基于图像边缘形态的激光打印机自动分类系统

来源:用户上传      作者:

　　摘  要： 为解决分类爬虫对激光图像数据爬取能力有限的问题，设计基于图像边缘形态的激光打印机自动分类系统。利用分布式自动图像编程框架，规范划分打印机激光电源电路、图像打印分类模块的作用范围，完成自动分类系统的硬件运行环境搭建。在此基础上，以激光打印图像边缘二值形态作为约束标准，处理打印机自动分类程序的中断请求，并对边缘图像节点进行通信连接，完成自动分类系统的软件运行环境搭建，两项结合，实现基于图像边缘形态激光打印机自动分类系统的顺利应用。模拟运行环境，设计对比实验结果表明，与普通打印机分类系统相比，应用新型自动分类系统后，分类爬虫对激光图像数据的覆盖面积超过80%，最短分类响应时间缩短至1.8 ms，基础爬取能力得到有效提升。
　　关键词： 边缘形态; 激光打印机; 自动分类; 编程框架; 电源电路; 二值形态; 程序中断; 通信连接
　　中图分类号： TN02?34; TP391                    文献标识码： A                      文章编号： 1004?373X（2020）07?0048?04
　　Laser printer automatic classification system based on image edge morphology
　　LI Zhirong
　　（Department of Document Examination Technology， Criminal InvestigationPolice University of China， Shenyang 110035，China）
　　Abstract：Since the crawler has limited ability to crawl laser image data， a laser printer automatic classification system based on image edge morphology is designed. The function scope of laser power circuit and image printing classification module of printer is standardized and divided by the framework of distributed automatic image programming to build the hardware operation environment of automatic classification system. On this basis， the binary morphologyofthe laser printed image edge is taken as the constraint standard to process the interruption request of the printer automatic classification program， and the communication connection is implemented on the edge image nodes to build the software operation environment of the automatic classification system. The combination of the two realizes the successfulapplication of the automatic classification system of the laser printer based on the image edge morphology. A comparative experiment is designed to simulate the operation environment. The experimental results show that， in comparison with the general printer classification system， after the application of the new automatic classification system， the coverage area of the classification crawler to laser image data exceeds 80% and the shortest classification response time is reduced to about 1.8 ms. The basic crawling ability is effectively improved.
　　Keywords： edge morphology; laser printer; automatic classification; programming framework; power circuit; binary morphology; program interruption; communication connection
　　0  引  言
　　分類系统是一种常见的具备概念属性的系统类型，可以按照个体首要特征的不同，将其归入较为适宜的范畴领域。这种系统操作形式不仅能够充分挖掘不同个体间的相似性条件，并将其归入同质属性的群体之中，也可以通过非相似性判定的方式，将区别个体剔除至群体组织之外[1]。通常情况下，类目划分是构建分类系统最基础的操作，在划分过程中所遵守的标准或原则就是待分类体系具备性质功能条件。这种类别区分方式不会造成内涵数据的交叉重叠，且在面对图像等抽象数据时，也能够保持较强的划分准确性。 　　近年来，激光图像打印在网络环境构建、结构建筑施工等多个领域都得到了广泛应用。然而普通分类系统只能依靠云平台统计边缘节点的形态结构，并利用Hadoop分布式平台发布核心计算机对于激光打印机的输出需求。但随着科学技术手段的进步，分类爬虫对于激光图像数据的爬取水平始终不能达到预期标准。为解决上述问题，在二值形态、编程框架等软硬件设备的支持下，建立一种基于图像边缘形态的新型激光打印机自动分类系统，并通过比对实验的方式，突出该系统的应用优势所在。
　　1  激光打印机自动分类系统硬件运行环境搭建
　　通过分布式自动图像编程框架、打印机激光电源电路、图像打印分类模块三个设计环节，完成新型分类系统的硬件运行环境搭建。其具体操作流程如下。
　　1.1  分布式自动图像编程框架设计
　　激光打印机自动分类系统的分布式图像编程框架以Google开发技术作为搭建基础，可在大规模数据集并发的条件下，对待打印的图像数据进行并行处理运算，并将处理结果以文件包的形式存储于数据库中，整个框架结构包含Map，Reduce两个主要组成部分，如图1所示。分布式图像编程框架的Map单元具备边缘节点读取输入功能，可以将待打印的图像数据分成多个小型数据块，以便于后续硬件执行结构的快速检测连接[2?3]。
　　分布式图像编程框架的Reduce单元受到核心计算机与数据源CPU的双重影响，既要配合电源电路的电子输出要求，也要将待打印图像的边缘形态信息以节点形式反馈给核心处理结构，以保证系统具备良好的执行连接速度。
　　1.2  打印机激光电源电路设计
　　打印机激光电源电路作为分布式自动图像编程框架Reduce单元的重要附属结构，以ARM Cortex?M3单片机作为核心搭建设备。从物理功能角度考虑，打印机激光电源电路降低了图像边缘形态数据的回波损耗量，在稳定电压驻波比的前提下，防止分类模块阻抗电流的快速增长。从执行功能角度考虑，打印机激光电源电路采取IC逻辑控制的搭建形式，依靠电机驱动装置来满足ARM Cortex?M3单片机的耗电需求，并通过传感器首尾相连的方式达到拓扑电路结构的目的[4]。U101，L101，Q101是三个必须的电路传感器，在打印机激光电源保持1 A额定电流的输出现状时，这三个传感器并联的连接方式可使电源转化效率达到95%以上，为网络爬虫爬取激光图像数据提供了有力条件。完整的打印机激光电源电路结构如图2所示。
　　1.3  图像打印分类模块设计
　　图像打印分类模块主要用于边缘形态数据模拟，并进行对数据打印前的解析与重构等多项预处理工作，为最终信息文本特征输出做准备。该模块搭建主要遵循图像获取、信息解析、数据标记、打印重构四个原则。其中，图像获取的主要目的是为分类爬虫提供足量的数据源支持，以保证激光打印机能够从数据库中调取到适量的本地存储文件[5?6]。
　　信息解析利用分类爬虫对爬取到的图像边缘形态数据进行深度判断，并过滤出激光打印机分类所必须的内容文本。数据标记是系统分类操作中的关键环节，可以根据待打印信息的登记请求，对其进行分层处理，以保证后续自动分类流程的顺利完成[7?8]。
　　打印重构是自动分类系统输出文本建立的末尾环节，可根据爬虫的爬取规则，模拟出多样化的图像边缘行为信息，并以此满足系统的自动分类操作需求。具体图像打印分类模块的搭建原理如图3所示。
　　2  激光打印机自动分类系统软件运行环境搭建
　　在硬件运行环境的支持下，按照计算边缘二值形态、程序中断处理、通信連接的操作流程，完成软件运行环境搭建，实现基于图像边缘形态激光打印机自动分类系统的顺利运行。
　　2.1  激光打印图像的边缘二值形态计算
　　边缘二值形态系数是激光打印图像分类处理的重要参照标准，可以为程序中断处理提供一定的参考依据，也能作为物理条件，直接影响图像节点的通信连接质量。在硬件分类环境保持稳定运行的前提下，依附于分布式编程框架而存在的打印机激光电源电路和图像打印分类模块，会向系统中心计算机传输多个波长、频率均相同的待分类信号，其中不仅包含了系统中现行数据的具体数量，也对相关单元设备的连接参数进行了明确规定[9]。
　　设待分类信号的波长为[λ]，频率为[μ]，系统中现行数据可达的最高上限数值为[w]，联立[λ]，[μ]，[w]，可将中心计算机的处理条件表示为：
　　[p=1λμ（w-e）2+y（q-t）] （1）
　　式中：[e]代表系统达到现行数据额度时的最小分类误差量;[y]代表激光打印机的输出条件;[q]，[t]分别代表最大和最小的图像边缘信息统计量。
　　在式（1）的基础上，设[u]代表二值形态系数的上限边缘数值，[i]代表二值形态系数的下限边缘数值，则激光打印图像边缘二值形态的完整计算过程如下所示：
　　[d=pf?-∞ujk χ-δdi] （2）
　　式中：[f]代表边缘分类条件在原始图像信息状态下的综合变化量;[j]代表系统自动统计系数;[k]代表标准分类权限参量;[χ]代表理想边缘二值的幂次项存在向量;[δ]代表边缘二值幂次项的最小误差向量。
　　2.2  打印机自动分类程序的中断处理
　　打印机自动分类程序包含串口接收、定时接收两种主要存在方式。其中，串口接收类型的自动分类程序以打印分类模块作为输出单元，以存储数据库作为结束单元，在运行过程中，实现了对所有图像边缘形态节点的定向连接。定时接收类型的自动分类程序以系统核心计算机作为输出单元，以分类防火墙作为结束单元，在运行过程中，按照预定时间设置条件，开启激光打印机的执行功能[10?11]。按照属性条件的不同，两种自动分类程序具备不完全相关的两种终端处理流程。 　　串口接收类型自动分类程序具备两层中断节点：第一层输出所有已完成分类处理的图像边缘形态数据;第二层整合剩余数据进行完整循环运行。定时接收类型自动分类程序只具备一层中断节点，不论图像边缘形态数据是否已完成分类处理，都必须进入完全输出状态，以保证后续节点通信的顺利连接。
　　完整的分类程序中断处理流程如图4所示。
　　2.3  边缘图像节点的通信连接
　　边缘图像节点通信连接实现了硬件设备上机位串行接口的初始化操作，为系统分类操作的顺利执行，提供了有利的物理支持。在初始情况下，打印机激光电源电路、图像打印分类模块等硬件设备只能依附于分布式编程框架，且框架组织会为相关分类运行组织分配数量合理的边缘节点[12?13]。但随着系统运行时间的增加，图像边缘形态数据总量不断累积，预留框架节点不足以支撑系统的分类需求。
　　在此情况下，边缘图像节点作为连接补充组织，会在满足打印机自动分类程序中断处理需求的前提下，建立物理通信连接，并通过数据交互运输的方式，使待处理的图像边缘形态信息得到良性运输，最终达到激光打印机对系统运行数据的自动分类运行需求，详细通信连接原理如图5所示。
　　至此，实现系统软件运行环境搭建，结合硬件设备运行要求完成基于图像边缘形态的激光打印机自动分类系统搭建。
　　3  实验结果与讨论
　　为全面探求基于图像边缘形态激光打印机自动分类系统的应用优势，在SWsoft虚拟机环境下进行对比实验。将两台VM主机的IBM系数均调至HOST状态，其中，实验组主机为新型自动分类系统，对照组主机为普通打印机分类系统。确保其他影响系数均保持稳定，分别记录实验组、对照组主机相关实验数据的变化情况。
　　3.1  实验参数设置
　　实验环境参量及相关实验参数设置情况如表1所示。
　　为充分体现实验的公平性，实验组、对照组所有环节参量及参数条件始终保持一致。
　　3.2  分类爬虫对激光图像数据覆盖面积对比
　　为得到真实的实验结果，本次实验默认系统内数据的连接方式为顺向连接。在爬虫爬取因子为0.28的条件下，以100 ms作为实验时间，分别记录在该段时间内，应用实验组、对照组系统后，分类爬虫对激光图像数据覆盖面积的变化情况。详细实验结果如图6所示。
　　分析图6可知，在整个实验过程中，实验组分类爬虫对激光图像数据覆盖面积有3次超过理想极值的机会，在实验时间接近10 ms时，达到最大值82.36%。对照组分类爬虫对激光图像数据覆盖面积没有超过理想极值的机会，整个实验过程中的最大值仅能达到58.79%，远低于实验组，与理想极值相比下降了16.21%。综上可知，在爬虫爬取因子为0.28的条件下，应用基于图像边缘形态的激光打印机自动分类系统，可在一定程度上促进分类爬虫覆盖面积的不断提升。
　　3.3  分类响应时间对比
　　在打印机响应参数为0.19的条件下，以100 ms作为实验时间，分别记录在该段时间内，应用实验组、对照组系统后分类响应时间的变化情况。详细实验结果如表2所示。
　　分析表2可知，实验组分类响应时间每隔20 ms会出现一次明显的下降趋势，但持续两次之后逐渐稳定为1.8 ms，末尾数值与初始数值相比下降了3.7 ms，最大值与理想极值5.5 ms相比下降了2.02 ms。对照组分类响应时间在持续稳定后，先不断下降再开始不断上升，直至末尾值等于初始值，整个实验过程中的最大值与理想极值5.5 ms相比，仅仅下降了0.88 ms，但其分类响应时间依然远高于实验组。综上可知，在打印机响应参数为0.19的条件下，应用基于图像边缘形态的激光打印机自动分类系统，可达到降低分类响应时间的目的。
　　4  结  语
　　总结过往使用经验可知，普通打印机分类系统存在分类响应时间过长、爬虫数据覆盖面积有限等弊端。而基于图像边缘形态的激光打印机自动分类系统立足于此类问题，在分布编程框架、通信节点等软硬件设备的支持下，将系统调节至最佳运行状态。从实用效果来看，新型系统不仅解决了普通系统的遗留问题，也对图像边缘形态二值条件等物理参量进行了统一规定，具备极强的应用价值。
　　参考文献
　　[1] 程鲁玉，孟小艳，达新民.关于果林中果害虫图像特征高效分类识别仿真[J].计算机仿真，2018，35（2）：425?428.
　　[2] 王振国，陈宏宇，徐文明.利用DCNN融合特征对遥感图像进行场景分类[J].电子设计工程，2018，26（1）：189?193.
　　[3] 吴诗婳，吴一全，周建江.基于NSST和改进数学形态学的遥感图像目标边缘提取[J].图学学报，2017，38（4）：523?530.
　　[4] 吴朔媚，韩明，王敬涛.基于多尺度多方向结构元素的形态学图像边缘检测算法[J].量子电子学报，2017，34（3）：278?285.
　　[5] 朱妍妍，左建华，卢继平，等.基于图像处理的胶管缺陷在线检测系统开发[J].北京理工大学学报，2017，37（9）：937?941.
　　[6] 顾雨迪，梁久祯，吴秦，等.基于覆盖分割和活动轮廓模型的图像边缘提取算法[J].数据采集与处理，2017，32（5）：100?109.
　　[7] 黄步添，刘琦，何钦铭，等.基于语义嵌入模型与交易信息的智能合约自动分类系统[J].自动化学报，2017，43（9）：1532?1543.
　　[8] 彭莹琼，廖牧鑫，张永红，等.基于BP神经网络模型的果实蝇自动分类系统[J].江西农业大学学报，2016，38（6）：1205?1210.
　　[9] 段青玲，魏芳芳，张磊，等.基于Web数据的农业网络信息自动采集与分类系统[J].农业工程学报，2016，32（12）：172?178.
　　[10] 李建波，房宗启，纪全菊，等.基于WPF的三角图自动识别系统构建方法：以土壤质地分类系统为例[J].排灌机械工程学报，2016，34（4）：339?345.
　　[11] 钟旭东，黄章进，顾乃杰，等.Web文本分类中的标签权重自动优化研究[J].小型微型计算机系统，2016，37（5）：890?894.
　　[12] 王继东，庞文杰.Fisher判别分类法在光伏并网系统稳态电能质量评估中的应用[J].电力自动化设备，2017，37（3）：50?54.
　　[13] 马跃，余骋远，于碧輝.基于资源签名与遗传算法的Hadoop参数自动调优系统[J].计算机应用研究，2017，34（11）：3219?3222.
转载注明来源:https://www.xzbu.com/8/view-15245414.htm