導(dǎo)語：如何才能寫好一篇數(shù)字圖像處理論文，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：數(shù)字圖像處理；教學(xué)改革；課程建設(shè)；研究性教學(xué)

作者簡介：寧紀(jì)鋒（1975-），男，陜西韓城人，西北農(nóng)林科技大學(xué)信息工程學(xué)院，副教授。（陜西 楊凌 712100）

基金項(xiàng)目：本文系西北農(nóng)林科技大學(xué)教學(xué)改革研究項(xiàng)目（項(xiàng)目編號：JY1102077）、西北農(nóng)林科技大學(xué)本科優(yōu)質(zhì)課程建設(shè)項(xiàng)目的研究成果。

中圖分類號：G642.0 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0079（2013）34-0122-02

“數(shù)字圖像處理”是西北農(nóng)林科技大學(xué)（以下簡稱“我?！保┬畔⒐こ虒W(xué)院為計算機(jī)科學(xué)與技術(shù)、軟件工程、信息與計算科學(xué)等多個理工科專業(yè)所開設(shè)的一門專業(yè)必修課。該課程涵蓋數(shù)學(xué)、物理、信號處理、心理學(xué)、計算機(jī)科學(xué)等多個領(lǐng)域的知識，與本科階段的高等數(shù)學(xué)、線性代數(shù)、概率論、面向?qū)ο缶幊獭?shù)據(jù)結(jié)構(gòu)、算法分析等多門課程密切相關(guān)，對后續(xù)的特征提取和圖像理解等高級計算機(jī)視覺處理課程具有重要的基礎(chǔ)作用。同時，它在“模式識別”、“人工智能”和“機(jī)器學(xué)習(xí)”等專業(yè)課程體系中起著重要的作用。[1-3]

一、課程改革的必要性

由于圖像處理理論性強(qiáng)，內(nèi)容抽象，算法較多，涉及的理論和方法既包含時域（空域）、變換域（頻域?yàn)橹鳎?、?shù)學(xué)形態(tài)學(xué)、地理學(xué)（如分水嶺算法），還涉及到模式識別理論的一些知識，學(xué)生理解起來有一定難度，在解決實(shí)際問題時，面臨著無從下手的困難。同時，圖像處理技術(shù)應(yīng)用較為廣泛，隨著數(shù)字成像設(shè)備的廣泛使用和智能手機(jī)的普及，社會對圖像處理人才的需求也日益增加，這些都對課程教學(xué)提出了更高的要求。在教學(xué)過程中發(fā)現(xiàn)“數(shù)字圖像處理”的傳統(tǒng)教學(xué)模式中，在課程定位、教學(xué)模式和教學(xué)內(nèi)容上存在一些問題。

1.課程定位不明確

“數(shù)字圖像處理”在本科教學(xué)過程中有著兩種比較沖突的定位，導(dǎo)致課程教學(xué)過程存在兩種傾向。一是不顧本科學(xué)生實(shí)際情況向研究生課程看齊，將重點(diǎn)放在數(shù)字圖像處理理論內(nèi)容。但這些內(nèi)容與實(shí)際應(yīng)用聯(lián)系并不緊密，忽視它的應(yīng)用性和實(shí)踐性強(qiáng)的特點(diǎn)，從而導(dǎo)致理論與實(shí)踐脫節(jié)，造成學(xué)生在編程能力上的欠缺。二是過分強(qiáng)調(diào)應(yīng)用技能，把數(shù)字圖像處理等同于講授Photoshop等應(yīng)用軟件的使用，或以講授MATLAB和Open CV圖像處理函數(shù)為主，不重視原理和算法，忽略了對本科生科學(xué)素質(zhì)和研究能力的培養(yǎng)。

2.傳統(tǒng)教學(xué)模式與授課對象差異性的矛盾

“數(shù)字圖像處理”通常要求先研修“高等數(shù)學(xué)”、“線性代數(shù)”、“概率論與數(shù)理統(tǒng)計”和“數(shù)字信號處理”等課程，但是一些本科專業(yè)并沒有完整開設(shè)這些課程。例如，我校計算機(jī)科學(xué)與技術(shù)專業(yè)學(xué)習(xí)“數(shù)字信號處理”課程，但軟件工程和信息與計算科學(xué)專業(yè)未開設(shè)該類課程。此外，在實(shí)驗(yàn)環(huán)節(jié)中，教師根據(jù)教學(xué)大綱設(shè)置的實(shí)驗(yàn)內(nèi)容通常比較固定，而未考慮學(xué)生專業(yè)和背景知識的差異、統(tǒng)一的實(shí)驗(yàn)環(huán)境模式，使得有的專業(yè)學(xué)生因?yàn)橹R儲備不足，學(xué)習(xí)起來有一定困難；而有的專業(yè)學(xué)生則感覺學(xué)習(xí)內(nèi)容簡單、缺乏挑戰(zhàn)性，使得教師講授時在調(diào)動學(xué)生積極性、提高學(xué)生實(shí)踐能力方面難以協(xié)調(diào)。

3.教材與學(xué)科發(fā)展不一致

數(shù)字圖像處理內(nèi)容涉及到矩陣運(yùn)算、信號處理、概率論與數(shù)理統(tǒng)計等多個內(nèi)容交叉學(xué)科，與新興學(xué)科的發(fā)展密切相關(guān)。當(dāng)前，在人工智能、模式識別和機(jī)器學(xué)習(xí)等新興學(xué)科的推動下，數(shù)字圖像處理技術(shù)發(fā)展越來越快。傳統(tǒng)的教材或過于偏重推導(dǎo)理論，與應(yīng)用實(shí)踐偏離，或成為圖像處理軟件或函數(shù)（如 Photoshop、MATLAB或Open CV）的使用說明書，使得學(xué)生難以深入學(xué)習(xí)圖像處理知識，影響對該門課程的掌握。

二、課程改革方法

根據(jù)授課專業(yè)對象的實(shí)際情況，在教學(xué)內(nèi)容、教學(xué)方法、完善實(shí)驗(yàn)教學(xué)和考核等方面對該門課程進(jìn)行一系列改革，充分利用圖像處理實(shí)踐性強(qiáng)的特點(diǎn)，依托我校在數(shù)字圖像處理方面長期積累的理論和研究資源，將理論方法與實(shí)踐應(yīng)用有機(jī)結(jié)合，構(gòu)建了全面系統(tǒng)的數(shù)字圖像處理教學(xué)體系。多年教學(xué)效果表明，該教學(xué)模式有效克服傳統(tǒng)數(shù)字圖像處理教學(xué)存在的局限，極大增強(qiáng)了學(xué)生的學(xué)習(xí)興趣，提高了學(xué)生的動手能力和創(chuàng)新素養(yǎng)。

1.完善課程內(nèi)容體系，適應(yīng)圖像處理發(fā)展

數(shù)字圖像處理是一門發(fā)展中的課程，每年都有許多新的研究理論和方法不斷涌現(xiàn)，需對課程不斷進(jìn)行完善，以適應(yīng)圖像處理學(xué)科的發(fā)展。在保持圖像處理課程核心內(nèi)容的基礎(chǔ)上，注重將最近的該學(xué)科具有代表性的成果納入教學(xué)。精簡和更新一些陳舊的和目前圖像處理實(shí)際中很少使用的一些方法。其次，將一些現(xiàn)代經(jīng)典的科研論文，以補(bǔ)充教材的形式，作為教學(xué)內(nèi)容。將一些理論性較強(qiáng)，對數(shù)學(xué)基礎(chǔ)要求較高的內(nèi)容，如主動輪廓分割模型和目標(biāo)跟蹤方法等作為選學(xué)內(nèi)容，供有興趣的學(xué)生學(xué)習(xí)。

考慮到OpenCV和MATLAB的廣泛使用，圖像文件的讀寫已非常簡單，因此，減少對圖像文件格式的講解；在圖像分割與邊緣檢測中，刪掉投影法與差影法內(nèi)容，因?yàn)樵摲矫鎯?nèi)容在實(shí)際中已很少使用；在頻域處理中，淡化對傅里葉變換理論和算法的講解，重點(diǎn)放在其思想和應(yīng)用上。

2.應(yīng)用全方位教學(xué)手段，構(gòu)建立體化教學(xué)資源

針對“數(shù)字圖像處理”課程理論性和實(shí)踐性較強(qiáng)、可視化程度較高的特點(diǎn)，綜合利用圖像、視頻信息、可視化編程軟件和網(wǎng)絡(luò)資源等現(xiàn)代化教育技術(shù)，從課堂、實(shí)驗(yàn)、應(yīng)用實(shí)踐等諸多環(huán)節(jié)探索立體化教學(xué)資源。結(jié)合不同專業(yè)需求，運(yùn)用MATLAB、Open CV等軟件工具包開發(fā)圖像處理實(shí)驗(yàn)平臺，建立網(wǎng)絡(luò)化輔助教學(xué)系統(tǒng)，使抽象概念和算法形象化，激發(fā)學(xué)生思維。例如，建立圖像處理標(biāo)準(zhǔn)測試庫，包括了圖像去噪、圖像分割、圖像變換和特征提取與識別等核心內(nèi)容涉及到的測試數(shù)據(jù)；在參考教材方面，提供了國內(nèi)外知名大學(xué)出版的數(shù)字圖像處理和計算機(jī)視覺教材及計算機(jī)視域的專著；在多媒體課件方面，提供多年從國內(nèi)外知名大學(xué)網(wǎng)站上搜集到多個數(shù)字圖像處理和計算機(jī)視覺的電子課件，供學(xué)生學(xué)習(xí)；在代碼方面，提供了數(shù)字圖像處理方面的經(jīng)典和最新的一些科研成果的源代碼或可執(zhí)行軟件，學(xué)生自己運(yùn)行代碼并分析實(shí)驗(yàn)結(jié)果，加深對圖像處理課程的認(rèn)識。

3.以學(xué)生發(fā)展為本，建立多元化的考核評價標(biāo)準(zhǔn)

在傳統(tǒng)方式下，教師常以期末考試和出勤率來評價學(xué)習(xí)效果，忽略了對學(xué)生參與學(xué)習(xí)活動和學(xué)習(xí)過程的評價。大部分學(xué)生往往在考試前突擊學(xué)習(xí)，沒有真正掌握扎實(shí)的知識。因此，本教學(xué)改革以過程控制為中心，以能力提高為目標(biāo)，對考核方式進(jìn)行改革，實(shí)行常規(guī)考核與過程性考核相結(jié)合的方式，準(zhǔn)確把握學(xué)生的真實(shí)成績，全面衡量和控制教學(xué)質(zhì)量，既要考學(xué)生的基本理論，更要考他們運(yùn)用知識和方法設(shè)計圖像處理方案、完成圖像處理實(shí)際任務(wù)的能力。在授課過程中，注重課堂考察環(huán)節(jié)，加強(qiáng)師生交互，動態(tài)掌握學(xué)生對授課內(nèi)容的理解。開展專題討論課程，讓學(xué)生大膽提問，鍛煉學(xué)生創(chuàng)新思維能力，對表現(xiàn)突出的學(xué)生增加平時分。

4.開展研究性課堂教學(xué)探索

在教學(xué)改革中，精選了若干圖像處理經(jīng)典和前沿專題討論，包括論文、程序源代碼和輔助材料。在課程一開始就布置任務(wù)給學(xué)生課下自學(xué)，并安排學(xué)生上臺講授，其他學(xué)生提問，教師給予點(diǎn)評，并組織學(xué)生一起討論，加深對圖像處理課程的認(rèn)識，培養(yǎng)學(xué)生綜合運(yùn)用知識的能力，提高創(chuàng)新素養(yǎng)。

例如，在圖像分割專題討論中，以經(jīng)典Mean Shift分割為主要內(nèi)容，Graph Cut和交互式分割兩個方向作為補(bǔ)充內(nèi)容，開展專題討論。因?yàn)檫@些廣泛使用的算法涉及到高等數(shù)學(xué)、線性代數(shù)、概率論、數(shù)據(jù)結(jié)構(gòu)和算法設(shè)計等多門所學(xué)課程。通過自學(xué)、上課討論和教師點(diǎn)評，學(xué)生對以前所學(xué)基礎(chǔ)和專業(yè)知識有了更深層次的理解。同時，這些算法都面向彩色圖像，克服了教材中以灰度圖像為主要分割對象的不足。

5.開展研究性實(shí)踐教學(xué)

傳統(tǒng)“數(shù)字圖像處理”課程實(shí)踐教學(xué)強(qiáng)調(diào)基本算法的實(shí)現(xiàn)，未強(qiáng)調(diào)算法之間的邏輯聯(lián)系，忽略了數(shù)字圖像處理基本算法的綜合訓(xùn)練。在改革中，保留圖像處理基本核心算法，將科研項(xiàng)目融入教學(xué)實(shí)踐中，通過設(shè)計研究性綜合實(shí)踐項(xiàng)目，注重學(xué)生對所學(xué)知識的綜合理解和提升。例如，“圖像去霧”綜合訓(xùn)練實(shí)踐，以如何有效果去除圖像中的霧增強(qiáng)圖像質(zhì)量為目標(biāo)。該任務(wù)以2009年國際計算機(jī)視覺和模式識別會議（CVPR）的最佳論文《基于暗通道通先驗(yàn)的單幅圖像去霧》[4]為主要內(nèi)容，涉及到圖像處理的多個基本算法，同時也包含了物理學(xué)和光學(xué)的一些知識。通過將新的實(shí)踐教學(xué)手段應(yīng)用到教學(xué)中，突出對學(xué)生思維能力、科研能力和創(chuàng)新能力的培養(yǎng)。

三、結(jié)論

通過分析數(shù)字圖像處理目前存在的課程定位模糊、傳統(tǒng)的教學(xué)模式與授課對象差異性的矛盾和教材內(nèi)容與學(xué)科發(fā)展脫節(jié)等問題，筆者根據(jù)學(xué)科專業(yè)特點(diǎn)，結(jié)合授課教師的科研項(xiàng)目，從完善課程內(nèi)容體系、構(gòu)建立體化教學(xué)資源、多元化考核評價標(biāo)準(zhǔn)和開展研究性教學(xué)探索等五個方面進(jìn)行開展數(shù)字圖像處理教學(xué)改革。多年教學(xué)效果表明，該教學(xué)方法克服傳統(tǒng)教學(xué)方法所存在的弊端，極大地提高了學(xué)生的自主學(xué)習(xí)能力。學(xué)生較好地掌握數(shù)字圖像處理的核心內(nèi)容，了解當(dāng)代圖像處理的代表性成果和前沿趨勢，綜合應(yīng)用能力和創(chuàng)新素養(yǎng)明顯增強(qiáng)，為培養(yǎng)具有較強(qiáng)適應(yīng)能力的應(yīng)用型和創(chuàng)新型人才打下堅(jiān)實(shí)的基礎(chǔ)，適應(yīng)了新世紀(jì)對信息技術(shù)人才的培養(yǎng)要求。

參考文獻(xiàn)：

[1]何東健.數(shù)字圖像處理[M].西安：西安電子科技大學(xué)出版社，2008.

[2]杜云明，郝兵，劉文科.“數(shù)字圖像處理”課程任務(wù)驅(qū)動教學(xué)模式的實(shí)踐[J].中國電力教育，2013，（10）：113-114.

篇2

關(guān)鍵詞：數(shù)字圖像 圖像處理 數(shù)字技術(shù) 應(yīng)用

一、數(shù)字圖像處理綜述

數(shù)字圖像處理（Digital Image Processing）又稱為計算機(jī)圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機(jī)對其進(jìn)行處理的過程。

數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時的電子計算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計算機(jī)來處理圖形和圖像信息，數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期，早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。

首次獲得實(shí)際成功應(yīng)用的是美國噴氣推進(jìn)實(shí)驗(yàn)室（JPL），他們對航天探測器徘徊者7號在1964年發(fā)回的幾千張?jiān)虑蛘掌褂昧藞D像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進(jìn)行處理，并考慮了太陽位置和月球環(huán)境的影響，由計算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發(fā)回的近十萬張照片進(jìn)行更為復(fù)雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創(chuàng)舉奠定了堅(jiān)實(shí)的基礎(chǔ)，也推動了數(shù)字圖像處理這門學(xué)科的誕生。在以后的宇航空間技術(shù)，醫(yī)學(xué)技術(shù)中數(shù)字圖像處理技術(shù)都發(fā)揮了巨大的作用。

從70年代中期開始，隨著計算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展，人們已開始研究如何用計算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計算機(jī)視覺。很多國家，特別是發(fā)達(dá)國家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理論，這個理論成為計算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想。圖像理解雖然在理論方法研究上已取得不小的進(jìn)展，但它本身是一個比較難的研究領(lǐng)域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機(jī)視覺是一個有待人們進(jìn)一步探索的新領(lǐng)域。

二、國內(nèi)外研究現(xiàn)狀

目前，國內(nèi)圖像識別的算法研究多是關(guān)于數(shù)字、文字、人臉、以及醫(yī)用病理方面的較多，對產(chǎn)品內(nèi)表圖像進(jìn)行分析識別、分類的還很少。國內(nèi)已研制出了具有先進(jìn)水平的高精度內(nèi)表檢測系統(tǒng)和裝置，如何對產(chǎn)品零部件的外形，尺寸進(jìn)行較高精度測量的激光在線檢測系統(tǒng)等，但迄今為止，尚無能對生產(chǎn)出的產(chǎn)品內(nèi)表面進(jìn)行自動檢測和識別的系統(tǒng)。應(yīng)用CCD、電子、計算機(jī)技術(shù)檢測內(nèi)表面的實(shí)時自動檢測技術(shù)在國內(nèi)正處于剛剛起步的階段，對內(nèi)表面圖像進(jìn)行分析識別、分類的軟件系統(tǒng)還沒有十分完善，現(xiàn)在的識別算法對圖像中的疵病部分定位不是很準(zhǔn)確，對疵病的范圍、大小、方位不能做定量分析，只能作定性分析，精度低，采用的傳統(tǒng)的最小距離等分類器在圖像復(fù)雜且類別多時，很難表示和提取特征，進(jìn)行圖像識別十分困難。

國外關(guān)于圖像識別中的圖像分割，特征信號提取，邊緣檢測，紋理識別等的算法已經(jīng)取得了一定的成果，提出了一些新方法，如利用直線分割來識別三維人臉，通過子圖匹配法在相鄰區(qū)域間識別不同目標(biāo)，用雙值微波仿射不變函數(shù)識別二維形形狀等等，近年來，國外基于圖像識別與分類技術(shù)的圖像檢索，人臉識別，字體識別發(fā)展十分迅速。

在國外，為提高自動目標(biāo)識別能力而開發(fā)的算法現(xiàn)在正被引入許多偵測和成像系統(tǒng)之中，圖像分割、特征信號探測和析取、靜止目標(biāo)的模式識別等方面已取得了很大進(jìn)步，這一自動目標(biāo)識別能力大大減輕了操作人員的工作負(fù)擔(dān)。如美國正在加緊自動檢測能力與自動目標(biāo)識別的研究工作，并在硬件能力的基礎(chǔ)上開發(fā)多種用于信號圖像處理的算法和開展各種算法軟件的研制，包括相關(guān)法（匹配濾波器技術(shù)）、自適應(yīng)多維處理法、基于模型的方法等。

三、數(shù)字圖像處理的應(yīng)用

圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面，隨著人類活動范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。

1、航天和航空技術(shù)方面的應(yīng)用

數(shù)字圖像處理技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了JPL對月球、火星照片的處理之外，另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中?，F(xiàn)在世界各國都在利用陸地衛(wèi)星所獲取的圖像進(jìn)行資源調(diào)查，災(zāi)害檢測，資源勘察，農(nóng)業(yè)規(guī)劃，城市規(guī)劃，我國也陸續(xù)開展了以上諸方面的一些實(shí)際應(yīng)用，并獲得了良好的效果。在氣象預(yù)報和對太空其它星球研究方面，數(shù)字圖像處理技術(shù)也發(fā)揮了相當(dāng)大的作用。

2、生物醫(yī)學(xué)工程方面的應(yīng)用

數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了一般的CT技術(shù)之外，還有一類是對醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識別等，此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。

3、通信工程方面的應(yīng)用

當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。具體地講是將電話、電視和計算機(jī)以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。其中以圖像通信最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號的速率達(dá)100Mbit/s以上，要將這樣高速率的數(shù)據(jù)實(shí)時傳送出去，必須采用編碼技術(shù)來壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。除了已應(yīng)用較廣泛的熵編碼、DPCM編碼、變換編碼外，目前國內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。

4、工業(yè)和工程方面的應(yīng)用

在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量、并對零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。其中值得一提的是研制具備視覺、聽覺和觸覺功能的智能機(jī)器人，將會給工農(nóng)業(yè)生產(chǎn)帶來新的激勵，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。

5、軍事公安方面的應(yīng)用

在軍事方面圖像處理和識別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前已投入運(yùn)行的高速公路不停車自動收費(fèi)系統(tǒng)中的車輛和車牌的自動識別都是圖像處理技術(shù)成功應(yīng)用的例子。

6、文化藝術(shù)方面的應(yīng)用

目前這類應(yīng)用有電視畫面的數(shù)字編輯，動畫的制作，電子圖像游戲，紡織工藝品設(shè)計，服裝設(shè)計與制作，發(fā)型設(shè)計，文物資料照片的復(fù)制和修復(fù)，運(yùn)動員動作分析和評分等等，現(xiàn)在已逐漸形成一門新的藝術(shù)——計算機(jī)美術(shù)。

參考文獻(xiàn)：

[1]孫即祥 圖像壓縮與投影重建 北京：科學(xué)出版社；2005.7：第一章：1～2，63～64.

[2]韓金姝.基于分形的植物形態(tài)模擬與圖像壓縮技術(shù)研究：[碩士論文]. 青島：中國海洋大學(xué)信號與信息處理專業(yè)，2005.

篇3

1 圖像處理技術(shù)

1.1 數(shù)字圖象處理的特點(diǎn)

隨著計算機(jī)科學(xué)的發(fā)展與工控程度的提高，圖像處理技術(shù)被越來越廣泛的運(yùn)用。在顆粒檢測識別領(lǐng)域，圖像處理技術(shù)有著得天獨(dú)厚的優(yōu)勢。它減少了單純的人工操作量，降低了測量過程中的粗糙性。提供了對復(fù)雜細(xì)微顆粒處理的可行性，加快了分析處理速度并且可以直接或間接的獲取人們所需要的信息。實(shí)現(xiàn)過程的實(shí)時監(jiān)測和控制。

1.2 煤堆顆粒的圖像識別系統(tǒng)框架

圖像識別系統(tǒng)主要包括圖像采集和圖像處理兩部分。圖像采集主要由圖像傳感器來完成，圖像處理主要由計算機(jī)和相應(yīng)的系統(tǒng)軟件來完成?？蚣苋鐖D1。

在煤堆里取樣，用粉碎機(jī)磨制好煤粒粗樣后得到煤的顆粒樣本如圖2。然后通過CCD圖像傳感器采集到圖像，lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供寫作論文和發(fā)表服務(wù),歡迎您的光臨進(jìn)行數(shù)字化處理后存入計算機(jī)，獲取煤粒原始圖像。再利用軟件對數(shù)字圖像進(jìn)行相應(yīng)處理得到相關(guān)圖像參數(shù)，最后根據(jù)所得參數(shù)數(shù)據(jù)分析得出煤粒特性結(jié)論。

這里選用CCD傳感器來獲取數(shù)字圖像如圖3所示。CCD圖像傳感器是一種特殊的半導(dǎo)體材料又名電荷耦合器[2]。它由大量按矩陣排列的獨(dú)立光敏元件構(gòu)成。可直接將光信號轉(zhuǎn)換為電信號，然后電信號經(jīng)放大和模數(shù)轉(zhuǎn)換后，實(shí)現(xiàn)圖像的獲取、存儲、傳輸、處理和復(fù)現(xiàn)等操作。由CCD攝像設(shè)備采集的光學(xué)圖像轉(zhuǎn)成模擬信號經(jīng)圖像模數(shù)轉(zhuǎn)換器進(jìn)行數(shù)字化后，得到數(shù)字圖像交由計算機(jī)處理。它最顯著的優(yōu)點(diǎn)是噪聲低、響應(yīng)速度快、像素分辨率高等。

1.3 煤堆顆粒圖像的數(shù)字化處理

在計算機(jī)中利用軟件對原始顆粒圖像（圖4）進(jìn)行預(yù)處理。對于一張圖像來說，往往需要提取目標(biāo)物，所以先作灰度變換減少圖像噪聲，保證圖像質(zhì)量。每一副圖像相當(dāng)于一個矩陣，矩陣的行和列確定圖像中的每一個點(diǎn)，矩陣中的元素值對應(yīng)該點(diǎn)的灰度級。圖像矩陣中的每個元素就是像素。顆粒本體灰度值與背景圖層灰度值較為均勻，進(jìn)行灰度變化后效果較好，灰度圖有無明顯的雙峰?；叶茸儞Q不足以達(dá)到最終效果，需要對圖像作二值化處理。手動改變圖像閾值，顆粒圖像二值化效果發(fā)生改變，當(dāng)觀測圖像變化效果最為理想時停止改變，確定一個最佳的門限閾值。二值化處理后顆粒如圖5。另外也可以選擇自適應(yīng)閾值分割，但是無法同步觀察變化過程，且計算量相對較大耗時長，無法達(dá)到背景圖層與顆粒本體二值化圖像最佳效果。

2 煤堆顆粒特性分析

2.1 顆粒的形態(tài)描述

從顆粒的形態(tài)學(xué)切入，分析顆粒粒度及形狀。粒度是顆粒在空間范圍所占大小的線性尺度。通常表面光滑的球體顆粒的粒度用直徑表示，立方體顆粒的粒度用邊長表示。對不規(guī)則的礦物顆粒，可將與礦物顆粒有相同行為的某一球體直徑作為該顆粒的等效直徑。對許多取向混亂的顆粒按一定方向測量平均線度的統(tǒng)計作為當(dāng)量徑。由于獲取的是顆粒投影圖像，則可按二維投影規(guī)則對煤粒度進(jìn)行定義[3]。

2.2 煤堆顆粒粒度相關(guān)參數(shù)

顆粒面積的計算，通過對圖像像素點(diǎn)的統(tǒng)計得到。統(tǒng)計獲得顆粒像素的個數(shù)后，還需要用一個標(biāo)準(zhǔn)單位來標(biāo)定。通過比例換算得到目標(biāo)顆粒實(shí)際面積大小。采用逐行掃描的方式對圖像中每一個顆粒進(jìn)行標(biāo)號確定單個顆粒參數(shù)。這樣每一個目標(biāo)顆粒的參數(shù)都有一個歸屬，不容易產(chǎn)生混亂。

顆粒周長的計算可以通過對二值圖像中目標(biāo)物的邊緣像素計算獲得。依然可以采用順序逐行掃描的方式對圖像進(jìn)行掃描。對圖像邊緣像素跟蹤累加，統(tǒng)計像素個數(shù)可得周長。因此顆粒的當(dāng)量直徑可以根據(jù)顆粒粒度定義由面積和周長求得。此外還可以利用計算機(jī)圖像系統(tǒng)對顆粒進(jìn)行自定義多方向掃描，獲取每一個方向上的粒徑值再進(jìn)行平均。用該平均值對粒徑大小作粗估計值，這里并沒有對此種方法加以詳細(xì)證明。

這樣就可以根據(jù)不同粒徑的顆粒物在顆?？傮w中所含的百分比來確定粒度分布。此外還可以根據(jù)顆粒粒度來進(jìn)lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供寫作論文和發(fā)表服務(wù),歡迎您的光臨行顆粒分級，明確顆粒的層次關(guān)系。

3 煤堆顆粒與分形理論

3.1 分形理論的定義

分形理論是時下非常流行的新理論。分形理論的最基本特點(diǎn)是用分形分維的數(shù)學(xué)工具來描述研究客觀事物。它跳出了一維的線、二維的面、三維的立體乃至四維時空的傳統(tǒng)藩籬[4]，更加接近客觀事物和復(fù)雜系統(tǒng)的真實(shí)屬性。

3.2 顆粒粒度的分形分析

在顆粒的形態(tài)特征中，主要討論了分形分維的方法。把分形維數(shù)作為顆粒形態(tài)描述的一個重要角度。分形維數(shù)在一定程度上體現(xiàn)了顆粒的某些化學(xué)物理特性。實(shí)際測定分維的辦法有很多，如根據(jù)尺度、測度關(guān)系、相關(guān)函數(shù)等。針對顆粒的不同特征可以建立不同的分形模型。對于無規(guī)顆粒具有如下分形特征式：

①根據(jù)邊緣進(jìn)行分形分析，顆粒的無歸邊緣曲線可利用盒維數(shù)[5]計算得分形維數(shù)。與邊緣線相交的正方形個數(shù)記為盒子數(shù)N（如圖6盒子數(shù)為16），盒子大小為k*k，k即盒子的邊長。存在推導(dǎo)關(guān)系式：-；D記為分形維數(shù)，B為常數(shù)。通過推導(dǎo)關(guān)系計算擬合數(shù)據(jù)可得到分形維數(shù)D。在對k取值時，k值越小所能取到的盒子數(shù)也越多，邊緣分形結(jié)果越精確。理論上顆粒邊緣復(fù)雜程度越大，分形維數(shù)值越大。邊緣分形維數(shù)體現(xiàn)顆粒的輪廓曲線特點(diǎn)。這里取了4個不同顆粒樣本進(jìn)行了圖像處理后，經(jīng)過計算分別得出4個樣本的分形維數(shù)，進(jìn)行比較。

從表1中可以看出顆粒邊緣分形維數(shù)變化不是特別明顯，原因可能與所取的盒子邊長k有關(guān)。還需要結(jié)合其他形狀參數(shù)來進(jìn)行特征描述。說明僅僅利用顆粒邊緣分形分維作為煤粉顆粒特性標(biāo)準(zhǔn)描述有待改進(jìn)。

②根據(jù)顆粒粒徑分形有關(guān)系式：-。是粒徑分布分形維數(shù)，R是粒徑大小，為粒徑大于R的顆粒數(shù)。同樣可以通過擬合數(shù)據(jù)計算得到顆粒粒徑分布分形維數(shù)。在選取了3組顆粒圖像進(jìn)行了顆粒粒徑分布分形維數(shù)計算后得到相關(guān)參數(shù)如表2。

從表2來看，粒徑分布分形很大程度上與顆粒數(shù)目有關(guān)。分形維數(shù)是根據(jù)統(tǒng)計粒徑R以及對應(yīng)的顆粒數(shù)目N進(jìn)行擬合后得到的直線斜率。盡可能的選取較多的顆粒圖進(jìn)行計算，分形維數(shù)越準(zhǔn)確粒徑分布分形偏差越小。顆粒粒徑與分布分形維數(shù)呈負(fù)相關(guān)關(guān)系，粒徑越小分布分形維數(shù)越大，粒徑分布隨粒徑減小呈現(xiàn)的分形特征越明顯，反映煤堆顆粒粒徑分布越復(fù)雜。

5 結(jié)語

對于煤堆顆粒的識別，采用數(shù)字圖象處理技術(shù)能夠提高識別檢測的速度，同時還可以減小大量人為干預(yù)造成的誤差，避免檢測重復(fù)性低等缺點(diǎn)。對于煤炭行業(yè)提高燃煤利用率和降低污染有著重要的意義。本文主要通過圖像灰度變換、圖像分割等方法對煤粒圖像做處理。同時結(jié)合分形理論進(jìn)行分析，得到煤堆顆粒粒lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供寫作論文和發(fā)表服務(wù),歡迎您的光臨徑分布分形等參數(shù)，說明了顆粒分形的可行性并對煤的顆粒分形特征進(jìn)行描述。但是在粒度形態(tài)識別中只是對二維投影圖顆粒粒徑做了說明，還可以從形狀因子等參數(shù)考慮，綜合描述顆粒特征。對顆粒分布分形也不完善，需要做進(jìn)一步研究。此外，如何更好的提取顆粒的邊緣輪廓，找到顆粒新的參考特性以及分形與工業(yè)分析之間的關(guān)系是下一步探討的方向。

參考文獻(xiàn)

[1] 苗春衛(wèi)，李玉祥，王克家，等.基于數(shù)字圖像處理的煤粉顆粒檢測[J].應(yīng)用科技，2003（2）：1-3.

[2] 青.基于分形理論的大氣懸浮顆粒物圖像識別[D].武漢：武漢理工大學(xué)，2006.

篇4

關(guān)鍵詞：高層結(jié)構(gòu)；數(shù)字圖像測量；水平位移

Abstract：This paper describes the causes of high-level structure of lateral digital image measurement technology works and its advantages, and outlines how it works, and the actual construction of the horizontal displacement of the dynamic monitoring to prove that this new technologypracticality.

Key words: high-level structure; digital image measurement; horizontal displacement

中圖分類號：O4-34 文獻(xiàn)標(biāo)識碼：A文章編號：2095-2104（2012）

一，引言

數(shù)字圖像測量技術(shù)是利用照相機(jī)、攝像機(jī)等對景物或者物體進(jìn)行拍攝得到序列或者單幀數(shù)字圖像，再應(yīng)用數(shù)字圖像處理分析等技術(shù)結(jié)合各種目標(biāo)信息的求解和分析算法，對目標(biāo)結(jié)構(gòu)參數(shù)或者運(yùn)動參數(shù)進(jìn)行測量和估計的理論和技術(shù)[1]。近年來正在逐漸被人們所重視，并不斷的在工程變形監(jiān)測中進(jìn)行嘗試，現(xiàn)有的圖像測量技術(shù)已經(jīng)基本可實(shí)現(xiàn)對目標(biāo)點(diǎn)的二維位移測量，而且測量精度高，對于大范圍變形的目標(biāo)也能適用，且使用經(jīng)濟(jì)，這種技術(shù)在橋梁變形測量應(yīng)用較多[2]，目前也逐漸往民用建筑上發(fā)展，在鋼結(jié)構(gòu)變形監(jiān)測也有了一定進(jìn)展[3]。

二、高層結(jié)構(gòu)側(cè)移特性

高層結(jié)構(gòu)在受到外荷載作用，結(jié)構(gòu)在動荷載作用下水平方向的側(cè)移隨時間不停變化。隨著結(jié)構(gòu)高度增加，水平荷載下結(jié)構(gòu)的側(cè)向變形迅速增大，與結(jié)構(gòu)高度四次方成正比。因此不僅要求結(jié)構(gòu)具有足夠的強(qiáng)度，還要求具有足夠的抗推剛度，使結(jié)構(gòu)在水平荷載下產(chǎn)生的側(cè)移被控制在某一限度之內(nèi)[4]，否則會產(chǎn)生以下情況：

1，側(cè)移變形過大會使人感覺不舒服，影響使用。

2，側(cè)向變形過大會使填充墻或建筑裝修出現(xiàn)裂縫或損壞，也會使電梯軌道變形。

3，側(cè)向變形過大會使主體結(jié)構(gòu)出現(xiàn)裂縫，甚至損壞。

4，側(cè)向變形過大會使結(jié)構(gòu)產(chǎn)生附加內(nèi)力從而可能引起倒塌，建筑物上豎向荷載在側(cè)向變形時會產(chǎn)生附加彎矩，即P-效應(yīng)。

因此對高層結(jié)構(gòu)的側(cè)向變形進(jìn)行監(jiān)測是非常有必要的。

三，數(shù)字圖像測量技術(shù)原理及特點(diǎn)

數(shù)字圖像測量技術(shù)是基于攝影測量學(xué)原理，通過對攝影成像系統(tǒng)拍攝的圖像分析計算，得到被測物體在三維空間中的幾何參數(shù)和運(yùn)動參數(shù)。拍攝的影像是空間物體通過成像系統(tǒng)在像平面上的反映，即三維空間物體在像平面上的投影。數(shù)字影像每個像素的灰度反映了空間物體表面對應(yīng)點(diǎn)的光強(qiáng)度，而該點(diǎn)的圖像位置對應(yīng)了空間物體的表面的幾何位置。并且利用數(shù)字影像處理技術(shù)和數(shù)字影像匹配技術(shù)獲得同名像點(diǎn)的坐標(biāo)，通過軟件自動計算得到對應(yīng)物點(diǎn)的空間坐標(biāo)，與初始位置進(jìn)行比較，即可測量被測目標(biāo)的變形位移量。通過的攝影測量系統(tǒng)的標(biāo)定及采用先進(jìn)的圖像處理算法，能夠?qū)崿F(xiàn)亞像素級別的測量精度。目前常采用亞像素定位算法，一般情況下精度為0.1-0.5個像素，理想時可達(dá)到0.01個像素左右的精度[5]。

具有以下特性：①可瞬間得到被測物體的點(diǎn)位關(guān)系，作業(yè)方法有較大的靈活性；②采集的圖片信息豐富，顯示物體的客觀變化，對于規(guī)則或不規(guī)則的物體變形測量都可使用；③可用于物體外形和運(yùn)動狀態(tài)的測定；④測量時，可以不接觸物體，不干擾被測物體的自然狀態(tài)；⑤測量圖片利于保存，可隨時進(jìn)行檢查，分析及對比；⑥基于嚴(yán)謹(jǐn)?shù)睦碚撝R和先進(jìn)的硬件軟件設(shè)備，能提供相當(dāng)高精度和可靠性的測量結(jié)果。

四、測量系統(tǒng)

基于數(shù)字圖像測量技術(shù)的高層結(jié)構(gòu)動態(tài)測量系統(tǒng)主要由以下幾個部分組成：一、測量頭，主要由工業(yè)相機(jī)和鏡頭組成，用于實(shí)時采集被測目標(biāo)圖像；二、PC平臺，帶有自主研發(fā)的圖像處理系統(tǒng)，用于獲取測量頭采集的圖像并處理得到實(shí)時數(shù)據(jù)；三、標(biāo)志板，放置在被測點(diǎn)處，提高被測目標(biāo)的可視性；四、千兆網(wǎng)線，連接測量頭和PC平臺，傳遞圖像數(shù)據(jù)。這套測量系統(tǒng)的圖像采集頻率可達(dá)30Hz，完全可以滿足高層結(jié)構(gòu)的實(shí)時動態(tài)測量要求。

五、測量方式

根據(jù)建筑結(jié)構(gòu)在外界干擾及自身結(jié)構(gòu)作用下變形位移的特點(diǎn)，通過測量關(guān)鍵點(diǎn)在平面內(nèi)的二維坐標(biāo)、通過測得得位移變化來描述結(jié)構(gòu)的運(yùn)動特征。例如高層建筑在外水平荷載作用下，豎直方向的位移非常小，主要是對其水平方向位移進(jìn)行測量，因此主要任務(wù)是獲取結(jié)構(gòu)不同高度在水平面內(nèi)的二維坐標(biāo)變化。

在需要監(jiān)測的關(guān)鍵點(diǎn)所在的平面內(nèi)設(shè)置標(biāo)志板，提高被測目標(biāo)的可視度。將標(biāo)志板用人工方式固定在監(jiān)測點(diǎn)處，保證它能代表監(jiān)測點(diǎn)的運(yùn)動姿態(tài)，將測量頭利用螺栓固定在不動點(diǎn)，對儀器的姿態(tài)不作要求，對準(zhǔn)標(biāo)志板，儀器鏡頭主光軸與標(biāo)志板平面之間的幾何關(guān)系沒有嚴(yán)格的要求。坐標(biāo)系統(tǒng)的標(biāo)定是通過標(biāo)志板成像的圖形和自身的幾何尺寸之間的變換將測量頭的像平面坐標(biāo)歸算到目標(biāo)所在的坐標(biāo)系統(tǒng)，經(jīng)過圖像算法處理，就能得實(shí)際的物坐標(biāo)系結(jié)果，即標(biāo)志板平面上的二維坐標(biāo)值，得到運(yùn)動變形量是以儀器架設(shè)為基點(diǎn)的數(shù)值。測量參數(shù)設(shè)置、實(shí)施及測量數(shù)據(jù)的獲取可在遠(yuǎn)處數(shù)據(jù)處理平臺上的數(shù)據(jù)軟件中進(jìn)行操作處理，可直接獲取實(shí)時測量數(shù)據(jù)及變形曲線。

六、工程實(shí)測數(shù)據(jù)

該樓位于廣州市一住宅小高層，地下為一層地下室，地上為21層，標(biāo)準(zhǔn)層層高為3.3m，結(jié)構(gòu)體系采用框架-剪力墻結(jié)構(gòu)，該工程按7度抗震烈度設(shè)防。測量點(diǎn)選在20層一陽臺柱子處，高度為70m。自然條件非常適合測量，對測點(diǎn)進(jìn)行了2分鐘左右的同步動態(tài)測量，對數(shù)據(jù)進(jìn)行分析處理，得到測點(diǎn)的側(cè)移，換算出頻譜圖。測量得到X、Y方向的位移值和功率譜如下：

圖6-1O點(diǎn)X方向位移時程曲線

圖6-2O點(diǎn)X方向功率譜

圖6-3O點(diǎn)Y方向位移時程曲線

圖6-4O點(diǎn)Y方向位移功率譜圖

七、結(jié)論

這套數(shù)字圖像測量系統(tǒng)實(shí)現(xiàn)了對高層結(jié)構(gòu)的水平位移的實(shí)時測量，并得到測量數(shù)據(jù)結(jié)果，測量過程完全可實(shí)現(xiàn)數(shù)據(jù)獲取自動化、圖表和結(jié)果輸出的可視化。隨著測量系統(tǒng)的進(jìn)一步完善，其在結(jié)構(gòu)健康監(jiān)測領(lǐng)域中應(yīng)用將更加廣泛參考文獻(xiàn)。

參考文獻(xiàn)：

[1] 張祖勛，張劍清．?dāng)?shù)字?jǐn)z影測量學(xué)[M ]．武漢：武漢測繪科技大學(xué)出版社，1997．

[2] 梁菲.近景攝影測量在橋梁變形監(jiān)測中的應(yīng)用，重慶交通大學(xué)，碩士學(xué)位論文，2010

[3] 于承新，滕永彪等.數(shù)字?jǐn)z影與計算機(jī)技術(shù)在實(shí)時監(jiān)測結(jié)構(gòu)變形中的應(yīng)用。濟(jì)南大學(xué)學(xué)報(自然科學(xué)版)，2001，3(15)：232-234

[5] 于起峰，尚洋．?dāng)z像測量學(xué)原理與應(yīng)用研究[M]．北京：科學(xué)出版社，2009．

篇5

關(guān)鍵詞：DCT；數(shù)字圖像水?。浑x散余弦；魯棒性

中圖分類號：TP309

1 數(shù)字水印技術(shù)研究的意義

由于科學(xué)技術(shù)的發(fā)展，很多的數(shù)字化產(chǎn)品易于加工，非法的復(fù)制和拷貝也比較容易，這樣嚴(yán)重?fù)p壞了數(shù)字產(chǎn)品的完整性以及數(shù)字產(chǎn)品作者的版權(quán)。為了解決這一問題，因而提出了數(shù)字水印技術(shù)。

數(shù)字水印技術(shù)，從1993年Caronni正式提出數(shù)字水印到現(xiàn)在，無論國內(nèi)還是國外對數(shù)字水印的研究都引起了人們的關(guān)注。在國外方面，由于有大公司的介入和美國軍方及財政部的支持，雖然在數(shù)字水印方面的研究剛起步不久，但該技術(shù)研究的發(fā)展速度非常快。1998年以來，《IEEE圖像處理》、《IEEE會報》、《IEEE通信選題》、《IEEE消費(fèi)電子學(xué)》等許多國際重要期刊都組織了數(shù)字水印的技術(shù)?？?qū)ｎ}新聞報道，SPIE和IEEE的一些重要國際會議也開辟了相關(guān)的專題。IBM公司、日立公司、NEC公司、Pioneer電子公司和Sony公司等五家公司還宣布聯(lián)合研究基于信息隱藏的電子水印。國內(nèi)方面，我國的數(shù)字水印技術(shù)，也已經(jīng)取得了一定的研究成果，而且從學(xué)術(shù)領(lǐng)域的研究成果來看，我國的研究與世界水平相差的并不遠(yuǎn)，并且有自己的獨(dú)特研究思路。

數(shù)字水印的主要用途可以分為以下幾類：（1）版權(quán)標(biāo)識水印。數(shù)字水印將各種信息放在各種需要保護(hù)的數(shù)字產(chǎn)品中，即使經(jīng)過噪聲干擾、濾波、剪切、壓縮、旋轉(zhuǎn)等攻擊，水印仍可以繼續(xù)存在。例如Adobe公司在其著名的PS軟件Corel Draw圖像處理軟件中集成了Digimarc公司的數(shù)字水印插件。（2）篡改提示水印。檢測數(shù)字產(chǎn)品是否被修改、偽造等的處理的過程。（3）隱蔽標(biāo)識水印。在一些數(shù)字產(chǎn)品中，可以將數(shù)字水印嵌入作一些隱式注釋。（4）票據(jù)防偽水印。隨著現(xiàn)代各種先進(jìn)輸出設(shè)備的發(fā)展，使得各種票據(jù)的偽造變得更加容易，數(shù)字水印技術(shù)可以增加偽造的難度。因此，研究數(shù)字技術(shù)非常有必要性。

2 基于DCT數(shù)字圖像水印技術(shù)的研究

2.1 數(shù)字水印的概念

數(shù)字水印技術(shù)是指用信號處理的方法在多媒體數(shù)據(jù)中嵌入某些能證明版權(quán)歸屬或跟蹤侵權(quán)行為的隱蔽的信息，這些信息通常是不可見的，不容易被人的知覺系統(tǒng)覺察或注意到，這些隱藏在多媒體內(nèi)容中的信息只有通過專用的監(jiān)測器或閱讀器才能提取。通過這些隱藏在多媒體內(nèi)容中的信息，可以達(dá)到確認(rèn)內(nèi)容創(chuàng)建者，購買者或判斷內(nèi)容是否真實(shí)完整的目的。水印系統(tǒng)所隱藏的信息總是與被保護(hù)的數(shù)字對象或它的所有者有關(guān)。

2.2 DCT數(shù)字圖像水印的基本理論

其中圖像二維DCT變換（M取8或16）有許多優(yōu)點(diǎn)：

圖像信號經(jīng)過變換后，變換系數(shù)幾乎不相關(guān)，經(jīng)過反變換重構(gòu)圖像信道誤差和量化誤差將像隨機(jī)噪聲一樣分散到塊中的各個像素中去，不會造成誤差累積，并且變換能將數(shù)據(jù)塊中的能量壓縮到為數(shù)不多的部分低頻系數(shù)中去（即DCT矩陣的左上角）。對于給定圖像f（m，n）存在兩種DCT變換方法：一種是把圖像f（m，n）看成一個二維矩陣直接對其進(jìn)行DCT變換，然后嵌入水印，Cox[3]采用此種方法；另一種方法是與JPEG壓縮標(biāo)準(zhǔn)相統(tǒng)一，先把圖像分成8*8的不同小塊，再分別對每一塊進(jìn)行DCT變換，進(jìn)而嵌入水印，本文采用后一種方法嵌入水印。

一般數(shù)字水印應(yīng)具有如下的特征：無論經(jīng)過怎樣復(fù)雜的操作處理，通過水印算法仍能檢測到數(shù)字水印作品中的水印能力。即所謂的穩(wěn)健性；通過水印算法，嵌入水印后不能最終導(dǎo)致圖像的質(zhì)量在視覺上發(fā)生明顯變化，即視覺的不可感知性；通過數(shù)字水印算法能夠抵御非授權(quán)人的攻擊，同時檢測可以檢測到水印的概率，具有較高的安全性及有效性。

3 基于DCT的數(shù)字圖像水印算法系統(tǒng)的設(shè)計與實(shí)現(xiàn)

3.1 MATLAB軟件的介紹

MATLAB是目前最強(qiáng)大的編程工具之一，本文將利用MATLAB7.0軟件進(jìn)行基于DCT的數(shù)字水印算法的系統(tǒng)的設(shè)計和實(shí)現(xiàn)。

MATLAB語言簡潔緊湊，庫函數(shù)豐富，程序書寫形式自由，運(yùn)算符豐富，使用方便靈活。MATLAB具有結(jié)構(gòu)化的面向?qū)ο缶幊痰奶匦?，可移植性好，且具有較強(qiáng)的圖形編輯界面和功能強(qiáng)大的工具箱。同時，MATLAB中的源程序具有開放性，可以通過對其的修改使其變成新的程序。不足之處是，MATLAB的程序執(zhí)行速度較慢。利用MATLAB研究數(shù)字水印技術(shù)集成了DCT等函數(shù)，方便了研究人員編寫源程序，易實(shí)現(xiàn)。使用了MATLAB中很多的工具箱。

3.2 基于DCT的數(shù)字圖像水印算法系統(tǒng)的設(shè)計與實(shí)現(xiàn)

3.2.1 需求分析

離散余弦變換（Discrete Cosine Transform）簡稱DCT，基于DCT域的數(shù)字水印算法，可以分為兩大類，一類是直接對整幅圖像進(jìn)行DCT整體計算，然后嵌入水印。另一類是先將整幅圖像分成塊，對每一塊分別進(jìn)行DCT計算，最后再嵌入水印。由于分塊DCT計算速度比整體DCT計算速度快得多，因此目前DCT域的水印方法大多數(shù)是采用的分塊DCT方法。

基于DCT的數(shù)字圖像水印算法系統(tǒng)的設(shè)計與實(shí)現(xiàn)，可以提供用戶一個良好的交互手段，用戶可以利用本系統(tǒng)進(jìn)行水印的嵌入、提取、攻擊等，本系統(tǒng)的可交互的，可視化的特點(diǎn)為用戶研究基于DCT的數(shù)字圖像水印算法提供了方便。

3.2.2 系統(tǒng)功能模塊設(shè)計

（1）水印生成。通常是通過偽隨機(jī)數(shù)發(fā)生器或混沌系統(tǒng)來產(chǎn)生水印信號，通常需要對水印進(jìn)行預(yù)處理來適應(yīng)水印嵌入算法。

（2）水印嵌入。水印嵌入的準(zhǔn)則常用的有三種，分別為加法準(zhǔn)則、乘法準(zhǔn)則、加法乘法混合準(zhǔn)則，混合準(zhǔn)則近年來引起了人們的廣泛關(guān)注。

（3）水印提取。指水印被提取出來的過程。

（4）水印檢測。水印檢測是指判斷數(shù)字產(chǎn)品中是否存在水印的過程。

3.2.3 系統(tǒng)實(shí)現(xiàn)

一個完整水印系統(tǒng)的設(shè)計通常包括水印的生成、嵌入、提取和檢測四個部分。

通過選取實(shí)驗(yàn)圖片，點(diǎn)擊導(dǎo)入圖片，然后進(jìn)行水印的嵌入，再對嵌入水印的圖片進(jìn)行高斯噪聲、濾波、剪切、旋轉(zhuǎn)等攻擊實(shí)驗(yàn)后，可以繼續(xù)提取水印，進(jìn)行水印信號的檢測。

（1）嵌入水印的過程。論文采用的是分塊DCT算法，水印嵌入步驟如下：

1）將灰度宿主圖像分成互不覆蓋的8×8的塊，然后對每一塊都進(jìn)行DCT變換，得到與宿主圖像相同尺寸的DCT域；

2）我們用密鑰生成長度為NW的Gaussian白噪聲作為水印信號：W～N（0，1）；

3）將每個8×8的DCT系數(shù)矩陣從每一塊的中頻段取出（（64×Nw）/（M×N））個系數(shù)CK（i，j），k=1，2，…Bnum；

4）根據(jù)公式W′=W（1+alfa*mark）嵌入水印，其中alfa為尺度因子，mark為水印信息，W為原圖象的分塊DCT系數(shù)。

5）用得到的新的DCT系數(shù)對原來位置的DCT系數(shù)進(jìn)行置換。

6）對新的DCT系數(shù)矩陣進(jìn)行DCT反變換，得到了嵌入水印信號后的圖像。

4 結(jié)束語

本論文是在應(yīng)用了MATLAB7.0軟件，設(shè)計和實(shí)現(xiàn)了完整的數(shù)字圖像水印處理系統(tǒng)，包括水印的嵌入、提取與驗(yàn)證過程。所提出的方案均在該系統(tǒng)中進(jìn)行了驗(yàn)證。

數(shù)字水印技術(shù)的發(fā)展時間雖然不長，但其在版權(quán)保護(hù)、內(nèi)容的完整性以及認(rèn)證方面都做出了一定的貢獻(xiàn)。未來，數(shù)字水印在知識產(chǎn)權(quán)的保護(hù)、內(nèi)容認(rèn)證等方面會有一個更好的應(yīng)用前景。我們應(yīng)該抓住信息時代對于數(shù)字版權(quán)保護(hù)的迫切需求，開發(fā)出自己的水印產(chǎn)品。

參考文獻(xiàn)：

[1]孫銳，孫洪，姚天任.多媒體水印技術(shù)的研究進(jìn)展與應(yīng)用[J].系統(tǒng)工程與電子技術(shù)，2003，25（6）：772-776.

[2]王丙錫，陳琦，鄧峰森.數(shù)字水印技術(shù)[M].西安：西安電子科技大學(xué)出版社，2003.

[3]余成波，楊菁，楊如民，周登義.數(shù)字信號處理及MATLAB實(shí)現(xiàn)[M].北京：清華大學(xué)出版社，2005.

[4]王家文，李仰軍.MATLAB7.0圖形圖像處理[M].北京：國防工業(yè)出版社，2006.

[5]張問銀，梁永全.基于DCT的一種數(shù)字圖像水印策略[J].山東：山東科技大學(xué)學(xué)報，2002.

[6]肖力.一種基于DCT域的數(shù)字水印的實(shí)現(xiàn)[J].鄂州大學(xué)學(xué)報，2005.

[7]Rafael C.Gonzalez，Richad E.Woods.阮秋琦，阮宇智譯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[8]耿永軍，朱雪芹.基于離散余弦變換的數(shù)字水印算法[J].鄭州大學(xué)學(xué)報，2005.

[9]M.jiang，Z.jiang.A New Searchless Fractal Image Encoding Method Based on Wavelet Decomposition.Proceedings of the 6th World Congress on Intelligent Control and automatiaon，（2006）：83-86.

篇6

關(guān)鍵詞：隸屬度函數(shù) 直方圖統(tǒng)計量 圖像增強(qiáng)

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2015）09-0000-00

1 引言

數(shù)字圖像增強(qiáng)的主要目的就是采用某種技術(shù)手段，要改善圖像的視覺效果，將圖像轉(zhuǎn)化為更適合于人眼觀察和機(jī)器分析的形式，以便從圖像中獲取更有用的信息。根據(jù)圖像增強(qiáng)技術(shù)處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。基于空域的算法處理時直接對圖像灰度級做運(yùn)算，基于頻域的算法是在圖像的某種變換域內(nèi)對圖像的變換系數(shù)值進(jìn)行某種修正。本文基于空域的運(yùn)算，設(shè)計一種直方圖統(tǒng)計量與模糊集合結(jié)合的算法。

模糊集合的概念首次提出于1965年美國加利福尼亞大學(xué)扎德教授發(fā)表的論文。模糊數(shù)學(xué)在短短三十多年的時間里已取得了迅速的發(fā)展，并日益顯示其理論價值和應(yīng)用價值。尤其在信息處理方面，由于涉及到大量的模糊因素和模糊信息處理問題，模糊數(shù)學(xué)作為描述和處理具有不確定性的現(xiàn)象和事物的一種數(shù)學(xué)手段 ，已成功應(yīng)用于自動控制、圖像處理、模式識別、機(jī)器視覺等領(lǐng)域。近年來，不少學(xué)者致力于把模糊集理論引入圖像處理和識別技術(shù)的研究中，已取得了顯著成果；且實(shí)驗(yàn)表明：基于模糊集理論的處理和識別技術(shù)，在某些場合應(yīng)用效果比傳統(tǒng)方法更好。

2 基于直方圖統(tǒng)計及模糊集合的圖像增強(qiáng)算法

2.1 預(yù)備知識

80年代中期，Pal等提出了一種圖像邊緣檢測模糊算法（簡稱 Pal算法），首次將模糊集理論引入到圖像的邊緣檢測算法中。其具體做法是：第一步，利用模糊集理論將圖像從灰度數(shù)據(jù)空間轉(zhuǎn)換為模糊空間，即把圖像看成一個模糊點(diǎn)集陣列。一個 ， 具有級灰度 的二維圖像可表示為：

其中 表示圖像象素 具有某種性質(zhì)的程度為 ，規(guī)定 （當(dāng) 時表示不具有該性質(zhì)，當(dāng) 表示絕對地具有該性質(zhì)），稱函數(shù) 為該性質(zhì)的隸屬度函數(shù)。Pal采用下式作為隸屬度函數(shù)：

式中 分別稱為指數(shù)型和倒數(shù)型模糊因子。完成了待處理圖像到模糊矩陣的映射后，第二步是在模糊空間中通過模糊增強(qiáng)算子對圖像做模糊增強(qiáng)處理，以增強(qiáng)邊緣兩側(cè)象素灰度的對比度，減少圖像灰度層次；第三步，將處理結(jié)果由模糊空間變換回數(shù)據(jù)空間，并提取邊界。Pal算法的處理效果明顯優(yōu)于傳統(tǒng)方法，但該算法在將圖像由灰度數(shù)據(jù)空間轉(zhuǎn)換為模糊空間時，采用復(fù)雜的冪函數(shù)作為模糊隸屬度函數(shù)，存在著運(yùn)算量大、耗時多的缺點(diǎn)。因此，目前對算法的改進(jìn)應(yīng)集中在研究如何選取新的、簡單的模糊隸屬度函數(shù)來實(shí)現(xiàn)灰度空間到模糊空間的合理轉(zhuǎn)換，以及設(shè)計效果更佳的模糊增強(qiáng)算子和快速實(shí)現(xiàn)模糊增強(qiáng)過程的方法，以簡化計算、提高速度。

因而，構(gòu)造隸屬度函數(shù)是用模糊方法處理圖像的關(guān)鍵一步，我們將結(jié)合圖像的直方圖統(tǒng)計量進(jìn)行構(gòu)造。

設(shè) 為一個 ，灰度級為 的數(shù)字圖像，將 的直方圖從0到 排列，分別計算出上四分位數(shù) ，中位數(shù) ，下四分位數(shù) ，并記 表示為四分位距。由統(tǒng)計學(xué)知識，處于 及 之間的點(diǎn)稱為正常用點(diǎn)，這個區(qū)域之外的點(diǎn)稱為異常值。我會將利用這些統(tǒng)計量構(gòu)造隸屬度函數(shù)。

2.2 算法

Step1： 統(tǒng)計原始圖像直方圖的相關(guān)的統(tǒng)計量。引入兩個變量作為暗、亮的臨界值，稱為暗區(qū)上限和亮區(qū)下限，分別記以：

（1）

基中 、 分別表示圖像 的最小像素和最大像素。在step2中我們將對這兩個變量加以說明。

Step2：根據(jù)模糊法則。設(shè)計出隸屬度函數(shù)，我們用如下規(guī)則說明了灰度級圖像對比增強(qiáng)的過程：

（2）

此IF-THEN規(guī)則描述了圖像增強(qiáng)的總體思路，它們的條件是確定項(xiàng)，結(jié)論是模糊項(xiàng)，我們必須用合適的隸屬度函數(shù)來表示暗、灰和亮這些概念。為此，我們需要確立一個隸屬度函數(shù)，從而來判斷一個像素對于三個條件的隸屬度。我們將用 、 和 分別表示暗隸屬度、灰隸屬度和明隸屬度。實(shí)際上，隸屬度函數(shù)的確定是很復(fù)雜的，正如Pal所構(gòu)造的函數(shù)計算太大，這里我們則盡量想得簡單一點(diǎn)。首先，一個像素 若小于 時，則由定義 小于等于 或 。對于前者，由統(tǒng)計學(xué)知識可知 是奇異點(diǎn)，即已經(jīng)處于暗區(qū)（甚至更暗）的范圍；對于后者，則說明 為圖像 中像素最低的值。由 定義的規(guī)則，其隸屬度函數(shù)必需滿足：在低于 的時候域隸屬度為1，在灰度越過某一個值（我們?nèi)《ㄟ@個值為 ）之后，其隸屬度為0，介于這兩個值之間，我們進(jìn)行二次函數(shù)插值。因而，我們確定了 規(guī)則的隸屬度函數(shù) 。其次，一個像素如果處于圖像中所有像素的中位數(shù)，則這個像素的灰度級對于 的隸屬度為1，即 ，處于這個值的前后，我們進(jìn)行線性插值，并由 規(guī)定，當(dāng)處于區(qū)間 之外時，得到其隸屬度為0。從而，我們確定了 。 的構(gòu)造的原理與 是相仿。

根據(jù)以上討論，我們所確定的隸屬度函數(shù)如下所示：

（3）

（4）

（5）

Step3：根據(jù)隸屬函數(shù)變換圖像。我們沿襲《Digital Image Processing》中的方法，將隸屬函數(shù)加權(quán)平均，得到如下變換：

（6）

其中 分別表示暗、灰、亮的灰度值，我們可以采用最小灰度值、灰度級中值及最大灰度值代入。

經(jīng)過上面三個步驟，原圖像將“智能”地增強(qiáng)可視效果。我們將在下面的實(shí)驗(yàn)中行到驗(yàn)證。

3 實(shí)驗(yàn)與小結(jié)

下面以Matlab自帶的圖片pout.tif為例進(jìn)行實(shí)驗(yàn)。為了方便分析該算法的特點(diǎn)，我們將其與傳統(tǒng)的直方圖均衡化做比較。

Step1：求得 ， ， ，從而 ， ；Step2：將上述結(jié)果代入（3）-（5）式，得到隸屬度函數(shù) 、 、 ；Step3：由于圖片灰度級 為，因而可取 ，將其代入（6）式，得到最終的圖像變換。利用Matlab編程最終得到如圖1圖像及對應(yīng)的直方圖：

圖1 實(shí)驗(yàn)結(jié)果及其直方圖

從圖1 直方圖及圖像表現(xiàn)可知：原圖像主要集中在灰色區(qū)域，因而需要增強(qiáng)對比度。對該類型的圖像對比度增強(qiáng)，傳統(tǒng)的算法是直方圖均衡化（在Matlab中有相應(yīng)的命令histeq（）可進(jìn)行操作）。直方圖均衡化具有運(yùn)算快速、自動化等優(yōu)點(diǎn)，均衡化的結(jié)果是直方圖得到最大程度的“分散”，但它的不足是信息量的減少。圖像的信息量是用信息熵反映的，其計算由下面公式給出：

其中 表示第 個灰度級在圖像中出現(xiàn)的頻率。通過實(shí)驗(yàn)，我們可以得出新算法的優(yōu)勢：

（1）直方圖均衡化是對圖像直方圖進(jìn)行“平均”，使其畫片各灰度值分布“均勻”，而本算法不僅增強(qiáng)了圖像的對比度，而且這種增強(qiáng)是“模糊智能”的：當(dāng)圖像暗區(qū)較大（曝光不足）時， 主導(dǎo)發(fā)生抑制作用，使圖像趨于亮；當(dāng)圖像亮區(qū)較大（曝光過足）時， 主導(dǎo)發(fā)生抑制作用，使圖像趨于暗；當(dāng)圖像灰區(qū)較大（對比度不足）時， 主導(dǎo)發(fā)生抑制作用，使圖像趨于兩端（正如本實(shí)驗(yàn)所示結(jié)果）。

（2）均衡化將失去部分細(xì)節(jié)，而新算法對信息熵基本保持。對比兩種算法的信息熵表1所示：

表1 對比兩種算法的信息熵

算法 原圖 均衡化 本文算法

信息熵 3.9925 3.7840 3.9921

（3）均衡過的圖像雖然也增強(qiáng)了對比圖，但直方圖的特征發(fā)生了變化。對于本算法，從灰度直方圖來看，處理后的圖像的直方圖的動態(tài)范圍得到了擴(kuò)展，所得的圖像也比原圖更加的明亮清晰，圖片的一些細(xì)節(jié)處理的較為妥當(dāng)，并且最重要的是，保留了原圖像直方圖的相同的基本特征。

（4）從處理速度上看，該算法自動化，且運(yùn)算速度較快。傳統(tǒng)的模糊圖像處理的計算量較大，當(dāng)處理速度和圖像吞吐量是重點(diǎn)考慮的問題時，該模糊算法的體現(xiàn)這一優(yōu)越性。

參考文獻(xiàn)

[1] 岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[2] 王家文，李仰軍.MATLAB7.0圖形圖像處理[M].北京：國防工業(yè)出版社，2003.

[3] 李開端，李樹軍.基于直方圖統(tǒng)計學(xué)的圖像增強(qiáng)算法研究[J].科學(xué)技術(shù)與工程，2011（8）.

[4] 吳薇.圖像處理中的模糊技術(shù)[J].現(xiàn)代電子技術(shù)，2010（3）.

[5] 林海濤.基于模糊關(guān)聯(lián)集合的圖像去噪方法[J].軟件導(dǎo)刊，2014（8）

收稿日期：2015-08-28

篇7

關(guān)鍵詞：圖像超分辨率；頻域；空域；學(xué)習(xí)

中圖分類號：TP391

由于超分辨率重構(gòu)技術(shù)是采用軟件方法來提高圖像的空間分辨率，而不需要更換原有的成像設(shè)備，使它成為一種有效而又經(jīng)濟(jì)的提高圖像分辨率的方法。自開始提出到現(xiàn)在，已具有廣泛的應(yīng)用領(lǐng)域，如在計算機(jī)視覺、衛(wèi)星圖像中軍事目標(biāo)識別、視頻監(jiān)控系統(tǒng)、生物醫(yī)學(xué)圖像處理和視頻壓縮、民用安防等領(lǐng)域中具有重要的實(shí)際應(yīng)用價值，近年來得到許多學(xué)者廣泛的關(guān)注。

國外超分辨率圖像重構(gòu)研究較為活躍，國內(nèi)對于超分辨率重建構(gòu)的研究近年來也逐步引起重視，但主要是對國外超分辨率方法的改進(jìn)及部分領(lǐng)域的應(yīng)用，如汪雪林等[1]提出了基于小波域局部高斯模型的圖像超分辨率算法；姚振杰等提出一種用于車牌識別的圖像超分辨算法[2]等。

1 圖像超分辨率重構(gòu)算法分類

目前，單幀圖像的超分辨率研究較少，而多幀圖像比單幀圖像所含的可利用的信息量大，已經(jīng)成為目前研究的熱點(diǎn)。其重構(gòu)按實(shí)現(xiàn)的具體方法主要可分為頻域算法和空域算法

1.1 基于頻域的超分辨率重構(gòu)算法

頻域方法是在變換域中解決圖像的插值問題，1984年，Tsai和Huang[3]開創(chuàng)性地提出一種基于Fourier變換域的對多幀衛(wèi)星圖像進(jìn)行超分辨率重構(gòu)的算法，從本質(zhì)上解決了高分辨率圖像重構(gòu)無唯一解的問題。Kaltenbacher和Hardie[4]在Tsai的基礎(chǔ)上提出一種估計圖像整體平移參數(shù)的計算方法，在計算整體平移方面的性能比Tsai的方法更為有效。郝鵬威[5]給出了多次欠采樣圖像在頻域混疊的更一般的公式，這一改進(jìn)具有很強(qiáng)的抗噪能力和收斂性。隨后還出現(xiàn)了許多改進(jìn)算法，但都是基于整體平移運(yùn)動模型。

頻域算法受限于傅立葉變換理論，難以包含先驗(yàn)信息，圖像的運(yùn)動只能是整體平移運(yùn)動，而且觀測模型也不能隨意改變，因此頻域算法的發(fā)展受到了極大地限制。

1.2 基于空域的超分辨率重構(gòu)算法

空域算法是對影響低分辨率圖像成像效果的空域因素（如光學(xué)模糊、運(yùn)動模糊）進(jìn)行數(shù)學(xué)建模?？沼蛩惴梢园鼮殪`活的觀測模型和先驗(yàn)知識，更接近于實(shí)際應(yīng)用領(lǐng)域。

（1）基于插值的方法——非均勻采樣插值算法

非均勻采樣值算法首先是對多幀低分辨率圖像進(jìn)行運(yùn)動估計，即圖像配準(zhǔn)。將配準(zhǔn)后的低分辨率像素投放到高分辨率柵格上，低分辨率像素在高分辨率網(wǎng)格中是非均勻分布的無序采樣值，對這些采樣值進(jìn)行內(nèi)插，即可得到高分辨率像素值。

非均勻采樣值算法優(yōu)點(diǎn)是算法快速易行，基本可以滿足實(shí)時要求，但因?yàn)椴荒芤敫嘤杏玫母哳l信息，沒有充分的使用先驗(yàn)知識，降質(zhì)模型有限，所以無法重構(gòu)出好的高分辨率圖像。

（2）迭代反投影（IBP）算法

Irani和Peleg[6]提出了迭代反向投影法。其基本思想是先估計出一幀高分辨率圖像，并將此高分辨率圖像代入到觀測模型；然后經(jīng)過一系列的降質(zhì)過程生成低分辨率圖像，計算出與輸入的低分辨率圖像之間的差值并投影到高分辨率圖像上，同時根據(jù)差值不斷更新當(dāng)前輸出圖像；再經(jīng)過多次迭代，誤差得到收斂，便可得到相應(yīng)的高分辨率圖像。

IBP算法運(yùn)算量小，收斂速度較快，不足點(diǎn)是重構(gòu)結(jié)果不唯一，且與凸集投影（POCS）算法比較，難以包含先驗(yàn)知識，實(shí)際應(yīng)用較少。

（3）集合論的方法——凸集投影（POCS）算法

POCS算法最早是Stark[7]從集合投影理論出發(fā)提出的超分辨率重構(gòu)算法，它利用有效的空間觀測模型，將成像系統(tǒng)每個先驗(yàn)信息視為對圖像重構(gòu)的結(jié)果的一個約束條件，加入這些先驗(yàn)信息，在這些信息的交集內(nèi)得到一個可行解。POCS算法也是一個迭代過程，只需給定高分辨率圖像空間上的任意一點(diǎn)，通過把初始估計迭影到每個凸集 ，最終得到一個能夠滿足所有集合的解，即重構(gòu)的高分辨率圖像。早在90年代，國外就將POCS算法應(yīng)用到生物醫(yī)學(xué)圖像和視頻序列的超分辨率重構(gòu)模型，并取得了較好的重構(gòu)效果。

POCS算法可以很便利的加入先驗(yàn)知識，具有較好的圖像邊緣及細(xì)節(jié)保持能力，應(yīng)用較廣泛，但是它的解不唯一，收斂速度較慢且不穩(wěn)定。

（4）統(tǒng)計學(xué)方法——最大后驗(yàn)概率（MAP）算法

統(tǒng)計學(xué)算法是把高分辨率圖像和低分率圖像之間的運(yùn)動都看成是隨機(jī)的變量。MAP算法中的先驗(yàn)?zāi)Ｐ头浅Ｖ匾?，大多?shù)MAP算法的差別就在于先驗(yàn)?zāi)Ｐ偷倪x擇。如高斯馬爾科夫隨機(jī)場（GMRF）有很多優(yōu)點(diǎn)，但是用這種方法進(jìn)行超分辨率重構(gòu)得到的結(jié)果過度平滑，邊緣得不到銳化；胡貝爾隨機(jī)場（HMRF）可以分段平滑，能很好地保持邊緣等。基于這些原理，Jin Chen[8]提出了基于GMRF的視頻超分辨率重構(gòu)；Hefnawy等[9]將正則化的MAP算法應(yīng)用到核磁共振成像上。

最大后驗(yàn)概率算法優(yōu)勢在于可以在解中直接加入先驗(yàn)約束、能確保解的唯一性、降噪能力強(qiáng)和收斂穩(wěn)定性高等，但是收斂慢、運(yùn)算量大。另外，MAP算法的邊緣保持能力不如POCS算法好，所獲得的高分辨率圖像上的細(xì)節(jié)容易被平滑掉。

（5）混合MAP/POCS算法

容易發(fā)現(xiàn)，POCS算法與MAP算法可以彌補(bǔ)彼此的缺點(diǎn)，繼而出現(xiàn)了MAP/POCS算法。其算法本質(zhì)是在MAP算法的迭代優(yōu)化過程中加入一些先驗(yàn)知識，這樣可以把全部先驗(yàn)知識有效地結(jié)合起來，并且確保唯一解。理論證明，采用梯度下降最優(yōu)化算法能保證收斂到全局最優(yōu)解?；旌螾OCS/MAP算法在視頻壓縮方面應(yīng)用較多。

混合MAP/POCS算法結(jié)合了各自算法的優(yōu)點(diǎn)，充分利用先驗(yàn)信息，收斂性和穩(wěn)定性也比較好，是目前重構(gòu)算法較為理想的算法。

（6）自適應(yīng)濾波算法

Elad和Feuer[10]把自適應(yīng)濾波理論用于超分辨率重構(gòu)。他們[11]還把R-SD和R-LMS算法近似地看作是Kat-rnan濾波，對兩者的性能進(jìn)行了分析，得出兩種算法的實(shí)用性。自適應(yīng)濾波方法的缺點(diǎn)是最優(yōu)濾波方法不能包含先驗(yàn)知識，而且該方法不能包含非線性先驗(yàn)知識。

（7）其他算法

除上面介紹的較為成熟的算法外，還有一些算法在近幾年也備受關(guān)注。如將規(guī)整化算法改進(jìn)應(yīng)用到了彩色圖象，取得了很好的重構(gòu)效果[12]；小波算法也應(yīng)用到了視頻超分辨率[13，14]、醫(yī)學(xué)核磁共振成像[15]等領(lǐng)域；基于偏微分方程的超分辨率重構(gòu)算法[16，17]等也在一些領(lǐng)域得到很好地應(yīng)用。

1.3 基于學(xué)習(xí)的重構(gòu)算法

基于學(xué)習(xí)的超分辨算法目的在于從低頻和中頻分量信息中恢復(fù)高頻信息。與前面頻域和空域算法相比，基于學(xué)習(xí)的重構(gòu)算法更注重對圖像的內(nèi)容和結(jié)構(gòu)的把握，它充分利用與圖像本身相關(guān)的先驗(yàn)知識，在不增加輸入圖像樣本數(shù)量的情況下，提供更強(qiáng)的約束并產(chǎn)生新的高頻細(xì)節(jié)，從而獲得更好的重構(gòu)效果。但是，基于學(xué)習(xí)的重構(gòu)算法也有一定的局限性。這種算法所使用的樣本圖像對放大倍數(shù)都是固定的，在實(shí)際情況下能達(dá)到的放大倍數(shù)有限，且基于學(xué)習(xí)的重構(gòu)算法的性能訓(xùn)練樣本庫有極大的依賴性，然而目前還沒有相關(guān)理論指導(dǎo)樣本的選擇。

2 結(jié)束與展望

全文對超分辨率圖像重構(gòu)算法做了簡單分類與比較，系統(tǒng)地分析了超分辨率圖像重構(gòu)算法。目前，超分辨率重構(gòu)技術(shù)在理論和實(shí)際應(yīng)用中都具有重大的意義，因而對超分辨率重構(gòu)技術(shù)的要求越來越高。學(xué)者們將不斷地迎接新的問題與挑戰(zhàn)，如亞像素配準(zhǔn)精確性、算法效率的提高、任意倍數(shù)的重構(gòu)以及應(yīng)用領(lǐng)域的擴(kuò)展等，這些方面都是未來研究的重點(diǎn)和難點(diǎn)。

參考文獻(xiàn)：

[1]汪雪林，文偉，彭思龍，基于小波域局部高斯模型的圖像超分辨率[J].中國圖象圖形學(xué)報，2004.

[2]姚振杰，易衛(wèi)東.一種用于車牌識別的超分辨率算法[J].中國科學(xué)院研究生院學(xué)報，2013.

[3]R.Y.Tsai and T.S.Huang.Multipleframe image restoration and puter Vision and Image Processing，1984：317-339.

[4]Irani M，Peleg S.Motion analysis for image enhancement.resolution，conclusion，and transparency[J].Journal of Visual Communication and Image Representation，1993，4（4）：324-336.

[5]郝鵬威，數(shù)字圖像空間分辨率改善的方法研究[D].中國科學(xué)院遙感應(yīng)用研究所博士學(xué)位論文，1997，9.

[6]Irani M，Peleg S.Improving resolution by image registration.GraphicalModels and Image Proc，1991，53（1）：231-239.

[7]Stark H，Oskoui P.High-resolution image recovery from image-plane arrays，Using convex projection[J].Journal of the Optical Society of America，1989，6（11）：1715-1726.2012，849-852

[8]Jin Chen，Nunez-Yanez J Achim，A.Video Super-Resolution Using Generalized Gaussian Markov Random Fields.IEEE Signal Processing Society，2012：63-66.

[9]AA Hefnawy.An efficient super-resolution approach for obtaining isotropic 3-D imaging using 2-D multi-slice MRI，Egyptian Informatics Journal，2013.

[10]Elad M，F(xiàn)euer.Super-resolution restoration of an image Sequence：adaptive filtering appmach[J].IEEE Trans.Image Processing，1999，8（3）：387-395.

[11]Elad M.Feuer Super-resolution reconstruction of image sequences[J].IEEE Trans.Pattern Analysis&Machine Intelligence，1999，21（9）：817-834.

[12]S.Farsiu，M.Elad，P.Milanfar.Multiframe Demosicing and Super-resolution of color Image.IEEE Trans.Signal Processing，2006，15：141-159.

[13]Chang-Ming Lee，Chien-Jung Lee，Chia-Yung Hsieh，Wen-Nung Lie.Super-resolution reconstruction of video sequences based on wavelet-domain spatial and temporal processing.IEEE，Pattern Recognition （ICPR），2012：194-197.

[14]S.Izadpanahi，H.Demirel.Motion based video super resolution using edge directed interpolation and complex wavelet transform.Signal Processing，2013.

[15]Islam，R.Lambert，A.J.Pickering，M.R.Super resolution OF 3D MRI images using a Gaussian scale mixture model constraint.IEEE，Acoustics，Speech and Signal Processing，2012：849-852.

[16]Shuying Huang，Yong Yang，Guoyu Wang.An Improved PDE Based Super-Resolution Reconstruction Algorithm.Procedia Engineering，2012，29：2838-2842.

[17]Niang O，Thioune A，Gueirea M.C.E，Delechelle E.Partial Differential Equation-Based Approach for Empirical Mode Decomposition：Application on Image Analsis.IEEE Trans，Image Processing，2012，21：3391-4001.

作者簡介：孫小霞（1987-），女，安徽蕪湖人，研究生，主要研究方向?yàn)椋簲?shù)字圖像處理；王彥欽，男，博士，研究方向：細(xì)微加工，為納光學(xué)和表面等離子體等；羅先剛，男，博士生導(dǎo)師，研究方向：細(xì)微加工，為納光學(xué)和表面等離子體等；汪慧蘭（1978-），女（通訊作者），副教授，研究方向：數(shù)字圖像處理。

篇8

中圖分類號：TP311文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2012)12-2882-04

Threshold Citrusimage Segmentation Research and Analysis

WANG Jun, ZHOU Li-juan

(Collegeof Information Science and Technology, Hunan Agricultural University, Changsha 410128, China)

Abstract：Image segmentation is an important and primary problem in the field of computer vision. The thesis puts forward a full set of cit? rus image segmentation algorithm, which adopts improved genetic algorithm combining with improved threshold method. The thesis, through simulation experiment, brings forward threshold scope which is more stable, and makes the image segmentation edges more dedi? cated.

Key words: navel orange; threshold segmentation; classes distance; improved genetic algorithm

圖像分割是計算機(jī)視覺領(lǐng)域的一個重要而且基本的問題。它在農(nóng)產(chǎn)品無損檢測方面得到了廣泛的應(yīng)用。圖像分割算法好壞會直接影響檢測系統(tǒng)的準(zhǔn)確度。它是從圖像處理到圖像分析的一個關(guān)鍵步驟。對它的研究一直都是圖像技術(shù)研究中的熱點(diǎn)和焦點(diǎn)之一。但由于圖像的特殊性，針對具體圖像，針對具體問題，分割算法就不一樣，至今還沒有找到通用的分割理論，也沒有找到對所有圖像都適合的通用分割算法。

近幾年來，基于遺傳算法的圖像分割方法得到了很多學(xué)者的研究。由于遺傳算法在搜索方面具有很強(qiáng)的優(yōu)勢，而圖像分割的實(shí)質(zhì)是在眾多的參量中去尋找一個最優(yōu)參量，以此作為分隔的依據(jù)。于是如果在圖像分割中引入遺傳算法去求取最佳閾值，將會大大提高分割效率。

本論文重點(diǎn)對基于傳統(tǒng)遺傳算法的圖像分割算法進(jìn)行了比較系統(tǒng)的研究。針對傳統(tǒng)遺傳算法的不足，提出了一些改進(jìn)措施，并且設(shè)計新的閾值確定方法——類類距離法，將兩者結(jié)合共同運(yùn)用到臍橙圖像分割中，得到了比較好的效果。在最大程度上避免基本遺傳算法收斂性差，容易早熟等問題。

1臍橙圖像分割

對于臍橙出產(chǎn)大省湖南省，每年臍橙收獲完后的分類，分等級進(jìn)行銷售是一項(xiàng)工作量龐大的任務(wù)。臍橙表面破損自動檢測系統(tǒng)就是基于計算機(jī)視覺技術(shù)研發(fā)而成，其檢測的精度較人工挑選有很大提高。該系統(tǒng)中臍橙圖像分割算法好壞會直接影響系統(tǒng)檢測臍橙表面是否破損的準(zhǔn)確度。

通過特定裝置獲得比較清晰的彩色臍橙圖像后，對于表面有破損的臍橙，要進(jìn)行篩選清理。進(jìn)行破損部分比對前，要對彩色臍橙圖像先進(jìn)行分割處理。把整幅圖像分成臍橙和背景兩部分，再提取臍橙部分的圖像進(jìn)行破損分析。這要求將臍橙的邊緣和破損部分處理得非常清晰，最大可能的避免將破損區(qū)域誤分割成圖像背景。

2改進(jìn)的遺傳算法

2.1控制參數(shù)改進(jìn)

在遺傳算法中，直接影響到算法的收斂性的關(guān)鍵參數(shù)是：交叉概率與變異概率，它們的選取會影響到算法行為和性能。在適應(yīng)度值變換的情況下將交叉概率與變異概率隨之調(diào)整，以達(dá)到保證算法收斂性的目的。于是我們對交叉概率和變異概率按照如下公式進(jìn)行自動調(diào)整：

圖5本文提出的算法分割效果圖

從表1，圖2至圖5可以得出以下結(jié)論：

1)臍橙圖像利用遺傳算法來分割，每次運(yùn)行所得閾值都在變化，但變化的范圍不是很大，只是在一定區(qū)域做細(xì)微波動。這種情況是正常的，也是完全可以接受的，其原因是由于遺傳算法隨機(jī)生產(chǎn)初始種群，這種隨機(jī)性就帶來了閾值的波動性。這也是遺傳算法不穩(wěn)定性的體現(xiàn)。但從表中數(shù)據(jù)看出采用本文所設(shè)計的改進(jìn)的遺傳算法，即交叉概率和變異概率隨適應(yīng)度自動調(diào)整，那么分割的圖像所得到的閾值，其波動會限制在一個很小的范圍以內(nèi)（穩(wěn)定在4個像素以內(nèi),閾值最大為60，最小為57），這樣既保持了群體多樣性，又保證了遺傳算法的收斂性。同時其穩(wěn)定性也明顯地優(yōu)于其他算法。

2)利用本文所設(shè)計的類類距離遺傳算法進(jìn)行圖像分割可以極大減少閾值計算時間，平均運(yùn)算時間比起其他幾個常用方法都縮短了不少，平均僅在2.3s左右。在進(jìn)化代數(shù)相同的條件下，本論文提出的圖像分割算法較其他算法更有優(yōu)勢，收斂速度更快。

3)從圖2至圖5這幾個圖像分割結(jié)果圖來看，本文所設(shè)計的分割方法中對臍橙圖像中的破損部分，邊緣輪廓等細(xì)節(jié)都有非常好的體現(xiàn)，可見結(jié)合遺傳算法和類類距離法所設(shè)計出的圖像分割新算法比其他常用算法有很大的優(yōu)勢。

本文通過改變的遺傳控制參數(shù)結(jié)合類類距離法，把改進(jìn)后的遺傳算法應(yīng)用到臍橙圖像分割中去。仿真實(shí)驗(yàn)結(jié)果表明，此圖像分割算法由于所設(shè)計的尋找最優(yōu)閾值的方案比較合理，閾值的計算時間縮短了，使得最終圖像分割所用時間明顯減少了。同時此方法還做到了將閾值范圍穩(wěn)定在4個像素以內(nèi)，大大提高了算法全局收斂的穩(wěn)定性。而且從視覺角度來看，其分割效果更明顯，圖像邊緣處理很細(xì)致、清晰。實(shí)驗(yàn)證明本論文設(shè)計的算法分割圖像不僅快速準(zhǔn)確，而且還能滿足各種圖像的實(shí)時處理、分析的需求。具有較高的通用性和實(shí)用性。

[1]姚敏.數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,2006.

[2]孫艷歌,邵罕.基于改進(jìn)遺傳算法的最優(yōu)閾值圖像分割算法[J].信息系統(tǒng)工程,2010,10(6),26-27.

[3]童小念,劉娜.一種基于遺傳算法的最優(yōu)閾值圖像分割算法[J].武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版,2008,32(02),301-304.

[4]王強(qiáng).圖像分割中閾值的選取研究及算法實(shí)現(xiàn)[J].計算機(jī)與現(xiàn)代化.2006(10).54-56.

[5]左奇,史忠科.基于模糊理論的圖像分割方法[J].西北工業(yè)大學(xué)學(xué)報,2003,(03):313-316.

[6]勞麗,吳效明,朱學(xué)峰.模糊集理論在圖像分割中的應(yīng)用綜述[J].中國體視學(xué)與圖像分析,2006,11(3):200-205.

[7]曹芳,吳迪.基于可見-近紅外反射光譜技術(shù)的葡萄品種鑒別方法的研究[J].光學(xué)學(xué)報,2009,29(2),537-540.

篇9

本文所討論的基于遺傳算法的圖像分割算法，采用標(biāo)準(zhǔn)遺傳算法作為計算流程，但對其中的選擇算子進(jìn)行了改變，用高級選擇函數(shù)select代替了傳統(tǒng)的單一選擇算子，使得在每次選擇運(yùn)算后所得的父輩更為健壯，更好的保持了第一代父輩的表現(xiàn)型，使得分割更加精確。通過設(shè)計變異概率，使得每次迭代遺傳運(yùn)算后，子代的表現(xiàn)型略有改變，從而更以獲得最優(yōu)的表現(xiàn)型（即最優(yōu)閾值），減少了迭代尋優(yōu)次數(shù)，降低了程序運(yùn)行時間。同時考慮到過多迭代不利于降低程序運(yùn)行時間，以及在尋優(yōu)過程中的最佳值收斂問題，指定迭代次數(shù)為50次時即跳出整個程序，通過反編碼求得最優(yōu)閾值，并通過變量調(diào)用，直接應(yīng)用于下面的分割程序，達(dá)到了整個算法的自動完成。

相對于灰度直方圖雙峰法，本方法對圖像的先驗(yàn)信息要求不高，不需要像灰度直方圖法那樣，先通過獲得圖像的灰度直方圖取得分割閾值后再對圖像處理，整個程序的自動化程度高，且對于那些灰度直方圖不呈雙峰分布的圖像，本算法程序一樣可以處理，這就擴(kuò)大了本算法程序的靈活性，從而更具有實(shí)際意義。而且，由于灰度直方圖雙峰法的閾值是通過人眼觀察獲得，其誤差必然大于機(jī)器迭代運(yùn)算所取得的最優(yōu)閾值，而普通的閾值分割法，如ostu法，雖然實(shí)現(xiàn)了閾值的自動選擇，但其運(yùn)算時間與本算法相比偏長，實(shí)時性差于本算法。因此，在圖像分割算法中，基于遺傳算法的圖像分割算法更優(yōu)于其它傳統(tǒng)的圖像分割算法。

通過上述討論，以及兩種方法的處理結(jié)果圖片的對比，基于遺傳算法的最大類間方差法分割后圖像與直方圖雙峰法分割后的圖像像比，效果更明顯，且無須事先測量圖像的灰度直方圖，更加靈活，更加精確。

其相關(guān)試驗(yàn)結(jié)論列于下表：

基于遺傳算法的圖象分割實(shí)驗(yàn)結(jié)論總表:

分割方法

自動化程度

閾值

灰度直方圖

計算時間

分割結(jié)果

灰度直方圖法

無法自動完成

——

基于遺傳算法的Ostu法

高

閾值自動指定，閾值M=162，

短于普通Ostu法

普通Ostu法

高

閾值自動指定

偏長

參見參考文章[25]

參 考 文 獻(xiàn)

[1]張兆禮，趙春暉，梅曉丹.現(xiàn)代圖像處理技術(shù)及MAThAB實(shí)現(xiàn).北京:人民郵電出版社，2001.1

[2]陳傳波，金先級.數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社，2004.

[3]夏德深，傅德勝等.現(xiàn)代圖象處理技術(shù)與應(yīng)用[M].南京:東南大學(xué)出版社，1997.

[4]章毓晉.圖象工程(上冊)圖象處理和分析.北京:清華大學(xué)出版社，1999.

[5]王小平，曹立明.遺傳算法理論、應(yīng)用與軟件實(shí)現(xiàn).西安:西安交大出版社，2002.

[6]徐立中，數(shù)字圖像的智能信息處理。北京:國防工業(yè)出版社，2001

[7]王耀南，李樹濤，毛建旭，計算機(jī)圖像處理與識別技術(shù)，北京:高等教育出版社，2001

[8]雷英杰，張善文，李緒武，周創(chuàng)明.MATLAB遺傳算法工具箱及應(yīng)用，西安：西安電子科技大學(xué)出版社

[9]何新貴.模糊知識處理的理論與計算，國防工業(yè)出版社，1999

[10]徐建華.圖像處理與分析，北京:科學(xué)出版，1992.

[11]阮秋琦.數(shù)字圖象處理學(xué)，電子工業(yè)出版社，2001

[12]王博等.圖像平滑與邊緣檢測的模糊向量描述，小型微型計算機(jī)統(tǒng)，Vol. 20(3)， 1999

[13]吳謹(jǐn)，李娟，劉成云，基于最大熵的灰度閾值選取方法，武漢科技大學(xué)學(xué)報(自然科學(xué)版)，Vol. 27， No. 1， Mar， 2004

[14]李鑒慶，左坤隆，圖像閾值選取的一種快速算法.計算機(jī)與現(xiàn)代化，2001年第6期

[15]魏寶剛，魯東明，潘云鶴等.多顏色空間上的互式圖像分割[J].計算機(jī)學(xué)報，2001， 24 (7):770-775

[16]杜亞勤，基于模糊集的圖像邊緣檢測技術(shù)研究:[碩士學(xué)位論文].西安:西安工業(yè)學(xué)院，2004年4月

[17]王保平，基于模糊技術(shù)的圖像處理方法研究[博士學(xué)位論文]，西安:西安電子科技大學(xué)，2004， 9

[18]杜亞娟，潘泉，周德龍等，圖像多級灰度非線性模糊增強(qiáng)算法研究，數(shù)據(jù)采集與處Vo1.14 No.2

[19]Russ J C， The image processing handbook. New York:CRC Press，1994

[20]L A Zadeh.Fuzzy Sets[J].Information and Contro1，1965， (8):338-353

[21]Lotfi A.Zadeh，A fuzzy-set-theoretic interpretation of linguistic hedges， Journal of Cybernetic， 1972， 64(2):4-34

[22]S. K. Pal， R. A. King. Image Enhancement Using Fuzzy Sets. Electron. Let t.，1980 16 (9):376-378.

[23]S. K. PaI， R. :A. King， On Edge Detection of R-Ray Images Using Fuzzy Sets. IEEE Trans.Patt. Anal and MachineIntell.1983，PAMI-5 (1):69-77.

[24]Otsu N. A Threshold Selection Method From Gray Level Histograms. IEEE Trans on Syst Man Cybernet， 1979， SMC-9:62-66

附 錄 附錄 一

灰度直方圖雙峰法分割源代碼

clear， close all

B=imread('2.jpg');

%讀入原始jpg格式圖像

figure(1);

imshow(B)，title('原始jpg格式圖像');

I1=rgb2gray(B);

%將原圖像轉(zhuǎn)化為灰度圖象

figure(2);

imshow(I1)，title('灰度格式圖像');

[I1，map1]=gray2ind(I1，255);

%將灰度圖像轉(zhuǎn)化為索引圖像

figure(3)， imhist(I1)

%畫出灰度直方圖，以判斷域值

I1=double(I1);

%將unit8數(shù)組轉(zhuǎn)化為double型數(shù)組

Z=I1

%將double型數(shù)組I1轉(zhuǎn)存到Z中

[m， n]=size(Z);

for i=1:m

for j=1:n

if Z(i，j)>240

%灰度值大于域值時是白色

Z(i，j)=256;

end

end

end

figure(4)

%畫出分割后目標(biāo)圖像

image(Z)，title('分割后圖像');colormap(map1);

圖像I圖像格式轉(zhuǎn)化及灰度直方圖雙峰法分割源代碼

clear， close all

B=imread('she.jpg');

%讀入原始jpg格式圖像she

figure(1);

imshow(B)，title('原始jpg格式圖像');

I1=rgb2gray(B);

%將原圖像轉(zhuǎn)化為灰度圖象

figure(2);

imshow(I1)，title('灰度格式圖像');

[I1，map1]=gray2ind(I1，255);

%將灰度圖像轉(zhuǎn)化為索引圖像

figure(3)， imhist(I1)

%畫出灰度直方圖，以判斷域值

I1=double(I1);

%將unit8數(shù)組轉(zhuǎn)化為double型數(shù)組

Z=I1

%將double型數(shù)組I1轉(zhuǎn)存到Z中

[m， n]=size(Z);

for i=1:m

for j=1:n

if Z(i，j)>240

%灰度值大于域值時是白色

Z(i，j)=256;

end

end

end

figure(4)

%畫出分割后目標(biāo)圖像

image(Z)，title('分割后圖像');colormap(map1);

圖像II圖像格式轉(zhuǎn)化及灰度直方圖雙峰法分割源代碼

clear， close all

B=imread('she.jpg');

%讀入原始jpg格式圖像月亮

figure(1);

imshow(B)，title('原始jpg格式圖像');

I1=rgb2gray(B);

%將原圖像轉(zhuǎn)化為灰度圖象

figure(2);

imshow(I1)，title('灰度格式圖像');

[I1，map1]=gray2ind(I1，255);

%將灰度圖像轉(zhuǎn)化為索引圖像

figure(3)， imhist(I1)

%畫出灰度直方圖，以判斷域值

I1=double(I1);

%將unit8數(shù)組轉(zhuǎn)化為double型數(shù)組

Z=I1

%將double型數(shù)組I1轉(zhuǎn)存到Z中

[m， n]=size(Z);

for i=1:m

for j=1:n

if Z(i，j)>240

%灰度值大于域值時是白色

Z(i，j)=256;

end

end

end

figure(4)

%畫出分割后目標(biāo)圖像

image(Z)，title('分割后圖像');colormap(map1);

附錄 二

Crtbp 函數(shù)源代碼：（由謝菲爾德大學(xué)Andrew Chipperfield編寫）

% CRTBP.m - Create an initial population%

% This function creates a binary population of given size and structure.

%

% Syntax: [Chrom Lind BaseV] = crtbp(Nind， Lind， Base)

%

% Input Parameters:

%

%

Nind

- Either a scalar containing the number of inpiduals

%

in the new population or a row vector of length two

%

containing the number of inpiduals and their length.

%

%

Lind

- A scalar containing the length of the inpidual

%

chromosomes.

%

%

Base

- A scalar containing the base of the chromosome

%

elements or a row vector containing the base(s)

%

of the loci of the chromosomes.

%

% Output Parameter

s:

%

%

Chrom

- A matrix containing the random valued chromosomes

%

row wise.

%

%

Lind - A scalar containing the length of the chromosome.

%

%

BaseV

- A row vector containing the base of the

%

chromosome loci.

% Author: Andrew Chipperfield

% Date: 19-Jan-94

function [Chrom， Lind， BaseV] = crtbp(Nind， Lind， Base)

nargs = nargin ;

% Check parameter consistency

if nargs >= 1， [mN， nN] = size(Nind) ; end

if nargs >= 2， [mL， nL] = size(Lind) ; end

if nargs == 3， [mB， nB] = size(Base) ; end

if nN == 2

if (nargs == 1)

Lind = Nind(2) ; Nind = Nind(1) ; BaseV = crtbase(Lind) ;

elseif (nargs == 2 & nL == 1)

BaseV = crtbase(Nind(2)，Lind) ; Lind = Nind(2) ; Nind = Nind(1) ;

elseif (nargs == 2 & nL > 1)

if Lind ~= length(Lind)， error('Lind and Base disagree'); end

BaseV = Lind ; Lind = Nind(2) ; Nind = Nind(1) ;

end

elseif nN == 1

if nargs == 2

if nL == 1， BaseV = crtbase(Lind) ;

else， BaseV = Lind ; Lind = nL ; end

elseif nargs == 3

if nB == 1， BaseV = crtbase(Lind，Base) ;

elseif nB ~= Lind， error('Lind and Base disagree') ;

else BaseV = Base ; end

end

else

error('Input parameters inconsistent') ;

end

% Create a structure of random chromosomes in row wise order， dimensions

% Nind by Lind. The base of each chromosomes loci is given by the value

% of the corresponding element of the row vector base.

Chrom = floor(rand(Nind，Lind).*BaseV(ones(Nind，1)，:)) ;

% End of file

附錄 三

Bs2rv函數(shù)源代碼： （由謝菲爾德大學(xué)Andrew Chipperfield編寫）

% BS2RV.m - Binary string to real vector

%

% This function decodes binary chromosomes into vectors of reals. The

% chromosomes are seen as the concatenation of binary strings of given

% length， and decoded into real numbers in a specified interval using

% either standard binary or Gray decoding.

%

% Syntax:

Phen = bs2rv(Chrom，F(xiàn)ieldD)

%

% Input parameters:

%

%

Chrom

- Matrix containing the chromosomes of the current

%

population. Each line corresponds to one

%

inpidual's concatenated binary string

%

representation. Leftmost bits are MSb and

%

rightmost are LSb.

%

%

FieldD - Matrix describing the length and how to decode

%

each substring in the chromosome. It has the

%

following structure:

%

%

[len;

(num)

%

lb;

(num)

%

ub;

(num)

%

code;

(0=binary

| 1=gray)

%

scale;

(0=arithmetic | 1=logarithmic)

%

lbin;

(0=excluded | 1=included)

%

ubin];

(0=excluded | 1=included)

%

%

where

%

len - row vector containing the length of

%

each substring in Chrom. sum(len)

%

should equal the inpidual length.

%

lb，

%

ub

- Lower and upper bounds for each

%

variable.

%

code - binary row vector indicating how each

%

substring is to be decoded.

%

scale - binary row vector indicating where to

%

use arithmetic and/or logarithmic

%

scaling.

%

lbin，

%

ubin - binary row vectors indicating whether

%

or not to include each bound in the

%

representation range

%

% Output parameter:

%

%

Phen

- Real matrix containing the population phenotypes.

%

% Author: Carlos Fonseca， Updated: Andrew Chipperfield

% Date: 08/06/93，

Date: 26-Jan-94

function Phen = bs2rv(Chrom，F(xiàn)ieldD)

% Identify the population size (Nind)

%

and the chromosome length (Lind)

[Nind，Lind] = size(Chrom);

% Identify the number of decision variables (Nvar)

[seven，Nvar] = size(FieldD);

if seven ~= 7

error('FieldD must have 7 rows.');

end

% Get substring properties

len = FieldD(1，:);

lb = FieldD(2，:);

ub = FieldD(3，:);

code = ~(~FieldD(4，:));

scale = ~(~FieldD(5，:));

lin = ~(~FieldD(6，:));

uin = ~(~FieldD(7，:));

% Check substring properties for consistency

if sum(len) ~= Lind，

error('Data in FieldD must agree with chromosome length');

end

if ~all(lb(scale).*ub(scale)>0)

error('Log-scaled variables must not include 0 in their range');

end

% Decode chromosomes

Phen = zeros(Nind，Nvar);

lf = cumsum(len);

li = cumsum([1 len]);

Prec = .5 .^ len;

logsgn = sign(lb

(scale)); lb(scale) = log( abs(lb(scale)) );

ub(scale) = log( abs(ub(scale)) );

delta = ub - lb;

Prec = .5 .^ len;

num = (~lin) .* Prec;

den = (lin + uin - 1) .* Prec;

for i = 1:Nvar，

idx = li(i):lf(i);

if code(i) % Gray decoding

Chrom(:，idx)=rem(cumsum(Chrom(:，idx)')'，2);

end

Phen(:，i) = Chrom(:，idx) * [ (.5).^(1:len(i))' ];

Phen(:，i) = lb(i) + delta(i) * (Phen(:，i) + num(i)) ./ (1 - den(i));

end

expand = ones(Nind，1);

if any(scale)

Phen(:，scale) = logsgn(expand，:) .* exp(Phen(:，scale));

end

附錄 四

適應(yīng)度函數(shù)target源代碼：

function f=target(T，M)

%適應(yīng)度函數(shù)，T為待處理圖像，M為域值序列

[U， V]=size(T);

W=， ， length(M);

f=zeros(W，1);

for k=1:W

I=0;s1=0;J=0;s2=0;

%統(tǒng)計目標(biāo)圖像和背景圖像的像素數(shù)及像素之和

for i=1:U

for j=1:V

if T(i，j)

s1=s1+T(i，j);I=I+1;

end

if T(i，j)>M(k)

s2=s2+T(i，j);J=J+1;

end

end

end

if I==0， p1=0; else p1=s1/I; end

if J==0， p2=0; else p2=s2/J; end

f(k)=I*J*(p1-p2)*(p1-p2)/(256*256);

end

附錄 五

選擇函數(shù)Select源代碼：（由謝菲爾德大學(xué)Hartmut Pohlheim編寫）

% SELECT.M

(universal SELECTion)

%

% This function performs universal selection. The function handles

% multiple populations and calls the low level selection function

% for the actual selection process.

%

% Syntax: SelCh = select(SEL_F， Chrom， FitnV， GGAP， SUBPOP)

%

% Input parameters:

%

SEL_F

- Name of the selection function

%

Chrom

- Matrix containing the inpiduals (parents) of the current

%

population. Each row corresponds to one inpidual.

%

FitnV

- Column vector containing the fitness values of the

%

inpiduals in the population.

%

GGAP

- (optional) Rate of inpiduals to be selected

%

if omitted 1.0 is assumed

%

SUBPOP

- (optional) Number of subpopulations

%

if omitted 1 subpopulation is assumed

%

% Output parameters:

%

SelCh

- Matrix containing the selected inpiduals.

% Author:

Hartmut Pohlheim

% History:

10.03.94

file created

function SelCh = select(SEL_F， Chrom， FitnV， GGAP， SUBPOP);

% Check parameter consistency

if nargin < 3， error('Not enough input parameter'); end

% Identify the population size (Nind)

[NindCh，Nvar] = size(Chrom);

[NindF，VarF] = size(FitnV);

if NindCh ~= NindF， error('Chrom and FitnV disagree'); end

if VarF ~= 1， error('FitnV must be a column vector'); end

if nargin < 5， SUBPOP = 1; end

if nargin > 4，

if isempty(SUBPOP)， SUBPOP = 1;

elseif isnan(SUBPOP)， SUBPOP = 1;

elseif length(SUBPOP) ~= 1， error('SUBPOP must be a scalar'); end

end

if (NindCh/SUBPOP) ~= fix(NindCh/SUBPOP)， error('Chrom and SUBPOP disagree'); end

Nind = NindCh/SUBPOP; % Compute number of inpiduals per subpopulation

if nargin < 4， GGAP = 1; end

if nargin > 3，

if isempty(GGAP)， GGAP = 1;

elseif isnan(GGAP)， GGAP = 1;

elseif length(GGAP) ~= 1， error('GGAP must be a scalar');

elseif (GGAP < 0)， error('GGAP must be a scalar bigger than 0'); end

end

% Compute number of new inpiduals (to select)

NSel=max(floor(Nind*GGAP+.5)，2);

% Select inpiduals from population

SelCh = [];

for irun = 1:SUBPOP，

FitnVSub = FitnV((irun-1)*Nind+1:irun*Nind);

ChrIx=feval(SEL_F， FitnVSub， NSel)+(irun-1)*Nind;

SelCh=[SelCh; Chrom(ChrIx，:)];

end

% End of function

附錄 六

交叉函數(shù)recombin的源代碼：（由謝菲爾德大學(xué)Hartmut Pohlheim編寫）

% RECOMBIN.M

(RECOMBINation high-level function)

%

% This function performs recombination between pairs of inpiduals

% and returns the new inpiduals after mating. The function handles

% multiple populations and calls the low-level recombination function

% for the actual recombination process.

%

% Syntax: NewChrom = recombin(REC_F， OldChrom， RecOpt， SUBPOP)

%

% Input parameters:

%

REC_F

- String containing the name of the recombination or

%

crossover function

%

Chrom

- Matrix containing the chromosomes of the old

%

population. Each line corresponds to one inpidual

%

RecOpt

- (optional) Scalar containing the probability of

%

recombination/crossover occurring between pairs

%

of inpiduals.

%

if omitted or NaN， 1 is assumed

%

SUBPOP

- (optional) Number of subpopulations

%

if omitted or NaN， 1 subpopulation is assumed

%

% Output parameter:

%

NewChrom - Matrix containing the chromosomes of the population

%

after recombination in the same format as OldChrom.

% Author:

Hartmut Pohlheim

% History: 18.03.94

file created

function NewChrom = recombin(REC_F， Chrom， RecOpt， SUBPOP);

% Check parameter consistency

if nargin < 2， error('Not enough input parameter'); end

% Identify the population size (Nind)

[Nind，Nvar] = size(Chrom);

if nargin < 4， SUBPOP = 1; end

if nargin > 3，

if isempty(SUBPOP)， SUBPOP = 1;

elseif isnan(SUBPOP)， SUBPOP = 1;

elseif length(SUBPOP) ~= 1， error('SUBPOP must be a scalar'); end

end

if (Nind/SUBPOP) ~= fix(Nind/SUBPOP)， error('Chrom and SUBPOP disagree'); end

Nind = Nind/SUBPOP; % Compute number of inpiduals per subpopulation

if nargin < 3， RecOpt = 0.7; end

if nargin > 2，

if isempty(RecOpt)， RecOpt = 0.7;

elseif isnan(RecOpt)， RecOpt = 0.7;

elseif length(RecOpt) ~= 1， error('RecOpt must be a scalar');

elseif (RecOpt < 0 | RecOpt > 1)， error('RecOpt must be a scalar in [0， 1]'); end

end

% Select inpiduals of one subpopulation and call low level function

NewChrom = [];

for irun = 1:SUBPOP，

ChromSub = Chrom((irun-1)*Nind+1:irun*Nind，:);

NewChromSub = feval(REC_F， ChromSub， RecOpt);

NewChrom=[NewChrom; NewChromSub];

end

% End of function

附錄 七

變異函數(shù)mut源代碼 ：（由謝菲爾德大學(xué)Andrew Chipperfield編寫）

% MUT.m

%

% This function takes the representation of the current population，

% mutates each element with given probability and returns the resulting

% population.

%

% Syntax:

NewChrom = mut(OldChrom，Pm，BaseV)

%

% Input parameters:

%

%

OldChrom - A matrix containing the chromosomes of the

%

current population. Each row corresponds to

%

an inpiduals string representation.

%

%

Pm - Mutation probability (scalar). Default value

%

of Pm = 0.7/Lind， where Lind is the chromosome

%

length is assumed if omitted.

%

%

BaseV

- Optional row vector of the same length as the

%

chromosome structure defining the base of the

%

inpidual elements of the chromosome. Binary

%

representation is assumed if omitted.

%

% Output parameter:

%

%

NewChrom - A Matrix containing a mutated version of

%

OldChrom.

%

% Author: Andrew Chipperfield

% Date: 25-Jan-94

function NewChrom = mut(OldChrom，Pm，BaseV)

% get population size (Nind) and chromosome length (Lind)

[Nind， Lind] = size(OldChrom) ;

% check input parameters

if nargin < 2， Pm = 0.7/Lind ; end

if isnan(Pm)， Pm = 0.7/Lind; end

if (nargin < 3)， BaseV = crtbase(Lind); end

if (isnan(BaseV))， BaseV = crtbase(Lind); end

if (isempty(BaseV))， BaseV = crtbase(Lind); end

if (nargin == 3) & (Lind ~= length(BaseV))

error('OldChrom and BaseV are incompatible')， end

% create mutation mask matrix

BaseM = BaseV(ones(Nind，1)，:) ;

% perform mutation on chromosome structure

NewChrom = rem(OldChrom+(rand(Nind，Lind)

附錄 八

基于遺傳算法的最大類間方差法對JPG格式圖像分割的程序源代碼：

clear， close all

B=imread('she.jpg');

%讀入原始jpg格式圖像

figure(1);

imshow(B)，title('原始jpg格式圖像');

I1=rgb2gray(B);

%將原圖像轉(zhuǎn)化為灰度圖象

figure(2);

imshow(I1)，title('灰度格式圖像');

BW1 = edge(I1，'sobel');

BW2 = edge(I1，'canny');

figure(6)，imshow(BW1)，title('邊緣檢測1');

%邊緣檢測

figure(5)， imshow(BW2)，title('邊緣檢測2');

[I1，map1]=gray2ind(I1，255);

%將灰度圖像轉(zhuǎn)化為索引圖像

I1=double(I1);

%將unit8數(shù)組轉(zhuǎn)化為double型數(shù)組

Z=I1

%將double型數(shù)組I1轉(zhuǎn)存到Z中

figure(3)

%畫出未進(jìn)行分割的原始圖像

image(Z)，title('未進(jìn)行分割的原始圖像');colormap(map1);

NIND=40;

%個體

數(shù)目(Number of inpiduals)

MAXGEN=50;

%最大遺傳代數(shù)(Maximum number of generations)

PRECI=8;

%變量的二進(jìn)制位數(shù)(Precision of variables)

GGAP=0.9;

%代溝(Generation gap)

FieldD=[8;1;256;1;0;1;1];

%建立區(qū)域描述器(Build field descriptor)

Chrom=crtbp(NIND，PRECI);

%創(chuàng)建初始種群

gen=0;

phen=bs2rv(Chrom，F(xiàn)ieldD);

%初始種群十進(jìn)制轉(zhuǎn)換

ObjV=target(Z，phen);

%計算種群適應(yīng)度值

while gen

%代溝(Generation gap)

FitnV=ranking(-ObjV);

%分配適應(yīng)度值(Assign fitness values)

SelCh=select('sus'，Chrom，F(xiàn)itnV，GGAP);

%選擇

SelCh=recombin('xovsp'，SelCh，0.7);

%重組

SelCh=mut(SelCh);

%變異

phenSel=bs2rv(SelCh，F(xiàn)ieldD);

%子代十進(jìn)制轉(zhuǎn)換

ObjVSel=target(Z，phenSel);

[Chrom ObjV]=reins(Chrom，SelCh，1，1，ObjV，ObjVSel);

%重插入

gen=gen+1;

end

[Y， I]=max(ObjV);

M=bs2rv(Chrom(I，:)，F(xiàn)ieldD);

%估計域值

[m， n]=size(Z);

for i=1:m

for j=1:n

if Z(i，j)>M

%灰度值大于域值時是白色

Z(i，j)=256;

end

end

end

figure(4)

%畫出分割后目標(biāo)圖像

image(Z)，title('分割后圖像');colormap(map1);

target求適應(yīng)度函數(shù)代碼：

function f=target(T，M)

%適應(yīng)度函數(shù)，T為待處理圖像，M為域值序列

[U， V]=size(T);

W=length(M);

f=zeros(W，1);

for k=1:W

I=0;s1=0;J=0;s2=0;

%統(tǒng)計目標(biāo)圖像和背景圖像的像素數(shù)及像素之和

for i=1:U

for j=1:V

if T(i，j)

s1=s1+T(i，j);I=I+1;

end

if T(i，j)>M(k)

s2=s2+T(i，j);J=J+1;

end

end

end

if I==0， p1=0; else p1=s1/I; end

if J==0， p2=0; else p2=s2/J; end

篇10

高校開展大學(xué)生領(lǐng)導(dǎo)力教育的分析和思考

基于熵的高校大學(xué)生畢業(yè)論文(設(shè)計)質(zhì)量的模糊綜合評價法

基于CDIO理論的工程教育模式探討——以車輛工程專業(yè)為例

基于產(chǎn)業(yè)發(fā)展的高校學(xué)科結(jié)構(gòu)優(yōu)化設(shè)計

高校雙語教學(xué)評價體系的建構(gòu)探索

社會主義核心價值視域下的高校思想政治理論課教學(xué)

技術(shù)站能力查定數(shù)據(jù)處理與計算的實(shí)驗(yàn)教學(xué)平臺的構(gòu)建

微機(jī)原理與接口技術(shù)課程教學(xué)方法探討

本科生班導(dǎo)師工作探索與實(shí)踐

道路運(yùn)輸組織課程教學(xué)中存在的問題及改進(jìn)措施

高校教學(xué)評價的內(nèi)容構(gòu)成與評價方法探討

無機(jī)化學(xué)教學(xué)改革初探

基于自制遠(yuǎn)程測控實(shí)驗(yàn)系統(tǒng)的“智能儀器”課程實(shí)驗(yàn)教學(xué)探索

如何有效發(fā)揮漢語言文學(xué)在理工類大學(xué)人文通識課程教學(xué)中的作用

現(xiàn)代測試技術(shù)及應(yīng)用課程教學(xué)改革探索

大學(xué)二年級建筑設(shè)計課程教學(xué)改革探討——以建筑系館設(shè)計課程為例

熱能與動力工程專業(yè)課的教學(xué)改革探討

高職院校人才培養(yǎng)應(yīng)體現(xiàn)區(qū)域特色

競技啦啦隊(duì)教學(xué)與訓(xùn)練中的運(yùn)動損傷調(diào)查及預(yù)防研究

教育經(jīng)濟(jì)學(xué)研究的理論拓展及其進(jìn)一步發(fā)展

屬性識別理論在高校貧困生困難等級評價認(rèn)定中的應(yīng)用

國際科技學(xué)術(shù)論文與國內(nèi)碩博論文英文摘要主位結(jié)構(gòu)的對比研究

淺談虛擬學(xué)習(xí)環(huán)境及其在當(dāng)代教育中的應(yīng)用

分享資源共贏發(fā)展——麻省理工學(xué)院“公開課程材料”計劃對我國英語教育資源共享的啟示

大學(xué)生就業(yè)能力解析及就業(yè)能力提升策略——基于SWOT理論的視角

高校畢業(yè)生就業(yè)見習(xí)制度的實(shí)證調(diào)查與法律分析

中介組織參與高校畢業(yè)生就業(yè)統(tǒng)計的必要性及相關(guān)問題探討

對高校輔導(dǎo)員兼職承擔(dān)思想政治理論課教學(xué)工作的思考

本科計量經(jīng)濟(jì)學(xué)課程教學(xué)改革探討

中美法學(xué)教育教學(xué)方法比較

提高經(jīng)管類本科專業(yè)經(jīng)濟(jì)法課程教學(xué)質(zhì)量的幾點(diǎn)建議

應(yīng)用化學(xué)專業(yè)化工基礎(chǔ)課程教學(xué)改革的探索

關(guān)于強(qiáng)化高校金融類課程實(shí)踐教學(xué)的思考——基于西華大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院“外匯交易模擬實(shí)習(xí)”課程教學(xué)經(jīng)驗(yàn)

基于日語新聞廣播語體特點(diǎn)談日語新聞聽力教學(xué)策略

關(guān)于在機(jī)械類專業(yè)課程中實(shí)施有效教學(xué)的若干探討

比較教學(xué)法在“給水工程”教學(xué)中的應(yīng)用

從Sturm-Liouville問題談分離變量法的教學(xué)改進(jìn)

法理學(xué)本科教學(xué)的困境與出路

工程管理專業(yè)工程施工課程教學(xué)改革的探索

加強(qiáng)課程建設(shè)提高教學(xué)質(zhì)量

四川民辦高等教育的回顧與展望

論四川高等教育改革發(fā)展的歷史成就及主要問題

民辦高校產(chǎn)權(quán)歸屬的國際比較及對我國的啟示

美國聯(lián)邦政府大學(xué)生資助理念探究

思想政治教育內(nèi)容的文化解讀

高校校園網(wǎng)應(yīng)成為校風(fēng)學(xué)風(fēng)建設(shè)的前沿陣地

大學(xué)生和諧人格建構(gòu)的德育機(jī)制分析

財經(jīng)類專業(yè)型高層次人才應(yīng)用能力培養(yǎng)的探索

“3+1”:一種先進(jìn)的人才培養(yǎng)模式

地方高校教學(xué)質(zhì)量監(jiān)控體系的探索與實(shí)踐

高校教師教學(xué)質(zhì)量評價與監(jiān)控保障機(jī)制優(yōu)化

本科論文教學(xué)質(zhì)量評價指標(biāo)體系研究

我校與東汽合作的重點(diǎn)科技攻關(guān)項(xiàng)目獲省科技進(jìn)步二等獎

中國近代文化史公選課教學(xué)改革的思考

市場調(diào)研課程教學(xué)改革初探:面向?qū)嵺`導(dǎo)向

基于應(yīng)用型人才培養(yǎng)目標(biāo)的財務(wù)管理教學(xué)改革的探討

基于MATLAB的數(shù)字圖像處理課程的教學(xué)實(shí)驗(yàn)設(shè)計