第一篇：有關(guān)管理者的匹配判斷力、匹配調(diào)適力及項目管理能力的論文

摘要：專業(yè)結(jié)構(gòu)正在生態(tài)化，新物種在不斷產(chǎn)生，生態(tài)環(huán)境的復(fù)雜性對原來物種沖擊巨大。螳臂擋車不是解決之道，更新管理者的核心能力才是根本。在專業(yè)合作的趨勢下，管理者必須更新三大賦能--匹配判斷力、匹配調(diào)適力、項目管理能力。

關(guān)鍵詞：三大賦能； 匹配判斷力； 匹配調(diào)適力； 項目管理能力；

一、匹配判斷力

匹配判斷力，讓管理者擁有認清生態(tài)環(huán)境的眼光，它是一種發(fā)掘匹配度的能力。在復(fù)雜多變的生態(tài)中，比勤奮和努力更重要的是判斷這件事該不該做、合不合適做和怎樣做；這些判斷往往在多范疇、多維度下進行。從決策者到執(zhí)行性管理者，都需要面對不斷變動的挑戰(zhàn)，提升對適合度的判斷能力。匹配判斷力擁有三種屬性：以本質(zhì)判斷事物的能力、系統(tǒng)化的專業(yè)經(jīng)驗值、具成長性的專業(yè)心智。這三種屬性不能獨立起效，它們互相作用，是一個動態(tài)有效的整體。

（一）以本質(zhì)判斷事物的能力。

發(fā)現(xiàn)本質(zhì)的眼睛，透視現(xiàn)象背后的結(jié)構(gòu)，洞察事物的趨勢。無論環(huán)境是否變得日益復(fù)雜，個體、企業(yè)、行業(yè)等都可以看到因為觀念不適應(yīng)而導(dǎo)致的失敗，動態(tài)認知正是為了覺察觀念、超越局限、動態(tài)思考而存在。如果不重視自身的認知習(xí)慣改善，而把精力放在更多看似有效的方法上，實則本末倒置。

（二）系統(tǒng)化的經(jīng)驗值。

打通專業(yè)的“任督二脈”, 它不是分散的經(jīng)驗值或成堆的專業(yè)資訊，而是在專業(yè)范疇內(nèi)游刃有余，對它整體的脈絡(luò)產(chǎn)生具有學(xué)習(xí)指導(dǎo)意義的專業(yè)整體感。

（三）具成長性的專業(yè)心智。

專業(yè)發(fā)展飛速變化的今天，放下自己固有的經(jīng)驗不斷學(xué)習(xí)是專業(yè)成長性的核心。讓心智適合所從事專業(yè)是成長的起點，管理者要具備匹配判斷力還需開放性、成長性的心智，能與所有的可能性互動，并不斷優(yōu)化認知及認知結(jié)構(gòu)。這樣的心智能力既是成長匹配判斷力的基礎(chǔ)，也是學(xué)習(xí)專業(yè)系統(tǒng)性的前提。

二、匹配調(diào)適力

匹配的調(diào)適力，讓管理者秒變“領(lǐng)頭羊”.是指在變動中，根據(jù)既定時效范疇達至結(jié)果的能力。由于這個范疇具有時效性的特點，從前“通過長期的能力培訓(xùn)出成果”的管理方式，將被“使用適合的資源產(chǎn)出結(jié)果”的方式所取替。因此，管理者要具備強大的匹配調(diào)適力，方能運籌帷幄。匹配調(diào)適力擁有三種屬性：匹配使用資源的能力、動態(tài)把握時效性的能力、提升資源匹配的能力。

（一）匹配使用資源的能力。

管理布局，需要隨時隨地判斷時效性與資源是否合適，并有條不紊地安排匹配的資源實現(xiàn)績效。它以績效的范疇和時效性為核心，理解什么是資源、什么是合適的資源并加以使用。

（二）動態(tài)把握時效性的能力。

以時效性為方向理解管理行為，敏銳地做出判斷和適當調(diào)整。它要求管理者以開放的心智不斷搭建聯(lián)系，進行多范疇多維度的時效性思考。

（三）提升資源匹配的能力。

管理和調(diào)整現(xiàn)有資源，提升其向時效性轉(zhuǎn)化的匹配度。每個資源（人、組織、技術(shù)等）適應(yīng)范疇都不會一成不變，當判斷出資源通過調(diào)整可達致匹配，便可通過調(diào)適性行為使其更有效地服務(wù)于整體時效性，在此范疇內(nèi)累積提升資源匹配的經(jīng)驗值。

三、項目管理能力

項目管理能力，讓管理者成為臨時老板。它是對時效性的方向、結(jié)果的產(chǎn)出進行管理的能力。生態(tài)系統(tǒng)中組織的作用（即組織的絕對控制權(quán)）下降，組織的邊界變得模糊，而合作邊界的掌控權(quán)在不斷上升。在合作邊界中，最基本的能力就是項目管理。與傳統(tǒng)的行政管理方式相比，項目管理更具靈活性和互動性，在專業(yè)生態(tài)環(huán)境下更顯適應(yīng)性和生命力。

在此介紹的項目管理能力是作為核心屬性被提出來，強調(diào)的是在管理進程中經(jīng)驗值的成長性，而非具體項目的管理實施方法，成長性的屬性正是支持在不同項目中生成方法的本源。

項目管理能力的成長可圍繞以下五種屬性：1.項目實施性管理。能管理已有項目結(jié)構(gòu)來產(chǎn)生績效，包括使用現(xiàn)有結(jié)構(gòu)內(nèi)的管理工具。2.項目實施結(jié)構(gòu)的建設(shè)和管理。能按項目規(guī)劃搭建具績效性的實施管理結(jié)構(gòu)。3.項目結(jié)構(gòu)建設(shè)。能夠根據(jù)項目方向和既定的績效范疇，使用自身資源和條件搭建有效的項目結(jié)構(gòu)。4.項目規(guī)劃。以現(xiàn)有資源為素材，搭建符合項目要求的高績效結(jié)構(gòu)。5.項目戰(zhàn)略規(guī)劃。能從戰(zhàn)略高度理解項目績效，做出結(jié)構(gòu)性平衡。

從項目實施-項目實施的規(guī)劃-項目實施的管理-項目整體規(guī)劃-戰(zhàn)略高度的項目管理，這是一個晉級的成長過程，也需要不同層級的管理者具備相應(yīng)匹配的能力，依照這些屬性不斷累積經(jīng)驗，促進項目管理能力的成長。

看清專業(yè)發(fā)展趨勢，合作主導(dǎo)性將取代分工主導(dǎo)性，管理者基本賦能的要求已產(chǎn)生了巨變。三大核心賦能--匹配判斷力、匹配調(diào)適力、項目管理能力，將決定新合作時代管理者的專業(yè)表現(xiàn)。

參考文獻

[1][美]Kevin Kelly著。周峰，董理，金陽譯。必然[M].電子工業(yè)出版社，2016.[2][美]Peter M.Senge著。張成林譯。第五項修煉[M].中信出版社，2009.[3][美]Peter F.Drucker著。朱雁斌譯。21世紀的管理挑戰(zhàn)[M].機械工業(yè)出版社，2006.[4][美]Drucker, P.F.著。王永貴譯。管理：使命、責任、實務(wù)（實務(wù)篇）[M].機械工業(yè)出版社，2006.

第二篇：三級項目報告圖像匹配算法的實現(xiàn)及分析

三級項目設(shè)計（論文）

圖像匹配算法的實現(xiàn)及分析

摘要

圖像匹配是計算機視覺和圖像處理領(lǐng)域中非常重要的工作，當我們需要在一副圖像中尋找是否存在一個物體或一個小場景，并確定其位置，這時候我們就應(yīng)當將具有灰度相關(guān)的圖像進行匹配，實現(xiàn)圖像匹配算法，通過計算它們之間的相關(guān)系數(shù)，確定協(xié)方差，進而進行圖像匹配，確定其存在與否，并定位。

關(guān)鍵詞：灰度相關(guān);圖像匹配;相關(guān)系數(shù)；協(xié)方差

前言

隨著科技的進步，圖像匹配技術(shù)已經(jīng)成為信息處理領(lǐng)域極為重要和基本的技術(shù)。在軍事上，它普遍應(yīng)用于導(dǎo)彈的地圖/地形匹配制導(dǎo)，飛機的導(dǎo)航等；在民用上，它普遍應(yīng)用于運載工具自動導(dǎo)航儀，儀表導(dǎo)航，環(huán)境導(dǎo)航，環(huán)境保護，材料檢測，機器人，交通等。

圖像匹配是指通過一定的匹配算法在兩幅或多幅圖像之間識別同名點，如二維圖像匹配中通過比較目標區(qū)和搜索區(qū)中相同大小的窗口的相關(guān)系數(shù)，取搜索區(qū)中相關(guān)系數(shù)最大所對應(yīng)的窗口中心點作為同名點。其實質(zhì)是在基元相似性的條件下，運用匹配準則的最佳搜索問題。常見方法有：像素灰度相關(guān)匹配，圖像特征匹配等等。圖像匹配是數(shù)字圖像處理重要的研究課題之一。

正文

一．圖像匹配方法原理與實現(xiàn)步驟

本項目要求，要用一個較小的圖像，即模板與目標圖像進行比較，以確定在目標圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，還可確定其位置。下面介紹幾種常見的匹配方法 1.基于圖像特征的配準方法

需要對圖像進行預(yù)處理，然后提取圖像中保持不變的特征,如邊緣點、閉區(qū)域的中心、線特征、2.基于模型的匹配方法

在計算機視覺領(lǐng)域中的應(yīng)用非常廣泛，它可以分為剛體形狀匹配和變形模板匹配[4]兩大類。Kass提出的Snake主動輪廓模型是比較典型的自由式變形模板模型。3.基于變換域的匹配的方法

有基于傅立葉變換、基于Gabor變換和基于小波變換的匹配，這些匹配方法對噪聲不敏感，檢測結(jié)果不受照度變化影響，可以較好的處理圖像之間的旋轉(zhuǎn)和尺度變化。

綜合看來：選擇變換域的匹配方法可以較好的進行圖像匹配。

根據(jù)相關(guān)定理，若f(x,y)和g(x,y)為二維時域函數(shù)，那么，定義以下相關(guān)運算： f(x,y)?g(x,y)???????????f(???)g(x??,y??)d?d?

式中，?符號表示相關(guān)運算。

*??F'f(x,y)?g(x,y)?F(u,v)?G(u,v)

式中，F(xiàn)'表示傅里葉變換，F(xiàn)(u,v)是f(x,y)的傅里葉變換；G(u,v)是g(x,y)的傅里葉變換；G*(u,v)是G(u,v)的共軛。

也就是說，由于相關(guān)定理表示兩個物體的相關(guān)程度，相關(guān)程度越高，說明兩個物體越相似。那么我們根據(jù)定理，利用傅里葉變換，對兩個圖像做相關(guān)，然后觀察出現(xiàn)的峰值，若峰值越高，表明兩個物體越相似，并確定最高峰值的位置，則可以確定模板圖在目標圖中的位置。根據(jù)所給的條件，具體實現(xiàn)步驟如下：

1、制作模板圖和目標圖。根據(jù)所給的模板，利用畫圖工具重新制作一個模板圖和目標圖，要求目標圖中間與左上角位置有與模板同樣的圖形，其他位置在畫出另外三個圖形。（如下圖1、2、3）

2、將模板圖與目標圖數(shù)字化。即將模板圖與目標圖分別讀入Matlab中，并存入相關(guān)矩陣，為了減少計算量，可將兩幅圖的數(shù)據(jù)矩陣轉(zhuǎn)換為二值圖像數(shù)據(jù)矩陣。

3、做傅里葉變換。根據(jù)相關(guān)定理，時域的相關(guān)，等于頻域的乘積。所以要將模板圖與目標圖分別做傅里葉變換，變換的頻域中去。（如下圖4、5）

4、相關(guān)。模板圖與目標圖經(jīng)傅里葉變換后，兩圖所得矩陣數(shù)乘，其中目標圖的矩陣要先取共軛，然后經(jīng)過反傅里葉變換到頻域中去，并利用fftshift函數(shù)將低頻部分移到中間去，并將圖形旋轉(zhuǎn)180度，得到正確的坐標軸，然后觀察出現(xiàn)的五個峰值。（如下圖6）

5、定位。求出相應(yīng)矩陣中的最大值，根據(jù)最大值設(shè)置一閾值，找出高于此閾值的坐標，即為模板圖在目標圖中的位置。（如下圖7）二.實現(xiàn)過程舉例

根據(jù)上面所述實現(xiàn)步驟，具體實現(xiàn)過程如下 第一步所對應(yīng)圖形：

模板圖 目標圖

第三步所對應(yīng)圖形：

圖4 模板圖的傅里葉變換頻譜

圖5 目標圖的傅里葉變換頻譜

第四步所對應(yīng)的圖形：

圖6 模板圖與目標圖相關(guān)后的圖形

第五步所對應(yīng)的圖形：

圖7 模板圖在目標圖中的位置（最高峰值出現(xiàn)的位置）

三.程序?qū)崿F(xiàn) 具體實現(xiàn)程序如下：

function y=imagePosition()%圖像匹配

%在一目標圖像中，檢測特定模板圖像，并確定其位置

templet=imread('mig25_2.tif');%將模板圖中的數(shù)據(jù)讀入templet矩陣中 level=graythresh(templet);%設(shè)置黑白轉(zhuǎn)換閥值 bw=im2bw(templet,level);%轉(zhuǎn)換為二值圖像數(shù)據(jù)

F=fft2(bw);%對模板圖做快速傅里葉變換

figure,mesh(fftshift(abs(F)));%繪制模板圖經(jīng)過傅里葉變換后的三維圖 title('模板圖的傅里葉變換頻譜');%圖像題目

target=imread('mig25_3.tif');%將目標圖中的數(shù)據(jù)讀入target矩陣中 level=graythresh(target);BW=im2bw(target,level);F2=fft2(BW);%對目標圖做快速傅里葉變換 %打開新的圖形窗口，并繪制目標圖經(jīng)過傅里葉變換后的三維圖 figure,mesh(fftshift(abs(F2)));title('目標圖的傅里葉變換頻譜');%在頻域內(nèi)用F點乘F2的共軛，相當于在時域內(nèi)模板圖與目標圖做相關(guān)運算 %然后在做反傅里葉變換到時域，用fftshift函數(shù)將傅里葉變換的零頻率部分移到數(shù)組中間

R=fftshift(abs(ifft2(F.*conj(F2))));R=rot90(R,2);%將R矩陣逆時針旋轉(zhuǎn)180度，得到正確的坐標圖 figure,mesh(R)%打開新的圖形窗口，并繪制相關(guān)后的三維圖，觀察五個峰值 title('兩個圖相關(guān)后的頻譜');thresh=max(R(:));%求矩陣R中的最大值

%求矩陣中最大值的所在的數(shù)組下標，即圖像中最大峰值的位置 [row col]=find(R>thresh-1);figure,imshow(BW);%顯示原始目標圖

hold on %在當前坐標圖形里添加繪制圖形

%以找到的峰值的坐標為圓心，在原圖上畫圓做標記，即在目標圖上標記模板圖 for i=1:1:length(row)angle=0:0.1:2*pi;%采用極坐標法，其中半徑設(shè)為10 plot(10*cos(angle)+col(i),10*sin(angle)+row(i),'LineWidth',3);End 四.結(jié)果分析

根據(jù)結(jié)果顯示在目標圖像中，與模板圖像相同的圖形被圈上了藍圓圈，在相似圖像的位置上有傅里葉函數(shù)變換頻譜的峰值，進以證明圖像在此相似度高，圖像匹配。同時定位了相似圖像的位置。通過對圖像的像素的灰度值計算，可以充分利用圖像的所有信息來高精度地區(qū)分不同對象，但因此處理的信息量很大，計算復(fù)雜度很高。同時不能分辨目標圖片旋轉(zhuǎn)，拉伸或壓縮后的圖像匹配問題。五.擴展解決方案

現(xiàn)如今為解決計算復(fù)雜度很高的問題可以通過SSDA算法，它的匹配精度與理論值相同，相位相關(guān)法匹配時間介于SSDA算法和ABS算法二者中間，也存在一個像素的誤差； 為解決不能分辨目標圖片旋轉(zhuǎn)，拉伸或壓縮后的圖像匹配問題可以使用基于圖像特征的匹配算法，應(yīng)用圖像邊緣特征和頻域相關(guān)相結(jié)合的圖像處理技術(shù)進行圖像匹配，能夠達到較高精確地定位，具有自動匹配的優(yōu)點。在帶有旋轉(zhuǎn)誤差的圖像匹配中，具有較好的穩(wěn)定性，極大的減少了人為因素帶來的誤差，縮短了匹配時間，匹配效果良好。

這些方法都是進一步不錯的解決圖像匹配問題的方法，在這里不做過多的描述。

結(jié)論

1.基于傅立葉變換的匹配，這些匹配方法對噪聲不敏感，檢測結(jié)果不受照度變化影響，可以較好的處理圖像之間的旋轉(zhuǎn)和尺度變化。所以采用此變換方式來進行研究。

2.此匹配方法的優(yōu)點：對噪聲不敏感，檢測結(jié)果不受光照變化影響。有成熟的快速算法并且易于硬件實現(xiàn)。缺點：該方法僅符合存在平移量的劇像間的配準，然而在實際中，圖像間不僅存在平移量的不同，而且還有旋轉(zhuǎn)角度、縮放尺度等的不同。

3.經(jīng)過此次三級項目的制作與學(xué)習(xí)，不僅使我們對圖像匹配算法有了更深的了解和認識，還加強了我們組內(nèi)成員之間的溝通協(xié)作能力，讓我們最感興趣的是大家在一起共同探究，集思廣益，各抒己見，這種形式讓大家的觀點來得更直接、更樸素、更真實。在交流中得到啟發(fā)，得到快樂。

參考文獻：

1.西安電子科技大學(xué)碩士學(xué)位論文“圖像匹配算法研究” 2.哈爾濱工程大學(xué)計算機科學(xué)與技術(shù)學(xué)院 “特定圖像的檢測與定位”