時(shí)間：2023-09-08 17:12:00
導(dǎo)語：在數(shù)字圖像處理綜述的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
關(guān)鍵詞：網(wǎng)絡(luò) 精品課程 網(wǎng)站 設(shè)計(jì)
中圖分類號：TP309 文獻(xiàn)標(biāo)識碼：A 文章編號：1673-9795（2013）07（a）-0152-01
網(wǎng)絡(luò)的飛速發(fā)展，為教育資源的大規(guī)模開放和共享提供了一個(gè)高效的舞臺。目前，世界各國都在充分利用網(wǎng)絡(luò)優(yōu)勢，加強(qiáng)網(wǎng)絡(luò)教學(xué)資源的建設(shè)與共享，如麻省理工學(xué)院（MIT）于2001年4月首次啟動開放課件運(yùn)動（OCW），截至2007年，該網(wǎng)站上已經(jīng)有1800門課程在線共享。此外，比較有影響力的還有英國開放大學(xué)的OCI（Open Content Initiative）項(xiàng)目、卡耐基?梅隆大學(xué)的OLI（Open Learning Initiative）項(xiàng)目、美國索菲亞學(xué)院的OCI（Open Content Initiative）項(xiàng)目等[1]。2003年4月，我國教育部了《關(guān)于啟動高等學(xué)校教學(xué)質(zhì)量與教學(xué)改革工程精品課程建設(shè)工作的通知》，明確提出精品課程是具有一流教師隊(duì)伍、一流教學(xué)內(nèi)容、一流教學(xué)方法、一流教學(xué)管理等特點(diǎn)的示范性課程。各省市教育行政主管部門也相繼下發(fā)了通知，提出了建設(shè)精品課程的規(guī)劃和措施，在全國高校掀起了精品課程建設(shè)的熱潮。
1 需求分析
精品課程網(wǎng)站的設(shè)計(jì)與開發(fā)，充分發(fā)揮了計(jì)算機(jī)在呈現(xiàn)信息、提供聯(lián)系、激發(fā)動機(jī)、學(xué)習(xí)評價(jià)方面的優(yōu)勢，彌補(bǔ)了教師、課本、視聽媒體的不足；計(jì)算機(jī)作為學(xué)習(xí)者收集和組織信息、探究與批判性思考、合作與交流的工具，能很好的激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機(jī)，促進(jìn)有意義學(xué)習(xí)的發(fā)生；另外，精品課程的設(shè)計(jì)與開發(fā)，突破了時(shí)空限制，具有傳播范圍廣的特點(diǎn)，任何人、任何時(shí)間、任何地點(diǎn)都可以按各自的興趣選擇任何課程進(jìn)行學(xué)習(xí)?？傊?，精品課程網(wǎng)站的設(shè)計(jì)很好的適應(yīng)了當(dāng)今世界國際化、信息化、知識化等特征的要求，學(xué)習(xí)者能更好的實(shí)現(xiàn)自主學(xué)習(xí)。
《遙感數(shù)字圖像處理》是一門專業(yè)基礎(chǔ)課，是以理論聯(lián)系實(shí)踐為主，注重運(yùn)用，重視上機(jī)實(shí)踐的一門課程。對于這樣一門操作性較強(qiáng)的課程，設(shè)計(jì)與開發(fā)它的精品課程網(wǎng)站是非常有必要的。
《遙感數(shù)字圖像處理》精品課程網(wǎng)站的設(shè)計(jì)與開發(fā)依托了校級《遙感數(shù)字圖像處理》精品課程的建設(shè)，主要面向遙感數(shù)字圖像處理專業(yè)的本科生，旨在輔助學(xué)習(xí)者完成對本門課程的自主學(xué)習(xí)，實(shí)現(xiàn)學(xué)習(xí)效果的最優(yōu)化，其目的是為了讓學(xué)習(xí)者通過學(xué)習(xí)，打牢遙感數(shù)字圖像處理的基礎(chǔ)知識，進(jìn)而可以運(yùn)用到實(shí)踐中。通過本課程的學(xué)習(xí)，使學(xué)生樹立正確的遙感數(shù)字圖像處理的概念，培養(yǎng)學(xué)生良好的計(jì)算機(jī)實(shí)踐習(xí)慣，實(shí)事求是的科學(xué)態(tài)度和嚴(yán)謹(jǐn)細(xì)致的工作作風(fēng)，為后繼課程的學(xué)習(xí)和將來參加社會生產(chǎn)實(shí)踐打下基礎(chǔ)。
2 理論基礎(chǔ)
認(rèn)知主義學(xué)習(xí)理論認(rèn)為，學(xué)習(xí)過程是每個(gè)學(xué)習(xí)者根據(jù)自己的態(tài)度、需要、興趣、愛好并利用過去的知識與經(jīng)驗(yàn)對當(dāng)前學(xué)習(xí)者的外界刺激做出的主動地、有選擇地信息加工過程。
建構(gòu)主義學(xué)習(xí)理論認(rèn)為，“學(xué)習(xí)”被理解為意義的獲得，意義是學(xué)習(xí)者通過新舊知識經(jīng)驗(yàn)間的反復(fù)的、雙向的相互作用過程而構(gòu)建成的；學(xué)習(xí)的過程并不是簡單的信息輸入、存儲和提取，而是由于新舊經(jīng)驗(yàn)的沖突引發(fā)觀念的轉(zhuǎn)變與結(jié)構(gòu)重組。
每一種學(xué)習(xí)理論都有自己的優(yōu)勢和缺陷，比如，給學(xué)習(xí)者更多的自主活動，能增強(qiáng)學(xué)習(xí)動機(jī)，但會降低學(xué)習(xí)效率；讓學(xué)習(xí)者之間有更多的協(xié)作能幫助意義建構(gòu)，但如果個(gè)體不能充分參與，可能會減少對個(gè)體差異的適應(yīng)。
學(xué)習(xí)理論應(yīng)用的一個(gè)基本原則是以不同的理論解釋不同的學(xué)習(xí)現(xiàn)象，將不同的理論應(yīng)用于不同的學(xué)習(xí)情境。《遙感數(shù)字圖像處理》精品課程的設(shè)計(jì)與開發(fā)，參照國家精品課程評審指標(biāo)，根據(jù)指導(dǎo)老師的要求以及課程的特點(diǎn)，綜合運(yùn)用了認(rèn)知主義、建構(gòu)主義學(xué)習(xí)理論的優(yōu)點(diǎn)，以更好的促進(jìn)學(xué)習(xí)者有意義學(xué)習(xí)的發(fā)生。
3 設(shè)計(jì)思路
在《遙感數(shù)字圖像處理》精品課程網(wǎng)站設(shè)計(jì)與開發(fā)的過程中，主要從人機(jī)界面設(shè)計(jì)、認(rèn)知活動設(shè)計(jì)出發(fā)。
（1）界面元素的清晰性和操作的流暢性：人機(jī)界面又稱為用戶界面，是學(xué)習(xí)者與軟件的教學(xué)內(nèi)容和教學(xué)流程相互作用的中介，因此，界面設(shè)計(jì)必須符合學(xué)習(xí)者操作的肢體和感官運(yùn)動規(guī)律，以及感知心理規(guī)律，使界面操作簡捷、自然、舒適。
（3）引導(dǎo)自主學(xué)習(xí)：提供電子教案下載、習(xí)題選編、模擬試題、學(xué)習(xí)幫助等欄目，并且設(shè)置在線答疑系統(tǒng)，提供了充分的人機(jī)交互，促進(jìn)知識的記憶與遷移。
（4）科學(xué)性、教育性：精品課程作為一個(gè)多媒體教學(xué)軟件，必須滿足教育性、技術(shù)性、藝術(shù)性、科學(xué)性以及經(jīng)濟(jì)性等原則。所以，在進(jìn)行具體的設(shè)計(jì)、開發(fā)之前，先是參照國家精品課程評審指標(biāo)并根據(jù)指導(dǎo)老師的要求以及《遙感數(shù)字圖像處理》這門課程的特點(diǎn)，確定網(wǎng)站的內(nèi)容模塊、欄目設(shè)置以及界面整體風(fēng)格。
4 ACCESS技術(shù)簡介
Microsoft Office Access（前名 Microsoft Access）是由微軟的關(guān)聯(lián)式數(shù)據(jù)庫管理系統(tǒng)。它結(jié)合了Microsoft Jet Database Engine和圖形用戶界面兩項(xiàng)特點(diǎn)，是 Microsoft Office的成員之一。Access能夠存取Access/Jet、Microsoft SQL Server、Oracle，或者任何ODBC兼容數(shù)據(jù)庫內(nèi)的資料。
Access 數(shù)據(jù)庫由七種對象組成，它們是表、查詢、窗體、報(bào)表、宏、頁和模塊。
表（Table）――表是數(shù)據(jù)庫的基本對象，是創(chuàng)建其他5種對象的基礎(chǔ)。表由記錄組成，記錄由字段組成，表用來存貯數(shù)據(jù)庫的數(shù)據(jù)，故又稱數(shù)據(jù)表。
查詢（Query）――查詢可以按索引快速查找到需要的記錄，按要求篩選記錄并能連接若干個(gè)表的字段組成新表。
窗體（Form）――窗體提供了一種方便的瀏覽、輸入及更改數(shù)據(jù)的窗口。還可以創(chuàng)建子窗體顯示相關(guān)聯(lián)的表的內(nèi)容。窗體也稱表單。
報(bào)表（Report）――報(bào)表的功能是將數(shù)據(jù)庫中的數(shù)據(jù)分類匯總，然后打印出來，以便分析。
宏（Macro）――宏相當(dāng)于DOS中的批處理，用來自動執(zhí)行一系列操作。Access列出了一些常用的操作供用戶選擇，使用起來十分方便。
模塊（Module）――模塊的功能與宏類似，但它定義的操作比宏更精細(xì)和復(fù)雜，用戶可以根據(jù)自己的需要編寫程序。模塊使用Visual Basic編程。
頁（Page）――是一種特殊的直接連接到數(shù)據(jù)庫中數(shù)據(jù)的一種WEB頁。通過數(shù)據(jù)訪問頁將數(shù)據(jù)到Internet或Intranet上，并可以適用瀏覽器進(jìn)行數(shù)據(jù)的維護(hù)和操作。
參考文獻(xiàn)
[1] 吳美嬌，項(xiàng)國雄.國家精品課程網(wǎng)絡(luò)教學(xué)資源現(xiàn)狀分析與優(yōu)化[J].現(xiàn)代遠(yuǎn)程教育研究，2009（2）：39-44.
[2] 許坦，石.精品課程發(fā)展現(xiàn)狀綜述[J].中國電化教育，2007（5）：53-56.
隨著城市規(guī)模的發(fā)展，傳統(tǒng)的交通流參數(shù)計(jì)算方式已經(jīng)無法滿足大量視頻數(shù)據(jù)的處理。云計(jì)算的出現(xiàn)使圖像處理技術(shù)能夠得到更好發(fā)展。本文首先介紹了云技術(shù)，建立了基于云計(jì)算的數(shù)字圖像處理平臺。同時(shí)提出一種具有一定自適應(yīng)功能的基于Kalman濾波理論的背景預(yù)測與更新方法，從而提出云模式與交通流參數(shù)監(jiān)測融合的數(shù)據(jù)處理技術(shù)，并對該架構(gòu)下的交通流參數(shù)進(jìn)行實(shí)驗(yàn)驗(yàn)證。
【關(guān)鍵詞】云計(jì)算 云架構(gòu) 圖像處理 交通流
1 引言
隨著我國交通運(yùn)輸行業(yè)的快速發(fā)展，給人們生活帶來了巨大便捷的同時(shí)，由于汽車數(shù)量的增多，造成了交通的日益惡化，交通堵塞現(xiàn)象十分嚴(yán)重。為了有效緩解這種局面，在現(xiàn)有交通資源下，挖掘已布設(shè)在各道路環(huán)境中的監(jiān)控?cái)z像機(jī)資源，主動利用其提供的視頻圖像數(shù)據(jù)來感知道路交通流參數(shù)，實(shí)現(xiàn)交通檢測的目的。
交通流監(jiān)測系統(tǒng)是依據(jù)交通流流體理論的空間和時(shí)間離散化數(shù)學(xué)模型，將交通線路上的攝像頭獲取的車流圖像建立相對應(yīng)的二維模型。同時(shí)隨著城市規(guī)模的發(fā)展，傳統(tǒng)的交通流參數(shù)計(jì)算方式已經(jīng)無法滿足大量視頻數(shù)據(jù)的處理。對于這一問題，我們提出將云計(jì)算的技術(shù)運(yùn)用到交通流監(jiān)測中，作為一種新的計(jì)算模式和共享云計(jì)算的架構(gòu)方法，云計(jì)算在高性能計(jì)算和海量數(shù)據(jù)存儲方面具有明顯優(yōu)勢，云計(jì)算平臺能將資源虛擬化，同時(shí)進(jìn)行有效且動態(tài)的資源劃分和分配。
2 基于視頻的交通流參數(shù)檢測
2.1 交通流參數(shù)的提取
圖2為現(xiàn)有交通流分布圖，車輛檢測是視頻交通監(jiān)控系統(tǒng)的關(guān)鍵和基礎(chǔ)，其中交通流目標(biāo)提取算法分為背景建模、幀差和目標(biāo)跟蹤等計(jì)算。背景建模方法避免了幀差法前景區(qū)域提取不完整的問題，采用高斯混合模型相較于其他算法（Kalman濾波算法、平均法、選擇更新法）能利用高斯模型更好地給出像素點(diǎn)分布，多模型防止前景點(diǎn)對背景點(diǎn)的建模干擾，消除背景規(guī)律性晃動。
運(yùn)用數(shù)字圖像處理的技術(shù)，對圖像進(jìn)行數(shù)字化、編碼、圖像增強(qiáng)、恢復(fù)、重建、分析，獲取道路的坐標(biāo)映射以及車流量信息。
2.2 基于Kalman濾波理論的自適應(yīng)背景預(yù)測與更新建模法
基于視頻的車輛交通流檢測，目前提出的車流量檢測算法都存在一定的缺陷，不能解決影響檢測精度和實(shí)時(shí)性等所有間題。因此我們提出了一種改進(jìn)的具有一定自適應(yīng)功能的基于Kalman濾波的背景預(yù)測與更新法，可實(shí)現(xiàn)建模函數(shù)的自適應(yīng)修正和不同階段的背景匹配更新。
實(shí)驗(yàn)表明：隨著時(shí)間的推移，以上背景建模法將與場景匹配的權(quán)值逐漸增大，而不匹配的高斯函數(shù)的權(quán)值將日益縮小。
3 實(shí)驗(yàn)結(jié)果分析
系統(tǒng)在PC機(jī)上運(yùn)行，在VS2010平臺下，輸入自拍的復(fù)雜城區(qū)道路上的視頻流，利用以上自己研究的算法，自己設(shè)計(jì)開發(fā)了相應(yīng)的軟件，通過實(shí)驗(yàn)驗(yàn)證，效果較好。
當(dāng)系統(tǒng)正常工作時(shí)，終端能夠從服務(wù)器獲取周邊節(jié)點(diǎn)的路況信息，同時(shí)利用云計(jì)算的快速圖像處理。按照等級將對應(yīng)的路段按照不同的路段加以區(qū)分，在GIS系統(tǒng)中將不同的路段按照對應(yīng)的交通等級進(jìn)行顏色區(qū)分顯示，當(dāng)鼠標(biāo)指向具體的路段時(shí)，也能夠顯示具體的數(shù)值，是個(gè)節(jié)點(diǎn)的交通信息能夠非常直觀的進(jìn)行顯示。
通過視頻圖像采集、視頻圖像預(yù)處理、背景建模等過程。在單位時(shí)間內(nèi)，根據(jù)車輛計(jì)數(shù)就可以求出車流量。
經(jīng)測量得到，車模的速度在1m/s左右，按照1：24的比例換算成實(shí)際速度在80km/h左右，寬度測量誤差為4.25%，長度測量誤差為2.28%，車型匹配準(zhǔn)確率為100%。
4 結(jié)論
本文從交通流現(xiàn)狀出發(fā)，介紹了云計(jì)算基礎(chǔ)知識，并建立了私有云計(jì)算平臺。然后針對道路環(huán)境實(shí)際應(yīng)用需求，在現(xiàn)有的解決方法下，提出一種改進(jìn)的具有一定自適應(yīng)功能的Kalman濾波建模法；同時(shí)，解決了車輛的長度、寬度、車輛速度等參數(shù)測量，通過構(gòu)建的私有云平臺，能夠快速精確的計(jì)算道路占有率、及交通運(yùn)輸能力分析，為交管部門提供了可靠的基礎(chǔ)參數(shù)信息。
參考文獻(xiàn)
[1]黃振宇.基于云計(jì)算的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)[D].上海：上海交通大學(xué)，2011.
[2]楊文志.云計(jì)算技術(shù)指南：應(yīng)用、平臺與架構(gòu)[M].北京：化學(xué)工業(yè)出版社，2010.
[3]王鵬.云計(jì)算的關(guān)鍵技術(shù)與應(yīng)用實(shí)例[M].北京：人民郵電出版社，2010.
[4]張良將.Hadoop云平臺下的并行化圖像處理實(shí)現(xiàn)[D].上海：上海交通大學(xué)，2012.
[5]李新法.基于視頻圖像處理的交通流檢測方法[J].城市建設(shè)理論研究，2013.
[7] 李剛.基于背景差法和幀間差法的運(yùn)動目標(biāo)檢測方法[J].儀器儀表學(xué)報(bào)，2006（27） 962-964.
[8]高建平.基于圖像處理的交通信息采集[D].上海：同濟(jì)大學(xué)，2006.
[9]王圣男.智能交通系統(tǒng)中基于視頻圖像處理的車輛檢測與跟蹤方法綜述[D].浙江：寧波大學(xué)，2005.
1 河北北方學(xué)院信息科學(xué)與工程學(xué)院
河北省張家口市 075000
2河北北方學(xué)院附屬第二醫(yī)院
河北省張家口市 075000
【摘 要】醫(yī)學(xué)圖像在現(xiàn)代醫(yī)療診斷中發(fā)揮著重要作用，醫(yī)學(xué)圖像分割是其處理的關(guān)鍵環(huán)節(jié)。醫(yī)學(xué)圖像具有信息量大、異構(gòu)性、噪聲顯著性等特點(diǎn)，大多數(shù)方法對高容量的醫(yī)學(xué)圖像處理速度較慢，或未能充分考慮圖像的細(xì)節(jié)及奇異點(diǎn)的變化，不能很好地表達(dá)醫(yī)學(xué)圖像的內(nèi)容。為了有效解決上述問題，我們從醫(yī)學(xué)圖像的特點(diǎn)出發(fā)，靈活構(gòu)造了一種跟隨邊緣變化的自適應(yīng)提升方案，能夠有效地保護(hù)醫(yī)學(xué)圖像的邊緣細(xì)節(jié)，為醫(yī)生臨床診斷提供更可靠的依據(jù)。
關(guān)鍵詞 自適應(yīng)；提升小波；圖像分割；邊緣檢測
1 引言
醫(yī)學(xué)圖像處理是一個(gè)多學(xué)科交叉的研究領(lǐng)域，涉及計(jì)算機(jī)圖形學(xué)、數(shù)字圖像處理、生物醫(yī)藥工程等學(xué)科的相關(guān)知識。醫(yī)學(xué)圖像分割技術(shù)是醫(yī)學(xué)圖像處理與分析中的關(guān)鍵技術(shù)，圖像分割的目的是將原始圖像分成不同性質(zhì)( 如灰度、紋理等) 區(qū)域，并提取和顯示出來，使其盡可能地接近解剖結(jié)構(gòu)。近年來，已經(jīng)研究出許多有效的技術(shù)，如閾值法、區(qū)域法、邊緣檢測法、小波變換法等[1]。
閾值法是一種簡單而有效的方法，特別是對于背景與目標(biāo)區(qū)域?qū)Ρ榷容^大的圖像，分割結(jié)果更為理想。該方法從圖像本身灰度值的變化出發(fā)，忽略了像素的空間分布，易受噪聲影響，而且對灰度值變化豐富的醫(yī)學(xué)圖像效果較差。
區(qū)域生長法是選取種子像素點(diǎn)，隨后將與其相似的像素合并到它所在的區(qū)域的方法。在醫(yī)學(xué)圖像病灶分割時(shí)，如果種子點(diǎn)選取得當(dāng)，這種方法可以自動找到病灶的邊界，能為醫(yī)生的診斷提供定量及定性的依據(jù)。但是區(qū)域生長法對噪聲敏感，如果種子像素點(diǎn)選取不當(dāng)，分割結(jié)果就會出現(xiàn)錯(cuò)誤，并且對于圖像中灰度值，相近但不相鄰的多個(gè)區(qū)域很難一次全部分割出來。
邊緣檢測經(jīng)典算法有Canny 算子、Sobel 算子、Laplacian 算子、Prewitt 算子、LOG 算子等。算子的檢測算法提高了醫(yī)學(xué)圖像分割的速度，主要基于像素值的梯度變化，容易受邊緣的像素值變化影響，可能會得到不連續(xù)或虛假邊界。
小波變換是對Fourier 分析的繼承與發(fā)展，利用小波變換進(jìn)行醫(yī)學(xué)圖像分割的基本方法是通過小波變換將圖像直方圖分解成不同級別的系數(shù)，用尺度控制并依照小波系數(shù)和給定的分割準(zhǔn)則來選擇閾值[2]。
小波變換在較大尺度上由噪音引起的細(xì)小突變較少，容易描述醫(yī)學(xué)圖像信號的整體行為，可檢測出醫(yī)學(xué)圖像灰度值變化較大的輪廓，因此可以通過在不同尺度下逐步確定閾值來處理醫(yī)學(xué)圖像。這種傳統(tǒng)的小波變換的方法將圖像進(jìn)行了全局平滑處理，忽略了醫(yī)學(xué)圖像的細(xì)節(jié)和突變信息，丟失了一部分重要特征[3]。我們根據(jù)醫(yī)學(xué)圖像復(fù)雜的紋理分布及影像圖像的特殊性，改進(jìn)了原有的提升小波方案，該算法能夠?qū)崿F(xiàn)對醫(yī)學(xué)圖像的實(shí)時(shí)定位和自適應(yīng)處理，運(yùn)行成本低，可以取得較好的圖像分割和特征提取效果[4]。
2 自適應(yīng)提升小波方案
2.1 基于提升的二維自適應(yīng)提升小波格式
在該部分，我們設(shè)計(jì)了一種更新算子和預(yù)測算子同時(shí)自適應(yīng)的提升小波結(jié)構(gòu)，如圖1 所示。
3 實(shí)驗(yàn)
選取肺部CT 圖像作為測試，以檢驗(yàn)本文所提自適應(yīng)提升小波的應(yīng)用效果。將該方法與經(jīng)典的邊緣檢測算法如：roberts算子、sobel 算子、log 算子進(jìn)行比較，檢測結(jié)果如圖。
通過實(shí)驗(yàn)分析我們可以得出：roberts算子采用對角方向相鄰像素之差來估計(jì)梯度，對具有陡峭的低噪聲的圖像處理效果較好，但是利用roberts 算子提取邊緣的結(jié)果是邊緣比較粗，因此邊緣定位不是很準(zhǔn)確；sobel 對邊緣定位比較準(zhǔn)確；log 算子通過檢測二階導(dǎo)數(shù)過零點(diǎn)來判斷邊緣點(diǎn)，它的定位精度、單邊緣響應(yīng)和邊緣的連通性都不錯(cuò)，而使用不同的模板產(chǎn)生的邊緣有很大差別，自適能力較差。本文設(shè)計(jì)的提升小波可以自動跟蹤圖像各部分紋理的變化，有效保護(hù)圖像的細(xì)節(jié)突變點(diǎn)。
4 總結(jié)
本文在傳統(tǒng)提升小波的基礎(chǔ)上設(shè)計(jì)了一種自適應(yīng)更新算子和預(yù)測算子，凸顯了圖像細(xì)節(jié)分量在整個(gè)醫(yī)學(xué)圖像分割中的作用，避免了信息的丟失。實(shí)驗(yàn)結(jié)果顯示了該方法對細(xì)節(jié)及邊緣的保護(hù)作用，能夠很好的分割圖像。
參考文獻(xiàn)
[1] 袁華, 岑人經(jīng), 藤奇志, 等. 醫(yī)學(xué)圖像處理中的邊緣檢測方法進(jìn)展( 綜述)[J]. 暨南大學(xué)學(xué)報(bào)( 自然科學(xué)版),2000,21(1):69-72.
[2] 康頤. 基于小波變換的醫(yī)學(xué)CT 圖像邊緣檢測技術(shù)研究[D]. 四川: 成都理工大學(xué),2008.
[3] 王亞男. 基于提升小波和形態(tài)學(xué)的醫(yī)學(xué)圖像邊緣檢測[D]. 太原: 太原理工大學(xué),2013.
[ 4 ] X u a n W a n g , J u n h u a L i a n g , O n - l i n efast palmprint identificationb a s e d o n a d a p t i v e l i f t i n gwavelet scheme，Knowledge-BasedSystems.2013,42:68-73.
作者簡介
梁俊花(1985-), 女, 碩士學(xué)位?，F(xiàn)為河北北方學(xué)院信息科學(xué)與工程學(xué)院助教, 研究領(lǐng)域?yàn)閳D像處理, 模式識別。
王強(qiáng)(1987-), 男, 大學(xué)本科學(xué)歷?，F(xiàn)供職于河北北方學(xué)院附屬第二醫(yī)院，研究領(lǐng)域?yàn)獒t(yī)學(xué)圖像處理。
【關(guān)鍵詞】 天線陣面姿態(tài)測量 畸變模型 畸變校正 三次多項(xiàng)式擬合 三次卷積法
引言
某機(jī)載通信天線在飛機(jī)上安裝之前，要在試驗(yàn)室內(nèi)完成收發(fā)天線定向試驗(yàn)測量。定向測量在搖擺臺上進(jìn)行，天線陣面可360度旋轉(zhuǎn)，角速度為每秒7度到8度，俯仰變化范圍為-20度到90度，測量精度為0.2°，測量接收與發(fā)射天線陣面運(yùn)動過程中的姿態(tài)變化，確定兩個(gè)天線的定向誤差大小。要完成此工作，需要構(gòu)建一套由高清相機(jī)組成的天線陣面姿態(tài)測量系統(tǒng)，完成天線陣面的姿態(tài)參數(shù)測量。
在這種測量系統(tǒng)中，由于使用的是普通的工業(yè)鏡頭，所以存在著光學(xué)系統(tǒng)的畸變。一般光學(xué)鏡頭的典型畸變量為2‰～2%，并且隨著光圈F值的減小而增大。為了提高測量系統(tǒng)的測量精度，必須對光學(xué)檢測系統(tǒng)中出現(xiàn)的成像畸變進(jìn)行校正。
本文主要討論了天線陣面姿態(tài)測量系統(tǒng)中光學(xué)系統(tǒng)畸變的校正。根據(jù)像差理論建立了三次多項(xiàng)式的畸變校正模型，分析比較了不同的灰度重建方法的優(yōu)缺點(diǎn)，采用了三次卷積法的灰度重建，進(jìn)行了實(shí)驗(yàn)仿真。校正后的圖像可用于天線陣面姿態(tài)的高精度測量。
一、圖像幾何畸變校正模型
圖像幾何畸變的校正方法一般可分為兩大類[1，2]：系統(tǒng)校正法和基于參考點(diǎn)的校正法。系統(tǒng)校正法是利用引起幾何畸變的若干特征參量信息及其分布規(guī)律進(jìn)行系統(tǒng)校正，顯然這要獲得相應(yīng)特征參數(shù)及其分布的精確測量值；基于參考點(diǎn)的校正法需要在畸變前后的圖像中找到對應(yīng)的控制點(diǎn)對，根據(jù)最小均方誤差等準(zhǔn)則，找到兩組坐標(biāo)之間的變換關(guān)系，對畸變圖像進(jìn)行變換校正。
像點(diǎn)到光軸的理想距離與物點(diǎn)到光軸的距離成線性關(guān)系，畸變是距離偏離了理想值，初級畸變與距離成三次方關(guān)系[3]，此時(shí)軸外直線成像為曲線，畸變距離比理想距離或大或小，相應(yīng)的畸變一般分為桶形和枕形兩種[4]。
[1] Nomura Y ，Sagara M， Naruse H. Simple calibration Algorithm for high Cdistortion-lens camera[J]. IEEE Trans Pattarn Anal Machine Intell， 1992，14：1095-1099
[2]楊必武，郭曉松.攝像機(jī)鏡頭非線性畸變校正方法綜述[J].中國圖像圖像學(xué)報(bào)，2005，10（3）：269-274
[3]王之江，伍樹東著.成像光學(xué)[M].北京：科學(xué)出版社，1991. 105-111
[4]郭 羽，楊 紅，楊照金等.CCD攝像系統(tǒng)鏡頭的畸變測量[J].應(yīng)用光學(xué)，2008，29（2）： 279-282
[5]劉金根.一種基于現(xiàn)場定標(biāo)的光電圖像畸變校正算法[J]. 光子學(xué)報(bào)， 2004，33（6）：732-735
[6]聶鐵軍編著.數(shù)值分析方法[M].西安：西北工業(yè)大學(xué)出社，1990.182-185
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 圖像識別 企業(yè)應(yīng)用
中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）10-0124-01
1 神經(jīng)網(wǎng)絡(luò)的發(fā)展、應(yīng)用及其特點(diǎn)
現(xiàn)代計(jì)算機(jī)的應(yīng)用前提下，計(jì)算和信息處理能力均較高，但感知能力和馱踴肪持械吶卸夏芰均不如人類，并且短期內(nèi)難以實(shí)施。特別是，缺乏在特定環(huán)境的學(xué)習(xí)和適應(yīng)能力，只能按照一定的程序進(jìn)行分解及工作、執(zhí)行。本世紀(jì)初，人們對于人類大腦的工作方式已經(jīng)有了一定程度的了解，有著非常大的規(guī)模的基本單元，被稱為神經(jīng)元，這些經(jīng)過高度復(fù)雜的統(tǒng)一結(jié)合，形成復(fù)雜的、非線性、平行處理的信息綜合處理系統(tǒng)，這和當(dāng)代的計(jì)算機(jī)處理方式是完全不同的。單個(gè)的神經(jīng)元的反應(yīng)速度比起類似計(jì)算機(jī)的基本單元邏輯反應(yīng)時(shí)間，是毫秒級別的。
1.1 圖像識別及分類技術(shù)概況
隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，為了滿足當(dāng)前迫切需要，通過對機(jī)器視覺設(shè)備所獲得的圖像識別和分類，己成為當(dāng)前的迫切需要。研制機(jī)器的視覺系統(tǒng)是圖像識別的最終目的。因此，他們自行區(qū)別分類是可能的。通過一些手段使各類圖像的重要顯性數(shù)據(jù)通過一定的數(shù)值來表示出來，除了對圖像進(jìn)行數(shù)據(jù)化處理之外，通常特征范圍的提取工作也是必要的。但反應(yīng)某一類特征時(shí)，計(jì)算工作的繁雜、內(nèi)容的龐大，為計(jì)算帶來了很大壓力的同時(shí)，產(chǎn)生了不精確的可能，難免有一些誤差。所以進(jìn)一步的工作量需要對特征進(jìn)行選擇與處理，減小特征值的誤差而保留圖像特征信息，這種找出比原來特征數(shù)目少而精的綜合指標(biāo)的方法稱之為特征選擇。
1.2 神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別技術(shù)的現(xiàn)況
在世界范圍內(nèi)掀起了探索和研究神經(jīng)網(wǎng)絡(luò)的熱潮，來自發(fā)展了的學(xué)習(xí)算法。目前國內(nèi)外研究較多的有字符識別技術(shù)、車牌識別技術(shù)、臉部識別技術(shù)、各種紙幣識別技術(shù)、印章識別技術(shù)及對一些軍事目標(biāo)的識別等方面。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展己滲透到各種研究領(lǐng)域，特別是在模式識別的圖像分類技術(shù)方面，所取得的應(yīng)用也日益增多。
2 圖像識別原理簡介
2.1 圖像識別系統(tǒng)
圖像模式識別系統(tǒng)的三個(gè)重要組成部分，有如下三種，第一是圖像有關(guān)信息的采集和收集，他等同于對被研究對象的深入了解和調(diào)查，取得有關(guān)數(shù)據(jù)后，進(jìn)行整體的加工、修改、歸納、整合，并且進(jìn)一步提出反應(yīng)其點(diǎn)的一些潛質(zhì)。最重要的一部分特點(diǎn)是將類似空間的映射量折射到空間中。相當(dāng)于人類的感性和理性認(rèn)識的轉(zhuǎn)換，并作出結(jié)論的過程。圖像識別系統(tǒng)如圖1所示。
2.2 模糊模式識別法
模糊特征，本質(zhì)就是根據(jù)一定的模糊化規(guī)則，經(jīng)過多重加工后，將圖像的一個(gè)特征或者一組特征分成多個(gè)模糊變量，使每個(gè)模糊變量能表達(dá)原特征的一部分特性。這些新的模糊特征取代原來的特征進(jìn)行模式識別，提高了分類器的性能。
2.3 人工神經(jīng)網(wǎng)絡(luò)模式識別法
圖像輸入預(yù)處理特征提取神經(jīng)網(wǎng)絡(luò)識別識別結(jié)果。
3 神經(jīng)網(wǎng)絡(luò)圖像識別系統(tǒng)設(shè)計(jì)
3.1 網(wǎng)絡(luò)分類器的設(shè)計(jì)
新的性能指標(biāo)函數(shù)，通過反復(fù)使用，可以在保證網(wǎng)絡(luò)誤差盡可能小的情況下使網(wǎng)絡(luò)具有較小的權(quán)值，使得網(wǎng)絡(luò)的有效權(quán)值盡可能少，這實(shí)際上相當(dāng)于自動縮小了網(wǎng)絡(luò)的規(guī)模。
3.2 樣本的選擇及組織
選擇標(biāo)準(zhǔn)且合理的樣本，對提高網(wǎng)絡(luò)的學(xué)習(xí)速度、使網(wǎng)絡(luò)具有良好的識別精度都有著舉足輕重的作用。本實(shí)驗(yàn)中，樣本的選擇可以遵循以下原則，當(dāng)網(wǎng)絡(luò)用于分類屬性時(shí)，首先選取各類的樣本進(jìn)行訓(xùn)練，在使網(wǎng)絡(luò)的總體性能不高時(shí)，另一方面可以大幅度提高訓(xùn)練程序速度，避免網(wǎng)絡(luò)陷入癱瘓。如此反復(fù)，結(jié)果會使網(wǎng)絡(luò)產(chǎn)生振蕩。要使網(wǎng)絡(luò)對模式的旋轉(zhuǎn)、伸縮等具有不變性，因?yàn)榫W(wǎng)絡(luò)并不具有不變識別的能力，所以就要選擇各種可能情況的樣本，這樣可以保證網(wǎng)絡(luò)具有比較高的識別率。
4 傳統(tǒng)企業(yè)應(yīng)用技術(shù)分析
無限制地共享數(shù)據(jù)和業(yè)務(wù)處理是企業(yè)應(yīng)用集成（EAI）是指企業(yè)內(nèi)部和企業(yè)之間的任何相連的應(yīng)用之間。公共對象請求體系結(jié)構(gòu)（CORBA）、分布式組件對象模型（DCOM）和遠(yuǎn)程方法調(diào)用是傳統(tǒng)的系統(tǒng)集成方式。目前用的比較多的集成方式是 Web Services。
5 結(jié)語
本文首先綜述了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展、應(yīng)用、特點(diǎn)和神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別技術(shù)的現(xiàn)況。重點(diǎn)介紹了目前在目標(biāo)識別中用的最多的前饋神經(jīng)網(wǎng)絡(luò)模型及其采用的算法的同時(shí)，介紹了圖像識別原理和幾種模式識別常用的神經(jīng)網(wǎng)絡(luò)模型。
隨著有關(guān)研究的不斷深入、計(jì)算機(jī)運(yùn)行技術(shù)、數(shù)字圖像處理技術(shù)的發(fā)展，對機(jī)器視覺設(shè)備信息操作，所獲得的圖像識別和分類已成為當(dāng)前的迫切需要。
目前所做的工作離實(shí)用要求的距離還有很大的距離。不過，結(jié)合企業(yè)實(shí)際情況設(shè)計(jì)了基于ESB的企業(yè)應(yīng)用集成技術(shù)。這一課題必然會得到較好的解決。
參考文獻(xiàn)
[1]袁建國，高亮，劉向軍等.需求鏈管理的研究.中國機(jī)械工程，2003，14：89-93.
[2]孫晉文，肖建國.企業(yè)應(yīng)用集成與基于Web Services 的構(gòu)架應(yīng)用.計(jì)算機(jī)工程與應(yīng)用，2003，8：25-29.
收到日期：2016-09-02
關(guān)于Fuzzy映射的完全廣義混合型非線擬變分包含
一類廣義凸集及其性質(zhì)
“治腐星生產(chǎn)工藝技術(shù)研究”通過驗(yàn)收
空洞探測的代數(shù)模型
本刊加入“萬方數(shù)據(jù)——數(shù)字化期刊群”的聲明
一類四階微分方程解的振動性
具有質(zhì)量的剛桿連接的雙擺運(yùn)動
金融工程中最優(yōu)資產(chǎn)組合曲線的動態(tài)分析
著名學(xué)者郭聿琦等來我校進(jìn)行學(xué)術(shù)交流
一種改進(jìn)的B樣條網(wǎng)絡(luò)學(xué)習(xí)算法
三維球殼空間矢勢積分的求解
有關(guān)表面張力的一組有趣現(xiàn)象及解釋
電路中能量的傳遞
光源相干性對衍射場的影響
從氫原子光譜的五步進(jìn)展看量子物理的發(fā)展
潮汐現(xiàn)象的物理本質(zhì)
熵函數(shù)二級變分的二次型變成平方和型的兩種方法
CAI物理實(shí)驗(yàn)課件設(shè)計(jì)初探——兼談物理實(shí)驗(yàn)CAI課件特點(diǎn)
包含奇-偶下標(biāo)第一類Chebyshev多項(xiàng)式的恒等式
正整數(shù)的立方數(shù)數(shù)列的求和
平方根序列推廣形式的均值公式(Ⅱ)
Uhlhorn定理的一個(gè)推廣
關(guān)于圖的Ramsey數(shù)的幾個(gè)下界
LF-拓?fù)淇臻g中的強(qiáng)半預(yù)連續(xù)序同態(tài)
L光滑拓?fù)淇臻g中的強(qiáng)半開集強(qiáng)半閉集
帶小參數(shù)的二階微分方程奇異攝動邊值問題
柯西-施瓦茲不等式的應(yīng)用
弱伴隨矩陣及其性質(zhì)
利用注冊表維護(hù)IE瀏覽器
基于小波變換的圖像融合技術(shù)
利用遺傳算法求解裝箱問題
網(wǎng)絡(luò)課程的設(shè)計(jì)模式和實(shí)施方案
面部跟蹤方法綜述
公眾暴露環(huán)境電磁輻射綜合場強(qiáng)分布圖繪制
雙勢阱分子自發(fā)隧道效應(yīng)的研究
基爾霍夫近似下高斯粗糙面的電磁散射研究
用剛體轉(zhuǎn)動實(shí)驗(yàn)儀測量物體的慣性質(zhì)量
薄透鏡焦距測定中L>4f條件的討論
一類廣義半無限多目標(biāo)規(guī)劃問題的混合型對偶性
三階線性齊次微分方程解的相鄰零點(diǎn)之間的距離
帶利息力的特殊雙險(xiǎn)種風(fēng)險(xiǎn)模型的進(jìn)一步研究
一種新型期權(quán)的二叉樹定價(jià)法
類循環(huán)矩陣的行列式計(jì)算及其應(yīng)用之一
斜對稱變換及斜對稱矩陣的性質(zhì)
數(shù)字圖像處理技術(shù)解析
淺談軟件項(xiàng)目風(fēng)險(xiǎn)管理
基于ZigBee網(wǎng)絡(luò)的無線指紋識別系統(tǒng)
延長油田視頻會議系統(tǒng)方案設(shè)計(jì)
租賃電子小說問題的一種解決辦法
關(guān)鍵詞：繼電保護(hù)；原理；整定值；計(jì)算
中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）05-0199-02
人類在視覺感知中往往會選擇自己感興趣的部分進(jìn)行信息處理，這與數(shù)字圖像處理中的圖像分割算法擁有一種特殊的對應(yīng)關(guān)系。摳圖是圖像分割中一種特殊的形式，通常情況下以交互的形式對輸入的圖像進(jìn)行處理，其目的就是為了在有限的用戶輸入條件下，從圖像中提取出前景對象?；谝曈X顯著信息提取有效像素的新方法，可以將視覺注意力的轉(zhuǎn)移焦點(diǎn)在時(shí)間序列中的變化，作為圖像摳圖的新約束規(guī)則，它的運(yùn)用能改進(jìn)常用交互方法中存在的不足，實(shí)現(xiàn)摳圖的批量處理目標(biāo)。
1 基于視覺注意機(jī)制的圖像摳圖算法的特征
一般的自然圖像中，擁有大量的冗余信息，人們在獲取圖像信息的過程中，可采用一種方式幫助視覺感知系統(tǒng)將相關(guān)無用的信息剝離，只留下有意義的信息。這種有效提高視覺感知系統(tǒng)處理問題的方式，就是選擇性注意機(jī)制，在圖像處理中稱為視覺注意機(jī)制。與傳統(tǒng)交互式的圖像摳圖算法相比，視覺注意機(jī)制下的算法能夠運(yùn)用圖像的顯著信息特征，為具體的摳圖算法提供空間先驗(yàn)知識，突破了由用戶提供先驗(yàn)知識的盲目性，極大提升了摳圖效率，并有效降低了人工成本。另外，在實(shí)際的摳圖任務(wù)中，視覺注意機(jī)制改進(jìn)了以金字塔為結(jié)構(gòu)構(gòu)建視覺注意模型的局限，獲得的圖像顯著圖可以有效幫助完成摳圖任務(wù)。最后，視覺注意機(jī)制的圖像摳圖算法能夠增加至頂而下的任務(wù)驅(qū)動，促進(jìn)了視覺注意焦點(diǎn)模式的轉(zhuǎn)變，有效地將注意焦點(diǎn)停留在顯著物體上，使摳圖的效率和質(zhì)量都能夠得到保障。
2 常見摳圖算法的介紹
摳圖技術(shù)在影視制作領(lǐng)域中運(yùn)用較為廣泛，自然背景下的半自動摳圖技術(shù)尚未完全運(yùn)用于商業(yè)視覺特效的制作中，然而其能夠作為視頻摳圖的重要補(bǔ)充，能夠幫助用戶很好的完善圖像效果。常見摳圖算法的交互方式主要有魔杖、智能剪刀及圖像分割等方式。
視覺注意模型是依據(jù)人類神經(jīng)系統(tǒng)對外界信息接收的差異性，而運(yùn)用于圖像分割技術(shù)的嘗試。視覺顯著性是視覺注意機(jī)制中一個(gè)運(yùn)用較廣的特性，在感知系統(tǒng)中能夠產(chǎn)生特殊的刺激時(shí)，這個(gè)區(qū)域即具有視覺顯著性。下圖1中，就是一種直觀的視覺顯著性示例，在一群方塊中，我們能夠迅速感知與其他個(gè)體不一樣的元素。
在圖像分割中，所謂的顯著性模型就是根據(jù)若干圖像特征，來分析圖像中具有顯著性特征的部分，這種基于顯著性計(jì)算的模型與人眼的感知具有一定的相關(guān)性，即形成了一種視覺注意機(jī)制的摳圖處理模型。
3基于視覺注意機(jī)制的圖像摳圖計(jì)算方法
在實(shí)際的實(shí)踐過程中，研究者提出了一種基于感知顏色空間的摳圖操作方式，在計(jì)算透明度值的時(shí)候，基于人類視覺感知的模式，可歸納為以下幾個(gè)環(huán)節(jié)。
首先，確定前景輪廓，對所有前景點(diǎn)顏色值進(jìn)行加權(quán)平均獲得前景色，并通過空間高斯分布來強(qiáng)化鄰近點(diǎn)的影響。在這個(gè)過程中，前景點(diǎn)和鄰近點(diǎn)在圖像空間商的二維距離可以通過準(zhǔn)確的計(jì)算獲得。其次，在通過計(jì)算獲得色度透明值和亮度透明值。這種計(jì)算方式獲得的圖像處理參數(shù)是較為準(zhǔn)確的，但在透明度的計(jì)算中使用的模型較為簡單，只適用于并不復(fù)雜、輪廓光滑的圖像。針對背景色和前景色較為復(fù)雜的圖像，處理效果并不理想。然而，這種圖像處理的思路確是具有較大發(fā)展空間的。
基于視覺注意機(jī)制的圖像摳圖算法，主要由視覺注意控制模塊和摳圖模塊兩個(gè)核心的模塊組成。其中，視覺注意控制模塊旨在協(xié)調(diào)完成信息加工資源的分配，這也體現(xiàn)了視覺注意機(jī)制的選擇性和主動性。前沿研究領(lǐng)域構(gòu)建了一個(gè)基于視覺顯著性的計(jì)算框架，包括特征提取、特征圖構(gòu)建和特征圖融合三個(gè)階段。比如，在處理一張圖像的時(shí)候，首先提取初級視覺特征，包括顏色、亮度、朝度等，同事生成每個(gè)初級特征所對應(yīng)的顯著圖；接著通過定義這些特征圖合并準(zhǔn)則，融合不同的顯著特征圖，最后形成視覺顯著圖。下圖2位視覺注意機(jī)制的框架圖。
當(dāng)前，在實(shí)際的摳圖計(jì)算中，擁有不同的計(jì)算模型，主要圍繞著圖像的顯著性展開，其中以基于高斯金字塔構(gòu)建的注意模型最為清晰。它是以中央周邊差算子分別計(jì)算圖像的顏色、亮度和朝向，進(jìn)而形成初級視覺特征下的特征圖，再經(jīng)過合并計(jì)算的到顯著特征圖。所得的顯著特征數(shù)值即為對應(yīng)像素點(diǎn)的顯著值，基于這一計(jì)算模型的實(shí)際摳圖嘗試均取得了不錯(cuò)的結(jié)果。
而在摳圖模塊中，主要采用閉型摳圖的方式，這也是數(shù)學(xué)領(lǐng)域的重要研究分支，主要通過求解線性方程或者不等式來獲得結(jié)果。這就很好地簡化了相關(guān)算法的復(fù)雜性，具有較高的實(shí)用性和可操作性。其交互性也很好，僅需要較少的空間約束便能獲得可靠的結(jié)果。
參考文獻(xiàn)：
摘 要：可視化是當(dāng)前計(jì)算機(jī)領(lǐng)域發(fā)展的重點(diǎn)。本文對可視化的發(fā)展現(xiàn)狀、發(fā)展中的難點(diǎn)以及可視化技術(shù)在不同領(lǐng)域的應(yīng)用進(jìn)行分析、綜合，并展望了可視化發(fā)展的前景。
關(guān)鍵詞 ：計(jì)算機(jī)科學(xué) 可視化技術(shù) 應(yīng)用
可視化這一概念自1986年提出以來，在自然科學(xué)領(lǐng)域得到了快速發(fā)展，它是幫助自然科學(xué)研究者理解復(fù)雜現(xiàn)象和分析處理大規(guī)模數(shù)據(jù)的重要工具。目前可視化研究成果廣泛被應(yīng)用在了航天技術(shù)、石油勘探、天氣預(yù)報(bào)、醫(yī)學(xué)等多個(gè)領(lǐng)域。隨著圖形、圖像等傳輸設(shè)備的性能日益提升，可視化已成為計(jì)算機(jī)領(lǐng)域發(fā)展不可或缺的必備條件。
一、可視化概念
可視化是將符號轉(zhuǎn)化成幾何形狀，使研究者能夠觀察到他們研究工作的一種計(jì)算技術(shù)，其改變了科學(xué)家原有的工作方式，提供給了科學(xué)家發(fā)現(xiàn)事物的最新途徑，并且不斷帶給人們驚喜。
在計(jì)算機(jī)領(lǐng)域?qū)崿F(xiàn)可視化的基本途徑一般都包括三個(gè)方面：首先，將計(jì)算數(shù)據(jù)進(jìn)行采集、組織、交換和壓縮；其次，將處理過的計(jì)算數(shù)據(jù)進(jìn)行幾何圖元的提取，并且對幾何圖元構(gòu)建可視模型；最后，將圖形繪制并顯示。
二、可視化發(fā)展的難點(diǎn)
在計(jì)算機(jī)中實(shí)現(xiàn)圖形的可視化，首先是要將需要可視化的系統(tǒng)組建模型，其次分析尋找描繪組建好的模型的最佳方案，最終呈現(xiàn)可視化效果。
但在現(xiàn)實(shí)中面臨的難點(diǎn)就是很難組建需要可視化對象的模型，例如很多抽象的概念就無法進(jìn)行物理模型的組建，在計(jì)算機(jī)中也無法對其進(jìn)行模擬。
三、可視化研究成果
1.流體可視化軟件
流體可視化軟件是在多個(gè)相聯(lián)系的模型下，在交互分布環(huán)境下研究暴風(fēng)雨的形成規(guī)律。這是美國國家超級計(jì)算機(jī)應(yīng)用中心研制出來的，其工作原理是將安裝在NCSA的超級計(jì)算機(jī)CRAY-YMP與VGX工作站之間進(jìn)行網(wǎng)絡(luò)連接，其中超級計(jì)算機(jī)CRAY-YMP復(fù)雜模型計(jì)算，而VGX則提供用戶可接入口，進(jìn)行二維圖形和三維圖形的顯示。
2.可視化技術(shù)在地質(zhì)勘探中的應(yīng)用
計(jì)算機(jī)可視化研究成果已被廣泛應(yīng)用到地質(zhì)學(xué)研究中，實(shí)現(xiàn)地質(zhì)可視化。地球物理勘探過程中應(yīng)用到了可視化技術(shù)。美國SGI公司的油田開發(fā)、油藏?cái)?shù)值模擬、石油地質(zhì)等方面都引進(jìn)可視化技術(shù)，并遙遙領(lǐng)先于世界同行業(yè)中的其他競爭者。
3.可視化技術(shù)在人體胚胎學(xué)中的應(yīng)用
這主要是依據(jù)美國衛(wèi)生和醫(yī)學(xué)博物館的胚胎數(shù)據(jù)進(jìn)行人類胚胎模型的重構(gòu)，并將結(jié)果以三維數(shù)據(jù)的形式展現(xiàn)，這是醫(yī)學(xué)史上的一大進(jìn)步，預(yù)示著人類可以遠(yuǎn)程訪問人類形態(tài)數(shù)據(jù)，并且可以對其進(jìn)行分布式計(jì)算，將醫(yī)學(xué)研究推向一個(gè)新的高度。
4.可視化技術(shù)在醫(yī)學(xué)上的應(yīng)用
近代在醫(yī)學(xué)領(lǐng)域廣泛使用的CT、MRI以及PET都是醫(yī)學(xué)數(shù)據(jù)的可視化技術(shù)。這些設(shè)備能夠掃描產(chǎn)生人體病灶進(jìn)行多個(gè)方位多個(gè)剖面的圖像，使得醫(yī)生能夠清晰地判斷病人病灶的大小、位置，幫助醫(yī)生準(zhǔn)確診斷病因。而且CT與傳統(tǒng)的膠片感光成像不同的是，能夠借助計(jì)算機(jī)直接對人體器官或者組織圖像進(jìn)行重構(gòu)，幫助醫(yī)學(xué)圖像實(shí)現(xiàn)二維向三維的邁進(jìn)，方便醫(yī)生直接從體外觀察病人病灶的內(nèi)部結(jié)構(gòu)。
5.可視化技術(shù)在數(shù)字博物館的應(yīng)用
數(shù)字博物館就是依靠虛擬技術(shù)對藏品進(jìn)行建模，實(shí)現(xiàn)三維可視化，在真實(shí)反應(yīng)事物數(shù)據(jù)的同時(shí)，達(dá)到傳遞信息的目的。數(shù)字博物館為不同區(qū)域院校師生提供了學(xué)習(xí)平臺，并且有利于全國各地的學(xué)者之間的信息互換以及信息資源共享。
6.還原修復(fù)可視化技術(shù)
這主要應(yīng)用于考古工作中，例如對于已經(jīng)破壞的古建筑場景以及出土的破損文物，可以通過虛擬修復(fù)進(jìn)行還原。這一過程需要將可視化技術(shù)與數(shù)字圖像處理、計(jì)算機(jī)圖形學(xué)、模式識別等技術(shù)綜合應(yīng)用。
四、小結(jié)
目前，國際上可視化研究的權(quán)威機(jī)構(gòu)就是美國的國家超級計(jì)算應(yīng)用中心（NCSA）。早在19世紀(jì)80年代美國就進(jìn)行了大量的可視化技術(shù)研究，取得了可喜的研究成果，并且致力于將可視化技術(shù)推向更高的發(fā)展階段。隨著我國加快國際交流的腳步，國內(nèi)的清華、北大以及中科院軟件所等單位也相繼進(jìn)行可視化技術(shù)的研究。但目前，可視化發(fā)展程度較低，更高階段的可視化研究尚處于探索階段，因此，不斷完善更新計(jì)算機(jī)硬件設(shè)施是促進(jìn)可視化技術(shù)快速發(fā)展的保證。
參考文獻(xiàn)：
[1]韓禎祥,呂捷,邱家駒.科學(xué)計(jì)算可視化及其在電力系統(tǒng)中的應(yīng)用前景[J].電網(wǎng)技術(shù),2012(2).
[2]韓麗娜.計(jì)算機(jī)科學(xué)領(lǐng)域的可視化技術(shù)研究[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2013(20).
關(guān)鍵詞：結(jié)構(gòu)光測量；相機(jī)標(biāo)定；opencv濾波；輪廓提取
1 緒論結(jié)構(gòu)光測量原理及相機(jī)標(biāo)定簡介
光柵投影儀CCD相機(jī)安裝位置如圖1所示。從光柵投影儀發(fā)出的光柵投射到零坐標(biāo)平面上經(jīng)過物體表面輪廓阻擋產(chǎn)生包含高度信息的相位偏移信息的反射光，由CCD相機(jī)獲取分時(shí)多幀圖像識別分析后得到像點(diǎn)實(shí)際高度。
作為描述被測物體空間位置的絕對坐標(biāo)系被稱為世界坐標(biāo)系，用來描述攝像機(jī)像素平面成像的2D位置關(guān)系的平面坐標(biāo)系稱為攝像機(jī)坐標(biāo)系。攝像機(jī)坐標(biāo)系與世界坐標(biāo)系的相對位置關(guān)系可以用一個(gè)旋轉(zhuǎn)矩陣和一個(gè)平移向量來描述。由于測量對象為較大尺寸和較大視角的情況，所以忽略透鏡的徑向軸向畸變可以得到透視變換矩陣A。
其中[XW YW ZW 1]T為世界坐標(biāo)系下的三維坐標(biāo)，[u v 1]T為對應(yīng)的像平面坐標(biāo)aij為透視變換矩陣A的元素，化簡后得到一個(gè)線性方程組。
對于每個(gè)世界坐標(biāo)系下已知其對應(yīng)關(guān)系的圖像點(diǎn)，由上述方程組可知，在不少于六個(gè)對應(yīng)坐標(biāo)點(diǎn)帶入后可求解矩陣A。較多的對應(yīng)點(diǎn)帶入后可以得到更多更多的線性約束關(guān)系方程組，用最小二乘法求解矩陣A取值更精確，從而降低誤差影響?；谝陨先↑c(diǎn)需求，引入一種激光測距配合角度旋轉(zhuǎn)的方式完成相機(jī)標(biāo)定。
2 光斑圖像采集
（1）圖2中坐標(biāo)原點(diǎn)位光源位置，由卡尺和激光測距度數(shù)配合安裝調(diào)試為零位置。固定在可以水平旋轉(zhuǎn)和豎直垂直于紙面方向旋轉(zhuǎn)的兩個(gè)旋轉(zhuǎn)臺上。當(dāng)兩個(gè)轉(zhuǎn)臺安不同角度旋轉(zhuǎn)定位時(shí)，就可以分別取到圖示網(wǎng)格狀交點(diǎn)的各個(gè)位置。光源到物體表面距離已知，在兩個(gè)轉(zhuǎn)臺上的轉(zhuǎn)角已知，可以容易求得物體表面光點(diǎn)位置的三維坐標(biāo)。盡可能多取點(diǎn)保證求值的準(zhǔn)確性。
（2）激光由兩道縱橫交錯(cuò)的線激光組成，隨著兩個(gè)轉(zhuǎn)臺的轉(zhuǎn)動，激光點(diǎn)隨之移動，對于不同的光點(diǎn)位置分別拍照，獲得每一點(diǎn)相同背景不同光點(diǎn)位置的平面圖像。
3 opencv濾波與輪廓提取
由于高斯噪聲在數(shù)學(xué)上的易處理性，故實(shí)踐中常用這種噪聲模型。在opencv中調(diào)用canny算子的高階用法中，使用高斯濾波降噪，使用canny算子，檢測出需要的輪廓線條，檢測線激光十字坐標(biāo)。主要代碼功能流程為：
光標(biāo)圖像采集創(chuàng)建Mat類載入圖像將原圖轉(zhuǎn)換為灰度圖像使用5*5內(nèi)核降噪調(diào)用canny算子采集正交十字坐標(biāo)。核心程序如下
Mat dst，edge，gray；dst.create（ src1.size（）， src1.type（） ）； cvtColor（ src1，gray， COLOR_BGR2GRAY ）；blur（ gray，edge，Size（3，3） ）；Canny（ edge，edge，3，9，3）；dst=Scalar：：all（0）；src1.copyTo（dst，edge）；
4 Y束語
Canny算子檢測后的圖像矩陣中只保留了有用的輪廓信息的像素。遍歷像素矩陣，識別垂直光標(biāo)點(diǎn)即可獲得像素坐標(biāo)系中的激光點(diǎn)位置坐標(biāo)。對于低精度要求的大視角對象整體輪廓識別可以實(shí)現(xiàn)快速測量快速標(biāo)定的要求。
參考文獻(xiàn)
[1]胡占義，吳福朝.基于主動視覺攝像機(jī)標(biāo)定方法[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（11）：1149-1156.
[2]高立志，方勇，林志航.立體視覺測量中攝像機(jī)標(biāo)定的新技術(shù)[J].電子學(xué)報(bào)，1999，27（2）：12-14.
[3]尹文生，羅瑜林，李世其.基于OpenCV的攝像機(jī)標(biāo)定[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（1）：197-199.
[4]蔡健榮，趙杰文.雙目立體視覺系統(tǒng)攝像機(jī)標(biāo)定[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，27（1）：6-9.
[5]楊幸芳，黃玉美，高峰，等.用于攝像機(jī)標(biāo)定的棋盤圖像角點(diǎn)檢測新算法[J].儀器儀表學(xué)報(bào)，2011，32（5）：1109-1113.
[6]，王軍寧.攝像機(jī)標(biāo)定方法綜述[J].山西電子技術(shù)，2007（4）：77-79.
[7]張廣軍，魏振忠，賀俊吉.結(jié)構(gòu)光三維機(jī)器視覺系統(tǒng)研究[C].全國紅外科學(xué)技術(shù)交流會暨全國光電技術(shù)學(xué)術(shù)交流會，2001.