避免图像识别过程中样本数量较大占用过多内存与空间，根据工作的具体需求，预处理图像。先转换样本图像色彩，使彩色图像在计算中呈现灰度状态。处理效果如下图 2 所示。145信息：技术与应用信息记录材料 2022年12月 第23卷第12期 原始图像灰度处理图 2 样本集合中人脸图像灰度处理效果示例在此基础上，对打乱编码顺序后的图像压缩处理。完成上述处理后，使用本文设计方法，识别测试样本图像，识别过程中，引进灰度编码技术，对多媒体彩色图像灰度转换处理，使用小波熵值算法，提取多媒体彩色图像纹理特征，将特征作为参照，识别样本图像，根据图像的特征划分其类别。为满足实验结果的对比需求，引进基于迁移学习ResNet 技术的图像识别方法，与基于 Deeplab V3+技术的图像识别方法，将提出的方法作为传统方法 1 与传统方法2。按照规范，将灰度转换与压缩处理后的测试图像样本作为三种方法的识别样本，将三种方法提取到的多媒体彩色图像特征与样本图像适配，将适配度作为评价设计方法可靠性的关键依据。在此过程中，明确提取图像特征与图像样本的适配度越高，说明图像识别结果越精准，反之明确提取图像特征与图像样本的适配度越低，说明图像识别结果精准度越差。按照上述方式，对比三种方法提取图像特征与图像样本的适配度。其结果如下图 3 所示。32476815样本图像/张适配度/%40608020本文方法传统方法1传统方法2图 3 识别方法提取图像特征与图像样本的适配度从图 3 可知，本文设计的基于灰度编码的图像识别方法识别效果良好，该方法可以精准识别到图像特征，从而提高多媒体彩色图像识别的准确率。5 结语现阶段，计算机视觉技术已经成为相关领域内的研究重点，此项技术以人类视觉为基础，利用计算机与视觉感知效应，辅助人们获取或采集需求信息。为发挥多媒体彩色图像在相关领域内更高的价值，本文通过基于灰度编码的多媒体彩色图像灰度转换、图像纹理特征提取、图像识别与分类，完成了多媒体彩色图像识别方法的设计。该方法在完成设计后，通过对比实验证明可以精准识别到图像特征，从而提高多媒体彩色图像识别的准确率。但此次研究也存在一些不足，包括没有设计更多的评价指标评估该方法的实际应用效果、没有选择更多的传统方法作为对照组等。可在后期的设计中，将提出的不足作为研究点，深化设计该方法，持续完善该方法的综合性能。【参考文献】1 何楠，刘弘景，闫春江，等.基于改进深度自注意力网络的变压器及其部件高分辨率图像识别技术 J.变压器，2022，59(8):23-27.2 熊聪聪，赵子健，曹鉴华，等.一种基于生成式对抗网络的数据集扩充方法在湿地鸟类图像识别中的应用 J.天津科技大学学报，2022，37(4):64-70.3 张冉，李明周，钟立桦，等.基于图像识别的铜转炉吹炼造渣期渣含 Fe 预测模型研究 J.有色金属(冶炼部分)，2022(4):21-30.4 刘亚恒，张鹏超，徐鹏飞，等.基于迁移学习 ResNet 网络的樱桃叶片白粉病的图像识别 J.电脑知识与技术，2022，18(8):12-15.5 刘梦瑶，刘茹涵，姚一静，等.应用 Deeplab V3+网络实现小儿髋关节超声图像识别 J.声学技术，2022，41(2):235-239.6 王明好，王欢，刘叡，等.基于深度学习方法的 N5/NiCrAlY涂层图像识别的研究 J.中国腐蚀与防护学报，2022，42(4):583-589.7 孙晓贺，施成华，刘凌晖，等.基于改进的种子填充算法的混凝土裂缝图像识别系统 J.华南理工大学学报(自然科学版)，2022，50(5):127-136，146.8 丁晓燕，沈梦婕，李岚，等.利用人工智能图像识别技术对染色体核型的分类研究 J.重庆医学，2022，51(16):2853-2855，2865.9 唐标，沈映泉，黄绪勇，等.基于改进型蚁群算法和图像识别的变电站机器人路径规划和设备缺陷识别研究 J.制造业自动化，2022，44(2):46-52.10 刘瑛.基于软件工程的工业图像在线处理系统设计 J.信息与电脑(理论版)，2021，33(12):96-98.作者简介：魏凡其（1984），男，江西南昌，硕士，讲师，研究方向：软件开发、