图像处理关键技术在辅助视觉中的应用

王彦超

摘要：图像处理关键技术在现如今运用是相当广泛的，在军事，航空，汽车，导航，等领域都有运用，但是辅助视觉在实际过程中还是存在很多问题。比如在复杂的视觉环境中，会存在很多扰乱视觉信息的外部因素，怎样快速准确地接收用户视觉目标，建立视觉通道。在视觉目标存在外物遮掩，旋转等看不清的情况时，在视觉处理技术中很难完成目标的跟踪和识别，在恶劣的自然环境中，视觉图像质量也会受到影响，导致想要看清楚视觉目标存在很大的困难。该文主要对辅助视觉中图像的处理技术进行分析研究，对辅助视觉在导航中的关键问题、对目标的检测、目标图像的增加、目标跟踪识别等问题进行深入地研究探讨。

关键词：辅助视觉；图像处理；关键技术；研究

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2018）23-0229-02

人们在日常生活中有90%以上的外界信息是通过视觉所获得的，当物体在可见光的刺激下，将视觉目标传递到人的视网膜上，再通过感光细胞转换成视觉神经信息，经过大脑皮层接受视觉目标信息后，对目标进行转换，最后完成视觉图像的理解。现如今视觉图像在计算机中有很大的运用，计算机最广泛的运用就是它能代替人们的眼睛和人脑，通过对视觉图像的精密分析，自主的完成视觉图像的判断与理解，随着计算机科学的快速发展，间接性的增加了计算机视觉在实际生活中的运用，也对我国经济做出了贡献。近几年来，计算机视觉已经深入我国各行各业中，尤其是在航空、智能手机、智能机器人、多媒体、通信技术、医学等领域发挥着非常重要的作用。

1 辅助视觉中涉及到的图像处理技术

辅助视觉有关学者对其进行导航技术方面的研究，表明辅助视觉导航所涉及的图像处理的关键技术可以按照一定的循序进行划分。在输入图像所根据肉眼来进行视觉系统中不同的路线，对信息种类进行传递然后进入到视觉处理信息通道上。在完成图像主要特征后进行提取与简单描述过来，视觉处理通道进行视觉图像的简单处理，也就是图像低级任务，比如图像的增加、图像的去噪、图像的色彩等方面，将处理好的图像以图像所在的形式然后传递到视觉中级任务中来，视觉终极任务是涉及视觉目标的观测，测量，跟踪等，以图像信息作为基础输入，然后以目标信息作为基础输出，对视觉图像的高级解释就是高级任务完成并对视觉目标进行识别，周围环境等一系列以图像为中心的任务。最后将看见的视觉目标的所有信息传递到计算机决策中枢进行决策，在计算机决策层中通过对视觉基本信息进行处理后将所有关于视觉图像信息进行整理融合，做出最终的判断，更新自身知识库然后在进行下一步视觉任务的引导，从上而下的实现视觉信息处理全过程，清楚地了解到视觉图像的进行过程。最后可将取得的图像结果进行自行的三维立体目标信息，目标的运动以及目标的轨迹进行传递到人机接口进行后面的工作。经过很多视觉有关学者的多年研究，现如今，我国的辅助视觉技术得到了快速的发展，其中也产生了很多适用的算法，这些算法虽然很优秀，但还是存在一定程度的不足。比如在自然天气恶劣或者光线暗淡时，对于视觉图像的清楚质量很难进行保障。然而，目前的视觉图像计算方法还是存在算法上面较为复杂，图像光晕都有很明显的问题；在较为恶劣的环境汇总怎样才能获取运用或者静止的视觉目标，准确的了解目标数量、目标大小、获取目标关键点，在视觉目标进行收缩，进行旋转，捕捉不清目标轨迹等不利情况下，该怎样去确定目标的位置和目标的种类。对于不同目标进行有关的特点描述等方面，相关学者对这些问题进行了深入的研究，并取得了有效的成果，在辅助视觉中的图像关键技术显得尤为重要，在人们的生活工作中，被广泛运用，逐渐使这项技术得到了相应的发展。

2 辅助视觉中图像增强技术

以往的图像增强技术包含了频域增强方法与空域增强方法。鉴于空域增强法主要是包含邻域增强与点运算，其中点预算的方法通过灰度校正，灰度调整与直方图拉伸等方式，从而使图像灰度值在尺度中能平均分布，这样能有效地增加动态图像的区域。典型的计算方法有直方图平均化，直方图的平均化是经过对原本的图像进行直方图的平均分布，可以有效增加图像灰度值的动态区域，这样可以提升图像之间的对比清晰度。鉴于空域方法通常是采用在增加图像部分对比清晰度，对于图像自身整体的亮度过低或者过高是相对有用的，对过度曝光或曝光严重不足的图像有较好的细节突出，可以从中看出来，这种方法的使用还是会存在一定的不足性，因为这样会对整体图像进行完全的处理，不用区分图像背景和图像前景，所以，在增加图像信息的同时也间接性的增加了图像背景的不清晰。

领域增强算法主要表现在图像锐化与图像平滑。图像平滑常常是运用在滤波技术当中，比如中值滤波和均值滤波等方面，这样可以有效的消除图像自身噪音，但是，这样也会引发图像周边的不清晰模糊。图像锐化通常是有其自身的算法，有算子，統计差值，梯度法等各种算法，通过对图像锐化就可以有效的突出目标图像边缘的某些信息，方便完成图像识别任务。

频域增强算法主要是将原始的图像通过不一样的频率来进行分解，原始图像分解后高频信号局部就代表了图像的所有有关细节信息，然而低频局部可以表示图像背景有关信息。对于低频与高频的图像信息进行不一样的相关处理，这样可以有效地达到不同的图像处理成果，增加高频图像信息，可以有效地增加图像细节清晰度的对比，用来达到锐化的效果，滤掉图像高频信息，可以有效地取得图像背景的大概轮廓。

3 图像视觉特征

图像颜色统计直方图是基于视觉颜色的特征识别算法所运用的方法，其基本思想是想先离散化颜色空间，然后统计出图像中各个颜色所出现的频率。图像颜色统计直方图的方法计算颜色的分布，不受图像大小变化所影响，但是，颜色统计直方图是一种有规律的统计方法，其只表现图像整体的总概率分布，会忽视掉自身图像的空间分布细节。鉴于统计方法与灰度级分布的情况对图像的特征进行概述，采用共生矩阵的表现方法，用来描述图像中的所有信息以及图像空间依赖关系。采用小波变换等一系列方式来进行提取图像纹理的有关特征。图像的形状概述，一般包含了边界形状描述以及区域形状描述。第一边界图像的形状所表示方式一般就是傅立叶描述符，这种方法是通过对物体外部边缘以及外部轮廓进行傅立叶的交换，从而来达到图像形状描述最终目的，在进行傅立叶变换期间，高频率的分量可以表示物体形状的特征，两低频分量可以表示物体的轮廓信息。基于图像视觉特征的分布式结合图像分割技术局部的特征信息，可以有效提取图像当中的明确目标对象，在图像对象层中进行基本的描述，这样能更贴切人类在识别图像期间对语义的了解，这样的方法又被称之为基于对象区域语义提取，还可以结合视觉图像自身的底层等特征，来实现视觉图像的分类等高层次语义的理解，我们所建立的物体滤波器是需要消耗很多的时间，对于视觉图像当中的目标进行提取和分割的准确度也会受到一定程度的影响从而导致最终结果有所偏差。

4 辅助视觉技术应用领域

随着我国科学的快速发展，其中辅助视觉的技术也在各行各业中得到广泛的使用，其中主要包含了视觉导航汽车以及智能监控等多个领域都在运用辅助视觉技术。

4.1 视觉导航汽车

无人驾驶汽车是最近几年来全球汽车行业中的一个主要发展方向，有关学者表明，到2035年，无人驾驶汽车（图2）可能会高达8000万辆。根据目前汽车视觉导航信息中的有关技术其具有下面几种优点；第一，视觉信息是作为一种非接触式信息获取方式，不会给周围环境等造成损坏，而且视觉导航汽车信息在进行道路信息采集时不会对路面等设施造成改变；第二，可见光视频图像所包括的信息是非常庞大的，汽车视觉导航运用立体视觉不仅可以获取目标的形状，颜色等信息，还能获取目标的距离，若在图像分割和目标检测上有所进展，视觉导航就可以提供更为准确的导航信息；第三，汽车视觉导航视频信息是采用被动式的方法来进行的，因此，在多台汽车同时进行工作时，不会相互干扰；第四，视觉汽车导航相对于GPS等相关设备，其视频采集可以呈现实时图像，给汽车提供导航信息时也不会有所依赖地图等，其具有较高的实用性。在汽车实际行驶中，汽车驾驶员所获得的大部分信息都是来源于视觉，因此，还可以通过计算机视觉技术来对汽车所行驶的路面，障碍物等周围环境信息进行检测，这样也会使汽车视觉导航能够更为全面的为汽车服务，让汽车驾驶更为安全。

4.2 智能监控

智能视频监控是通过计算机视觉等技术来进行对视频进行分析、识别的，是实现对视频中目标的分类、跟踪以及检测等功能。目前视频只能监控系统已经被广泛地运用到银行、商业、车站、住宅小区、学校、医院等诸多公共区域中。视频监控系统可以有效预防各種违反国家法律法规等犯罪行为，为人们所生活的环境提供一定程度的生命财产安全保障。智能视觉监控能自动跟摄像机结合，对相机进行旋转，对摄像镜头进行放大放小旋转等自主选择操作，能实现被锁定目标的自主跟踪，以确保跟踪目标出现在视野范围内，以便获取更多的目标信息，这对于警方追查违反犯罪等事件有着极为重要的作用。在交通中，智能监控系统可以对车流量进行统计，对可疑车辆的跟踪有着极为重要的作用，在大中城市中可以间接性的改善交通拥堵等情况，这为管控交通人员提供了有效的数据，并能及时的作出应对措施。视频监控运用相当广泛，在我国各行各业中都发挥着非常重要的作用。

5 结束语

辅助视觉图像处理技术是作为计算机视觉技术研究的重点，其中涉及的相关关键技术已经深入到我国各行各业中，研究有关理论知识和有关技术是对于提升我国综合实力有着较为深远的意义。人类视觉系统在同一时刻对信息的处理是有限度的，这就需要计算机视觉技术给人们带来人类视觉系统之外的信息处理，在视频中有大量的图像信息，要从中选取较为关键的信息构建视觉信息处理通道。辅助视觉在图像处理中技术的发展，为我国各个领域运用辅助视觉的企业单位提供了保障。

参考文献：

[1] 张琰.基于视频监控系统的视障者视觉辅助关键技术[D]. 天津工业大学，2013.

[2] 卢鸿波.基于视觉的驾驶辅助系统中关键技术的研究[D]. 中国科学院大学，2014.

【通联编辑：代影】