文摘

随着图像处理技术的快速发展,图像识别技术的应用范围越来越广泛。处理、分析和修复图形和图像通过计算机和大数据技术是主要的方法来获取图像数据和修复图像数据在复杂的环境。面临着低质量的图像信息在运动的过程中,本文提出了消除噪声数据和基于偏微分方程的图像修复系统在图像识别技术。首先,图像识别技术用于跟踪和获取图像信息的过程中运动,和四阶偏微分方程用于优化和处理的图像。最后,针对图像质量低,模糊的问题在传输过程中,进行去噪,图像恢复研究通过使用自适应扩散函数的偏微分方程。结果表明,本文的研究内容大大提高了模糊图像和质量差的问题的过程中,体育和实现的功能自动跟踪目标的运动图像。在图像恢复链接,它可以达到标准的修复效果,减少修理时间。本文的研究内容是有效和适用于图像处理和恢复。

1。介绍

图片有自己独特的使用效果和意义在各个领域(1]。图像信息存储和获得的客观印象在人类的大脑,也就是我们知道的一个重要方式的外部信息和外部变化(2]。如果我们想要知道我们关心的,我们从外部环境观察,我们将直接通过图像处理获得它。随着科学技术的迅速发展,计算机技术也在不断进步和改善3,4]。越来越多的人工智能技术已应用于我们周围的生活,和人工智能设备逐渐参与了我们的日常工作。图像识别技术也开始被人们广泛应用领域的科学探索,医学图像处理,军事机械分析等等(5,6]。图像处理技术的产生是基于像素的变化的跟踪和识别。为了提高图像质量和处理速度,有效识别并完成跟踪任务通过自己的图像电影技术和计算机算法。图像处理技术正在逐渐改变我们的生活环境和生活方式。例如,这项技术可以观察天文信息,智能地识别车辆牌照,并执行人脸识别和机器识别(7,8]。

图像识别是处理、分析和恢复图形和图像在计算机技术的支持。这是一个技术完成任务通过识别目标和对象在不同的环境中9]。图像处理技术是进一步提高图形和图像通过使用计算机算法识别技术的背景下,主要关注图像之间的交流和提高肉眼的视觉效果10]。图像处理可以进一步改变模糊图像,恢复不完整的形象,改善图像质量。在体育运动中,许多图像获得的动态模式和环境(11]。这导致困难的问题跟踪和获取的图像信息,不完全模糊,更多的杂质,质量差(12]。在体育的定义图像特性,为了捕捉运动图像,我们还需要区分场景中其他干扰特性,有很大的影响对我们的图像采集和图像处理(13]。为了解决上述问题,我们需要进行点对点的检测和动态图像的合成高动态图像信息。首先,跟踪图像采集的困难已经解决了,然后,图像处理技术用于去除噪声干扰和图像恢复。因此,本文提出一种基于图像处理的偏微分方程的研究方法来优化噪声数据,图像处理,恢复运动(14,15]。

本文创造性地研究基于运动的偏微分方程噪声数据和图像处理。主要创新的贡献包括以下:(1)克服了图像处理技术消除干扰因素,修复,和恢复环境,主要是优化图像失真等质量问题和模糊在传输过程中。(2)利用图像跟踪和目标自动识别技术,建立图像的像素序列结构模型由,和特征点提取,这样可以获得更准确的图像数据。(3)它可以应用到复杂的环境和动态图像和适合精确的图像处理和图像恢复。

本文的其余部分组织如下:在部分1,本文研究和分析图像识别技术的发展,图像处理在各个国家的应用现状,并提出了本文的主要内容。节2,移动图像跟踪,然后,偏微分方程的图像处理技术用于去除噪声干扰的移动图像。最后,偏微分方程图像处理用于修复移动图像作为一个整体来改善图像的质量。节3删除移动的研究成果通过偏微分方程图像噪声数据和图像恢复进行了分析。

在图像处理、计算机技术用于获取和处理图形图像并最终实现所需的结果图像(16]。图像处理可以分为两个部分:一个是模拟处理,另一个是数字图像和图像处理17,18]。大多数图像处理技术是针对数字图像,基本上依靠计算机技术和软件处理。数字图像处理是解决图像质量差的问题,许多干扰因素。另一目的是去除干扰噪声,恢复原来的图形图像一对一的规模,最后直接促进人工智能获取特征点(19]。传统图像处理通过抽样法提取数据,主要是在外力的帮助下和设备、相机和电子产品。抽样过程还包含大量的动态视频数据,以及动态图像和声音20.]。

一些学者有一个相对先进的计算机领域的发展。他们已经将计算机技术与图像处理技术相结合,形成一个实时火灾报警系统在生活21]。主要使用虚拟技术设备结合图像处理分析和探测到火灾,并可以获得火从图像的颜色范围。通过比较颜色阈值的火,燃点的火灾形势和具体位置可以判断,从而达到报警和预警的目的22]。

在计算机技术和图像处理技术的应用领域,图像分类简要描述通过图像在应用程序的作用23]。动态图像根据图像的修复技术改善美化缺陷在网站设计的过程中,提高用户的方便。

矿产资源的建设是智能发展的过程中24]。为了实现无人驾驶智能交通,他们使用障碍检测作为一种重要的手段来解决无人驾驶。为了提高工作效率和安全性,图像处理和跟踪技术被添加到检测和确定的轨道位置。它提高了工作效率和智能的进展过程。

中国拥有智能化的和改进的图像处理技术,在医学领域发展迅速。通过图像的组合技术,疾病病理分析推理的效率大大提高,并逐渐广泛应用于省级和市级医院(25]。为了实现实时图像处理和分析,首先,结合智能图像处理技术,优化医疗设备,最后,形成一个重要的医学领域的发展趋势。基于上述图像处理技术的发展,我们将关注这项技术在体育中的应用。在图像采集的过程中在体育运动中,本文主要采用图像识别中的目标跟踪方法重建三维特性和运动图像的轮廓。然后,四阶偏微分方程在图像处理用于移动图像去噪数据处理。根据移除图像和原始图像之间的比较,发现该功能点需要集成图像恢复。

3所示。研究偏微分方程技术基于噪声数据和图像处理和恢复运动

3.1。研究运动图像处理和噪声数据处理基于偏微分方程的复合系统

图像处理技术是基于像素序列的跟踪和识别技术,结合计算机视觉分析和成像,形成高质量的图片。有很多动态数据和动态图像运动图像采集,所以特征采集的准确性相对较低,和动态图像有很大的技术要求跟踪目标。传统的识别和跟踪技术主要包括功能强大的算法。本文对角点检测和自动识别技术主要应用。首先,图像的特征点运动提取,形成和运动的几何特性集序列不变的起源,形成轮廓和边缘特征序列。根据不同的运动特点,分析了关键内容和信息学位体育活动。通过分析运动功能改善像素序列检测精度,构造矩阵的运动图像序列如下:

的公式, 形成的图像特征点运动,主要由图像轮廓特征值和向量。以体育活动为采集区,构造图像模型根据边缘运动特征向量的分布,如图1。


图1
图像模型的结构图。

从图可以看出1,我们自动跟踪和识别目标划分为特征向量空间。生成的结构可以配合输入数据。最后,动态特征向量位置移动的图像范围内输出值如下:

在上面的公式中, 表示图像像素组收集的运动在不同的环境和地方。 最大范围内像素面积, 是整个图像的清晰度强度。我们比较后的图像与原始图像自动跟踪特征点识别,如图2。


图2
比较原始图像和图像跟踪特征点的自动识别。

从图可以看出2,我们可以准确地判断特征点的位置在整个框架根据自动识别图像。在获得数据信息的自动跟踪运动图像,我们处理数码照片。在数字处理,有必要比较数字图像之间的变形。相机传感器,光斑的位置区域内像素的值,和最低的像素值是黑色和最高的是白色的。选择一个映像设置坐标点,并计算坐标点的灰度值。形象和水平运动之间的关系如下: 在 和 装配中心的水平位置的横向和纵向方向,分别。计算相关系数最小。为了减少计算量,我们只有确定两个值和想其他参数。前后之间的比较结果计算量计算通过使用相关系数图所示3。


图3
前后比较的结果计算量相关系数的计算。

从图可以看出3,特征点的增加,使用这个搜索技术来确定最小相关系数可以比较每组的计算值,大大减少了计算量。本文主要使用四阶偏微分方程在图像噪声数据处理。首先,考虑图像信息空间不断生成的定义在一定范围: 在代表 拉普拉斯算子和函数的变化正在增加。关于测量的水平范围和功能变化图像,我们定义的最小功能:

在体育运动中,我们图像质量有很高的要求,但相应的噪声数据后将生成图像处理和传输。因此,我们还需要使用偏微分方程来研究图像去噪功能。目前,四阶偏微分方程去噪是广泛使用的。基于传统的各向异性去噪方法,结合图像处理结构和特征点,介绍了计算的差别。目的是为了提高图像质量和频率像素质量和可以节省大部分的原始图像的外观。首先,不同的计算是根据图像进行边缘检测方法:

的公式, 和 衍生品的形象在平面上和舞台的方向移动,分别。平面的单位矢量的方向和相位度如下:

其中

的公式, 表示函数在节点的特定值 。定义函数 代表阶段导数的计算值。本文提出了扩散系数如下所示使用微分计算和分子特性阶段:

最后,根据上述计算结果,自适应相关公式提取局部范围如下:

的公式, 和 是噪声的均值和本地计算方差计算图像,分别。在图像噪声去除的过程中,二阶偏微分方程去噪也可以应用。二阶偏微分方程模型主要保护图像的边缘轮廓,但会有舞台效果。四阶偏微分计算模型可以抑制造成的舞台效果二阶偏微分方程。我们还提出了优化组合图像去噪数据模型的基础上,四阶和定义模型公式如下:

在这个公式中,当 满足功能属性,有一个最优数值解在整个解集。我们假设它满足以下:

如果方程(15)是满意,整个函数的收敛。在具体的实验过程中,我们控制移动图像的灰度值。为了比较去噪模型的影响在不同的阶段,我们添加的白噪声计算平均值为0到原始运动图像。与实验图像中像素的增加,误差值越小,去噪效果越好。二阶偏微分方程的比较结果,四阶偏微分方程,优化的四阶偏微分方程在图所示4。


图4
比较误差系数的二阶偏微分方程,四阶偏微分方程,优化的四阶偏微分方程。

从图可以看出4,误差系数是图像的噪声比峰值信号。与图像像素的增加,误差系数的二阶偏微分方程是最大的,而优化的四阶偏微分方程可以减少误差系数低于平均值。因此,优化的四阶偏微分方程可以最大程度恢复原始图像。

3.2。研究运动图像去噪模型扩散和基于偏微分方程的图像修复

图像噪声随着迭代次数的增加而增加,和图像质量减少迭代的次数。平均滤波会降低图像质量。相同的结果可以通过重新计算得到重建图像与犹他州。这表明噪声影响图像质量的计算,和噪音过滤会导致最优图像的计算误差。准确估计噪声和有效的过滤将获得真正最优迭代图像。

在成像图像信息将受到噪音的影响数据状态和处理,这将导致图像质量损失。因此,建立偏微分方程去噪模型后,我们需要研究图像的边缘扩散的扩散影响因素分析去噪模型。集合中的运动图像,噪声干扰的外部设备和环境将导致图像退化。偏微分方程去噪模型的研究方法准确的图像保留。扩散模型的边缘在一个步骤可以提高去噪的效果。本文主要研究了各向异性扩散模型点对应于扩散方程的定量值。结构方程的公式如下:

现在,分解扩散模型的价值。因为它是一个对称矩阵类型,有必要定义单位特征向量。定义的特征向量具有最大值,提供仿真数据的图像在水平方向上。计算模型输出数据后,我们比较点与偏微分模型去噪模型和扩散模型,如图5。


图5
点模型,比较偏微分去噪模型,扩散模型的功能。

从图可以看出5函数的自变量值的三个模型梯度值。所有模型都是单调递增,和去噪算法将会失败如果它不是一个递增函数。扩散模型函数是二次函数,和其他人接近一个二次函数。最后,根据去噪的效果,我们需要建立一个图像恢复模型,并使用损坏的移动图像周围的轮廓信息来确定扩散方向和位置判断受损区域。目前,图像修复技术主要由结构修复和nontexture恢复。基于偏微分方程的修复方法是由curvature-driven扩散(CDD)算法和全变差(电视)修复方法。然而,电视维修不能满足针修补效果,会产生视觉误差。它只能适用于地区小损伤,和体育动态图像恢复的问题,不能完全解决。为了进一步优化修复算法,本文提出引入梯度值作为扩散函数优化电视修复算法,可以提高图像的水平弧度,减少环境干扰因素,保护边缘信息的图像。首先,需要离散化原修复方程,人为地增加邻近区域的像素数量,并构建一个高级阶段不同公式,如图6。


图6
流程图的像素邻近区域的增加。

从图可以看出6添加新的离散像素附近的原始像素分布区域。它能提高计算结果的准确性和稳定性。修复图像的像素值在像素中心坐标也可以由高斯函数计算。最后,我们分析离散方程的稳定修复模型,并比较它与原来的算法,实现电视如图7。


图7
电视的比较优化后算法没有优化和电视算法。

从图可以看出7,电视没有优化算法稳定性差。与像素的数量的增加,优化电视模型可以准确地修复受损形象,发现损坏的位置。

4所示。研究成果偏微分方程的分析技术基于噪声数据和图像处理和恢复运动

4.1。分析研究成果的运动图像处理和噪声数据处理基于偏微分方程

因为它是很难获得运动图像,动态数据有许多需要收集的图像自动跟踪和识别算法。我们学习顺序自动标点技术在图像处理技术中,可提取特征的像素区域,实现动态图像的自动跟踪。图像轮廓重建数据匹配的示例数据。智能地检测图像轮廓后,自动识别的性能改善。我们测试传统方法的处理速度和图像序列跟踪移动目标跟踪方法,并比较结果如图8。


图8
比较传统方法之间的处理速度和图像序列跟踪的方法。

从图可以看出8结合计算机技术,图像处理算法可以实现自动跟踪行为的运动图像采集,提高图像采集的速度和有效性。然后,收集到的运动图像的噪声去除效果测试。摘要信息的图像大小平均作为测试数据分析的二阶偏微分方程和四阶偏微分方程在图像处理,如图9。


图9
比较图像处理效果之间的二阶偏微分方程和四阶偏微分方程。

从图可以看出9,我们首先添加噪声数据的原始运动图像干扰,然后观察两种处理方法的图像信息,分别。尽管二阶偏方程可以改善水平面,有些杂质斑点的图像信息进行处理。这主要是因为二阶偏方程不能解决梯度效应问题,导致可怜的噪声去除效果。最后,通过观察四阶偏微分方程研究本文发现基本上恢复原始图像的图像信息。的散斑图像处理是降低,改善图像质量。

4.2。运动图像去噪模型的分析研究成果扩散和基于偏微分方程的图像修复

在本文中,研究了扩散方程的公式。除了证明最小像素函数的公式,图像梯度方向和垂直方向角的问题也进行了分析。当获得体育形象,如果图像中存在噪声数据,扩散方程将直接根据上述计算公式计算。计算结果会有不均匀的现象水平面。我们需要学习的扩散不均匀图像边缘扩散速度和扩散方向。由于图像噪声系数的计算方法比峰值噪声数据,如果系数降低,这表明扩散模型有一定的效果。当图像边缘的扩散速度和趋势明显大于边缘地区,图像噪声去除的效果也更好。上述结果可以证明整个收购后图像的质量不会下降。如果我们面对运动获得的信息,有问题的模糊性和低质量。我们也需要基于偏微分方程的图像修复。 In this paper, the gray image is used for comparative experiment. Firstly, the image is set for small area scratch, and then, the large area scratch is set to explore the effects of the original TV repair model and the optimized TV repair model, as shown in Figure10。


图10
对比效果之间最初的电视维修模型和电视维修优化模型。

从图可以看出10,本文算法不仅具有明显的小区域受损图像修复效果。面对大面积的损坏图片,超过90%仍然可以修复。传统的电视维修模型不能满足补充视觉效果的目的,和大面积修复效果很差。

5。结论

它是非常困难的对于人类认识事物和复杂的环境在现实世界中,我们需要使用计算机图像处理技术对复杂图形和图像识别。面对静态和简单的图像信息,图像识别技术可以维持一定的精度和效率。然而,对于复杂的环境和动态图像,有必要删除修复、恢复环境中的干扰因素通过图像处理技术。因此,本文研究了基于噪声偏微分方程系统数据和图像处理在运动。首先,运动图像采集采用图像自动跟踪和目标识别技术,可以建立像素序列化结构模型组成的图像,提取特征点,然后获得准确的图像数据。然后,图像数据进行了优化,主要针对质量问题,如图像失真和模糊在传输过程中。图像噪声数据被优化四阶偏微分方程以改善图像质量。实验结果表明,与二阶偏微分方程相比,优化后的四阶偏微分方程可以提高图像处理的速度,提高图像质量。最后,本文还探讨了电视的比较效应模型在偏微分方程和优化电视模型在图像恢复。结果表明,模型优化后的图像修复技术不仅可以解决小面积的问题修复还修复大面积目标。 Compared with the original image information, the restored image restoration proportion reaches 90%. Therefore, the content of this paper has effectiveness and applicability for image accurate processing and image restoration. However, the proposed partial differential equation TV model and optimization model are not simulated in this paper. Therefore, more data need to be combined in future research.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

2017支持的研究一般项目13个五年计划项目的山西省教育科学(批准号17072)和山西省的教学改革和创新工程教育部(没有。Px_1021550)。