淺議人工智能與圖像噪聲處理

劉昭策+騫宇澄

（四川大學(xué) 四川 成都 610207）

摘 要： 隨著2016年AlphaGo與李世石的圍棋大戰(zhàn)以4比1告終，人工智能開始走入大眾的視野。但人工智能并不只局限于圍棋，它擁有非常廣泛的應(yīng)用方向，例如機器人、智能家具、指紋識別和圖像處理等，都將影響人類的生活。本文結(jié)合圖像處理方向的基于EPOS的邊緣保護(hù)噪聲處理技術(shù)深入的探討了人工智能的具體應(yīng)用情況及未來的發(fā)展方向。

關(guān)鍵詞： 人工智能 圖像處理 EPOS 邊緣保護(hù) 噪聲處理

1 前言

在第一次工業(yè)革命中，機器的出現(xiàn)極大地促進(jìn)了社會的發(fā)展。在計算機飛速發(fā)展的今天，人類又將面臨一場嶄新的工業(yè)革命。[1]所謂人工智能，就是指可以用某種智能化的機器來實現(xiàn)人類的各種腦力勞動或者智能行動，諸如判斷、推理、證明、識別、感知、理解、通信、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動。現(xiàn)在，人們對人工智能的關(guān)注度非常之高，尤其是2016年3月韓國圍棋大師李世石輸給計算機之后，更是轟動一時。人工智能已經(jīng)進(jìn)入了一個快速發(fā)展的新階段，它對人類社會、經(jīng)濟(jì)、科技、文化都產(chǎn)生了巨大的影響，并將繼續(xù)發(fā)揮著重要作用。

2 基于EPOS的邊緣保護(hù)噪聲處理技術(shù)

人工智能在圖像處理領(lǐng)域也有著一定的貢獻(xiàn)，其中對圖像的噪聲處理尤為突出[2]。

在日常生活中，我們看到的很多圖片中都蘊含著椒鹽噪聲，即在圖片中混雜著黑色和白色的隨機斑點。而這種椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲。所以我們在對于圖像處理的時候首先需要做的就是把這些不規(guī)則的噪點去除掉。比較常規(guī)的方法是利用中值濾波，但中值濾波的缺點即為不能很好的保護(hù)邊緣[3]。于是我們采取這種新的方式來對于圖像進(jìn)行保護(hù)邊緣的處理。在傳統(tǒng)處理椒鹽噪聲方式的中值濾波中，將所有的像素完全遍歷，然后對于其鄰域（即為該像素點的周圍區(qū)域，四鄰域代表上下左右四個點，八鄰域則加上左上右上左下右下，以此類推）作為濾波窗口進(jìn)行排序，對于排序的數(shù)值取其中位數(shù)。例如一個點其像素值為5，那么濾波窗口從左到右、自上而下為4、8、3、2、5、2、7、8、2。那么除去這個點本身5之后，排序結(jié)果為2、2、2、3、4、7、8、8，我們會選擇其中值4作為濾波后的結(jié)果替換5像素。這樣做之后，圖像中由于椒鹽噪聲點或大或小，所以這些點就會被旁邊的中間值替換點，于是起到了降噪的作用。但是傳統(tǒng)的中值濾波存在一定地缺陷，即為如果圖像邊緣被判斷為噪點后，那么圖像的邊緣都會被過濾掉，所以會造成去噪之后整個圖片都變得模糊的情況。

在本文中，我們采取了邊緣保持最優(yōu)化（Edge Preserving Optimized Speckle，EPOS）算法（下文中以EPOS代替）來對于噪聲進(jìn)行濾波，將講解EPOS算法的原理以及其依據(jù)，并編寫了基于C語言的EPOS程序而且以多幅圖片作為示例進(jìn)行不同地處理。最終得出的結(jié)果將在后文中呈現(xiàn)。最終實現(xiàn)了的EPOS算法源程序同樣將出現(xiàn)于該文附錄中，以便驗證算法的正確性與可用性。

2.1 EPOS算法介紹

2.1.1原理綜述

EPOS是一種可以自動根據(jù)當(dāng)前濾波窗口情況來選擇合適的窗口大小和形狀的平滑算法。它將窗口分為八個“風(fēng)車狀”子區(qū)域，首先通過計算該窗口的無序程度，然后分別求各個子區(qū)域與被測像素（中心像素）求相對比較下的無序程度。如果滿足無序程度小于某一個值那么就認(rèn)為可以進(jìn)行處理，然后進(jìn)行中值濾波[4]。如果某個子區(qū)域無序程度比較大就認(rèn)為該區(qū)域是邊緣區(qū)域，并舍棄掉該區(qū)域，反復(fù)與那一個值進(jìn)行比較。如果八個區(qū)域都舍棄掉則縮小窗口重新比較。最終得到一個合理的窗口進(jìn)行中值濾波，否則當(dāng)窗口縮小到0的時候則認(rèn)為該點為邊緣。

2.1.2算法描述與數(shù)學(xué)分析

如流程圖所示，程序一開始對于所有像素點進(jìn)行遍歷（圖像邊沿點進(jìn)行偶延拓），然后組成一個個窗口。

首先我們計算整個窗口的標(biāo)準(zhǔn)差

其中N表示整個窗口下的元素個數(shù)，μ表示這個窗口的均值。求得整個窗口的標(biāo)準(zhǔn)差大小，與某個值進(jìn)行比對之后，如果小于等于這個值則認(rèn)為該區(qū)域是符合濾波條件的，即該區(qū)域被認(rèn)為不是邊緣部分。一旦符合這樣的標(biāo)準(zhǔn)我們就可以進(jìn)行中值濾波[5]；否則我們就計算每個區(qū)域單獨的標(biāo)準(zhǔn)差。

如果某個區(qū)域的標(biāo)準(zhǔn)差太大，我們就剔除這個區(qū)域。然后再計算剔除后的新的窗口，再進(jìn)入到第一個判斷中。直到最后8個部分全部剔除則將窗口長度減一后計算，一旦窗口長度小于等于3，我們就認(rèn)為該點是邊緣，于是保留該點。

由于（2）式中，標(biāo)準(zhǔn)差σ代表了中心點周圍的差距程度，所以如果該點為邊緣的話則可以被算法檢測出，于是保留。而且對于該點的濾波上，除去邊緣另一側(cè)的像素點，對于濾波的準(zhǔn)確性更有提高。

2.2 實驗結(jié)果及其分析

由以上圖片我們可以看到該算法對于椒鹽噪聲的處理還是相當(dāng)不錯的，原因為該算法是基于中值濾波算法，而中濾波本來就會對于椒鹽噪聲有很好的處理效果，加入邊緣保護(hù)之后不會對于被認(rèn)為是邊緣的點進(jìn)行處理[6]。所以對于椒鹽噪聲的處理還是很不錯的。

2.3 結(jié)論

本文中所介紹的方法的優(yōu)點是可以對于圖像的邊界進(jìn)行保護(hù)，在圖像去噪前加入一定的邊緣檢測算法[7]。改進(jìn)點就是基于中值濾波的邊緣檢測。最后所得的效果是能夠保護(hù)住圖像的邊沿，使得在圖像邊緣的點不會被認(rèn)為是噪聲而處理掉。由上述實驗可以看出，本算法對于椒鹽噪聲有十分優(yōu)異的處理性能，同時能夠做到不錯的保邊效果。

同時，該算法也存在著一定的缺點。比如該算法對于高斯噪聲的處理并不會很完美，主要是因為本算法在濾波操作上是基于中值濾波而不是基于均值濾波算法。第二是該算法運行比較耗時，實驗證明，當(dāng)初始窗口大小大于等于6之后，耗時呈指數(shù)被增加，提高終止的最低窗口大小會一定程度上解決這個問題，但是仍比較費時。原因是該算法在處理8個不同分塊時對于一個函數(shù)的遞歸調(diào)用，如果8個分塊都無法滿足條件還要回歸窗口減一的原函數(shù)。

我通過一些資料得知，對于高斯噪聲的處理需要用一些其他的算法，所以本算法在處理高斯噪聲上存在可改進(jìn)的余地，但是對于椒鹽噪聲的處理可能會打折扣。而至于時間復(fù)雜性，由于本算法本身的遞歸性暫時沒有找的很好的解決方法，不過即使在初始窗口為6的時候仍然只需要5s來運行，而6的初始窗口大小足夠大部分情況下圖片的去噪。

3 結(jié)束語

人工智能一直是計算機科學(xué)的前沿學(xué)科，其研究的理論和成果將在很大程度上控制著科學(xué)技術(shù)，決定著計算機技術(shù)的發(fā)展方向。如今，人工智能的很多研究成果已經(jīng)進(jìn)入人們的日常生活。人工智能進(jìn)入了一個加速發(fā)展的新時期，在其影響意義上，遠(yuǎn)遠(yuǎn)超過蒸汽機和電力所推動的工業(yè)革命。在我國，人工智能學(xué)科迎來了一個蓬勃發(fā)展的時代，并將為社會的發(fā)展做出巨大貢獻(xiàn)。

參考文獻(xiàn)

[1]王宇樓. 人工智能的現(xiàn)狀及今后的發(fā)展趨勢展望[J]. 科技展望，2016，（22）：299.

[2]易平， 陳福生， 鄒紅艷. 圖像處理中消除噪聲的方法[J]. 計算機應(yīng)用與軟件， 2004，20（5）：29-30.

[3]周杰. 應(yīng)用于圖像處理的中值濾波改進(jìn)算法[D]. 北京郵電大學(xué)， 2007.

[4]張恒， 雷志輝， 丁曉華. 一種改進(jìn)的中值濾波算法[J]. 中國圖象圖形學(xué)報， 2004， 9：408-411.

[5] ZHOU Jun xia WU Guo ping， GAO Fang fang. A Combined Edge Detecting based on Median Filter and Mathematics Morphology[J]. Modern Computer， 2005.

[6] Medeiros F N S， Marques R C P， Laprano C M， et al. Edge Preserving Wavelet Speckle Filtering[C]// Image Analysis and Interpretation， 2002. Proceedings. Fifth IEEE Southwest Symposium on. 2002：0281.

[7] Xu J， Wang L， Shi Z. A switching weighted vector median filter based on edge detection[J]. Signal Processing， 2014， 98：359–369.