Page 42 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

陷，提高对目标区域的提取效率。而在进行目标区域提取时需要将灰度直方图与
梯度方向直方图作为输入参数。例如，当某一区域灰度直方图的灰度值小于某个
阈值时，则可以认为这一区域属于目标；当某一区域灰度直方图的灰度值大于某
个阈值时，则可以认为该区域属于背景。在使用该方法进行目标区域提取时，需

要设置好阈值条件，若阈值大于该阈值则可以认为该图像为背景，若阈值小于该
阈值则可以认为该图像为目标。
3. 目标检测技术
目标检测是指在图像中找到与预定目标相关的像素，通过对这些像素进行分

析和比较，从而确定其是否为目标。计算机视觉算法中常见的目标检测技术如下：
背景减除法、前景减除法。背景减除法主要是通过将图像中的背景和前景分离，
然后判断图像中的物体是否为目标。在图像中寻找最小外接矩形，并将其分割成
两个相邻的子区域，对两个子区域进行二值化处理，通过对像素点颜色和灰度的

比较，找出最接近目标的像素点，利用该像素点与背景像素点之间的颜色差异以
及灰度差异对背景进行判断。
在使用背景减除法的过程中，需要注意对前景和背景进行区分，并对图像中
的阴影进行剔除。但是在使用背景减除法时，也会造成一定的信息损失，因此，

在应用过程中需要考虑到这种情况。前景减除法主要是在图像中找出与预定目标
相关的像素，然后计算该像素与预定目标的相关性，如果该像素与预定目标的相
关性越强，则确定该像素为前景；反之，如果该像素与预定目标的相关性不强，
则确定该像素为背景。使用前景减除法处理图像的过程中需要注意以下几个方面：

要注意区分前景和背景，避免信息损失；注意对图像中物体大小的变化进行分析；
在对物体大小进行分析时，要避免出现错误判断，从而导致对物体大小的判断出
现失误。
4. 立体匹配技术

立体匹配是利用两幅或者两幅以上的图像之间的对应关系，获得视差的过程。
立体匹配技术在计算机视觉中具有重要作用，其不仅能够获得图像的深度信息，
还能够确定物体间的位置关系。立体匹配技术分为视差计算和特征提取两个部分，
其中视差计算是利用视差函数进行计算，特征提取则是利用纹理信息对图像进行

处理。立体匹配技术在很多领域中得到了广泛应用，如机器人视觉、3D 打印等。
使用立体匹配技术能够获得较多的视差图。由于摄像机本身存在误差，因此在图

34