高維圖像識(shí)別技術(shù)讓PC也能看懂圖片

　　近年來(lái)，計(jì)算機(jī)圖形圖像處理技術(shù)獲得突破性的進(jìn)展，個(gè)人PC中也涌現(xiàn)出越來(lái)越多令人驚嘆的圖形處理軟件，憑借著數(shù)學(xué)界領(lǐng)域的最新研究，個(gè)人電腦已經(jīng)開(kāi)始學(xué)會(huì)了“看”圖，讀懂文字，辨別建筑物。

　　傳統(tǒng)的PC圖像識(shí)別技術(shù)主要基于統(tǒng)計(jì)學(xué)原理，其主要依靠分析視覺(jué)數(shù)據(jù)的特性，并將這些特性借助統(tǒng)計(jì)建模等數(shù)學(xué)分析方式提取出來(lái)，以最終應(yīng)用到實(shí)際的圖像處理中。這種圖像識(shí)別技術(shù)仍舊是目前的主流，廣泛用于OCR文字識(shí)別、人臉識(shí)別、圖像處理等領(lǐng)域。但是這種傳統(tǒng)的數(shù)學(xué)分析方式存在很多局限，比如對(duì)圖片的質(zhì)量要求很高，這一問(wèn)題直到新的數(shù)學(xué)模型出現(xiàn)才得以改善。在2010年5月CHIP的“時(shí)尚科技”欄目中，我們就曾經(jīng)向大家介紹過(guò)一種PC圖像識(shí)別技術(shù)的新進(jìn)展。2009年以華裔澳大利亞籍?dāng)?shù)學(xué)家陶哲軒為代表的一些數(shù)學(xué)家率先發(fā)現(xiàn)了在高維空間中一些原先公認(rèn)很難的（NP-hard）組合問(wèn)題，可以用一系列高效的凸優(yōu)化算法來(lái)解決。而由此產(chǎn)生的數(shù)學(xué)模型可以用來(lái)解決目前視覺(jué)計(jì)算所面臨的難題，而且最終的計(jì)算結(jié)果非常理想。

　　微軟亞洲研究院的研究員們當(dāng)時(shí)利用這種數(shù)學(xué)思想取得了圖像識(shí)別領(lǐng)域的很大突破，使用這種新的數(shù)學(xué)模型帶口罩或墨鏡的人臉甚至都可以被PC讀取和識(shí)別。最近，微軟研究院的研究員們?cè)谶@一技術(shù)領(lǐng)域再次取得了新的進(jìn)展，他們讓PC能夠看“懂”建筑物，或者具備“認(rèn)”字的能力，并糾正扭曲或變形的文字。

　　讀圖從看懂結(jié)構(gòu)開(kāi)始

　　傳統(tǒng)的二維圖像識(shí)別技術(shù)更多地依賴(lài)圖像特征點(diǎn)來(lái)工作，它首先通過(guò)統(tǒng)計(jì)學(xué)的方式來(lái)獲取圖像中最有代表性的點(diǎn)，之后在遇到新的圖像時(shí)會(huì)嘗試在其中尋找這些特征點(diǎn)，并將尋找到的點(diǎn)與原來(lái)統(tǒng)計(jì)得來(lái)的特征點(diǎn)進(jìn)行對(duì)比。在圖片質(zhì)量比較出色且沒(méi)有扭曲的情況下這種技術(shù)往往能工作得很好。但現(xiàn)實(shí)情況是，我們?cè)谂臄z圖片時(shí)，由于光線(xiàn)、所處的位置等諸多原因，最終無(wú)法獲得合格的圖像，這也就大大限制了這種圖像識(shí)別技術(shù)的發(fā)展。

　　微軟亞洲研究院的研究員們嘗試使用高維的數(shù)學(xué)模型和優(yōu)化工具來(lái)解決這個(gè)問(wèn)題。簡(jiǎn)單地理解，高維的數(shù)學(xué)模型采用矩陣的模式，可以幫助我們以整體的概念來(lái)看待圖像中的物體，而不像傳統(tǒng)技術(shù)那樣只獲取局部特征點(diǎn)，這更像是尋求圖像中物體的整體對(duì)稱(chēng)性和規(guī)則性。例如，通常的樓房窗戶(hù)都是平直的矩形，桌子總是四四方方擁有4條腿等。借助這些規(guī)則，即便圖片只能提供有限的信息，PC也能夠更容易地識(shí)別出圖片中的物體。在高維數(shù)學(xué)模型中，輸入每一個(gè)點(diǎn)的數(shù)據(jù)都可以被用來(lái)預(yù)測(cè)某種規(guī)則性，因此這種高維的圖像識(shí)別技術(shù)可以利用圖片中幾乎每個(gè)像素點(diǎn)來(lái)獲取圖像中物體的整體規(guī)則結(jié)構(gòu)，這意味著往往只需圖片的一小部分即可完成圖像中物體的矯正和識(shí)別。例如，在傳統(tǒng)圖像識(shí)別技術(shù)中，100×100的圖像區(qū)域往往提供不了多少特征點(diǎn)數(shù)據(jù)，而在高維的圖像識(shí)別技術(shù)中，這意味著將有近10000個(gè)像素點(diǎn)都可以用來(lái)獲取圖像的規(guī)則結(jié)構(gòu)信息。

　　從人的角度讀圖

　　借助規(guī)則性和規(guī)律性來(lái)識(shí)別周?chē)沫h(huán)境和景物是人類(lèi)的基本技能，實(shí)際上一個(gè)人從出生開(kāi)始就在學(xué)習(xí)各種各樣的規(guī)則。比如什么是矩形、什么是圓形，以及桌子一般什么樣、房子一般什么樣等等。而高維圖像識(shí)別使得計(jì)算機(jī)具備了與人類(lèi)相同的圖像識(shí)別方式。當(dāng)我們看到照片中樓房的窗戶(hù)因?yàn)榕臄z視角的問(wèn)題而變得傾斜時(shí)，并不會(huì)認(rèn)為窗戶(hù)就真的是傾斜的，我們甚至知道窗戶(hù)本來(lái)應(yīng)該是方正的，同時(shí)我們還能分辨出擋在窗戶(hù)前的樹(shù)杈并不是窗戶(hù)的一部分。類(lèi)似地，通過(guò)建立高維圖像識(shí)別的物體規(guī)律，微軟研究院的研究員們已經(jīng)能夠讓PC實(shí)現(xiàn)類(lèi)似的功能，它能夠幫助我們把傾斜的樓宇校正，或者擦去樓宇前方的樹(shù)枝。

　　由此我們也可以了解這項(xiàng)技術(shù)的特長(zhǎng)與不足，凡是遵循一定規(guī)則的物體或圖像，這項(xiàng)技術(shù)就能夠通過(guò)建立規(guī)則的方式對(duì)其進(jìn)行識(shí)別，凡是規(guī)則性不強(qiáng)的物體或圖像，這項(xiàng)技術(shù)往往就會(huì)有較大的局限，例如在一個(gè)混亂的花叢中處理某個(gè)物體就不是這項(xiàng)技術(shù)能夠勝任的。通常來(lái)說(shuō)，具備規(guī)則性的物體往往是由人所創(chuàng)造，因?yàn)閺娜祟?lèi)最基本的理念上來(lái)看，人類(lèi)相信這個(gè)世界是簡(jiǎn)單的，且具備規(guī)整結(jié)構(gòu)的，在人類(lèi)創(chuàng)造各種物品時(shí)都會(huì)遵循簡(jiǎn)單、易用的原則，在這種原則的影響下，沒(méi)有規(guī)則性的事物就會(huì)被逐步淘汰。規(guī)則并沒(méi)有我們想象的那么復(fù)雜，我們并不需要給世界上的每一種物體都建立一個(gè)規(guī)則。這里的規(guī)則實(shí)際上是一種數(shù)學(xué)結(jié)構(gòu)的分類(lèi)，很多物體在數(shù)學(xué)結(jié)構(gòu)角度上看是相同的東西，所以我們只需要建立一些重要的通行規(guī)則即可。當(dāng)然也有一些特殊事物要單獨(dú)建立規(guī)則，例如文字。

　　文字這種由人類(lèi)發(fā)明的圖形組合，在人類(lèi)審美和規(guī)則性思維的調(diào)整下，逐步完善并建立了很好的規(guī)則性，比如橫平豎直以及各種整體或局部的上下左右對(duì)稱(chēng)性等等。無(wú)論是英文、中文或是其他文字，基本都具備很強(qiáng)的規(guī)則性，而這種規(guī)則在數(shù)學(xué)上也是能夠歸納和總結(jié)出來(lái)的，這樣的圖像在高維空間中有著很低維的內(nèi)在結(jié)構(gòu)。例如，目前除了筆劃很少的漢字規(guī)則性不強(qiáng)外，絕大部分漢字都具備很強(qiáng)的規(guī)則性。

　　總的來(lái)說(shuō)，這種高維圖像識(shí)別技術(shù)能夠解決以往我們根本無(wú)法解決的一些圖像識(shí)別問(wèn)題，在逐步完善后，它將會(huì)徹底改變我們識(shí)別和操作圖片的方式。高維圖像識(shí)別技術(shù)在識(shí)別圖像中的物體之前，用戶(hù)要告訴計(jì)算機(jī)正在識(shí)別的規(guī)則物體的位置。而下一步要做的就是要讓計(jì)算機(jī)能夠更聰明地發(fā)現(xiàn)，圖像中哪里存在規(guī)則性、哪里沒(méi)有規(guī)則性，以及針對(duì)圖像的不同位置使用不同的規(guī)則進(jìn)行修復(fù)等。這種技術(shù)另外的一個(gè)努力發(fā)展方向就是提高運(yùn)算效率，比如最終能夠?qū)崿F(xiàn)在智能手機(jī)等終端上實(shí)時(shí)運(yùn)行。