張瑾 苑穎

（銀川能源學(xué)院 寧夏回族自治區(qū)銀川市 750000）

在網(wǎng)絡(luò)技術(shù)普及化的背景下，越來越多的網(wǎng)絡(luò)信息以圖像的方式傳播。因此，可以認(rèn)為圖像在網(wǎng)絡(luò)信息傳播中占據(jù)了十分重要的地位。而信息在網(wǎng)絡(luò)傳播的過程中，圖像清晰度將直接決定信息傳達(dá)的準(zhǔn)確性。但圖像在網(wǎng)絡(luò)中傳輸時(shí)，不可避免地會(huì)受到網(wǎng)絡(luò)環(huán)境的干擾，出現(xiàn)圖像失真的問題。大多數(shù)情況下，失真的圖像表現(xiàn)為圖像模糊、不清晰[1]。例如，前端在獲取圖像信息時(shí)，選擇攝像機(jī)作為圖像獲取的載體，但攝像機(jī)拍攝時(shí)會(huì)受到環(huán)境影響或人為操作不當(dāng)?shù)纫蛩氐挠绊?，出現(xiàn)整體圖像模糊、曝光、虛化等問題。即便在拍攝過程中沒有出現(xiàn)異常，也會(huì)在壓縮或打包圖像時(shí)，由于壓縮過度出現(xiàn)圖像表述異常。不同類型的圖像的模糊程度是不同的，一幅圖像的模糊程度越高，其中的細(xì)節(jié)信息越難以把握，甚至圖像會(huì)由于過度模糊出現(xiàn)失去價(jià)值的問題。目前，相關(guān)模糊圖像處理的現(xiàn)代化手段較多，包括基于LoG邊緣檢測的識(shí)別方法、基于Tetrolet的模糊圖像與原始圖像融合方法等，但現(xiàn)如今的大部分模糊圖像處理與識(shí)別方法均是基于機(jī)器學(xué)習(xí)視域下處理的，盡管此種方式可以在一定程度上解決圖像的模糊問題，但由于算法的應(yīng)用過于復(fù)雜，導(dǎo)致大部分方法在使用中的價(jià)值性不高。因此，在本文的研究中，引進(jìn)改進(jìn)多尺度采樣算法，根據(jù)模糊圖像的多維度采樣機(jī)理，針對此類的識(shí)別方法進(jìn)行設(shè)計(jì)研究，以此解決失真圖像在網(wǎng)絡(luò)傳輸中失去價(jià)值的問題。

1 基于改進(jìn)多尺度采樣算法的模糊圖像識(shí)別方法

1.1 基于改進(jìn)多尺度采樣算法的模糊圖像紋理特征提取

多尺度采樣是模糊圖像識(shí)別中的一個(gè)關(guān)鍵處理環(huán)節(jié)，通過此種方式，可以實(shí)現(xiàn)對模糊圖像多個(gè)特征的有效定位。為了進(jìn)一步實(shí)現(xiàn)對模糊圖像特征的獲取，在此次研究中，對多尺度算法進(jìn)行改進(jìn)，參照改進(jìn)后的算法設(shè)定一個(gè)識(shí)別符號(hào)模式，并以此為依據(jù)，對其進(jìn)行模糊識(shí)別定義[2]。其中原始采樣算法中的算子符號(hào)可以表示為下述計(jì)算公式：

公式（1）中：SP表示為原始采樣算法中的算子符號(hào)；s表示為采樣維度；xa表示為橫向維度圖像特征；xg表示為縱向維度圖像特征。在原始算子中，可將s(x)近似作為一個(gè)函數(shù)表達(dá)符號(hào)，對應(yīng)s(x)的取值如下：

從上述計(jì)算公式（1）與計(jì)算公式（2）中可知，給定圖像中心的數(shù)值是一個(gè)為“1”的個(gè)數(shù)，盡管此種方式可以實(shí)現(xiàn)對模糊圖像的取值描述，但由于此種描述方式過于單一，會(huì)使圖像出現(xiàn)模糊問題[3]。為了使算子符號(hào)更加具體，可對原有的算子進(jìn)行改進(jìn)，根據(jù)改進(jìn)的結(jié)果，進(jìn)行模糊圖像特征與紋理的細(xì)致化提取。其中改進(jìn)后的算子可用下述計(jì)算公式表示：

公式（3）中：RSP表示為改進(jìn)后的采樣算子；p表示為改進(jìn)后的采樣維度；LBP表示為給定的模糊圖像中心像素；U表示為圖像能量；M表示為圖像的非均勻表達(dá)模式；λ表示為圖像模糊程度。通常情況下，λ的取值={1,2,3}，對應(yīng)的1～3分別表示為輕度模糊圖像、中度模糊圖像、重度模糊圖像。在完成對改進(jìn)后算子的描述后，可將一幅完整的模糊圖像進(jìn)行空間投影，將其劃分為RSP圖像與MP圖像。為了實(shí)現(xiàn)對圖像多尺度特征的獲取，將改進(jìn)后的算子與濾波器進(jìn)行匹配，得到一個(gè)針對MP投影的多尺度圖像子帶，其中一個(gè)單一維度的模糊圖像被分解后形成的子帶中含有1.0個(gè)圖像水平方向細(xì)節(jié)子帶、1.0個(gè)圖像垂直方向細(xì)節(jié)子帶、2.0個(gè)圖像對角方向細(xì)節(jié)子帶，子帶中3.0個(gè)子帶為細(xì)節(jié)子帶，1.0個(gè)子帶為近似子帶[4]。按照此種方式，對空間映射得到的兩種圖像進(jìn)行子帶提取。

為了使不同子帶模式下的圖像特征系數(shù)描述得更加清晰，可選擇RSP圖像作為參照，對其進(jìn)行降采樣處理，以此種方式對模糊圖像的特征進(jìn)行匹配，得到一個(gè)呈現(xiàn)L分布的MP模式，其中RSP圖像在尺度分解時(shí)，得到的第a個(gè)維度的特征分布表達(dá)式如下：

公式（4）中：Ta表示為在第a個(gè)維度下，模糊圖像的特征分布；L表示為空間投影映射長度。按照上述計(jì)算公式，對L中涵蓋a尺度的模糊圖像進(jìn)行依次分解處理，分解后得到一個(gè)Ta數(shù)據(jù)集，將數(shù)據(jù)集合作為模糊圖像紋理特征集合，從而完成基于改進(jìn)多尺度采樣算法的特征采集。

1.2 模糊圖像去噪處理

考慮到模糊圖像具有一定的特殊性，前端需要在完成對圖像特征的提取后，進(jìn)行原始圖像的壓縮，而無論是機(jī)器處理或是人工處理，均會(huì)不可避免地使圖像產(chǎn)生噪聲。因此，可在完成紋理特征的提取后，對模糊圖像的特征信息進(jìn)行去噪處理，目的是使圖像的表達(dá)更加清晰與真實(shí)。現(xiàn)有的模糊圖像去噪處理方法為濾波處理法[5]，根據(jù)對現(xiàn)有模糊圖像特征的分析可知，大部分圖像噪聲均為校驗(yàn)噪聲，對于此種噪聲最有效的處理方式是空間域?yàn)V波中值處理法。

為了保留在進(jìn)行圖像去噪處理過程中圖像的真實(shí)性，可根據(jù)圖像在空間映射后的維度，對其進(jìn)行5×5的分解，并將對應(yīng)的模糊特征與空間圖像進(jìn)行對接，得到一個(gè)針對圖像的三維曲面圖。處理過程中，可根據(jù)圖像的中心像素值，對紋理與噪聲區(qū)域進(jìn)行灰度調(diào)整，使噪聲呈現(xiàn)得更加清晰，并在此基礎(chǔ)上，對模糊區(qū)域進(jìn)行中值調(diào)節(jié)，得到一個(gè)含有“毛刺點(diǎn)（噪聲點(diǎn)）”的曲面圖像，使用濾波處理器，對圖像中的毛刺點(diǎn)進(jìn)行平滑處理，結(jié)合處理中的實(shí)際需求，對圖像進(jìn)行空缺位置的填補(bǔ)，直到終端顯示三維曲面圖像已十分平滑。

1.3 基于差影法的圖像邊緣映射與識(shí)別

在完成對模糊圖像的去噪處理后，可以在前端得到一個(gè)具有低頻分量特征的圖像。為了確保在此種條件下對圖像識(shí)別的準(zhǔn)確性，引進(jìn)差影法，對圖像邊緣進(jìn)行融合，將融合后的結(jié)果進(jìn)行空間映射，得到一個(gè)攜帶模糊圖像特征的圖像矩陣[6]。在此過程中，可以將差影法的處理過程近似作為一個(gè)特征識(shí)別的代數(shù)迭代運(yùn)算，得到模糊圖像的矢量值，具體步驟如下：獲取模糊圖像對應(yīng)原始圖像在空間中的初始位置，使用計(jì)算機(jī)量取模糊圖像的長度與寬度→在映射空間中設(shè)定一個(gè)模糊圖像清晰化的緩存區(qū)域，設(shè)定初始化數(shù)值為255.0→根據(jù)模糊圖像的實(shí)際處理需求，將模糊圖像與原始圖像進(jìn)行配準(zhǔn)，并將匹配成功的像素點(diǎn)進(jìn)行累加計(jì)算→當(dāng)計(jì)算后得到的結(jié)果>255.0時(shí)，將此像素值的數(shù)值設(shè)定為255.0→當(dāng)計(jì)算后得到的結(jié)果＜255.0時(shí)，保留此結(jié)果，對像素值賦予計(jì)算后得到的最大值→將保留的結(jié)果進(jìn)行復(fù)制，將復(fù)制后的信息反饋給原始圖像中的數(shù)據(jù)區(qū)。按照此種方式，完成基于差影法的模糊圖像映射處理。

將識(shí)別到的空間估計(jì)值進(jìn)行歐拉距離求解，得到一個(gè)可用于描述模糊圖像的邊界條件，將1.1中提取的圖像邊緣特征進(jìn)行合成處理，得到多個(gè)尺度下的融合值。按照此種方式，對融合后的特征值進(jìn)行匹配，匹配成功后，輸出映射空間中對應(yīng)的模糊圖像，以此實(shí)現(xiàn)對模糊圖像的有效識(shí)別。

2 對比實(shí)驗(yàn)

目前，對模糊圖像方法的應(yīng)用已廣泛使用在市場內(nèi)多個(gè)領(lǐng)域，為了實(shí)現(xiàn)對本文設(shè)計(jì)方法的推廣，需要在投入市場使用前，對其進(jìn)行實(shí)踐檢驗(yàn)。實(shí)驗(yàn)過程中，選擇三種模糊程度不同的圖像參與此次實(shí)驗(yàn)，為了確保實(shí)驗(yàn)的真實(shí)性，此次實(shí)驗(yàn)的圖像均由CISQ與LIVE數(shù)據(jù)庫實(shí)時(shí)得到，隨機(jī)選擇的圖像中含有人物圖、實(shí)景圖、醫(yī)學(xué)圖像等，使用高斯模糊算子，對選擇的圖像進(jìn)行模糊處理，處理后三種模糊圖像的模糊程度如圖1所示。

圖1：圖像模糊程度

圖1中：（一）表示為原始圖像；（二）表示為輕度模糊圖像；（三）表示為中度模糊圖像；（四）表示為重度模糊圖像。其中（一）圖像集合可在此次實(shí)驗(yàn)中作為訓(xùn)練圖像集合，對應(yīng)的（二）、（三）、（四）圖像集合可在此次實(shí)驗(yàn)中作為測試集合。按照上述處理方式，對選定訓(xùn)練集合中的所有原始圖像進(jìn)行模糊化處理。完成處理后，對圖像進(jìn)行識(shí)別過程中，中心像素領(lǐng)域的選擇。選擇過程中，根據(jù)圖像的類型，將其劃分為12位領(lǐng)域與16位領(lǐng)域，對應(yīng)的選擇方式如圖2所示。

圖2：圖像鄰位選擇方法

按照上述方法，對識(shí)別的模糊圖像進(jìn)行鄰位選擇。完成對圖像鄰位的選擇后，將識(shí)別到的（二）、（三）、（四）圖像集合與（一）類圖像進(jìn)行對接，以匹配成功率作為評(píng)估本文設(shè)計(jì)方法有效性的依據(jù)。此次實(shí)驗(yàn)中，（一）類圖像共有100張，（二）、（三）、（四）圖像在完成模糊處理后，共有300張。將圖像集合進(jìn)行混合處理。完成處理后，將基于LoG邊緣檢測的識(shí)別方法作為傳統(tǒng)方法，按照兩種方法對應(yīng)的識(shí)別過程，對混合圖像數(shù)據(jù)集合進(jìn)行不同模糊程度圖像的識(shí)別。為了確保得到的識(shí)別結(jié)果與真實(shí)結(jié)果之間的誤差降至最低，在進(jìn)行結(jié)果統(tǒng)計(jì)與導(dǎo)出時(shí)，調(diào)用集成方法的終端計(jì)算機(jī)內(nèi)的核函數(shù)，進(jìn)行識(shí)別準(zhǔn)確率計(jì)算。計(jì)算公式如下：

公式（5）中：P表示為模糊圖像識(shí)別準(zhǔn)確率；τz表示為準(zhǔn)確識(shí)別圖像個(gè)數(shù)；τi表示為模糊圖像識(shí)別迭代次數(shù)。按照此種方式，進(jìn)行本文方法與傳統(tǒng)方法對（二）、（三）、（四）圖像集合的識(shí)別結(jié)果的導(dǎo)出，如圖3所示。

圖3：實(shí)驗(yàn)結(jié)果對比圖

根據(jù)圖3結(jié)果整理成表格，如表1所示。

表1：模糊圖像識(shí)別結(jié)果

根據(jù)表1所示的實(shí)驗(yàn)結(jié)果可以看出，本文設(shè)計(jì)的模糊圖像識(shí)別方法，在實(shí)際應(yīng)用中，對圖像識(shí)別的準(zhǔn)確率>99.5%，可以認(rèn)為在完成識(shí)別后，不同模糊程度的圖像均可以與原始圖像進(jìn)行對接，識(shí)別效果良好。而在傳統(tǒng)的模糊圖像識(shí)別方法應(yīng)用中發(fā)現(xiàn)，此方法僅在識(shí)別輕度模糊圖像時(shí)準(zhǔn)確率>99.5%，在進(jìn)行中度模糊圖像與重度模糊圖像的識(shí)別時(shí)，準(zhǔn)確率較低且較為隨機(jī)，因此可以認(rèn)為傳統(tǒng)方法僅適用于對輕度模糊圖像的識(shí)別，對于其他兩種模糊程度的識(shí)別適用性較差。綜上所述，得出此次對比實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)論：相比傳統(tǒng)的識(shí)別方法，本文設(shè)計(jì)的基于改進(jìn)多尺度采樣算法的識(shí)別方法，可實(shí)現(xiàn)對不同模糊程度圖像的有效識(shí)別，識(shí)別率超過99.5%，具有較高的模糊圖像識(shí)別能力與較強(qiáng)的適用性。

3 結(jié)束語

本文提出一種針對模糊圖像的識(shí)別方法，為了提高識(shí)別結(jié)果的準(zhǔn)確率，在此次研究中，引進(jìn)了改進(jìn)多尺度采樣算法。在完成對此方法的設(shè)計(jì)后，選擇CISQ與LIVE數(shù)據(jù)庫內(nèi)圖像進(jìn)行模糊化處理，使用本文設(shè)計(jì)的方法與傳統(tǒng)方法，對其進(jìn)行識(shí)別檢驗(yàn)。經(jīng)過檢驗(yàn)后發(fā)現(xiàn)，相比傳統(tǒng)的識(shí)別方法，本文設(shè)計(jì)的基于改進(jìn)多尺度采樣算法的識(shí)別方法，可實(shí)現(xiàn)對不同模糊程度圖像的有效識(shí)別，識(shí)別率超過99.5%，具有較高的模糊圖像識(shí)別能力與較強(qiáng)的適用性。因此，可嘗試在后期的研究中，將本文方法在市場技術(shù)研究領(lǐng)域內(nèi)進(jìn)行推廣，為多個(gè)產(chǎn)業(yè)的發(fā)展提供支持。