基于大数据环境下图像特征提取算法与应用邵彦宁

邵彦宁

（河源供电局）

摘要：图像特征提取是图像处理的关键基础，随着科技的进步，具有4V特征的大数据技术为图像处理技术的发展带来了新机遇。本文基于大数据环境，以多帧模糊图像特征提取为研究对象，针对性地提出多帧模糊图像时频复合加权提取技术。并通过仿真实验，验证了该技术在提高图像特征提取方面具有高效性和实用性。

关键词：大数据；图像特征提取；时频复合加权

图像特征提取是图像处理技术应用的前提和基础，然而海量图像数据中的大量冗余信息以及复杂特征，会引发干扰以及噪声效果，从而降低图像特征提取的算法效率以及准确率。发展迅速的大数据技术具有海量规模（volume）、多样类型（variety）、高速变化（velocity）、价值（value）特征，给图像特征提取带来了机遇与挑战。在大数据环境下，改进图像特征提取算法，从而提离图像识别精度、简化运算、提高速度，具有着重要的应用前景。本文以多帧模糊图像的目标识别为研究对象，针对性地提出适用于该研究对象的图像特征提取技术。

一、目前多帧模糊图像处理存在的问题

多帧模糊图像处理的发展受到两个难点的制约：第一，模糊图像的像素质量低，导致单独从时域或者频域无法识别图像中的有用信息；第二，多帧夜间图像之间的相关性差，在此条件下难以实现目标识别。针对这两个难点，目前的多帧模糊图像处理方法虽然在一定程度上解决了问题，但是却存在计算冗余信息过多、图像数据模糊、检索困难、操作复杂等问题。

二、多帧模糊图像时频复合加权提取技术

为了更好地解决前文所述的多帧模糊图像处理的两个难点，本文研究并提出多帧模糊图像时频复合加权提取技术。

2.1多帧模糊图像时频复合加权提取技术概述及步骤

多帧模糊图像时频复合加权算法同时处理频域和时域加权的处理，实现在时域和频域同时处理提取目标图像特征，并且在夜间图像时频复合加权的基础上实现深度图像目标信息的提取。其主要步骤如下：

步骤一：构建多帧模糊图像的时频加权信号模型：

（1）在实验中，以传统算法对原始图像数据进行处理，先通过建立噪声和目标的像素时域剖面统计模型来分析两者的时域方差，再利用像素时域剖面强度序列的时域方差变化来监测目标，然后运用递归计算时域方差变化序列并得到目标提取的文本图像，如图2所示。实验证明，传统算法虽然能够实现对图像的时域叠加处理并显示出轮廓，但是无法显示完整的物体模型。

通过图5所示的峰值信噪比对比结果发现，随着噪声干扰的变化，本文所提的图像时频复合加权处理方法与传统图像处理方法都产生了波动。在噪声干扰约为0.65时，本文所提的图像时频复合加权处理方法的性能出现缓慢下降，说明该方法的性能较为稳定；传统方法也呈现下降，并且下降急速，这说明当噪声因子较大时，传统方法可能会失效。

实验结果证明：与传统方法相比，本文所提的图像时频复合加权处理方法在图像特征提取方面具有更好的效果及实用性。

四、结语

综上，本文针对低质量的多帧模糊图像的特征提取问题，提出一种新的特征提取方法，即图像时频复合加权特征提取方法。该方法在对多帧原始图像进行深度提取时，首先在频域和时域同时处理并提取各帧图像的相关信息，然后在时域和频域同时做加权处理，从而形成新的图像特征。最后，本文通过Matlab构建的仿真试验，验证了该方法的高效性及实用性。

参考文献

[1]翁和王,叶球孙.图像处理中特征提取的应用及增强算法研究[J].重庆理工大学学报(自然科学),2016,30(07):119-122.

[2]张兵.高光谱图像处理与信息提取前沿[J].遥感学报,2016,20(05):1062-1090.

[3]白迪,田茂,陈小莉,刘美华,谢桂辉.基于图像信息熵的随机数可视化表达[J].湖南大学学报(自然科学版),2017,44(04):139-146.