第一篇：google算法更新link scheme研究

google算法更新link scheme研究

Google說(shuō)明到link scheme: Google對(duì)于搜尋排名有一部分是根據(jù)對(duì)于鏈接到你的網(wǎng)站的情況而來(lái)，例如鏈接的數(shù)量、鏈接的品質(zhì)、有多少相關(guān)的鏈接，而鏈接到你的網(wǎng)站可以表示你的網(wǎng)站的相關(guān)性、品質(zhì)、與熱門程度。諸如種種情況，這些反應(yīng)在你的網(wǎng)站的鏈接狀況，就是link scheme，其實(shí)就是我們之前說(shuō)的link profile。

具有好的link scheme或是link profile，可以增加你的網(wǎng)站搜尋排名的正面因素，但是壞的link scheme或是link profile，卻會(huì)毀掉你的網(wǎng)站搜尋排名。

(1)只用關(guān)鍵字當(dāng)作錨點(diǎn)文字，是錯(cuò)誤的link scheme。

那應(yīng)該怎樣呢? 就是多樣性，可能有只用url當(dāng)anchor text、可能使用品牌加上關(guān)鍵字、可能使用較長(zhǎng)的文字當(dāng)anchor text...(2)購(gòu)買鏈接是是錯(cuò)誤的link scheme。

這個(gè)應(yīng)該已經(jīng)不是新聞了，那該從哪裡獲得鏈接呢? 文章是說(shuō)自己尋找有品質(zhì)的網(wǎng)站，然后誠(chéng)懇的要求鏈接...這個(gè)大概沒太大用處。其實(shí)我們的鏈接策略就是沒有鏈接策略，把精力放在其他地方。

(3)使用blogroll與footer links是錯(cuò)誤的link scheme。

也就是不要用sitewide的template link，而是要editor link，在文章內(nèi)容中建立相關(guān)鏈接。

(4)使用目錄鏈接是錯(cuò)誤的link scheme。

不要去花錢加入目錄列表，而是要被列在有品質(zhì)的鏈接上，例如SEOmoz之類有人去把關(guān)編輯的。

(5)使用部落格留言是錯(cuò)誤的link scheme。

部落格留言并非不好，而是不要以spam的方式為之，以真正加入討論的方式去進(jìn)行。

(6)交換鏈接是錯(cuò)誤的link scheme。

不要跟一般交換鏈接的站臺(tái)交換鏈接，而要跟有權(quán)威度的品質(zhì)網(wǎng)站，并且相關(guān)的網(wǎng)站建立關(guān)係。

(7)內(nèi)容重組是錯(cuò)誤的link scheme。

內(nèi)容重組不但無(wú)效，而且可能花費(fèi)不少時(shí)間，到不如真正建立原創(chuàng)內(nèi)容。

(8)以社交網(wǎng)路profile建立鏈接頁(yè)面是錯(cuò)誤的link scheme。

不是不能使用社交網(wǎng)路profile建立鏈接頁(yè)面，而是要真正使用，說(shuō)穿了就是要有流量，沒有流量的鏈接反而是負(fù)面因素。

(9)只接受doFollow鏈接是錯(cuò)誤的link scheme。

意思就是不要再管是否noFollow或是如何，有流量的鏈接就是好鏈接，真正自然的鏈接是各種情況都有的，不可能只有一個(gè)樣子。

(10)大量的社交書籤鏈接是錯(cuò)誤的link scheme。

社交書籤鏈接也不是不能用，而是要有品質(zhì)...啥是品質(zhì)，活著的鏈接就是品質(zhì)啦。

所以上述全部的意思都是...不是不可以做，而是要有品質(zhì)，注意多樣性，注意活著的感覺，就是好的link scheme的啦。文章出自http://，轉(zhuǎn)載請(qǐng)注明出處，謝謝！

第二篇：智能機(jī)器人路徑規(guī)劃及算法研究

機(jī)器人技術(shù)

文章編號(hào):1008-0570(2006)11-2-0244-03

中文核心期刊《微計(jì)算機(jī)信息》(嵌入式與SOC)2006年第22卷第11-2期

智能機(jī)器人路徑規(guī)劃及算法研究

ResearchonPathPlanningandAlgorithmsforIntelligentRobots

(西南科技大學(xué))宋暉張華高小明

SONGHUIZHANGHUAGAOXIAOMING

摘要:路徑規(guī)劃技術(shù)是機(jī)器人控制技術(shù)研究中的一個(gè)重要問(wèn)題,目前的研究主要分為全局規(guī)劃方法和局部規(guī)劃方法兩大類。在

對(duì)一些較有代表性的研究思想及其相關(guān)算法分析的基礎(chǔ)上,比較各種方法的優(yōu)缺點(diǎn),提出了機(jī)器人路徑規(guī)劃今后的研究重點(diǎn)。關(guān)鍵詞:智能機(jī)器人;全局規(guī)劃;局部規(guī)劃;優(yōu)化算法 中圖分類號(hào):TP242.6 文獻(xiàn)標(biāo)識(shí)碼:A

技

1引言 術(shù)

自50年代世界上第一臺(tái)機(jī)器人裝置誕生以來(lái), 創(chuàng) 機(jī)器人的發(fā)展經(jīng)歷了一個(gè)從低級(jí)到高級(jí)的發(fā)展過(guò)程。

第一代示教再現(xiàn)型機(jī)器人,可以根據(jù)人示教的結(jié)果再 新 現(xiàn)出動(dòng)作,它對(duì)于外界的環(huán)境沒有感知。在20世紀(jì)70

年代后期人們開始研究第二代機(jī)器人:帶感覺的機(jī)器 人,這種機(jī)器人是類似人某種感覺的功能,如力覺、觸 覺、滑覺、視覺、聽覺。第三代機(jī)器人是智能機(jī)器人階 段,機(jī)器人通過(guò)各種傳感器獲取環(huán)境信息,利用人工 智能進(jìn)行識(shí)別、理解、推理并做出判斷和決策來(lái)完成 一定的任務(wù)。這就要求智能機(jī)器人除了具有感知環(huán)境 和簡(jiǎn)單的適應(yīng)環(huán)境能力外,還具有較強(qiáng)的識(shí)別理解功 能和決策規(guī)劃功能。（智械科技）Abstract:Pathplanningtechnologyisoneoftheimportantprobleminintelligentrobot.Atpresent,thetworesearchways:oneis globalplanningandtheotherislocalplanning.Onthebasisoftheanalysisofsometypicalideas,methodsandrelatedalgorithms ofpathplanningforintelligentrobot,thispaperproposesthefutureresearchemphasisofrobotpathplanning.Keywords:intelligentrobot,globalplanning,localplanning,optimizationalgorithms

①?gòu)?fù)雜性:在復(fù)雜環(huán)境中,機(jī)器人路徑規(guī)劃非常 復(fù)雜,且需要很大的計(jì)算量。

②隨機(jī)性:復(fù)雜環(huán)境的變化往往存在很多隨機(jī)性 和不確定因素。

③多約束:機(jī)器人的形狀、速度和加速度等對(duì)機(jī) 器人的運(yùn)動(dòng)存在約束。

3全局路徑規(guī)劃

全局規(guī)劃方法主包括構(gòu)型空間法、拓?fù)浞ā鸥?解耦法、自由空間法、神經(jīng)網(wǎng)絡(luò)法等。

3.1構(gòu)型空間法

構(gòu)型空間法的基本思想是將機(jī)器人縮小為一個(gè) 點(diǎn),根據(jù)機(jī)器人形狀和尺寸將障礙物進(jìn)行拓展。其中 研究較成熟的有:可視圖法和優(yōu)化算法。

3.1.1可視圖法

可視圖法中的路徑圖由捕捉到的存在于機(jī)器人 一維網(wǎng)絡(luò)曲線(稱為路徑圖)自由空間中的節(jié)點(diǎn)組成。路徑的初始狀態(tài)和目標(biāo)狀態(tài)同路徑圖中的點(diǎn)相對(duì)應(yīng), 這樣路徑規(guī)劃問(wèn)題就演變?yōu)樵谶@些點(diǎn)間搜索路徑的 問(wèn)題。要求機(jī)器人和障礙物各頂點(diǎn)之間、目標(biāo)點(diǎn)和障礙 物各頂點(diǎn)之間以及各障礙物頂點(diǎn)與頂點(diǎn)之間的連線均 不能穿越障礙物,即直線是“可視的”,然后采用某種方 法搜索從起始點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑,搜索最優(yōu)路徑 的問(wèn)題就轉(zhuǎn)化為從起始點(diǎn)到目標(biāo)點(diǎn)經(jīng)過(guò)這些可視直線 的最短距離問(wèn)題。該法能夠求得最短路徑,但假設(shè)忽略 智能機(jī)器人的尺寸大小,使得機(jī)器人通過(guò)障礙物頂點(diǎn) 時(shí)離障礙物太近甚至接觸,并且搜索時(shí)間長(zhǎng)。

3.1.2優(yōu)化算法 此法可刪除一些不必要的連線以簡(jiǎn)化可視圖、縮 短搜索時(shí)間,能夠求得最短路徑。但假設(shè)機(jī)器人的尺

《 現(xiàn)場(chǎng)總線技術(shù)應(yīng)用200例》 2智能機(jī)器人的路徑規(guī)劃技術(shù)分類

智能機(jī)器人路徑規(guī)劃是指在有障礙物的工作環(huán) 境中,如何尋找一條從給定起點(diǎn)到終點(diǎn)適當(dāng)?shù)倪\(yùn)動(dòng)路 徑,使機(jī)器人在運(yùn)動(dòng)過(guò)程中能安全、無(wú)碰地繞過(guò)所有 障礙物。機(jī)器人路徑規(guī)劃問(wèn)題可以建模為一個(gè)有約束 的優(yōu)化問(wèn)題,都要完成路徑規(guī)劃、定位和避障等任務(wù)。根據(jù)機(jī)器人對(duì)環(huán)境信息掌握的程度不同將智能機(jī)器 人路徑規(guī)劃分為基于模型的全局路徑規(guī)劃和基于傳 感器的局部路徑規(guī)劃。前者是指作業(yè)環(huán)境的全部信息 已知,又稱靜態(tài)或離線路徑規(guī)劃;后者是指作業(yè)環(huán)境 信息全部未知或部分未知,又稱動(dòng)態(tài)或在線路徑規(guī) 劃。智能機(jī)器人路徑規(guī)劃存在以下特點(diǎn): 宋暉:講師碩士

基金項(xiàng)目:國(guó)家自然科學(xué)基金(60404014);

西南科技大學(xué)青年基金資助項(xiàng)目(ZK053033)

-244-360元/年郵局訂閱號(hào):82-946 您的論文得到兩院院士關(guān)注 機(jī)器人技術(shù)

在滿足精度要求的情況下,用神經(jīng)網(wǎng)絡(luò)來(lái)表示環(huán)境則 可以取得較好的效果。神經(jīng)網(wǎng)絡(luò)在全局路徑規(guī)劃的應(yīng) 用,將障礙約束轉(zhuǎn)化為一個(gè)懲罰函數(shù),從而使一個(gè)約 束優(yōu)化問(wèn)題轉(zhuǎn)化為一個(gè)無(wú)約束最優(yōu)化問(wèn)題,然后以神 經(jīng)網(wǎng)絡(luò)來(lái)描述碰撞懲罰函數(shù),進(jìn)行全局路徑規(guī)劃。

雖然神經(jīng)網(wǎng)絡(luò)在路徑規(guī)劃中有學(xué)習(xí)能力強(qiáng)等優(yōu) 點(diǎn),但整體應(yīng)用卻不是非常成功,主要原因是智能機(jī) 器人所遇到的環(huán)境是千變?nèi)f化的、隨機(jī)的,并且很難 以數(shù)學(xué)的公式來(lái)描述。寸大小忽略不計(jì),會(huì)使機(jī)器人通過(guò)障礙物頂點(diǎn)時(shí)離障 礙物太近甚至接觸,并且搜索時(shí)間長(zhǎng)。另外的缺點(diǎn)就 是此法缺乏靈活性,即一旦機(jī)器人的起點(diǎn)和目標(biāo)點(diǎn)發(fā) 生改變,就要重新構(gòu)造可視圖,比較麻煩。這類算法包 括Dijkstra算法,A*算法等。（智械科技）

3.2拓?fù)浞?/p>

拓?fù)浞▽⒁?guī)劃空間分割成具有拓?fù)涮卣髯涌臻g, 根據(jù)彼此連通性建立拓?fù)渚W(wǎng)絡(luò),在網(wǎng)絡(luò)上尋找起始點(diǎn) 到目標(biāo)點(diǎn)的拓?fù)渎窂?最終由拓?fù)渎窂角蟪鰩缀温?徑。拓?fù)浞ɑ舅枷胧墙稻S法,即將在高維幾何空間 中求路徑的問(wèn)題轉(zhuǎn)化為低維拓?fù)淇臻g中判別連通性 的問(wèn)題。優(yōu)點(diǎn)在于利用拓?fù)涮卣鞔蟠罂s小了搜索空 間。算法復(fù)雜性僅依賴于障礙物數(shù)目,理論上是完備 的。而且拓?fù)浞ㄍǔ２恍枰獧C(jī)器人的準(zhǔn)確位置,對(duì)于 位置誤差也就有了更好的魯棒性;缺點(diǎn)是建立拓?fù)渚W(wǎng) 絡(luò)的過(guò)程相當(dāng)復(fù)雜,特別在增加障礙物時(shí)如何有效地 修正已經(jīng)存在的拓?fù)渚W(wǎng)是有待解決的問(wèn)題。

3.3柵格解耦法

柵格解耦法是目前研究最廣泛的路徑規(guī)劃方法。該方法將機(jī)器人的工作空間解耦為多個(gè)簡(jiǎn)單的區(qū)域, 一般稱為柵格。由這些柵格構(gòu)成了一個(gè)連通圖,在這個(gè) 連通圖上搜索一條從起始柵格到目標(biāo)柵格的路徑,這 條路徑是用柵格的序號(hào)來(lái)表示的。整個(gè)圖被分割成多 個(gè)較大的矩形,每個(gè)矩形之間都是連續(xù)的。如果大矩形 內(nèi)部包含障礙物或者邊界,則又被分割成4個(gè)小矩形, 對(duì)所有稍大的柵格都進(jìn)行這種劃分,然后在劃分的最 后界限內(nèi)形成的小柵格間重復(fù)執(zhí)行程序,直到達(dá)到解 的界限為止。該法以柵格為單位記錄環(huán)境信息,環(huán)境 被量化成具有一定分辨率的柵格,柵格的大小直接影 響著環(huán)境信息存儲(chǔ)量的大小和規(guī)劃時(shí)間的長(zhǎng)短,柵格 劃分大了,環(huán)境信息存儲(chǔ)量小,規(guī)劃時(shí)間短,分辨率下 降;柵格劃分小了,環(huán)境分辨率高。

3.4自由空間法

自由空間法采用預(yù)先定義的如廣義錐形和凸多 邊形等基本形狀構(gòu)造自由空間,并將自由空間表示為 連通圖,通過(guò)搜索連通圖來(lái)進(jìn)行路徑規(guī)劃。自由空間 的構(gòu)造方法是:從障礙物的一個(gè)頂點(diǎn)開始,依次作其 它頂點(diǎn)的鏈接線,刪除不必要的鏈接線,使得鏈接線 與障礙物邊界所圍成的每一個(gè)自由空間都是面積最 大的凸多邊形;連接各鏈接線的中點(diǎn)形成的網(wǎng)絡(luò)圖即 為機(jī)器人可自由柵格法運(yùn)動(dòng)的路線。其優(yōu)點(diǎn)是比較靈 活,起始點(diǎn)和目標(biāo)點(diǎn)的改變不會(huì)造成連通圖的重構(gòu), 缺點(diǎn)是復(fù)雜程度與障礙物的多少成正比,且有時(shí)無(wú)法 獲得最短路徑。

3.5神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元相互連接而形成 的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng),對(duì)于大范圍的工作環(huán)境，《PLC技術(shù)應(yīng)用200例》

4局部路徑規(guī)劃

局部路徑規(guī)劃的主要方法有:人工勢(shì)場(chǎng)法、模糊 邏輯控制法、混合法、滾動(dòng)窗口法等。

4.1人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法是由Khatib提出的一種虛擬力法。其 基本思想是將智能機(jī)器人在環(huán)境中的運(yùn)動(dòng)視為一種 虛擬人工受力場(chǎng)中的運(yùn)動(dòng)。把智能機(jī)器人在環(huán)境中的 運(yùn)動(dòng)視為一種在抽象的人造受力場(chǎng)中的運(yùn)動(dòng),目標(biāo)點(diǎn) 對(duì)智能機(jī)器人產(chǎn)生引力,障礙物對(duì)智能機(jī)器人產(chǎn)生斥 力,最后通過(guò)求合力來(lái)控制智能機(jī)器人的運(yùn)動(dòng)。該法結(jié) 構(gòu)簡(jiǎn)單,便于低層的實(shí)時(shí)控制,在實(shí)時(shí)避障和平滑的 軌跡控制方面,得到了廣泛應(yīng)用,其不足在于存在局 部最優(yōu)解,容易產(chǎn)生死鎖現(xiàn)象,因而可能使智能機(jī)器 人在到達(dá)目標(biāo)點(diǎn)之前就停留在局部最優(yōu)點(diǎn)。

4.2模糊邏輯控制算法 模糊方法不需要建立完整的環(huán)境模型,不需要進(jìn) 行復(fù)雜的計(jì)算和推理,尤其對(duì)傳感器信息的精度要求 不高,對(duì)機(jī)器人周圍環(huán)境和機(jī)器人的位姿信息的具有 不確定性、不敏感的特點(diǎn),能使機(jī)器人的行為體現(xiàn)出 很好的一致性、穩(wěn)定性和連續(xù)性,能比較圓滿地解決 一些規(guī)劃問(wèn)題,對(duì)處理未知環(huán)境下的規(guī)劃問(wèn)題顯示出 很大優(yōu)越性,對(duì)于解決用通常的定量方法來(lái)說(shuō)是很復(fù) 雜的問(wèn)題或當(dāng)外界只能提供定性近似的、不確定信息 數(shù)據(jù)時(shí)非常有效。但模糊規(guī)則往往是人們通過(guò)經(jīng)驗(yàn)預(yù) 先制定的,所以存在著無(wú)法學(xué)習(xí)、靈活性差的缺點(diǎn)。

技 術(shù) 創(chuàng) 新

4.3遺傳算法

遺傳算法是一種借鑒生物界自然選擇和進(jìn)化機(jī) 制發(fā)展起來(lái)的高度并行、隨機(jī)、自適應(yīng)搜索算法,它采 用群體搜索技術(shù),通過(guò)選擇、交叉和變異等一系列遺 傳操作,使種群得以進(jìn)化。避免了困難的理論推導(dǎo),直 接獲得問(wèn)題的最優(yōu)解。其基本思想是:將路徑個(gè)體表 達(dá)為路徑中一系列中途點(diǎn),并轉(zhuǎn)換為二進(jìn)制串。首先 初始化路徑群體,然后進(jìn)行遺傳操作,如選擇、交叉、復(fù)制、變異。經(jīng)過(guò)若干代進(jìn)化以后,停止進(jìn)化,輸出當(dāng) 前最優(yōu)個(gè)體。

遺傳算法存在運(yùn)算時(shí)間長(zhǎng),實(shí)現(xiàn)路徑的在線規(guī)劃 困難,而且在機(jī)器人的路徑規(guī)劃問(wèn)題中應(yīng)用存在著個(gè)

郵局訂閱號(hào):82-946360元/年

-245-機(jī)器人技術(shù) 中文核心期刊《微計(jì)算機(jī)信息》(嵌入式與SOC)2006年第22卷第11-2期

體編碼不合理、效率低、進(jìn)化效果不明顯等問(wèn)題。

4.4混合法 混合法是一種用于半自主智能機(jī)器人路徑規(guī)劃 的模糊神經(jīng)網(wǎng)絡(luò)方法。所謂半自主智能機(jī)器人就是具 有在人類示教基礎(chǔ)上增加了學(xué)習(xí)功能的器件的機(jī)器 人。這種方法采用模糊描述來(lái)完成機(jī)器人行為編碼,同 時(shí)重復(fù)使用神經(jīng)網(wǎng)絡(luò)自適應(yīng)技術(shù)。由機(jī)器人上的傳感 器提供局部的環(huán)境輸入,由內(nèi)部模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行環(huán) 境預(yù)測(cè),進(jìn)而可以在未知環(huán)境下規(guī)劃?rùn)C(jī)器人路徑。此 外,也有人提出基于模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法的機(jī)器 人自適應(yīng)控制方法。將規(guī)劃過(guò)程分為離線學(xué)習(xí)和在線 學(xué)習(xí)兩部分。該方法是一種混合的機(jī)器人自適應(yīng)控制 方法,可以自適應(yīng)調(diào)整機(jī)器人的行走路線,達(dá)到避障和 路徑最短的雙重優(yōu)化。（智械科技）

(3)多傳感器信息融合用于路徑規(guī)劃。單傳感器難 以保證輸入信息準(zhǔn)確與可靠。多傳感器所獲得信息具 有冗余性,互補(bǔ)性,實(shí)時(shí)性和低代價(jià)性,且可以快速并 行分析現(xiàn)場(chǎng)環(huán)境。

(4)基于功能/行為的智能機(jī)器人路徑規(guī)劃?；谀?型自頂向下的感知-建模-規(guī)劃-動(dòng)作是一種典型慎思 結(jié)構(gòu),稱為基于功能的控制體系結(jié)構(gòu)?；谛袨榈姆?法是一種自底向上的構(gòu)建系統(tǒng)方法,并與環(huán)境交互作 用中最終達(dá)到目標(biāo)。基于功能/行為的機(jī)器人控制結(jié)構(gòu) 融合了兩者優(yōu)點(diǎn),這是研究的新動(dòng)向之一。

6結(jié)語(yǔ)

本文作者的創(chuàng)新點(diǎn):深入研究了國(guó)內(nèi)外關(guān)于機(jī)器 人路徑規(guī)劃算法的發(fā)展現(xiàn)狀、最新進(jìn)展和各種算法的 優(yōu)缺點(diǎn),并對(duì)未來(lái)機(jī)器人路徑規(guī)劃技術(shù)的發(fā)展趨勢(shì)進(jìn) 行了綜合分析;指出機(jī)器人路徑規(guī)劃技術(shù)未來(lái)的研究 重點(diǎn)是“仿人、仿生”智能,并還將緊密的結(jié)合認(rèn)知科 學(xué)、人工智能、與計(jì)算智能的研究成果,提升機(jī)器人行 為的智能度。

參考文獻(xiàn):

[1]宗光華.機(jī)器人的創(chuàng)意設(shè)計(jì)與實(shí)踐[M].北京：北京航空航天大 學(xué)出版社,2003.[2]Robin著,杜軍平譯.人工智能機(jī)器人學(xué)導(dǎo)論[M].北京：電子工 業(yè)出版社，2003.[3]席裕庚,張純剛.一類動(dòng)態(tài)不確定環(huán)境下機(jī)器人的滾動(dòng)路徑 規(guī)劃[J].自動(dòng)化學(xué)報(bào),2002,28.[4]諸靜.機(jī)器人與控制技術(shù)[M].杭州：浙江大學(xué)出版社,1991.[5]XuWL,TSOSK.Sensorbasedfuzzyreactivenavigationofa mobilerobotthroughlocaltargetswitching[J].IEEETransactionson Systems,1999，29.[6]KrishnaKM,KalraPK.Perceptionandrememberanceofthe environmentduringreal-timenavigationofamobilerobot[J].RobticsandAutonomousSystems,2001,37.[7]邢軍,王杰.神經(jīng)網(wǎng)絡(luò)在移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng)用研究[J].微計(jì)算機(jī)信息,2005,22:110-111

[8]Khatib.Real-timeobstacleformanipulatorsandmobilerobot [J].TheInternationalJournalofRoboticResearch.1986,1.[9]薛艷茹,鄭冰等.基于模糊控制信息融合方法的機(jī)器人導(dǎo)航系 統(tǒng)[J].微計(jì)算機(jī)信息,2005,22:107-109

[10]周明,孫樹棟.遺傳算法原理及應(yīng)用[M].北京：:國(guó)防工業(yè)出版 社,2000.[11]KazuoSugihara,JohnSmith.GeneticAlgorithmsforAdaptive MotionPlanningofanAutonomousMobileRobot[A].Proceedings 1997IEEEInternationalSymposiumonComputationalIntelligence inRoboticsandAutomation[C].1997.[12]TsoukalasLH,HoustisEN,JonesGV.Neurofuzzy motionplannersforintelligentrobots

[J].Journalof

Intelligentan-

dRoboticSystems,1997,19.(下轉(zhuǎn)第252頁(yè))

《 現(xiàn)場(chǎng)總線技術(shù)應(yīng)用200例》 技 整個(gè)控制既基于模型與優(yōu)化的,又是基于反饋的?；?/p>

:首先進(jìn)行場(chǎng) 術(shù) 于滾動(dòng)窗口的路徑規(guī)劃算法的基本思路景預(yù)測(cè),在滾動(dòng)的每一步,機(jī)器人根據(jù)其探測(cè)到的局 創(chuàng)4.5滾動(dòng)窗口法

滾動(dòng)窗口借鑒了預(yù)測(cè)控制滾動(dòng)優(yōu)化原理,把控制 論中優(yōu)化和反饋兩種基本機(jī)制合理地融為一體,使得

新 部窗口范圍內(nèi)的環(huán)境信息,用啟發(fā)式方法生成局部子 目標(biāo),并對(duì)動(dòng)態(tài)障礙物的運(yùn)動(dòng)進(jìn)行預(yù)測(cè),判斷機(jī)器人 行進(jìn)是否可能與動(dòng)態(tài)障礙物相碰撞。其次機(jī)器人根據(jù) 窗口內(nèi)的環(huán)境信息及預(yù)測(cè)結(jié)果,選擇局部規(guī)劃算法, 確定向子目標(biāo)行進(jìn)的局部路徑,并依所規(guī)劃的局部路 徑行進(jìn)一步,窗口相應(yīng)向前滾動(dòng)。然后在新的滾動(dòng)窗 口產(chǎn)生后,根據(jù)傳感器所獲取的最新信息,對(duì)窗口內(nèi) 的環(huán)境及障礙物運(yùn)動(dòng)狀況進(jìn)行更新。該方法放棄了對(duì) 全局最有目標(biāo)的過(guò)于理想的要求,利用機(jī)器人實(shí)時(shí)測(cè) 得的局部環(huán)境信息,以滾動(dòng)方式進(jìn)行在線規(guī)劃,具有 良好的避碰能力。但存在著規(guī)劃的路徑是非最優(yōu)的問(wèn) 題,即存在局部極值問(wèn)題。

5智能機(jī)器人路徑規(guī)劃技術(shù)的展望

隨著計(jì)算機(jī)、傳感器及控制技術(shù)的發(fā)展,特別是 各種新算法不斷涌現(xiàn),智能機(jī)器人路徑規(guī)劃技術(shù)已經(jīng) 取得了豐碩研究成果。特別是周圍環(huán)境已知的全局路 徑規(guī)劃,其理論研究已比較完善,目前比較活躍的領(lǐng) 域是研究在環(huán)境未知情況下的局部規(guī)劃。從研究成果 看,有以下趨勢(shì):

(1)智能化的算法將會(huì)不斷涌現(xiàn)。模糊控制、神經(jīng)網(wǎng) 絡(luò)、遺傳算法以及它們的相互結(jié)合也是研究熱點(diǎn)之一。(2)多智能機(jī)器人系統(tǒng)的路徑規(guī)劃。隨著智能機(jī)器 人工作環(huán)境復(fù)雜度和任務(wù)的加重,對(duì)其要求不再局限 于單臺(tái)智能機(jī)器人,在動(dòng)態(tài)環(huán)境中多智能機(jī)器人的合 作與單個(gè)機(jī)器人路徑規(guī)劃要很好地統(tǒng)一。

-246-360元/年郵局訂閱號(hào):82-946 機(jī)器人技術(shù) 中文核心期刊《微計(jì)算機(jī)信息》(嵌入式與SOC)2006年第22卷第11-2期

實(shí)驗(yàn),插值A(chǔ)*規(guī)劃的路徑代價(jià)大約是A*算法的

0.94,其計(jì)算時(shí)間是大約A*算法的1.35倍。圖11中 展示了在125×75地圖,障礙物密度是33.3%,用A*

算法和插值A(chǔ)*算法規(guī)劃在的路徑。圖中黑線表示A* 算法規(guī)劃的路徑,紅線表示插值A(chǔ)*算法規(guī)劃的路徑。從圖中可以看出紅線規(guī)劃的路徑不一定從節(jié)點(diǎn)的中 間通過(guò),故路徑明顯的比黑線規(guī)劃的路徑代價(jià)少。表1 顯示了兩種算法比較的結(jié)果。

pages3310-3317.[3]K.Konolige.Agradientmethodforrealtimerobotcontrol.In ProceedingsoftheIEEEInternationalConferenceonIntelligent RobotsandSystems(IROS),2000.[4]R.PhilippsenandR.Siegwart.AnInterpolatedDynamic NavigationFunction.InProceedingsoftheIEEEInternational ConferenceonRoboticsandAutomation(ICRA),2005.[5]D.FergusonandA.Stentz.FieldD*:AnInterpolation-basedPath PlannerandReplanner.TechnicalReportCMURI-TR-7-16, CarnegieMellonSchoolofComputerScience,2005.[6]王儉,肖金球,王林芳.一種改進(jìn)的機(jī)器人路徑規(guī)劃螞蟻算法[J].微計(jì)算機(jī)信息,2005,5:53

[7]邢軍,王杰.神經(jīng)網(wǎng)絡(luò)在移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng)用研究[J].微計(jì)算機(jī)信息,2005,11-2:110

作者簡(jiǎn)介:呂太之,男,1979-10,碩士研究生,高工,研究 方向人工智能與模式識(shí)別.E-mail:lvtaizhi@163.com;趙 春霞,女,1964-05,教授(博導(dǎo)),研究方向計(jì)算機(jī)應(yīng)用、模式識(shí)別與智能系統(tǒng)。

Biography:LvTaiZhi,Male,1979-10,graduatestudent,senior engineer.ThestudydirectionisPatternrecognitionandAI.技 圖5用A*算法和插值A(chǔ)*算法在125×75的柵格上規(guī)劃路徑，且每個(gè)節(jié)點(diǎn)的路徑代價(jià)不一樣。術(shù) 表1兩種算法的比較結(jié)果 創(chuàng) 新

在實(shí)際的應(yīng)用中,可以將實(shí)際的環(huán)境設(shè)置為不 同的路徑代價(jià)。比如可以將公路設(shè)置為1,草地設(shè)置 為5,不平坦的路面設(shè)置為15,障礙物設(shè)置為31。實(shí) 驗(yàn)結(jié)果顯示在此算法尤其適用與地形環(huán)境復(fù)雜的室 外環(huán)境中。（智械科技）

(211170江蘇海事職業(yè)技術(shù)學(xué)院信息工程系)呂太之(210094江蘇南京南京理工大學(xué)計(jì)算機(jī)學(xué)院)趙春霞 通訊地址:(211170江蘇省南京市江寧區(qū)格致路309 號(hào)江蘇海事職業(yè)技術(shù)學(xué)院信息工程系)呂太之

(收稿日期:2006.3.28)(修稿日期:2006.4.28)

(上接第246頁(yè))

[17]王超.王志良.基于個(gè)性和OCC的機(jī)器人情感建模研究[J].微 計(jì)算機(jī)信息，2005,3:180-181

5綜述

插值A(chǔ)*算法是在A*算法基礎(chǔ)上提出的一種啟 發(fā)式路徑搜索算法。雖然插值A(chǔ)*算法可以節(jié)省路徑, 但是其計(jì)算時(shí)間也多與A*算法,當(dāng)計(jì)算資源有限時(shí), 這個(gè)算法的優(yōu)越性就無(wú)法體現(xiàn)出來(lái),所以每個(gè)算法都 有自己的優(yōu)缺點(diǎn),有各自的適用環(huán)境。

現(xiàn)在路徑規(guī)劃的算法很多,但是還沒有那一個(gè)算 法可以處于絕對(duì)的地位,可以適用與所有環(huán)境。如何 將各種算法結(jié)合起來(lái),發(fā)揮各個(gè)算法的優(yōu)點(diǎn),屏蔽各 個(gè)算法的缺點(diǎn),在這個(gè)方面還是有很多的理論和實(shí)踐 值得深入研究。

本文創(chuàng)新點(diǎn):創(chuàng)造性地將插值算法加入到路徑搜 索算法中,使得生成的路徑更加平滑,路徑代價(jià)更小。

參考文獻(xiàn):

[1]E.Dijkstra.Anoteontwoproblemsinconnexionwithgraphs.NumerischeMathematik,1:269-271,1959.[2]A.Stentz.Optimalandefficientpathplanningforpartially-knownenvironments.InIEEEInt.Conf.Robot.&Autom.,1994，-252-360元/年郵局訂閱號(hào):82-946

作者簡(jiǎn)介:宋暉(1974-),男,陜西周至人,西南科技大學(xué) 計(jì)算機(jī)學(xué)院講師,碩士,主要研究方向:機(jī)器人控制技術(shù) 和嵌入式系統(tǒng).E-mail:songh717@163.com;張華:(1969-),男,四川綿陽(yáng)人,西南科技大學(xué)工程技術(shù)中心教授, 博士,主要研究方向:模式識(shí)別與智能系統(tǒng)、圖像處理 與虛擬現(xiàn)實(shí)技術(shù)。

(621010四川綿陽(yáng)西南科技大學(xué)計(jì)算機(jī)學(xué)院)宋暉 高小明

(621010四川綿陽(yáng)西南科技大學(xué)工程技術(shù)中心)張華

(CollegeofComputer,ScienceSouthwestUniversityofScience &Technology,MianyangSichuan621010,China)SongHui GaoXiaoming

(Thecenterofengineerandtechnology,SouthwestUniversity ofScience&Technology,MianyangSichuan621010,China)ZhangHua

通訊地址:(621010四川綿陽(yáng)四川省綿陽(yáng)市西南科技 大學(xué)計(jì)算機(jī)學(xué)院)宋暉

(收稿日期:2006.3.28)(修稿日期:2006.4.25)

《 現(xiàn)場(chǎng)總線技術(shù)應(yīng)用200例》

第三篇：三對(duì)角系統(tǒng)算法研究的論文

【摘要】在科學(xué)和工程計(jì)算中，許多問(wèn)題往往歸結(jié)為三對(duì)角線性方程組的求解，其并行算法的研究具有重要意義。文章全面總結(jié)了當(dāng)前求解三對(duì)角線性方程組的兩類并行算法：直接解法和迭代解法，并介紹了其特點(diǎn)。

【關(guān)鍵詞】三對(duì)角線性方程組；分治策略；并行算法；算法可擴(kuò)展性

一、概述

三對(duì)角線性方程組的求解是許多科學(xué)和工程計(jì)算中最重要也是最基本的問(wèn)題之一。在核物理、流體力學(xué)、油藏工程、石油地震數(shù)據(jù)處理及數(shù)值天氣預(yù)報(bào)等許多領(lǐng)域的大規(guī)?？茖W(xué)工程和數(shù)值處理中都會(huì)遇到三對(duì)角系統(tǒng)的求解問(wèn)題。很多三對(duì)角線性方程組的算法可以直接推廣到求解塊三對(duì)角及帶狀線性方程組。由于在理論和實(shí)際應(yīng)用上的重要性，近20年來(lái)三對(duì)角方程組的并行算法研究十分活躍。

大規(guī)模科學(xué)計(jì)算需要高性能的并行計(jì)算機(jī)。隨著軟硬件技術(shù)的發(fā)展，高性能的并行計(jì)算機(jī)日新月異?，F(xiàn)今，SMP可構(gòu)成每秒幾十億次運(yùn)算的系統(tǒng)，PVP和COW可構(gòu)成每秒幾百億次運(yùn)算的系統(tǒng)，而MPP和DSM可構(gòu)成每秒萬(wàn)億次運(yùn)算或更高的系統(tǒng)。

高性能并行計(jì)算機(jī)只是給大型科學(xué)計(jì)算提供了計(jì)算工具。如何發(fā)揮并行計(jì)算機(jī)的潛在性能和對(duì)三對(duì)角系統(tǒng)進(jìn)行有效求解，其關(guān)鍵在于抓住并行計(jì)算的特點(diǎn)進(jìn)行并行算法的研究和程序的設(shè)計(jì)與實(shí)現(xiàn)。另外，對(duì)處理機(jī)個(gè)數(shù)較多的并行計(jì)算系統(tǒng)，在設(shè)計(jì)并行算法時(shí)必須解決算法的可擴(kuò)展性，并對(duì)可擴(kuò)展性進(jìn)行研究和分析。

二、問(wèn)題的提出

設(shè)三對(duì)角線性方程組為

AX=Y（1）

式中：A∈Rn×n非奇異，αij=0。X=(x1，x2，…xn)TY=(y1，y2，…yn）T。

此系統(tǒng)在許多算法中被提出，因此研究其高性能并行算法是很有理論和實(shí)際意義的。

三、并行求解三對(duì)角系統(tǒng)的直接解法

關(guān)于三對(duì)角線性方程組的直接求解已經(jīng)有大量并行算法，其中Wang的分裂法是最早針對(duì)實(shí)際硬件環(huán)境，基于分治策略提出的并行算法。它不僅通信結(jié)構(gòu)簡(jiǎn)單，容易推廣到一般帶狀線性方程組的并行求解，而且為相繼出現(xiàn)的許多其它并行算法提供了可行的局部分解策略。

近20年來(lái)求解三對(duì)角方程組的并行算法都是基于分治策略，即通過(guò)將三對(duì)角方程組分解成P個(gè)小規(guī)模問(wèn)題，求解這P個(gè)小規(guī)模問(wèn)題，再將這些解結(jié)合起來(lái)得到原三對(duì)角方程組的解。一般求解三對(duì)角方程組的分治方法的計(jì)算過(guò)程可分為3個(gè)階段：一是消去，每臺(tái)處理機(jī)對(duì)子系統(tǒng)消元；二是求解縮減系統(tǒng)（需要通信）；三是回代，將縮減系統(tǒng)的解回代到每個(gè)子系統(tǒng)，求出最終結(jié)果。具體可分為以下幾類：

（一）遞推耦合算法（RecursiveDoubling）

由Stone于1975年提出，算法巧妙地把LU分解方法的時(shí)序性很強(qiáng)的遞推計(jì)算轉(zhuǎn)化為遞推倍增并行計(jì)算。D.J.Evans對(duì)此方法做了大量研究。P.Dubois和G.Rodrigue的研究表明Stone算法是不穩(wěn)定的。

（二）循環(huán)約化方法（CyclicReduction）

循環(huán)約化方法由Hockey和G.Golub在1965年提出，其基本思想是每次迭代將偶數(shù)編號(hào)方程中的奇變量消去，只剩下偶變量，問(wèn)題轉(zhuǎn)變成求解僅由偶變量組成的規(guī)模減半的新三對(duì)角方程組。求解該新方程組，得到所有的偶變量后，再回代求解所有的奇變量。即約化和回代過(guò)程。由于其基本的算術(shù)操作可以向量化，適合于向量機(jī)。此方法有大量學(xué)者進(jìn)行研究，提出了許多改進(jìn)的方法。例如，Heller針對(duì)最后幾步的短向量操作提出了不完全循環(huán)約化方法；R.Reulter結(jié)合IBM3090VF向量機(jī)的特點(diǎn)提出了局部循環(huán)約化法；P.Amodio針對(duì)分布式系統(tǒng)的特點(diǎn)改進(jìn)了循環(huán)約化方法；最近針對(duì)此方法又提出對(duì)三對(duì)角方程組進(jìn)行更大約化步的交替迭代策略。

（三）基于矩陣乘分解算法

將系數(shù)矩陣A分解成A=FT，方程Ax=b化為Fy=b和Tx=y兩個(gè)方程組的并行求解。這種算法又可以分為兩類：

1.重疊分解。如Wang的分裂法及其改進(jìn)算法就屬于這一類。P.Amodio在1993年對(duì)這類算法進(jìn)行了很好的總結(jié)，用本地LU、本地LUD和本地循環(huán)約化法求解，并在1995年提出基于矩陣乘分解的并行QR算法。H.Michielse和A.VanderVorst改變Wang算法的消元次序，提出了通信量減少的算法。李曉梅等將H.Michielse和A.VanderVorst算法中的通信模式從單向串行改為雙向并行，提出DPP算法，是目前最好的三對(duì)角方程組分布式算法之一。2000年駱志剛等中依據(jù)DPP算法，利用計(jì)算與通信重疊技術(shù)，減少處理機(jī)空閑時(shí)間取得了更好的并行效果。此類算法要求解P-1階縮減系統(tǒng)。

2.不重疊分解。例如Lawrie&Sameh算法、Johsoon算法、Baron算法、Chawla在1991年提出的WZ分解算法以及Mattor在1995年提出的算法都屬于這一類。此類算法要求解2P-2階縮減系統(tǒng)。

（四）基于矩陣和分解算法

將系數(shù)矩陣分解成A=Ao+△A，這類算法的共同特點(diǎn)是利用Sherman&Morrison公式將和的逆化為子矩陣逆的和。按矩陣分解方法，這種算法又可分為兩類：

1.重疊分解。這類算法首先由Mehrmann在1990年提出，通過(guò)選擇好的分解在計(jì)算過(guò)程中保持原方程組系數(shù)矩陣的結(jié)構(gòu)特性，具有好的數(shù)值穩(wěn)定性，需要求解P-1階縮減系統(tǒng)。

2.不重疊分解。Sun等在1992年提出的并行劃分LU算法PPT算法和并行對(duì)角占優(yōu)算法PDD算法均屬于這一類。需要求解2P-2階縮減系統(tǒng)。其中PDD算法的通訊時(shí)間不隨處理機(jī)的變化而變化，具有很好的可擴(kuò)展性。X.H.Sun和W.Zhang在2002年提出了兩層混合并行方法PTH，其基本思想是在PDD中嵌入一個(gè)內(nèi)層三對(duì)角解法以形成一個(gè)兩層的并行，基本算法是PDD，三對(duì)角系統(tǒng)首先基于PDD分解。PTH算法也具有很好的可擴(kuò)展性。

四、并行求解三對(duì)角系統(tǒng)的迭代解法

當(dāng)稀疏線性方程組的系數(shù)矩陣不規(guī)則時(shí)，直接法在求解過(guò)程中會(huì)帶來(lái)大量非零元素，增加了計(jì)算量、通信量和存儲(chǔ)量，并且直接法不易并行，不能滿足求解大規(guī)模問(wèn)題的需要。因此通常使用迭代法來(lái)求解一般系數(shù)線性方程組和含零元素較多三對(duì)角線性方程組。迭代法包括古典迭代法和Krylov子空間迭代法。

古典迭代法包括Jacobi、Gauss-Seidel、SOR、SSOR等方法。通常采用紅黑排序、多色排序和多分裂等技術(shù)進(jìn)行并行計(jì)算。由于古典迭代法有收斂速度慢、并行效果不好等缺點(diǎn)，目前已較少用于直接求解大型稀疏線性方程組，而是作為預(yù)條件子和其它方法（如Krylov子空間方法）相結(jié)合使用。

Krylov子空間方法具有存儲(chǔ)量小，計(jì)算量小且易于并行等優(yōu)點(diǎn)，非常適合于并行求解大型稀疏線性方程組。結(jié)合預(yù)條件子的Krylov子空間迭代法是目前并行求解大型稀疏線性方程組的最主要方法。

給定初值X0，求解稀疏線性方程組AX=Y。設(shè)Km為維子空間，一般投影方法是從m維仿射子空間X0+Km中尋找近似解Xm使之滿足Petrov-Galerkin條件

Y-AXm┻Lm

其中Lm為另一個(gè)維子空間。如果Km是Krylov子空間，則上述投影方法稱為Krylov子空間方法。Krylov子空間Km(A，r0)定義為：

Km(A，r0)=span{r0，Ar0，A2r0，…，Am-1r0}

選取不同的Km和Lm就得到不同的Krylov子空間方法。主要算法包括四類：基于正交投影方法、基于正交化方法、基于雙正交化方法、基于正規(guī)方程方法。

Krylov子空間迭代法的收斂速度依賴于系數(shù)矩陣特征值的分布，對(duì)于很多問(wèn)題，直接使用迭代法的收斂速度特別慢，或者根本不收斂。因此使用預(yù)條件改變其收斂性，使中斷問(wèn)題可解，并加速收斂速度是需要的。目前人們研究的預(yù)條件技術(shù)可分為四類：采用基于矩陣分裂的古典迭代法作為預(yù)條件子、采用不完全LU分解作預(yù)條件子、基于系數(shù)矩陣近似逆的預(yù)條件子、結(jié)合實(shí)際問(wèn)題用多重網(wǎng)格或區(qū)域分解作預(yù)條件子。對(duì)Krylov子空間和預(yù)條件Krylov子空間方法有詳細(xì)的討論。

預(yù)條件Krylov子空間方法的并行計(jì)算問(wèn)題一直是研究熱點(diǎn)，已提出了一系列好的并行算法。目前預(yù)條件Krylov子空間方法的計(jì)算量主要集中在矩陣向量乘上。雖然學(xué)者們做了大量的研究工作，但是還沒找到效果好，又易于并行的預(yù)條件子。

需要特別指出的是，對(duì)于一般線性代數(shù)方程組的并行求解，其可擴(kuò)展并行計(jì)算的研究已相對(duì)成熟，并已形成相應(yīng)的并行軟件庫(kù)，如美國(guó)田納西亞州立大學(xué)和橡樹嶺國(guó)家實(shí)驗(yàn)室研制的基于消息傳遞計(jì)算平臺(tái)的可擴(kuò)展線性代數(shù)程序庫(kù)ScaLAPACK和得克薩斯大學(xué)開發(fā)的界面更加友好的并行線性代數(shù)庫(kù)PLAPACK。我們借鑒其研究成果和研究方法，對(duì)三對(duì)角線性方程組并行算法的研究是有幫助的。

五、結(jié)語(yǔ)

三對(duì)角線性方程組的直接解法，算法豐富，程序較容易實(shí)現(xiàn)。但計(jì)算過(guò)程要增加計(jì)算量，并且大部分算法都對(duì)系數(shù)矩陣的要求比較高。迭代解法適合于非零元素較多的情況，特別是結(jié)合預(yù)條件子的Krylov子空間迭代法已成為當(dāng)前研究的熱點(diǎn)。

盡管三對(duì)角系統(tǒng)并行算法的研究取得了很多成果。但是還存在一些問(wèn)題：直接法中，分治策略帶來(lái)計(jì)算量和通信量的增加，如何減少計(jì)算量和通信量有待于進(jìn)一步的研究；目前直接算法均基于分治策略，如何把其它并行算法設(shè)計(jì)技術(shù)，如平衡樹和流水線等技術(shù)應(yīng)用到三對(duì)角系統(tǒng)的并行求解中也是需要引起重視的方向；對(duì)于非對(duì)稱系統(tǒng)還沒找到一種通用的Krylov子空間方法；Krylov子空間方法的并行實(shí)現(xiàn)時(shí)僅考慮系數(shù)矩陣與向量乘，對(duì)其它問(wèn)題考慮不夠；以往設(shè)計(jì)的并行算法缺乏對(duì)算法可擴(kuò)展性的考慮和分析。

【參考文獻(xiàn)】

[1]駱志剛，李曉梅，王正華.三對(duì)角線性方程組的一種有效分布式并行算法[J].計(jì)算機(jī)研究與發(fā)展，2000，（7）.

第四篇：理解算理,構(gòu)建算法研究總結(jié)(五年級(jí))

2016至2017學(xué)“理解算理，構(gòu)建算法”課題研究

五年級(jí)主題研究總結(jié)

通過(guò)這一階段的研究，讓我們五年級(jí)組的全體數(shù)學(xué)教師清楚的意識(shí)到不能簡(jiǎn)單地把學(xué)生出現(xiàn)的計(jì)算錯(cuò)誤歸咎于學(xué)生“粗心”、“馬虎”等。其實(shí)學(xué)生在計(jì)算中出現(xiàn)錯(cuò)誤的原因是多方面的。在五年級(jí)數(shù)學(xué)組全體成員的團(tuán)結(jié)合作，積極努力下，通過(guò)扎實(shí)有效地開展“理解算理，構(gòu)建算法”課題研究工作，嘗試了一些做法，積累了一些經(jīng)驗(yàn)?，F(xiàn)將我們五年級(jí)組開展的“理解算理，構(gòu)建算法”計(jì)算教學(xué)課題研究實(shí)驗(yàn)以來(lái)的相關(guān)情況總結(jié)如下：

一、制定計(jì)劃，有序開展研究工作

接到學(xué)校通知后，我們五年級(jí)組成員根據(jù)學(xué)校計(jì)劃作了明確的分工，共同制定研究方案，理清研究思路，使全體成員統(tǒng)一思想，進(jìn)一步明確課題研究的實(shí)踐意義、研究基本內(nèi)容、研究的重點(diǎn)和難點(diǎn)、研究基本目標(biāo)以及研究方法和手段。開展該項(xiàng)課題研究不僅能夠促進(jìn)小學(xué)計(jì)算教學(xué)的改革，更有利于學(xué)生計(jì)算能力的發(fā)展以及學(xué)生數(shù)學(xué)素養(yǎng)的提升，同時(shí)在課題研究中實(shí)現(xiàn)教師專業(yè)的自我成長(zhǎng)，形成敢于實(shí)踐，勇于創(chuàng)新的教科研精神。

二、注重研究過(guò)程，共同探究方法。

為保障課題研究活動(dòng)的深入開展，力求研究實(shí)效，五年級(jí)組成員潛心研究計(jì)算教學(xué)，采取計(jì)算教學(xué)展示課、經(jīng)驗(yàn)交流、專題講座、等多種形式，相互取長(zhǎng)補(bǔ)短，并就研究過(guò)程中遇到的困惑、問(wèn)題進(jìn)行研討，大家積極建言獻(xiàn)策。

根據(jù)學(xué)校課題研究實(shí)驗(yàn)方案，五年級(jí)組開展了對(duì)學(xué)生計(jì)算錯(cuò)誤典型實(shí)例、原因分析與改進(jìn)辦法的問(wèn)卷調(diào)查活動(dòng)，收集課題研究材料。

（一）計(jì)算錯(cuò)誤類型與原因分析

針對(duì)學(xué)生在計(jì)算中出現(xiàn)的錯(cuò)誤類型、原因加以分析研究，才能矯正學(xué)生計(jì)算中出現(xiàn)的錯(cuò)誤，但由于學(xué)生的認(rèn)知發(fā)展水平和已有的知識(shí)經(jīng)驗(yàn)有所不同，計(jì)算錯(cuò)誤也是不同的。根據(jù)收集到的調(diào)查材料顯示，學(xué)生計(jì)算錯(cuò)誤大致可以歸納為知識(shí)性錯(cuò)誤和非知識(shí)性錯(cuò)誤兩大類。知識(shí)性錯(cuò)誤是指學(xué)生對(duì)于計(jì)算法則、算理、概念、運(yùn)算順序的不理解，或者沒有很好地掌握所學(xué)知識(shí)導(dǎo)致的錯(cuò)誤。非知識(shí)性錯(cuò)誤是指學(xué)生由于不良的學(xué)習(xí)習(xí)慣所導(dǎo)致的錯(cuò)誤。例如：抄錯(cuò)或看錯(cuò)數(shù)或符號(hào)、抄錯(cuò)題目、橫式寫對(duì)，豎式寫錯(cuò)等。

1、知識(shí)性錯(cuò)誤（1）口算錯(cuò)誤

口算錯(cuò)誤是指在運(yùn)算的過(guò)程中出現(xiàn)基本計(jì)算上的失誤，主要有以下兩種情況：

①計(jì)算失誤。例如： 9+45=55

110-60=40 ②口訣混亂。例如： 3×6=16 6×9=45(2)方法錯(cuò)誤

方法錯(cuò)誤是指在計(jì)算過(guò)程中因方法不對(duì)而產(chǎn)生的計(jì)算錯(cuò)誤。主要有以下六種情況：

①算理不清。法則是學(xué)生思維的基本形式，又是學(xué)生進(jìn)行計(jì)算的重要依據(jù)。只有正確理解和掌握計(jì)算法則才能正確地進(jìn)行計(jì)算。例如：63－28=45。

原因分析：學(xué)生對(duì)退位減法算理不清，不明白個(gè)位不夠減應(yīng)從十位退一當(dāng)十再加上個(gè)位上的數(shù)，然后再減，所以當(dāng)個(gè)位不夠減時(shí)就直接用減數(shù)來(lái)減被減數(shù)。

②對(duì)添括號(hào)和去括號(hào)算理不明確。例如： 82.36－(52.36－18.58)=82.36－52.36－18.58=31.42。

原因分析：學(xué)生在去小括號(hào)時(shí)沒有減變加，不理解已知一個(gè)數(shù)減去兩個(gè)數(shù)的差，等于用這個(gè)數(shù)先減去第一個(gè)數(shù)，再加上第二個(gè)數(shù)的算理。

③對(duì)乘法分配律的運(yùn)用錯(cuò)誤。例如：42.9×6.2＋42.9×3.8=42.9×42.9×（6.2＋3.8）。

原因分析：學(xué)生對(duì)乘法分配律的理解不透徹，運(yùn)用有誤，沒有掌握好計(jì)算方法。

④對(duì)0的占位作用認(rèn)識(shí)不夠。例如： 618÷6=13。

原因分析：學(xué)生對(duì)0的占位作用認(rèn)識(shí)不夠，在什么情況下應(yīng)該用0占位這一知識(shí)點(diǎn)沒有掌握好。對(duì)商的最高位確定后，不夠商1的就商“0”理解不清。因此，出現(xiàn)跳位商和空位的錯(cuò)誤。

⑤分?jǐn)?shù)加減乘除計(jì)算法則錯(cuò)誤。例如：5/12+2/3=7/15，原因分析：對(duì)分?jǐn)?shù)加減乘除計(jì)算法則不清楚，乘法是分子乘分子作分子，分母乘分母作分母，誤以為加減法就是分子加減分子作分子，分母加減分母作分母；因?yàn)閷?duì)每一種計(jì)算法則掌握不好，導(dǎo)致加減乘除計(jì)算時(shí)混淆不清，出現(xiàn)錯(cuò)誤。

2、非知識(shí)性錯(cuò)誤

當(dāng)看到計(jì)算題數(shù)據(jù)較大，運(yùn)算步驟過(guò)多時(shí)，學(xué)生就會(huì)產(chǎn)生畏懼心理，失去解題信心，表現(xiàn)為極不耐煩，不認(rèn)真審題，沒按運(yùn)算順序進(jìn)行計(jì)算，沒有耐心去選擇合理算法，從而導(dǎo)致錯(cuò)誤出現(xiàn)，甚至連題都不做。

1、短時(shí)記憶出錯(cuò)。

記憶是學(xué)習(xí)的基礎(chǔ)、知識(shí)的儲(chǔ)存、積累和更新都要依賴于記憶，無(wú)論是口算還是筆算或估算都需要良好的短時(shí)記憶力作保證。一些學(xué)生由于短時(shí)記憶力發(fā)展較差，直接造成計(jì)算錯(cuò)誤。例如：退位減法，前一位退1，可忘了減1。同樣，做進(jìn)位加法時(shí)，忘了進(jìn)位，特別是連續(xù)進(jìn)位的加法，連續(xù)退位的減法，忘加或漏減的錯(cuò)誤較多。計(jì)算小數(shù)乘除法時(shí)，漏點(diǎn)小數(shù)點(diǎn)。如22.4÷4=56。

2、不良的學(xué)習(xí)習(xí)慣、態(tài)度造成錯(cuò)誤。

不良的學(xué)習(xí)習(xí)慣，例如：計(jì)算粗心，書寫潦草，馬馬虎虎，做題不喜歡用草稿紙，再大的數(shù)也不想動(dòng)筆算，而喜歡口算，做題時(shí)只求速度，不求質(zhì)量，不注意審題、檢查，態(tài)度不端正等這些不良習(xí)慣容易造成計(jì)算錯(cuò)誤。

（二）計(jì)算錯(cuò)誤矯正策略研究

不管何種原因造成的計(jì)算錯(cuò)誤，教師們都要高度重視，找出問(wèn)題的根本和關(guān)鍵，分析錯(cuò)誤原因，加強(qiáng)練習(xí)。根據(jù)教師們的問(wèn)卷調(diào)查分析，主要矯正策略如下：

1、教師要認(rèn)真分析教材，鉆研教材，精心設(shè)計(jì)教學(xué)過(guò)程，運(yùn)用多種方法幫助學(xué)生理解算理，正確處理算理和算法關(guān)系，使學(xué)生不僅知道計(jì)算方法，而且知道駕馭方法的算理，不僅知其然，還要知其所以然。

2、概念的不理解，法則的不熟練也直接導(dǎo)致計(jì)算錯(cuò)誤。因此，要加強(qiáng)對(duì)計(jì)算法則的深刻理解，在深刻理解的基礎(chǔ)上進(jìn)行記憶。

提升學(xué)生的計(jì)算能力是一個(gè)比較漫長(zhǎng)的過(guò)程,也是數(shù)學(xué)教師不懈追求的目標(biāo)。我們五年級(jí)組通過(guò)一個(gè)學(xué)期的研究，學(xué)生在計(jì)算方面有了很大進(jìn)步，在6月20日進(jìn)行的計(jì)算檢測(cè)中我們年級(jí)平均分達(dá)到了97.1分，學(xué)生在計(jì)算方面有了很大的進(jìn)步，只要我們?cè)诮虒W(xué)中正確引導(dǎo)，及時(shí)發(fā)現(xiàn)問(wèn)題、分析問(wèn)題、解決問(wèn)題，計(jì)算教學(xué)課題研究實(shí)驗(yàn)工作一定能取得更好的成績(jī)。

2017年7月

第五篇：基于形狀特征的圖像檢索算法仿真實(shí)現(xiàn)研究

本科畢業(yè)設(shè)計(jì)（論文）

工 作 手 冊(cè)

（理工類專業(yè)適用）

學(xué) 院

專業(yè)班級(jí)

姓 名

學(xué) 號(hào)

指導(dǎo)教師

二○一 年 月 日

基于形狀特征的圖像檢索算法仿真實(shí)現(xiàn)研究

摘要:近年來(lái),隨著數(shù)字多媒體和移動(dòng)計(jì)算機(jī)以及互聯(lián)網(wǎng)信息技術(shù)的快速進(jìn)步發(fā)展,數(shù)字圖像的應(yīng)用數(shù)量正以驚人的增長(zhǎng)速度不斷增長(zhǎng)。面對(duì)日益豐富的數(shù)字圖像媒體信息這個(gè)海洋,人們?nèi)匀恍枰行У貜闹胁粩喃@取所有人期望能夠得到的更多媒體信息。因此,在一個(gè)大規(guī)模的數(shù)字圖像檢索數(shù)據(jù)庫(kù)中如何進(jìn)行快速、準(zhǔn)確的圖像檢索已經(jīng)成為當(dāng)前人們圖像研究的一個(gè)熱點(diǎn)。

為了能夠?qū)崿F(xiàn)快速而準(zhǔn)確地進(jìn)行信息檢索數(shù)字圖像,利數(shù)字圖像的主要視覺信息特征,如圖像顏色、紋理、形狀等元素，基于形狀的數(shù)字圖像信息檢索處理技術(shù)應(yīng)運(yùn)而生。本文主要深入研究基于圖像形狀基本特征的邊緣圖像偵測(cè)檢索,邊緣圖像檢測(cè)檢索是基于圖像形狀基本特征的一種有效檢索圖像方法,邊緣檢測(cè)是檢索圖像最基本的形狀特性。在圖像景物邊緣特征檢測(cè)中,微分這個(gè)算子算法可以準(zhǔn)確提取和輸出景物圖像的一些細(xì)節(jié)分析信息,景物圖像邊緣特征是圖像細(xì)節(jié)分析信息中最主要具有不可描述性的景物邊緣特征的部分,也是進(jìn)行圖像邊緣分析過(guò)程中的一個(gè)不可或缺的部分。本文詳細(xì)地闡述分析了一種局部邊緣厚度檢測(cè)算子方法,即canny方法算子,用c++編程語(yǔ)言實(shí)現(xiàn)各方法算子的局部邊緣檢測(cè),并根據(jù)算子邊緣厚度檢測(cè)的準(zhǔn)確有效性和邊緣定位的準(zhǔn)確可靠性,得出這種canny方法算子已經(jīng)具備了所有最優(yōu)化的邊緣厚度檢測(cè)所應(yīng)必需的各種特性。并通過(guò)基于圖像輪廓的圖形描述表示方法,傅里葉輪廓描述符對(duì)一個(gè)圖像的輪廓形狀及其特征特點(diǎn)進(jìn)行輪廓描述并將其存入圖像數(shù)據(jù)庫(kù)中。對(duì)行業(yè)也相應(yīng)的具有檢索查詢功能。

關(guān)鍵詞:形狀特征檢索;邊緣圖像檢測(cè);傅里葉描述符

一、前言

隨著現(xiàn)代信息化工業(yè)社會(huì)的到來(lái),幾乎任何一個(gè)學(xué)科研究領(lǐng)域的技術(shù)發(fā)展都和現(xiàn)代計(jì)算機(jī)技術(shù)密切聯(lián)系有關(guān),人們所需要處理的圖象信息已不僅僅只是一些數(shù)字、符號(hào)等的信息,而是越來(lái)越多地與人接觸并得到大量的數(shù)字圖象內(nèi)容信息.其中例如:航空衛(wèi)星信息遙感監(jiān)測(cè)圖象、醫(yī)學(xué)遙感圖象、地理水文信息監(jiān)測(cè)圖象等.而且在實(shí)際技術(shù)應(yīng)用中隨著時(shí)間的不斷推移,圖象信息數(shù)量也在不斷擴(kuò)大,利用各種人力來(lái)對(duì)這些圖象信息進(jìn)行內(nèi)容瀏覽和信息檢索，不僅僅需要大量的精力和時(shí)間,浪費(fèi)大量的的人力,而且?guī)缀跻咽遣豢赡芡瓿傻囊患隆＿@樣需要利用計(jì)算機(jī)對(duì)這些數(shù)字圖象內(nèi)容進(jìn)行有效內(nèi)容組織和信息檢索便已經(jīng)成為現(xiàn)代人們科學(xué)研究的重要課題.因而傳統(tǒng)的數(shù)字圖象內(nèi)容表達(dá)和信息檢索處理方法往往是需要使用圖象文件名、標(biāo)題、關(guān)鍵詞數(shù)字等.目前,這種檢索方法已不能完全滿足現(xiàn)代人們的技術(shù)要求.因此,人們?cè)絹?lái)越迫切地認(rèn)識(shí)需要對(duì)這些圖象的各種可視性和特征圖象進(jìn)行信息提取,并且根據(jù)這些可視特征對(duì)各種圖象內(nèi)容進(jìn)行信息檢索.基于圖象內(nèi)容的數(shù)字圖象信息檢索處理技術(shù),也正是在這樣的一種情況下發(fā)展產(chǎn)生的.基于圖象內(nèi)容的數(shù)據(jù)圖象信息檢索數(shù)據(jù)技術(shù)就是通過(guò)數(shù)據(jù)分析一個(gè)圖象的主要內(nèi)容(例例如:顏色、紋理、形狀等),從大量活動(dòng)視頻圖象庫(kù)中查找含有特定物體的圖象,它充分克服了現(xiàn)代傳統(tǒng)檢索方法的不足,融合了數(shù)字圖象處理、圖象識(shí)別和網(wǎng)絡(luò)圖象檢索數(shù)據(jù)庫(kù)等多個(gè)領(lǐng)域的最新技術(shù)成果,從而完全可以為你提供更有效的圖象檢索技術(shù)手段.它們既充分體現(xiàn)了特征圖象的基本信息處理特點(diǎn),又充分結(jié)合了現(xiàn)代傳統(tǒng)圖象數(shù)據(jù)庫(kù)檢索技術(shù).其基本檢索過(guò)程一般是:首先對(duì)一個(gè)圖象特征進(jìn)行圖像預(yù)處理,然后根據(jù)特征圖象的基本內(nèi)容從特征圖象中直接選取所有有需要的特征圖象形狀特征,存于圖象數(shù)據(jù)庫(kù)中;然后當(dāng)對(duì)一個(gè)圖象特征進(jìn)行勾畫檢索時(shí),對(duì)于一個(gè)圖象已知的特征圖象首先抽取其具有相應(yīng)的圖象特征,然后在整個(gè)圖象數(shù)據(jù)庫(kù)中進(jìn)行檢索與其相似的特征圖象,也或者可以根據(jù)相對(duì)于某一個(gè)的查詢對(duì)象要求直接給出一些圖象特征點(diǎn)和值,然后根據(jù)所需要給定的圖象特征點(diǎn)和值在整個(gè)圖象數(shù)據(jù)庫(kù)中進(jìn)行檢索所要的特征圖象.結(jié)果例如:對(duì)于基本相同形狀帶有特征的圖象檢索,你或許可以直接給出一些有關(guān)被勾畫檢索某個(gè)對(duì)象的基本形狀特征描述,可以認(rèn)為是一些帶有特征點(diǎn)的值,也或者可以認(rèn)為是勾畫出的檢索對(duì)象的形狀略圖;對(duì)于基本相同顏色的圖象檢過(guò),可以直接給出不同顏色的物體比例或者關(guān)系,等等.最后,給出圖象檢索后的結(jié)果.目前,從事這一技術(shù)課題相關(guān)研究的年輕人越來(lái)越多,國(guó)外許多著名科研機(jī)構(gòu)和專家學(xué)者都在積極進(jìn)行許多有關(guān)這一技術(shù)課題的相關(guān)研究,例如:公司的數(shù)據(jù)檢索系統(tǒng).國(guó)內(nèi)的許多專家學(xué)者和相關(guān)科研機(jī)構(gòu)也在積極進(jìn)行此技術(shù)問(wèn)題的相關(guān)研究.本文首先對(duì)基于對(duì)象內(nèi)容實(shí)體圖象的的檢索數(shù)據(jù)進(jìn)行了簡(jiǎn)要的理論概括,然后對(duì)基于實(shí)體對(duì)象動(dòng)態(tài)形狀的實(shí)體圖象內(nèi)容檢索數(shù)據(jù)理論基礎(chǔ)進(jìn)行了深入的理論研究,包括:基于對(duì)象形狀的實(shí)體圖象內(nèi)容檢索計(jì)算方法,對(duì)象實(shí)體形狀的綜合描述,圖象形狀配匹檢索算法,最后本文給出了一個(gè)基于對(duì)象形狀的實(shí)體圖象內(nèi)容檢索數(shù)據(jù)原型管理系統(tǒng),并在一臺(tái)微機(jī)上加以實(shí)現(xiàn),該原型系統(tǒng)主要功能包括內(nèi)容圖象檢索數(shù)據(jù)庫(kù)的管理建立,數(shù)據(jù)庫(kù)的日常維護(hù),圖象的信息查詢等幾個(gè)功能.二、研究介紹

2.1、課題背景及研究意義

隨著現(xiàn)代多媒體網(wǎng)絡(luò)技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、通信網(wǎng)絡(luò)技術(shù)及互聯(lián)網(wǎng)絡(luò)的迅速進(jìn)步發(fā)展,人們正在快速地發(fā)展進(jìn)入一個(gè)現(xiàn)代信息化的新社會(huì)?，F(xiàn)代信息技術(shù)已不可能能夠運(yùn)用各種技術(shù)手段大量的進(jìn)行采集和分析產(chǎn)生各種類型的海量多媒體信息數(shù)據(jù),人們對(duì)各種多媒體信息的采集需求也越來(lái)越大量和頻繁。雖然人類信息的數(shù)量快速增長(zhǎng)直接促進(jìn)了人類社會(huì)的快速發(fā)展,但是由于信息快速膨脹也給現(xiàn)代人類社會(huì)帶來(lái)了過(guò)多的的信息量以至于遠(yuǎn)遠(yuǎn)超過(guò)了這類人的整體接受信息能力。因此,除了怎樣獲取、處理和傳輸存儲(chǔ)各種多媒體信息十分重要,怎樣在各類海量的各種多媒體信息中快速有效地準(zhǔn)確訪問(wèn)這些人們經(jīng)常感興趣的各種多媒體信息也對(duì)其顯示體現(xiàn)出了同樣的巨大重要性。

圖像抽象信息采集是傳統(tǒng)多媒體信息中最常見的一種,也因其具有傳統(tǒng)多媒體信息采集數(shù)據(jù)量大、抽象應(yīng)用程度低的基本特點(diǎn)。如何從各種海量的有用圖像處理信息中有效地收集獲取有用圖像信息,即使是圖像處理信息數(shù)據(jù)資源的使用管理和信息檢索也就顯得日益重要。隨著當(dāng)前人們對(duì)文字圖像文本信息的巨大檢索需求的不斷增長(zhǎng),產(chǎn)生了基于圖像文本的文字圖像信息檢索引擎技術(shù),比如著名的中文搜索結(jié)果引擎google和百度中對(duì)文字圖像的文本檢索。這種基于人類文本的人工檢索標(biāo)注技術(shù)所廣泛利用的人工文本標(biāo)注檢索方法雖然存在一些局限性,經(jīng)常進(jìn)行檢索時(shí)會(huì)出來(lái)大量的一些用戶不感興趣的文本圖像,但在沒有找到更好文本解決辦法的實(shí)際情況下,用戶通常只能選擇繼續(xù)檢索使用。因此如何對(duì)一個(gè)圖像的特征內(nèi)容自動(dòng)、客觀、全面地對(duì)其進(jìn)行特征提取。真實(shí)有效的準(zhǔn)確表示數(shù)字圖像信息內(nèi)容,幫助用戶快速有效地檢索訪問(wèn)自己感興趣的信息圖像內(nèi)容，有著極大的科學(xué)研究領(lǐng)域需求和迫切的應(yīng)用需要,而基于圖像形狀特征的數(shù)字圖像信息檢索分析技術(shù)恰好真正能有效的幫助解決這個(gè)現(xiàn)實(shí)問(wèn)題。另外在實(shí)際的應(yīng)用中,圖像信息數(shù)據(jù)庫(kù)及其信息檢索的技術(shù)研究對(duì)醫(yī)學(xué)多媒體圖像數(shù)字圖書館、醫(yī)學(xué)臨床圖像應(yīng)用管理、衛(wèi)星圖像遙感網(wǎng)絡(luò)圖像和應(yīng)用計(jì)算機(jī)圖像輔助設(shè)計(jì)和開發(fā)制造、地理位置信息采集系統(tǒng)、犯罪識(shí)別系統(tǒng)、商標(biāo)標(biāo)識(shí)版權(quán)的使用管理,生物的形態(tài)辨識(shí)以及分類等諸多方面可以提供有力的技術(shù)支持。

2.2、國(guó)內(nèi)外發(fā)展?fàn)顩r

近年來(lái),CBIR已經(jīng)逐漸發(fā)展早熟成為一個(gè)非?；钴S的醫(yī)藥臨床醫(yī)學(xué)研究應(yīng)用領(lǐng)域,各類我國(guó)頂尖臨床科研機(jī)構(gòu)與臨床研究公司已陸續(xù)成功開發(fā)推出了一些基于CBIR臨床應(yīng)用管理系統(tǒng)的臨床研究應(yīng)用產(chǎn)品,有的已經(jīng)成功廣泛應(yīng)用擴(kuò)大到醫(yī)藥臨床醫(yī)學(xué)、商標(biāo)、專利技術(shù)以及檢索等諸多研究領(lǐng)域。

IBM的系統(tǒng)QBIC是它是第一個(gè)具有商業(yè)性的基于CBIR的子系統(tǒng)。它們還提供了基于圖像顏色、紋理、形狀和其他手繪圖像草圖的多種圖像類型索引使用方法。columbia大學(xué)的圖庫(kù)Visual SEEK圖庫(kù)提供了基于自然色彩和立體紋理的多種索引分析方法。PhotoBook 是美國(guó)麻省理工學(xué)院和多媒體科學(xué)實(shí)驗(yàn)室自主開發(fā)的一套用于檢索、瀏覽人臉圖像的交互式檢索工具,它其中包含三個(gè)圖像子系統(tǒng)分別用于提取人臉形狀、紋理和各種人臉面部特征,用戶甚至可以分別定制做基于上述一種人臉特征的圖像檢索。MARS(multimedia analysis and retrieval system)這個(gè)系統(tǒng)由美國(guó)UIUC 大學(xué)負(fù)責(zé)開發(fā),其不同之處主要在于用戶學(xué)到了很多專業(yè)領(lǐng)域的基礎(chǔ)知識(shí):例如計(jì)算機(jī)圖像視覺、數(shù)據(jù)庫(kù)資源管理和云系統(tǒng)和網(wǎng)絡(luò)信息資源檢索。新加坡國(guó)立大學(xué)公司開發(fā)的一個(gè)基于復(fù)雜內(nèi)容的模糊圖像信息檢索系統(tǒng),其顯著性的技術(shù)創(chuàng)新特色主要包括:多種特征提取的新方法、多種基于復(fù)雜內(nèi)容圖像檢索的新方法、使用自定義組織式的神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜內(nèi)容特征進(jìn)行度量、建立基于各種內(nèi)容圖像索引的新應(yīng)用方法以及對(duì)各種多媒體信息格式進(jìn)行模糊圖像檢索的新應(yīng)用技術(shù)。

清華大學(xué)的數(shù)字ImgRetr檢索結(jié)合了多種組織檢索方法,就這樣能為您提供基于形狀主色、紋理、直方結(jié)構(gòu)圖、顏色元素分布、框架等多種組織方式的形狀檢索。

2.3課題研究的主要內(nèi)容

本文主要依托基于物體形狀的網(wǎng)絡(luò)圖像信息檢索分析技術(shù),重點(diǎn)深入研究基于物體形狀動(dòng)態(tài)特征的網(wǎng)絡(luò)圖像信息檢索。形狀紋理特征不同于物體顏色、紋理等的特征,形狀紋理特征的正確表達(dá)必須以對(duì)物體圖像中每個(gè)物體或圖像區(qū)域的正確劃分來(lái)作為理論基礎(chǔ)。在二維矩形圖像中的空間中,形狀通常被我們認(rèn)為為它是由于一條完全封閉的并由輪廓映射曲線所形成包圍的特征區(qū)域。通常這種情況下.二維形狀中的特征區(qū)域有兩類可以表示它的方法,一類可以是一個(gè)區(qū)域形狀特征,利用的可以是整個(gè)二維形狀特征區(qū)域;另一種分類可以是一條輪廓曲線特征,利用的則可以是二維圖像的整個(gè)外邊和內(nèi)界。本文主要重點(diǎn)研究的領(lǐng)域就是外界與邊界的邊緣索引測(cè)量方法邊緣測(cè)量檢測(cè),邊緣測(cè)量檢測(cè)的常用方法主要有很多,如:roberts矩形交叉曲線微分代數(shù)算子、sobelt微分代數(shù)算子、priwitt交叉微分代數(shù)算子和Laplacian微分代數(shù)算子以及canny微分算子。而其中屬Canny算子最好。

本文主要深入研究的字符是傅里葉描述符。其主要理論思想觀點(diǎn)是用關(guān)于物體內(nèi)部邊界的傅立葉變換公式作為其物體形狀學(xué)的描述。

2.4、相關(guān)內(nèi)容介紹

2.4.1形狀分析

2.4.1.1、形狀特征

常用的長(zhǎng)軸形狀運(yùn)動(dòng)特征參數(shù)有長(zhǎng)軸周長(zhǎng)、形狀特征參數(shù)、偏心率、長(zhǎng)軸運(yùn)動(dòng)方向與彎曲運(yùn)動(dòng)能量等矩陣的描述、綜合光密度以及三維輪廓的應(yīng)力矩也同樣可以用于表示和用來(lái)描述三維圖像。

2.4.1.2特征選擇

通常一般來(lái)說(shuō),形狀的形態(tài)表示特征圖型表示法具有兩種常用圖形表示法的表現(xiàn)方法,一種表示方式主要是用來(lái)表示具有輪廓性的形狀形態(tài)特征,另一種表示方法主要是用來(lái)表示具有區(qū)域性的形狀形態(tài)特征的。前者一般來(lái)說(shuō)只用于看到整個(gè)部件物體的內(nèi)部外觀和形狀邊界,而后者則直接把它關(guān)系著其應(yīng)用到整個(gè)部件物體外觀形狀上的各個(gè)區(qū)域。

2.4.2、一種基于形狀的圖像檢索算法

2.4.2.1、算法分析

基于這種形狀的圖像檢索更多地只是用于了解當(dāng)前的用戶能夠粗略地掃描畫出一個(gè)圖形輪廓之后進(jìn)行圖形檢索的實(shí)際情況。這種圖形輪廓繪圖可以認(rèn)為是通過(guò)用戶憑借自己腦子在空中的第一印象徒手自動(dòng)畫圖繪出來(lái)的,也甚至可以認(rèn)為是通過(guò)操作系統(tǒng)軟件提供的基本圖形繪圖處理工具“拼湊”的。這兩種檢索情況都不具有一個(gè)基本特點(diǎn),即它所提供的檢索形狀只是對(duì)所欲檢索圖象形狀的粗略抽象描述,它從它的大小、方向或者其整體形狀結(jié)構(gòu)上都很有可能與真正根據(jù)要求調(diào)查的檢索圖形形狀有較大小的出入。因此,基于面的形狀進(jìn)行檢索的主要難點(diǎn)仍然在于需要尋找一種能夠準(zhǔn)確檢索與面的大小、方向及整個(gè)扭曲面的伸縮程度無(wú)關(guān)的檢索方法。

不變矩和產(chǎn)品輪廓的應(yīng)力不變矩的方法產(chǎn)品具有良好的軸向平移、旋轉(zhuǎn)、尺度上的縮小和放不變性及高度抗干擾性。用一個(gè)圖像的形狀不變矩和圖像輪廓的應(yīng)力矩陣來(lái)作為矩對(duì)圖像的兩種形狀相似特征進(jìn)行索引,使用適當(dāng)?shù)男螤钕嗨菩灾g距離進(jìn)行定義,計(jì)算并得出兩幅畫中圖像的形狀相似性之間距離,當(dāng)這個(gè)距離的值足夠小時(shí),就可以認(rèn)為兩幅畫的圖像形狀是相似的。傅里葉這種算法不僅對(duì)圖像噪音控制具有很好的魯棒性,而且對(duì)幾何變換速度具有不變性,更加十分適合工圖像形狀分析檢索的實(shí)際需要。因此，提出了應(yīng)力不變矩和矩形輪廓的應(yīng)力不變矩的算法和傅里葉公式描述中的符號(hào)相結(jié)合的計(jì)算方法。

三、圖像檢索技術(shù)的發(fā)展過(guò)程

目前圖像檢索的技術(shù)最早開始于上個(gè)世紀(jì)70年代,當(dāng)時(shí)主要研究的是基于文本的檢索,即使采用關(guān)鍵詞和描述性的文本來(lái)對(duì)其進(jìn)行檢索,要求使用者對(duì)文本中各種特征的描述都必須具備一定的精度準(zhǔn)確性和規(guī)范性。但是隨著各種大規(guī)模的數(shù)字化圖像倉(cāng)庫(kù)的誕生,基于文本檢索的技術(shù)暴露了自身的優(yōu)勢(shì)。在我國(guó)逐步發(fā)展到90年代,基于圖像內(nèi)容的信息化圖像檢索技術(shù)應(yīng)運(yùn)而生,其設(shè)計(jì)思路主要是充分利用信息化圖像自身的各種視覺特點(diǎn),例如:將圖像中的顏色、紋理結(jié)構(gòu)、形狀、空間之間的關(guān)系等信息作為內(nèi)容來(lái)進(jìn)行匹配、查找。它通過(guò)充分地利用了己經(jīng)擁有的算法,使得所有的特征提取和匹配都完全能夠由機(jī)器自動(dòng)地完成,檢索的過(guò)程也沒必要太多的人為干涉和解釋,這就克服了傳統(tǒng)的手工標(biāo)簽注釋方式的低效率和二義性。

四、基于形狀特征的圖像檢索

因?yàn)樵S多的圖像檢索系統(tǒng)把注意力集中到了基于色彩或者是紋理學(xué)的方式上。但對(duì)于某些圖像形狀來(lái)說(shuō),紋理和顏色的信息不夠豐富,如一些商標(biāo)圖像等,這時(shí)基于紋理的檢索方法便無(wú)法完全滿足所有的檢索要求,而必須從整個(gè)圖像形狀入手。形狀特征信息是圖像的中心特征之一,圖像中的形態(tài)和信息不會(huì)隨著圖像中物體顏色的改變而發(fā)生任何變化,它是一種穩(wěn)定的特征。用各種形狀的特征來(lái)區(qū)別物體很加直觀,它們是現(xiàn)代社會(huì)中人們識(shí)別不同形態(tài)圖像的主要技術(shù)特征之一。因此,通過(guò)利用各種形狀特征來(lái)檢索圖像,可以大大提高檢索的精度和效果。基于目標(biāo)的形狀特征的圖像檢索主要目的是通過(guò)檢測(cè)得到目標(biāo)輪廓線或分割得到目標(biāo)輪廓,并針對(duì)其所在位置進(jìn)行形狀特征的提取或直接針對(duì)圖像搜集尋找合適的向量特征。形態(tài)描述要求我們?cè)诒M量區(qū)別各個(gè)目標(biāo)之間的基礎(chǔ)上,對(duì)于目標(biāo)平移、轉(zhuǎn)動(dòng)及尺度的變化并不敏感。目前,雖然我們已經(jīng)研究提出了許多關(guān)于形狀的分析技術(shù),但是想要將它們有效運(yùn)用到圖像檢索中仍存在的問(wèn)題還有一些困難和疑惑亟待解決,如算法的工作效率和復(fù)雜程度,形狀特征的提取與描述等。

五、基于形狀特征的圖像檢索具體實(shí)行

5.1對(duì)象形狀的描述

圖象經(jīng)過(guò)邊緣的提取、分割后可以獲得諸個(gè)被分割的區(qū)域.對(duì)諸個(gè)被分割的區(qū)域所提取的形狀特征,是基于內(nèi)容的圖象檢索系統(tǒng)的重要組成部分,所提取的形狀特征對(duì)于圖象的旋轉(zhuǎn)、圖像的平移和對(duì)圖象縮放都是不敏感的.本文主要研究涉及以下幾種形狀的特征:

(1)基于傅立葉系數(shù)的形態(tài)和特點(diǎn).圓角度,細(xì)長(zhǎng)程,散射性.(2)基于幾何形狀的特征.區(qū)域的面積,區(qū)域的周長(zhǎng),體態(tài)比.(3)矩描述.共有七個(gè)矩常量.(4)以相似多邊形為基礎(chǔ)的結(jié)構(gòu)和特點(diǎn).(5)形狀直方圖.5.2、系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

系統(tǒng)主要可以分為三個(gè)組成部分:(1)圖象數(shù)據(jù)庫(kù)建立模塊.該建立模塊首先對(duì)用戶輸入的各種圖象信息進(jìn)行了預(yù)處理,其中包括各種圖象信號(hào)和噪聲的清除,圖象尖銳化,邊緣檢測(cè)(對(duì)象物的分離),邊緣細(xì)化,鏈碼追溯,對(duì)于邊界信息進(jìn)行了多邊形逼近,然后將其提取到對(duì)象的各種形狀信息,最后把用戶需要提取的信息特征值直接存入到圖象數(shù)據(jù)庫(kù)中;(2)圖像數(shù)據(jù)庫(kù)維護(hù)系統(tǒng)模塊.本次維護(hù)系統(tǒng)主要負(fù)責(zé)對(duì)圖像數(shù)據(jù)庫(kù)信息進(jìn)行維護(hù),主要內(nèi)容包括圖像瀏覽記錄的修改及歷史紀(jì)念信息的刪除;在對(duì)圖像記錄進(jìn)行修改時(shí),對(duì)那些由于計(jì)算機(jī)自動(dòng)提取得到的特征值我們都是不可以進(jìn)行修改的,而且我們只能通過(guò)修改這些由人為確定定義的字段,如:一個(gè)有關(guān)于圖象的文字說(shuō)明部分.(3)圖像檢索查詢模塊.該功能首先根據(jù)需要對(duì)被檢索的圖像進(jìn)行提取的形狀和特征,然后再根據(jù)需要選擇按哪些特征值對(duì)象來(lái)進(jìn)行檢索,設(shè)置好圖像的檢索所達(dá)到要求的類型和相似程度,最后與將圖像信息與數(shù)據(jù)庫(kù)中的其他圖像進(jìn)行匹配,輸出查詢結(jié)果.圖象的匹配查詢是整個(gè)圖像信息數(shù)據(jù)庫(kù)的主要功能和組成部分,匹配算法的好壞及其優(yōu)劣直接影響到匹配查詢的速度和信息庫(kù)查詢的質(zhì)量,其根本思路就是通過(guò)判斷一個(gè)經(jīng)典的已知圖象與一個(gè)圖像數(shù)據(jù)庫(kù)中的一個(gè)圖象之間的距離,如其距離有點(diǎn)足夠小,就說(shuō)明我們可以確定兩個(gè)已知圖象之間是相似的,其結(jié)果一般應(yīng)該是多個(gè)已知圖象,這些所有的圖象都與經(jīng)典查詢的圖像在一個(gè)給我們認(rèn)為有點(diǎn)相似.我們其實(shí)可以通過(guò)運(yùn)用各種相似性程量測(cè)度查詢函數(shù)過(guò)程方法工具來(lái)進(jìn)行分析和控制計(jì)算一個(gè)查詢特征圖象與一個(gè)特征圖像數(shù)據(jù)庫(kù)中每一個(gè)特征圖象的相似度和程度,相似性程度測(cè)量中的查詢函數(shù)過(guò)程主要來(lái)說(shuō)是研究建立在對(duì)數(shù)據(jù)特征分析和模式識(shí)別相關(guān)技術(shù)研究基礎(chǔ)上的,涉及所遇到的主要技術(shù)問(wèn)題之一就是對(duì)于一個(gè)數(shù)據(jù)輸入模式如何進(jìn)行特征描述和模式判別,查詢的基本過(guò)程就是根據(jù)一個(gè)新的給定數(shù)據(jù)模式對(duì)一個(gè)數(shù)據(jù)輸入中的模式特征進(jìn)行數(shù)據(jù)匹配.這個(gè)相似度一般來(lái)說(shuō)是通過(guò)0~1之間的某個(gè)個(gè)不同參數(shù)特征來(lái)進(jìn)行表現(xiàn)計(jì)算出來(lái)的,總的相似度也由各種不同特征所測(cè)量的相似度通過(guò)函數(shù)加權(quán)運(yùn)算求和得.傳統(tǒng)數(shù)據(jù)庫(kù)的準(zhǔn)確匹配和查詢技術(shù)是很簡(jiǎn)單地了解的,但對(duì)于圖象型的數(shù)據(jù)庫(kù)來(lái)說(shuō),查詢的質(zhì)量和查詢的快慢還是相互矛盾的,要求查詢率和準(zhǔn)確性好,就需要盡可能多地增加一些描述圖象的特征矢量的維數(shù),隨之而來(lái)就需要盡可能多地增加計(jì)算量,所以,要在不降低特征矢量的維數(shù)條件下,才能夠大幅度地提高查詢率,就必須通過(guò)調(diào)整和完善查詢的策略.主要采用以下兩種操作方法:

（1）.聚類的基本原理:分類即把一個(gè)標(biāo)準(zhǔn)圖象按類劃分開來(lái)成以下幾類,每一類都被用戶定義成作為一個(gè)分類標(biāo)準(zhǔn)圖,則在用戶查詢一個(gè)標(biāo)準(zhǔn)圖象時(shí),首先根據(jù)要求計(jì)算出與各種分類標(biāo)準(zhǔn)圖之間的物理距離,確定它們之間是否隸屬于何一類,然后再與該一類的標(biāo)準(zhǔn)圖象之間進(jìn)行具有相似性的分類匹配.（2）過(guò)濾的原理:即通過(guò)降低維數(shù),在進(jìn)行圖象匹配之前,首先將一些形狀和特征相差甚遠(yuǎn)的圖像從一個(gè)被稱為圖象匹配團(tuán)隊(duì)中全部清除掉,然后再將查詢到的圖象和匹配團(tuán)隊(duì)中剩下的其他圖象進(jìn)行對(duì)比.5.3、算法步驟

(1)通過(guò)計(jì)算被檢索圖像的形狀和特征,并從數(shù)據(jù)庫(kù)中提取圖像形狀和特征進(jìn)行索引;

(2)對(duì)特征向量進(jìn)行歸一化;

(3)使用歐式距離法來(lái)計(jì)算歸一化后的圖像數(shù)據(jù)庫(kù)中各個(gè)圖像與顯示者的圖像之間的相似性和距離;

(4)按序輸出檢索結(jié)果。

5.4.邊緣檢測(cè)

其中邊緣化的特點(diǎn)通常是直接影響物體圖像最為主要的一個(gè)基本特點(diǎn)。邊緣則主要是在泛指周圍各個(gè)像素的顏色灰度并沒具有較大階躍性質(zhì)的變化或者在屋頂上的顏色沒有發(fā)生較大改變的那一個(gè)周圍像素。Poggio在文中這樣解釋說(shuō):“或許對(duì)應(yīng)著圖像中物體的邊界或許并沒有對(duì)應(yīng)著圖像中物體的邊界,但是邊緣具有十分令人滿意的性質(zhì)它能大大地減少所要處理的信息但是又保留了圖像中物體的形狀信息”。

邊緣圖像檢查理論是一種實(shí)現(xiàn)圖像識(shí)別的重要理論知識(shí)基礎(chǔ)和技術(shù)前提,直接意義地說(shuō)它決定了圖像識(shí)別檢查結(jié)果的客觀準(zhǔn)確性。由于人體邊緣圖像檢測(cè)尚不成熟,直接地嚴(yán)重影響了對(duì)圖像識(shí)別的實(shí)際研究應(yīng)用,一直以來(lái)都認(rèn)為是圖像識(shí)別相關(guān)技術(shù)應(yīng)用領(lǐng)域的重要研究發(fā)展熱點(diǎn)。經(jīng)過(guò)多年的研究探索和應(yīng)用實(shí)踐,邊緣式質(zhì)量檢測(cè)系統(tǒng)技術(shù)已經(jīng)逐漸發(fā)展?jié)B透至各個(gè)應(yīng)用領(lǐng)域。在應(yīng)用生物醫(yī)學(xué)上,邊緣提取檢測(cè)主要作為適用于人體腎臟血小球的邊緣提取,在應(yīng)用生物醫(yī)學(xué)工業(yè)和工程科學(xué)以及其他工程材料領(lǐng)域的邊緣檢測(cè),如聚酯纖維或者其他塑料制品。而且在加工噴涂、焊接和機(jī)械裝配時(shí)也被充分地吸收利用。在中國(guó)傳統(tǒng)的民族文化工藝美術(shù)上,用于對(duì)傳統(tǒng)紡織品和手工藝品的定制設(shè)計(jì),服飾的定制設(shè)計(jì)和手工制作,發(fā)型的定制設(shè)計(jì),文物收藏材料以及照片的編輯復(fù)制和收集整理,運(yùn)動(dòng)員的身體動(dòng)作狀態(tài)分析和體能評(píng)級(jí)等等?？傊?邊緣厚度檢測(cè)已被廣泛應(yīng)用于各個(gè)領(lǐng)域。這仍然是我們必須不容忽視的一個(gè)研究發(fā)展熱點(diǎn)。

5.5、Canny邊緣檢測(cè)

5.5.1 Canny指標(biāo)

基于微分算子的邊緣提取方法存在的一個(gè)比較麻煩的問(wèn)題是如何讓我們選擇適當(dāng)?shù)拈撝?可以通過(guò)這種方法使邊緣從每一個(gè)細(xì)節(jié)中被提取出來(lái)。閾值的選擇方式不同,所需要提取得到的邊界信息也不相同。在兩個(gè)不同的閾值下,采用相同的微分算子均可以從圖像邊緣提取得出一個(gè)點(diǎn),但兩者之間有比較大的差異。這樣,在邊緣提取中也就存在了對(duì)提取良好與否的評(píng)估。

針對(duì)這一重要問(wèn)題,根據(jù)邊緣檢測(cè)的工作有效性和其定位的安全可靠性, Canny 通過(guò)研究最優(yōu)的邊緣檢測(cè)儀器所必須要求的特點(diǎn),給出了衡量邊緣檢測(cè)系統(tǒng)性能好壞的三個(gè)主要指標(biāo):

(1)良好的邊緣信噪聲對(duì)比,即將不是邊緣點(diǎn)錯(cuò)誤判定為其他邊緣點(diǎn)的錯(cuò)誤概率相對(duì)較高,將其他邊緣點(diǎn)錯(cuò)誤判定為其他邊緣點(diǎn)的錯(cuò)誤概率相對(duì)較低;

(2)良好的定位特性,即檢測(cè)出來(lái)的邊緣點(diǎn)應(yīng)該要盡量安裝在實(shí)際邊緣的點(diǎn)為中心;

(3)對(duì)于單個(gè)邊緣只能產(chǎn)生唯一的響應(yīng),即單個(gè)邊緣能夠同時(shí)產(chǎn)生許多個(gè)響應(yīng),其概率相對(duì)較低,并且在虛假的響應(yīng)中對(duì)邊界的反饋效果相應(yīng)得到最佳抑制.用這樣一個(gè)詞來(lái)說(shuō),就是我們希望能夠有效地提高人們對(duì)于景物邊緣的靈敏度和噪音的同時(shí),這種能夠有效地抑制其他人們產(chǎn)生噪音的方式才是良好的邊緣提取技術(shù)。值得我們十分慶幸的一點(diǎn)其實(shí)是,且個(gè)二階線性映射算子仍然能夠在有效抵抗圖形噪聲和對(duì)圖形邊緣的線性檢測(cè)之間獲得最佳結(jié)果折中,這個(gè)二階線性映射算子本身其實(shí)就是高斯函數(shù)的一個(gè)二階取值引用導(dǎo)出函數(shù)。高斯函數(shù)和用于原圖的卷積已經(jīng)初步達(dá)到了一種可以抵抗局部噪聲的主要效果,而用于求導(dǎo)的函數(shù),則被普遍認(rèn)為已經(jīng)是我們檢測(cè)一個(gè)景物局部邊緣的一種重要手段。

設(shè)二維高斯函數(shù)為

其中,σ為高斯函數(shù)的平滑度和分布式的參數(shù),可以被廣泛地基于用來(lái)衡量控制網(wǎng)絡(luò)對(duì)象或者網(wǎng)絡(luò)圖像平滑的重要程度。

其中，σ是高斯函數(shù)的分布參數(shù)，可用以控制對(duì)圖像的平滑程度。

最優(yōu)階躍邊緣檢測(cè)算子是以卷積▽G*為基礎(chǔ)的，邊緣強(qiáng)度為

而邊緣方向?yàn)?/span>

由高斯函數(shù)的定義我們得以可知,該高斯函數(shù)都可以是無(wú)限地從頭拖尾的,在實(shí)踐中,一般的各種情況下都方法是將原來(lái)的有限模板尺寸截?cái)酁閚,至于就達(dá)到了有限的模板尺寸。這個(gè)新的實(shí)驗(yàn)結(jié)果證明,當(dāng)時(shí),能夠直接取得較好的邊緣化學(xué)檢查實(shí)驗(yàn)結(jié)果。

5.5.2 Canny算子的實(shí)現(xiàn)

下面是Canny算子的具體實(shí)現(xiàn)。

利用高斯函數(shù)的雙向可分性,將映射▽g的兩個(gè)一維濾波卷積上的模板可以分解成兩個(gè)一維的濾波行列式式濾波器:

1

2

3

4

5

6

K為常數(shù)將式12分別與圖像

則反應(yīng)出一個(gè)在圖像上點(diǎn)處的邊緣強(qiáng)度,是一個(gè)在圖像點(diǎn)處的法向力矢量(下一個(gè)交于其邊緣線方向)。

根據(jù)關(guān)于canny的卷積定義,中心邊緣點(diǎn)梯度作為一個(gè)卷積算子和它的圖像(x,y)的卷積梯度是在中心邊緣點(diǎn)和梯度相同直線方向的同一區(qū)域內(nèi)兩個(gè)算子梯度中的最高值。這樣,就可以能夠通過(guò)在各個(gè)梯度點(diǎn)的最大梯度值和方位上進(jìn)行判斷并得出每個(gè)該梯度點(diǎn)的最大強(qiáng)度方位是否為其應(yīng)用領(lǐng)域最大強(qiáng)度值,從而快速確定各個(gè)梯度點(diǎn)的邊緣點(diǎn)。例如,當(dāng)一個(gè)矩形像素圖象滿足以下三個(gè)基本條件時(shí),則被我們視作該點(diǎn)是一個(gè)像素圖像的邊界點(diǎn)。

(1)當(dāng)像素該中一點(diǎn)的平均邊緣運(yùn)動(dòng)強(qiáng)度方向超過(guò)了沿著像素該中一點(diǎn)的邊緣梯度方向運(yùn)動(dòng)的同方向兩個(gè)像素相鄰點(diǎn)的像素中一點(diǎn)的平均邊緣運(yùn)動(dòng)強(qiáng)度時(shí);

(2)與該點(diǎn)梯度方向上相鄰兩點(diǎn)的方向差小于45度;

(3)觀測(cè)領(lǐng)域核心中的最大邊緣變化強(qiáng)度最大邊緣閾度數(shù)值以所在該觀測(cè)點(diǎn)位置為領(lǐng)域中心。

此外,如果(1)和(2)同時(shí)被邊緣的頂點(diǎn)像素滿足,那么候選選擇梯度最小值相同方向上的兩個(gè)非相鄰頂點(diǎn)像素就從候選選擇邊緣的頂點(diǎn)中被直接取消,條件(3)閾值相當(dāng)于由候選邊緣區(qū)域選擇梯度最大的閾值所在點(diǎn)組成的一個(gè)閾值,即圖像與候選邊緣的頂點(diǎn)之間的平均距離可以進(jìn)行閾值匹配,這一消除過(guò)程就等于消除了許多虛假的邊緣點(diǎn)。

圖像邊緣檢測(cè)的基本步驟:

(1)對(duì)于濾波,邊緣的檢測(cè)主要是基于引導(dǎo)值進(jìn)行計(jì)算,但是容易受到噪聲影響。然而,該濾波器在減少噪聲時(shí)還會(huì)造成邊緣強(qiáng)度的損耗。

(2)進(jìn)行了增強(qiáng),加強(qiáng)算法把鄰域的點(diǎn)的度有明顯改變的地方突出表現(xiàn)。一般是靠計(jì)算梯度的幅值來(lái)實(shí)現(xiàn)。

(3)進(jìn)行檢測(cè),但是在有些影像中梯度幅值較大的點(diǎn)并非邊緣端。最簡(jiǎn)單的對(duì)邊緣性檢測(cè)就是梯度幅值閾值的判斷。

(4)定位,精確確定邊緣的位置。

綜上所述,Canny算子的具體算法步驟如下:

(1)使用高斯濾波器對(duì)圖像中的信號(hào)進(jìn)行濾波,去除圖像中的干擾和噪聲;

(2)分析利用高斯算子的一階方向偏移濾波函數(shù)采用微分的方法對(duì)物體圖像中各點(diǎn)方向進(jìn)行濾波,得到每一點(diǎn)的方向梯度和角強(qiáng)度和物體運(yùn)動(dòng)時(shí)的方向;

(3)針對(duì)梯度方向運(yùn)動(dòng)進(jìn)行“非極大抑制”時(shí)對(duì)其梯度的反向運(yùn)動(dòng)及其方向如圖可以正確定義為其如下如圖所示

標(biāo)識(shí)分別為1,2,3,4的四個(gè)區(qū)域?qū)⑵鋵儆谒膫€(gè)局部分區(qū)之一,各個(gè)局部分區(qū)用不同的線將相鄰四個(gè)像素分別排列來(lái)對(duì)其局部進(jìn)行高度比較,以此來(lái)決定其每個(gè)局部的極大像素值。例如,如果我們?cè)谙噜徶行南袼貓D像獲得x的梯度方向上認(rèn)為屬于第4區(qū),則把獲得x的極大梯度方向值與其左上和右下兩個(gè)方向相鄰中心像素的極大梯度的數(shù)值大小進(jìn)行向量比較,看獲得x的極大梯度的數(shù)值大小是否可視為極大梯度值。如果不是,就把每個(gè)矩形像素y到x的顏色灰度系數(shù)設(shè)置為0。這一抑制過(guò)程被人們稱之為“非極大抑制”。

(4)對(duì)一個(gè)梯度進(jìn)行兩次閾值,即取一個(gè)閾值,兩者之間的關(guān)系公式為。我們將梯度值小于的每個(gè)像素灰度設(shè)置為0。然后將梯度值小于的每個(gè)像素灰度平均值設(shè)定為0。去除了大部分的噪聲,但同時(shí)也導(dǎo)致?lián)p失了有用的邊緣和界面結(jié)構(gòu)信息。

5.6基于輪廓的描述方法

基于局部輪廓圖對(duì)形狀進(jìn)行描述的設(shè)計(jì)方法又大致可以細(xì)分為局部連續(xù)型(注意即局部全局式)和局部離散型(即局部結(jié)構(gòu)式)兩種。連續(xù)型全局輪廓圖圖描述的方法并沒有對(duì)稱為全局圖的輪廓圖進(jìn)行任何分段式的處理,往往目的是從整個(gè)稱為全局圖的輪廓圖中抽取并給出一個(gè)特征向量。這種屬于離散式的分析方法通常首先把它的輪廓特點(diǎn)分解成許多不同片段,然后用傳統(tǒng)計(jì)算機(jī)輪廓提取法找出其片段相應(yīng)的輪廓特點(diǎn)。簡(jiǎn)單的物體形狀類型描述表示符主要類型包括鏈碼、傅立葉描述符、曲率尺度空間形狀描述表示符和小波描述表示符四種基于物體輪廓的形狀描述表示方式。

5.7傅立葉形狀描述符

傅立葉形狀輪廓描述符即它是一種被廣泛應(yīng)用的二維模型形狀輪廓描述符,其最基本的設(shè)計(jì)思想就是用一個(gè)直接位于模型物體內(nèi)部輪廓上沒有邊界的傅立葉變換函數(shù)來(lái)對(duì)其內(nèi)部形狀輪廓進(jìn)行精確描述,假設(shè)一個(gè)二維模型物體的內(nèi)部輪廓形狀是由一系列每個(gè)坐標(biāo)值函數(shù)為的物體像素所組合構(gòu)造的并組成,其中,n函數(shù)為在物體輪廓上每個(gè)坐標(biāo)像素的實(shí)際參考映射次數(shù)。從這些邊界點(diǎn)的整體坐標(biāo)中我們常?？梢杂纱送茖?dǎo)出來(lái)得出四類不同形狀的坐標(biāo)表達(dá),分別為正弦曲率坐標(biāo)函數(shù)、質(zhì)心坐標(biāo)距離、復(fù)弦長(zhǎng)坐標(biāo)矢量函數(shù)及其余弦長(zhǎng)坐標(biāo)函數(shù)。輪廓弧曲線上一個(gè)特征點(diǎn)的移動(dòng)曲率被精確定義是因?yàn)樵擖c(diǎn)在輪廓線上切向的移動(dòng)角度與曲率相當(dāng)于輪廓弧長(zhǎng)之間的角度變動(dòng)率。曲率密度函數(shù)我們通?？梢院?jiǎn)單地將其表示形式如下:

其中是輪廓線的切向角度,定義為:

質(zhì)心點(diǎn)的距離函數(shù)可以直接定義成其為從一個(gè)物體的邊界點(diǎn)到另一個(gè)給定物體的邊界中心之間距離,如下所示:

復(fù)坐標(biāo)函數(shù)是用復(fù)數(shù)表示的像素坐標(biāo):

這種復(fù)雜的坐標(biāo)向量函數(shù)的傅立葉變換形式可以用來(lái)產(chǎn)生一系列關(guān)于復(fù)數(shù)的坐標(biāo)系數(shù)。這些頻率系數(shù)從微觀頻率上直接反映表示了各個(gè)類型物體的宏觀形狀,其中較低和高頻度的物體分量值就代表了各個(gè)類型物體微觀形狀的具體性和宏觀細(xì)節(jié)屬性,高頻度的物體分量值則代表了各個(gè)類型物體宏觀形狀的具體微觀細(xì)節(jié)屬性特點(diǎn)。形狀圖的描述符參數(shù)可以通過(guò)這些圖形轉(zhuǎn)換器的參數(shù)計(jì)算得出。為了使其能夠更好保持與參數(shù)旋轉(zhuǎn)的速度無(wú)關(guān)性,我們簡(jiǎn)單地僅僅保留了每個(gè)參數(shù)的旋轉(zhuǎn)尺寸位置信息,而且同時(shí)省略了參數(shù)相位位置信息。縮放參數(shù)無(wú)關(guān)性通常由于在保證把縮放參數(shù)值的大小同時(shí)減少添加到c和dc中的分量(或第一個(gè)不為零的縮放參數(shù))之后縮放才能得到確認(rèn)。請(qǐng)?zhí)貏e注意圖形轉(zhuǎn)換中的無(wú)關(guān)性就是基于物體輪廓上的形狀屬性來(lái)轉(zhuǎn)換表示固有的轉(zhuǎn)換屬性。對(duì)于具有曲率向量函數(shù)和質(zhì)心之間距離的曲率函數(shù),我們只不過(guò)需要分別考慮正交角頻率的兩個(gè)坐標(biāo)時(shí)間軸,因?yàn)檫@時(shí)兩個(gè)函數(shù)的傅立葉變換都必須是對(duì)稱的,即有?；邳c(diǎn)的曲率三角函數(shù)的一種形狀線性描述符號(hào)也可以使其表示形式為:

其中整數(shù)代表傅立葉變換每個(gè)參數(shù)的第一至i個(gè)整數(shù)分量。類似的,由質(zhì)心粒子間距所做的推測(cè)計(jì)算得到的粒子形態(tài)可以描述

符為:

對(duì)于一個(gè)復(fù)雜的坐標(biāo)密度函數(shù),正值的頻率密度分量和負(fù)值的頻率密度分量被同時(shí)廣泛使用。由于函數(shù)dc的地理參數(shù)定義是否與某些形態(tài)條件所在處或地點(diǎn)的地理位置密切相關(guān)而因此得以常被忽略。因此,第一個(gè)不是零的微波頻率參數(shù)分量被廣泛應(yīng)用于后來(lái)用于標(biāo)準(zhǔn)化其它的微波變換頻率參數(shù)。復(fù)函數(shù)坐標(biāo)系是函數(shù)所有的推導(dǎo)形式得到的坐標(biāo)形態(tài)為其描述符式為其定義方程為:

為了能夠保證在整個(gè)特征數(shù)據(jù)庫(kù)中所有位于物體的各種特征形狀和其他特征均可以具有相同的特征直徑和特征長(zhǎng)度,在第一開始進(jìn)行實(shí)施傅立葉變換前后你需要把所有位于物體邊界點(diǎn)的個(gè)別特征數(shù)目可以統(tǒng)一添加到m。因此算法可以被直接替換為傅立葉變換法的方式使用來(lái)大大幅度改善這個(gè)算法的執(zhí)行效率。

5.8圖像的相似性度量

在基于特征信息的圖像內(nèi)容檢索圖像信息檢索中,特征的信息相似性和特征度量也被廣泛認(rèn)為已經(jīng)是一個(gè)亟待解決的重大檢索技術(shù)研究課題之一。只有在根據(jù)分析結(jié)果得到特點(diǎn)圖像的兩個(gè)特點(diǎn)后后再進(jìn)行對(duì)該兩個(gè)特點(diǎn)的圖像相似性距離進(jìn)行準(zhǔn)確度量,才能有效的根據(jù)圖像相似性和圖像距離情況做出準(zhǔn)確判斷,實(shí)現(xiàn)對(duì)該特點(diǎn)圖像的準(zhǔn)確檢索。為了更好地準(zhǔn)確達(dá)到不同特征數(shù)據(jù)檢索的提取目標(biāo),需要針對(duì)特征提取后得出的不同特征數(shù)據(jù)進(jìn)行相似度的分析計(jì)算。相似性系數(shù)是以一個(gè)特殊數(shù)值的表示方式被用來(lái)顯示表達(dá)兩個(gè)不同物體之間的事物相似性相關(guān)程度的一種數(shù)學(xué)度量式的結(jié)果。將一個(gè)人類圖像的各種特征檢索觀察點(diǎn)可看作等同是圖像位于一個(gè)坐標(biāo)標(biāo)準(zhǔn)空間的一個(gè)特征點(diǎn),兩個(gè)圖像特征觀察點(diǎn)的相似度和特征距離即相似度通常用它們之間的特征距離系數(shù)來(lái)精確表示,不同特征種類的圖像特征檢索數(shù)據(jù)所指的需要同時(shí)采用的相似度及其度量計(jì)算函數(shù)都可能是不一樣的,相似性和度度量函公式的正確選擇的恰當(dāng)與否往往會(huì)對(duì)特征檢索結(jié)果精確度與否產(chǎn)生很大的直接影響,合適點(diǎn)的距離才是度量計(jì)算函數(shù)的正確選擇,將來(lái)也會(huì)幫助使得人類圖像的各個(gè)特征向量比較更加容易契合了解的人類對(duì)于各種視覺圖像感知技術(shù)方面圖像內(nèi)容的特征仿真,有助于基于人類視覺圖像感知技術(shù)方面的人類圖像特征檢索分析技術(shù)的仿真性能和實(shí)際應(yīng)用。

假設(shè)我們?cè)谝粋€(gè)圖像的數(shù)據(jù)庫(kù)中,用兩個(gè)特征向量分別來(lái)描述和表示任意一個(gè)圖像的特征,其中 x 和 y ,分別為是任意兩個(gè)圖像的特征向量,它們之間的接近程度我們可以通過(guò)采用距離的度量或者是統(tǒng)計(jì)學(xué)的方法等等來(lái)對(duì)這兩個(gè)圖像的相似性做出判斷。常見的距離測(cè)度度量主要有歐幾里德、Manhattan等。下面就我重點(diǎn)介紹一下歐幾里德的距離。

歐幾里德的線性距離函數(shù)是一種在實(shí)際上已經(jīng)使用十分廣泛的線性距離函數(shù)變量。它的變量計(jì)算簡(jiǎn)單,并且同時(shí)也和國(guó)際參考動(dòng)力系統(tǒng)理論中的徑向旋轉(zhuǎn)不確定變量計(jì)算有密切相互聯(lián)系。它的英文含義:

例如當(dāng)我們發(fā)生了數(shù)據(jù)的丟失或者是當(dāng)所有的特征矢量都不具備相同的權(quán)重時(shí),那么就無(wú)法利用歐幾里德距離計(jì)算方法來(lái)對(duì)其進(jìn)行類似性的測(cè)度。為了避免這類情況,在實(shí)踐和研究的過(guò)程中,我們可以針對(duì)歐幾里德的距離進(jìn)行歸一化。歸一化歐幾里德距離的定義公式如下圖所示:

6、實(shí)驗(yàn)結(jié)果分析

圖像庫(kù)中包括簡(jiǎn)單幾何形狀,其中星形、心形、圓形、新月形圖像10幅。從分析我們不僅可以清楚地明顯看出,算法對(duì)于檢索圖像的視覺扭轉(zhuǎn)和圖像形變都真的是十分具有非常強(qiáng)的不變性,并對(duì)于檢索圖像的基本主觀形態(tài)和視覺特性也是非常具有魯棒性,在就算沒有一定的圖像形變和扭轉(zhuǎn)干擾等等條件的特殊情況下,仍然完全可以直接得出良好的視覺圖像判斷檢索實(shí)驗(yàn)結(jié)果;且由于算法檢索圖像結(jié)果所需要排列的持續(xù)時(shí)間和排列順序與檢索個(gè)體的視覺主觀性和視覺特征判斷檢索方式大致相同,檢索結(jié)果準(zhǔn)確率也比較高。

六、以形狀為特點(diǎn)的圖像檢索系統(tǒng)設(shè)計(jì)

6.1檢索基本思想

本文文件檢索的基本工作方法主要內(nèi)容是:在根據(jù)設(shè)計(jì)需要建立矩形圖像庫(kù)時(shí),對(duì)不同輸入的兩個(gè)矩形圖像子存入進(jìn)行綜合分析,分別選擇采用經(jīng)過(guò)改進(jìn)后的不同可變矩和二維極坐標(biāo)傅里葉描述子對(duì)兩個(gè)圖像的不同形狀和狀態(tài)特征向量進(jìn)行綜合描述;在將兩個(gè)圖像子的存入轉(zhuǎn)換到二維矩形圖像庫(kù)同時(shí),也將其中兩個(gè)相應(yīng)的不同可變矩和二維極坐標(biāo)傅里葉描述子的形狀特征向量分別存入二維矩形圖像庫(kù)的特征庫(kù).檢索時(shí),根據(jù)所有用戶需要提供的圖像查詢數(shù)據(jù)示例檢索圖像,采用通過(guò)線性函數(shù)加權(quán)方法求和的一種計(jì)算結(jié)果方式,計(jì)算其與二維矩形圖像庫(kù)中各不同類型矩形圖像的各種綜合相似度,把計(jì)算結(jié)果對(duì)子集中的一個(gè)大于一定相似度的圖像結(jié)果集進(jìn)行返回發(fā)送給所有用戶.6.2 Canny算子的程序設(shè)計(jì)

本文是用C++編程來(lái)實(shí)現(xiàn)圖像的處理,整體流程圖如圖所示

未打開

N

Y

Canny算子程序流程圖如圖所示：

6.2.1圖像特征數(shù)據(jù)庫(kù)設(shè)計(jì)

基于圖像形狀和特征的檢索系統(tǒng)中的一個(gè)圖像特征數(shù)據(jù)庫(kù)是用來(lái)存放和分析圖像倉(cāng)庫(kù)中不同圖像之間的形狀和特點(diǎn)。在這里,將計(jì)算得到的一組圖像的形狀和特征(曲率、質(zhì)心距離、復(fù)坐標(biāo)和弦長(zhǎng))從 Access中存放到一個(gè)相應(yīng)的特征列表中,組成了一個(gè)特征數(shù)據(jù)庫(kù)。

對(duì)于圖像的檢索,本文特別設(shè)計(jì)了對(duì)圖像入庫(kù)、顯示、刪除和添加描述四個(gè)功能。首先,利用灰度共生矩陣提取的方法得到一個(gè)圖像的形狀特征,并將這些特征數(shù)據(jù)存儲(chǔ)在 access 數(shù)據(jù)庫(kù)中;然后,利用基于文本或者簡(jiǎn)單的縮略圖瀏覽等多種方式從 access 數(shù)據(jù)庫(kù)中尋找到一個(gè)示例的圖像,同時(shí),針對(duì)該一個(gè)示例圖像進(jìn)行基于其形狀和特征的內(nèi)容檢索和匹配,并根據(jù)需要給出檢索結(jié)果的圖像。

6.3實(shí)驗(yàn)結(jié)果

以下是原圖與處理后的圖片，其中圖3-4為原始圖片，圖3-5為Canny 算子處理后的圖片。

從上述處理過(guò)的數(shù)據(jù)和圖像中我們可以清楚地看出, canny 算子所處理的數(shù)據(jù)和圖像不但達(dá)到了準(zhǔn)確地提取邊緣信息的主要目的,提高了抵御干擾的能力外,還使得邊緣更為連續(xù)清晰。

七、基于圖像形狀學(xué)特點(diǎn)的檢索方法在系統(tǒng)中的實(shí)現(xiàn)

7.1系統(tǒng)框架

一般的圖像檢索子系統(tǒng)主要有兩個(gè)大部分共同組成:圖像產(chǎn)生子系統(tǒng)和數(shù)據(jù)庫(kù)檢索子系統(tǒng),如圖4-1所示。圖像產(chǎn)生的子系統(tǒng)主要是對(duì)于圖像輸入前進(jìn)行的預(yù)處理、圖像中內(nèi)容的特性提取以及把這些特性和部件描述的信息納入到數(shù)據(jù)庫(kù)中。圖像檢索子系統(tǒng)主要是完成對(duì)圖像的檢索,其中包含了瀏覽和查詢、圖像特點(diǎn)的相似性匹配以及圖形使用者接口等幾個(gè)部分。

在本文的兩個(gè)實(shí)驗(yàn)物理子系統(tǒng)中,圖像特征制作與截圖生成實(shí)驗(yàn)子系統(tǒng)將本文中所需要描述的流體物理學(xué)圖像特征及其應(yīng)用對(duì)象的局部輪廓特征進(jìn)行了綜合分析并并入庫(kù)。在這個(gè)圖像輪廓檢索工具子系統(tǒng)中,支持一個(gè)用戶通過(guò)瀏覽庫(kù)中現(xiàn)有的一個(gè)圖像庫(kù),手動(dòng)地繪制一個(gè)圖像庫(kù)的輪廓及然后選擇一個(gè)示例的視圖。

7.2編程環(huán)境

本次測(cè)試實(shí)驗(yàn)操作系統(tǒng)的主要程序開發(fā)工具平臺(tái)主要是Window XP,選擇使用Visual C++6.0和Access兩款軟件作為主要的程序開發(fā)工具,選擇Visual C++6.0和Access是因?yàn)樗鼈兌寄軌蚓哂忻嫦驅(qū)ο髴?yīng)用程序設(shè)計(jì)的基本整體化和性能設(shè)計(jì)特點(diǎn)以及所需要開發(fā)的所有應(yīng)用程序都能夠具有高度的效率地正常運(yùn)行。同時(shí)又是一種微軟技術(shù)性高度相互集成的企業(yè)軟件開發(fā)實(shí)用工具,它為企業(yè)用戶自己提供了一套功能強(qiáng)大的企業(yè)微軟軟件基礎(chǔ)類庫(kù)。且因我們已經(jīng)使用了Visual C++6.0來(lái)用于開發(fā)一個(gè)基于視頻內(nèi)容的數(shù)字視頻流和圖像信息檢索系統(tǒng)。由于芯片系統(tǒng)內(nèi)部采用了面向?qū)ο蟮膱D像設(shè)計(jì)工作方式,這樣也就使得芯片系統(tǒng)的許多圖像功能以及處理圖像模塊都完全可以直接整合應(yīng)用起來(lái)到其它的芯片圖像處理系統(tǒng)中,而且需要添加新的圖像算法也就不必再因?yàn)樾枰~外復(fù)雜地進(jìn)行修改許多的圖像源代碼,非常好地有助于整個(gè)芯片系統(tǒng)在圖像功能上的逐步完善和不斷擴(kuò)展。

7.3程序結(jié)果

首先打開一個(gè)圖像庫(kù)選擇一個(gè)圖像,然后對(duì)該圖像進(jìn)行特征提取。系統(tǒng)通過(guò)圖像檢索相似度的匹配,找到六個(gè)與其相似的圖像,輸出結(jié)果。找到六個(gè)與其相似的圖像,輸出結(jié)果。

八、總結(jié)

本文第一章對(duì)基于內(nèi)容的圖像檢索方式進(jìn)行了概述,進(jìn)而又著重介紹了基于形態(tài)的圖像檢索方式。并且廣泛地應(yīng)用了對(duì)圖像進(jìn)行邊緣檢查的技術(shù),對(duì)整個(gè)圖像進(jìn)行了檢索。它主要是運(yùn)用 canny 算子的方法。首先,是對(duì)邊緣的檢測(cè)主要以導(dǎo)數(shù)來(lái)計(jì)算,但是受到了噪聲影響。然而,該濾波器在減少了噪聲的作用下,也造成了邊緣強(qiáng)度的損耗。其次,增強(qiáng)算法把對(duì)鄰域的點(diǎn)的度有明顯改變的地方以及點(diǎn)凸顯性地展現(xiàn)了。一般可以靠計(jì)算機(jī)梯度的幅值來(lái)實(shí)現(xiàn)。再次,但是在有些圖象中,梯度幅值比較大的地方并非邊緣的節(jié)點(diǎn)。最簡(jiǎn)單的對(duì)邊緣性檢測(cè)就是梯度幅值閾值的判斷。最后,精確地選擇了邊緣處的位置。

我也希望在今后的將來(lái)有更多的人去探導(dǎo)、研究一個(gè)邊緣檢測(cè)算子,為使我們能夠看到更好的影片效果而努力,為了促進(jìn)全人類的生活和發(fā)展而努力。圖像是自古以來(lái)人類識(shí)別和交流信息的一個(gè)主要資料來(lái)源,因此,圖像處理的應(yīng)用領(lǐng)域已經(jīng)涵蓋到了人類日常生活、工作等諸多領(lǐng)域。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展和進(jìn)步,圖像的應(yīng)用領(lǐng)域也在不斷拓寬。所以對(duì)于邊緣性的檢測(cè)也是需要繼續(xù)進(jìn)步。我看到將來(lái),邊緣檢測(cè)技術(shù)已經(jīng)廣泛地應(yīng)用于人們?nèi)粘Ｉ畹母鱾€(gè)領(lǐng)域,在當(dāng)今世界人類的日常生活中,文化藝術(shù)、軍事技術(shù)、生物醫(yī)療技術(shù)、工業(yè)生產(chǎn)和信息工程技術(shù)、航天與空間技術(shù)等等重要的領(lǐng)域都占有著不可或缺的一部分。同全人類的生活走向風(fēng)流。

參考文獻(xiàn)

[1] 章毓晉．圖像處理和分析[M]．北京：清華大學(xué)出版社，1999

[2] 章國(guó)寶．葉樺．陳維南.基于正交小波變換的多尺度邊緣提取[J]．中國(guó)圖像圖形報(bào)，1998（3）

[3] 陳武凡．.彩色圖像邊緣檢測(cè)新算法?廣義模糊算子法[J]．中國(guó)科學(xué)A輯，1995（2）

[4] 唐立軍．段立娟．高文．基于內(nèi)容的圖像檢索系統(tǒng)[J]．計(jì)算機(jī)應(yīng)用研究，2001，18(7)：41-45

[5] 馮所前．文檔內(nèi)容圖像檢索[D]．北京大學(xué)信息科學(xué)技術(shù)學(xué)院智能科學(xué)系碩士學(xué)位論文，2005

[6] 謝毓湘．吳玲達(dá)．欒悉道．基于內(nèi)容的圖像檢索技術(shù)研究[J]．計(jì)算機(jī)工程與應(yīng)用，2002(1)：35-38

[7] 宋濤．劉剛．一種基于內(nèi)容的文檔圖像檢索方法．《鄭州大學(xué)報(bào)》，2010年1月

[8] 郭小娟．基于內(nèi)容的圖像檢索技術(shù)的研究[D]．西安：西北大學(xué)，2007

[9] 徐建華．圖像處理與分析[M ]．北京:科學(xué)出版社，1992

[10] 賈元元．基于形狀的圖像數(shù)據(jù)庫(kù)檢索技術(shù)研究[學(xué)位論文] 2004

[11] Ang Y H．Image Retrieval Based on Multidimensional Feature Properties 1995

[12] 賴志國(guó)．余嘯海．Matlab 圖像處理與應(yīng)用[M]．北京：國(guó)防工業(yè)出版社，2004

[13] 唐路路．張啟燦．一種自適應(yīng)閾值的Canny邊緣檢測(cè)算法/光電工程：第38卷第5期，2011．5