圖像識別技術的基本原理范文

導語：如何才能寫好一篇圖像識別技術的基本原理，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：車牌定位；字符分割；BP神經網絡；車牌識別；VC++

目錄

第1章緒論1

1.1課題研究背景1

1.2車輛牌照識別系統原理1

1.3車輛牌照識別在國內外研究現狀2

1.4本文主要工作及內容安排3

第2章車輛牌照的定位方法4

2.1車輛牌照圖像的預處理4

2.1.1256色位圖灰度化4

2.1.2灰度圖像二值化5

2.1.3消除背景干擾去除噪聲6

2.2車輛牌照的定位方法簡介6

2.3系統采用的定位方法7

2.3.1車輛牌照的水平定位7

2.3.2車輛牌照的垂直定位7

2.3.3定位的算法實現10

2.4實驗結果分析12

第3章車輛牌照的字符分割13

3.1車牌預處理13

3.1.1去邊框處理13

3.1.2去噪聲處理13

3.1.3梯度銳化15

3.1.4傾斜調整16

3.2字符分割方法簡介17

3.3系統采用的分割方法19

3.3.1算法介紹19

3.3.2算法的實現20

3.4字符分割實驗結果21

第4章特征提取與字符識別22

4.1字符的特征提取22

4.2字符的識別方法簡介23

4.3系統采用的識別方法24

4.3.1人工神經網絡簡介24

4.3.2BP神經網絡識別車牌25

4.3.3BP神經網絡識別算法實現28

4.4實驗結果分析29

總結32

致謝33

參考文獻34

第1章緒論

1.1課題研究背景

現代社會已經進入信息時代，計算機技術、通信技術和計算機網絡技術的不斷發展，自動化信息處理能力的不斷提高，在人們社會活動和生活的各個領域得到了廣泛的應用，在這種情況下，作為信息來源的自動檢測、圖像識別技術越來越受到人們的重視。

隨著汽車數量的急劇增加，車牌自動識別(licenseplaterecognition,LPR)技術日益成為交通管理自動化的重要手段[1]。車牌自動識別技術是計算機視覺、圖像處理技術與模式識別等技術的融合，是智能交通系統中一項非常重要的技術。通過車輛牌照自動識別，就可以對運動車輛查詢相關的數據庫，根據提取的車輛信息，實現有針對性的車輛檢查，極大的提高工作人員的效率，降低工作強度，同時也減少了國家財政收入的流失，減少交通事故的發生以及加強社會治安。因此對車牌識別技術研究有巨大的經濟價值和現實意義。

由于車牌自動識別技術在智能化交通控制管理中發揮的重要作用，吸引了各國的科研工作者對其進行廣泛的研究，目前已有眾多的算法，有些已應用于交叉路口、車庫管理、路口收費、高速公路等場合。由于需適應各種復雜背景，加之要識別的車輛種類繁多，顏色變化多端，以及檢測時要適應不同天氣變化導致的不同光照條件，因此，目前的系統都或多或少地存在一些問題。但隨著計算機性能的提高和計算機視覺理論及技術的發展，這種技術必將日趨成熟。

車牌的定位與識別技術，總體來說是圖像處理技術與車牌本身特點的有機結合，當然也包括小波分析、神經網絡、數學形態學、模糊理論等數學知識的有效運用[2]。

本課題是對汽車圖像進行分析，從算法角度來研究車牌的定位與識別。

1.2車輛牌照識別系統原理

篇2

Discussion and practice on "image processing technology"

Zhang Yongmei， Ma Li， He Li

（School of Information Engineering， North China University of Technology， Beijing 100144， China）

Abstract： The disadvantages， the characteristics and the content of the current teaching for "Image Processing Technology" are analyzed. Four teaching procedures including the selection of textbooks and expansion materials for initiative learning， application of modern teaching models and methods， strengthening teaching practice and reforming appraisal methods have been discussed and practiced. The result shows that it has obtained better teaching effects， improved the students' interest in learning and motivation to participate in scientific research， as well as the ability to solve practical problems.

Key words： teaching content； teaching method； assessment way； teaching practice

0 引言

圖像信息是獲取信息的重要來源，圖像處理研究對于科學理論研究和工程應用有重要影響。研究圖像處理和通信是導向智能計算機、智能機器人或多媒體通信系統的必由之路?，F有的圖像處理技術在很多方面給人們生活、學習、工作帶來極大的便利，如：視頻廣播、遙感圖像、醫學圖像（計算機X射線斷層掃描技術CT，以及核磁共振成像MRI）等，計算機的發展使處理更復雜的圖像成為可能。

圖像處理是計算機應用領域中的一個重要方面，是模式識別、計算機視覺、圖像通訊、多媒體技術等學科的基礎，是一門涉及多領域的交叉學科。在圖像處理技術課程的教學中，不但要讓學生掌握其基本概念和原理，還要讓不同層次的學生能夠理解和掌握圖像處理在其應用領域的最新發展，故傳統的常規教學已經不能滿足課程的發展要求。目前的教學不足之處主要體現在：傳統的圖像處理技術教學大多數偏重于理論，缺乏圖像處理技術與實踐相結合的環節。本文結合計算機學科的特點和多年的教學經驗，對圖像處理技術課程的教學模式與實踐進行了探討。

1 課程特點和教學內容分析

人類通過眼、耳、鼻、舌、身接受信息，感知世界。約有75%的信息是通過視覺系統獲取的。圖像處理是利用計算機處理所獲取視覺信息的技術[1]。圖像處理技術的理論基礎涉及了眾多學科，包括數學、物理、信號處理和計算機科學等多個學科的知識，其內容廣泛，理論抽象，不易理解。圖像處理技術還有很強的實用性，因此理論和實踐的結合是本課程的關鍵，注重基礎理論和技術的教學，以及加強學生實踐能力和課題研究能力的培養是本課程的主要教學目的。

圖像處理技術已經成為眾多高校的一門重要課程，該課程主要介紹圖像的數學描述、圖像的數字化、圖像變換、圖像增強、圖像恢復、圖像編碼、圖像重建、圖像分割與邊緣提取、圖像的分析和識別等基本的圖像處理方法，使學生能熟練地掌握圖像處理的基本過程，并能應用這些基本方法開發圖像處理系統。通過這樣的內容設置，使學生能夠真正掌握圖像處理技術的基本思想和技術，為深入學習打下堅實基礎[2]。

2 教學環節的探討和實踐

2.1 教材的選用和自主學習擴充性資料的選用

圖像處理技術發展日新月異，雖然該課程已經有很多可選教材，但大部分教材內容比較陳舊，許多新的算法，新的思想都沒有提到，學生無法從這些教材中獲取圖像處理最新的技術和發展趨勢，因此我們選擇了章毓晉編著、清華大學出版社的《圖像工程》系列教材。該教材全面介紹了圖像工程的第一層次――圖像處理，圖像工程的第二層次――圖像分析，圖像工程的第三層次――圖像理解的基本概念、基本原理、典型方法、實用技術以及國際上相關研究的最新成果。同時我們要求學生將國外的經典圖像處理的書籍作為參考書目，如：Rafael C Gonzalez主編的《Digital Image Processing》，并建議學生關注圖像處理的一些重要期刊和國際會議，如：IEEE Transactions on Medical Imaging、IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE International Conference on Image Processing、電子學報、CT理論與應用研究、模式識別與人工智能等。這樣學生能熟悉一些專業術語，了解最新的前沿動態，并具備一定的英文文獻閱讀能力，為今后的科研和工作打下了堅實基礎。

要求學生自主學習一些最新方法和技術，例如，深入分析中華人民共和國設計制造的玉兔號月球車的結構，給出玉兔號月球車如何通過全景相機、測月雷達、粒子激發X射線譜儀、紅外光譜儀等儀器，對月表進行三維光學成像、紅外光譜分析，開展月壤厚度和結構科學探測，對月表物質主要元素進行現場分析等探測的原理和方法。又例如，探討將遙感圖像應用于5.12汶川大地震的方法，2008年5月14日上午，中國科學院的兩架高性能遙感飛機飛赴汶川，對地震災區開展遙感監測和災情評估工作，這兩架飛機可分別提供高分辨率光學和雷達圖像，具有全天候快速獲取大面積災情數據的能力，探討如何根據汶川地震前、后圖像，給出建筑物、河流、山體等關鍵區域的變化檢測結果，為國務院和相關部門的抗震救災工作提供咨詢服務和決策依據。

2.2 采用現代化教學模式與方法

為了使復雜的算法和抽象的知識更加形象化，便于學生理解和提高學習興趣，我們充分運用現代電子技術、工具和方法，采用多媒體形式進行課堂教學，利用VC、MATLAB編寫一些典型的圖像處理程序，并在課堂上演示這些程序，增加了課堂的信息量，提高了學生的學習興趣，激發了學生自主學習，同時也為實驗環節的開展奠定了一定的編程基礎[3]。

此外，我們深入分析MOOCs、SPOCs以及“翻轉課堂”教學模式等國際流行教育新概念，嘗試開展圖像處理技術的MOOCs，包括從課堂教學、學生學習進程、學生的學習體驗、師生互動過程等教與學過程的完整系統在線實現。MOOCs是一個改變學習方式的時代產物，受到全球各地的重視。國內教育部三個教指委（計算機類專業、軟件工程專業、計算機課程）2013年底專門召開會議研討MOOCs。我們建立了校內MOOCs平臺并對學生開放，將其作為課堂外學習的有效補充，這樣可以方便學生隨時隨地學習，或者進行預習和復習。我們嘗試了結合圖像處理技術的MOOCs，探索創新教學模式與方法，穩步提高教學質量。

2.3 加強實踐教學

圖像處理技術可以廣泛應用于數字電視、視頻通話、宇宙探測、自然災害預測、環境污染的監測、氣象云圖等應用領域，而教材一般只涉及到理論知識和算法，或者是對應用的簡單介紹，對其設計實現介紹得很少，所以必須加強實踐教學，將理論與實踐結合起來，使理論指導實踐，實踐加強理論[4-5]。要求學生利用VC或者MATLAB進行實際程序設計，培養學生分析問題、解決問題的能力，具備圖像處理系統的開發能力。

根據課程的教學要求設置了四個課外實驗。①圖像變換實驗。要求對輸入的圖像，分別采用傅里葉變換、離散余弦變換、小波變換進行圖像變換，分別給出變換前后的圖像，并分析圖像變換前后的視覺效果。②圖像增強實驗。將給定的圖像進行增強處理，要求至少使用線性變換增強、對數變換增強、指數變換增強以及偽彩色增強處理，分析增強后的視覺效果。③圖像編碼實驗。將給定的圖像進行壓縮處理，要求采用 Huffman編碼方法，并計算壓縮比。分析圖像壓縮后的視覺效果，并對圖像壓縮效果進行客觀評價。④圖像分割與邊緣提取實驗。分別利用邊緣檢測法、閾值分割法進行圖像分割；分析圖像分割后的視覺效果。學生完成所有實驗后，我們安排了實驗指導課，解決學生在實驗中遇到的問題，進一步提高學生的算法設計能力和編程能力。

在課程教學中，我們還安排了三次專題討論課，由教師指定具體題目，學生通過查閱相關文獻，深入分析基本原理和方法，設計相應的算法，編程實現，并給出實驗結果及分析，充分調動學生學習的積極性，提高學生利用理論知識解決實際問題的能力。三次專題討論課分別是：

⑴ 數字圖像表示及其處理專題討論課。題目為：用VC或者Matlab實現常見圖像文件格式的顯示；常見的圖像文件格式，以及用VC或者Matlab實現圖像格式轉換；給出國內外先進的圖像處理系統軟、硬件，名稱、作用，以及先進性的體現。

⑵ 圖像變換專題討論課。題目為：給出小波變換常用的小波基的基本原理、具體應用，以及用VC或者Matlab的具體實現；給出小波變換、脊波變換、子波變換的基本原理、具體應用，用VC或者Matlab的具體實現；給出小波變換以及小波變換在圖像處理中的具體應用，以及用VC或者Matlab的具體實現；給出快速傅里葉變換算法的具體內容，以及時間復雜度或者運行時間的分析。

⑶ 圖像編碼專題討論課。題目為：給出小波變換圖像編碼的基本思想與特點，編碼中需要解決的問題，實驗結果及分析；給出基于感興趣區域的小波圖像編碼方法的基本思想，具體步驟，實驗結果及分析；給出幾種圖像編碼質量評價方法，具體實現，實驗結果及分析；給出基于子波變換的圖像編碼基本思想與特點，具體步驟，實驗結果及分析。

此外，鼓勵學生積極參與本校教師主持的科研項目，如國家自然科學基金、863項目、科技支撐計劃，以及北京市自然科學基金等項目。這些項目涉及到視音頻檢索、視音頻理解、視音頻處理、網絡信息分析、文字處理、信息檢索、網絡行為分析、圖像識別等研究方向。通過參與項目，系統地鍛煉了學生的科研能力和思維創新能力，也為今后的科研工作打下了堅實基礎。

2.4 改革考核評價方式

考核是對學生學習成果的檢驗，考核目標不僅要檢驗學生對課堂教學內容的掌握程度，而且要對提高學生發現問題、思考問題、解決問題的能力起到作用。為了避免出現平時不努力，考前突擊的情況，我們對傳統的考核方式進行了改革。本課程的考核由兩部分組成：平時成績（占30%）和期末考試成績（70%）。將平時的上課出勤、作業、實驗和專題討論成績列入平時成績。在整個教學過程中，嚴格要求學生，使學生重視教學的各個環節。

篇3

關鍵詞：模糊控制；人工神經網絡；人臉識別

中圖分類號：TP18 文獻標識碼：A文章編號：1009-3044(2011)16-3904-03

隨著人工智能技術的飛速發展，機器視覺已經成為當前人工智能研究領域的一大熱點，很多國家的研究人員都開展了對機器視覺的研究，其中以機器視覺識別人臉最為困難，這主要是因為人的面部帶有表情，不同的人具有不同的臉，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，如何讓計算機通過機器視覺高效率的識別人臉，成為當前機器視覺和智能機器人關鍵技術領域的技術難題。

隨著模糊邏輯控制算法和人工神經網絡算法的發展，對于機器視覺識別人臉特征的算法也有了新的發展，目前多數研究算法所采用的人臉識別從實現技術上來說，主要可以分為以下幾個類別：

1) 基于人臉幾何特征進行的識別算法，該算法運算量較小，原理簡單直觀，但是識別率較低，適合應用于人群面部的分類，而不適宜于每一個人臉的識別。

2) 基于人臉特征的匹配識別算法，這種算法是預先構建常見的人臉特征以及人臉模板，構成人臉特征庫，將被識別的人臉與特征庫中的人臉進行逐一比對，從而實現人臉識別，該算法識別效率較高，但是應用有一定局限性，只能夠識別預先設立的人臉特征庫中的人臉模型，因此人臉特征庫就成為該算法實現的技術關鍵。

3) 基于統計的人臉識別算法，該算法將人臉面部進行特征參數的劃分，如兩眼距離大小，五官之間距離等，通過構建統計特征參數模型實現對人臉模型的識別，該算法識別率較高，但是算法實現起來運算量比較大，且識別效率較低。

4) 基于模糊邏輯的人臉識別算法，這一類算法主要結合了模糊邏輯和神經網絡能夠自我訓練學習的機制實現對人臉的識別，識別率較高，且算法運算量適中，但是算法的原理較難理解，且模糊邏輯控制規則的建立存在一定技術難度。

本論文主要結合模糊人工神經網絡方法，將其應用于計算機人臉識別，以期從中能夠找到有效可靠的人臉識別方法及其算法應用，并以此和廣大同行分享。

1 模糊邏輯及人工神經網絡在圖像辨識中的應用可行性分析

1) 人臉識別的技術難點

由于計算機只能夠認識0和1，任何數據，包括圖像，都必須要轉化為0和1才能夠被計算機識別，這樣就帶來一個很復雜很棘手的問題：如何將成千上萬的帶有不同表情的人臉轉變為數字信號并被計算機識別。由于人的面部帶有表情，不同的人具有不同的臉，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，因此這些都成為了計算機識別人臉特征的技術難點，具體來說，人臉實現計算機識別的主要技術難度包括：

① 人臉表情：人有喜怒哀樂等不同表情，不同的表情具有不同的面部特征，因此如何分辨出不同表情下的人臉特征，這是首要的技術難點；

② 光線陰影的變換：由于人臉在不同光線照射下會產生陰影，而陰影敏感程度的不一也會增加計算機識別人臉特征的難度；

③ 其他因素：如人隨著年齡的增長面部特征會發生些微變化，人臉部分因為裝飾或者帽飾遮擋而增加識別難度，以及人臉側面不同姿態也會對計算機識別帶來技術難度。

2) 模糊人工神經網絡在人臉辨識中的應用可行性

如上分析所示，計算機識別人臉，需要考慮的因素太多，并且每一種因素都不是線性化處理那么簡單，為此，必須要引入新的處理技術及方法，實現計算機對人臉的高效識別。根據前人的研究表明，模糊人工神經網絡算法是非常有效的識別算法。

模糊理論和神經網絡技術是近年來人工智能研究較為活躍的兩個領域。人工神經網絡是模擬人腦結構的思維功能，具有較強的自學習和聯想功能，人工干預少，精度較高，對專家知識的利用也較少。但缺點是它不能處理和描述模糊信息，不能很好利用已有的經驗知識，特別是學習及問題的求解具有黑箱特性，其工作不具有可解釋性，同時它對樣本的要求較高;模糊系統相對于神經網絡而言，具有推理過程容易理解、專家知識利用較好、對樣本的要求較低等優點，但它同時又存在人工干預多、推理速度慢、精度較低等缺點，很難實現自適應學習的功能，而且如何自動生成和調整隸屬度函數和模糊規則，也是一個棘手的問題。如果將二者有機地結合起來，可以起到互補的效果。

模糊邏輯控制的基本原理并非傳統的是與不是的二維判斷邏輯，而是對被控對象進行閾值的設計與劃分，根據實際值在閾值領域內的變化相應的產生動態的判斷邏輯，并將邏輯判斷規則進行神經網絡的自我學習，逐漸實現智能判斷，最終實現準確的邏輯判斷。相較于傳統的線性判斷規則，基于模糊規則的神經網絡是高度復雜的非線性網絡，同時由于其廣闊的神經元分布并行運算，大大提高了復雜對象（如人臉）識別計算的效率，因此，將模糊神經網絡算法應用于人臉的智能識別是完全可行的。

2 基于模糊人工神經網絡的人臉識別方法研究

2.1 基于模糊神經網絡的人臉識別分類器設計

1) 輸入、輸出層的設計：針對模糊神經網絡層的輸入層和輸出層的特點，需要對識別分類器的輸入、輸出層進行設計。由于使用BP神經網絡作為識別分類器時，數據源的維數決定輸入層節點數量，結合到人臉的計算機識別，人臉識別分類器的輸入輸出層，應當由人臉特征數據庫的類別數決定，如果人臉數據庫的類別數為m，那么輸入、輸出層節點數也為m，由m個神經元進行分布式并行運算，能夠極大提高人臉識別的輸入和輸出速度。

2) 隱藏層結點數的選擇：由于一般的BP神經網絡都是由3層BP網絡構成：輸入層，隱藏層和輸出層，隱層的數量越多，BP神經網絡越復雜，那么最終能夠實現的運算精度就越高，識別率也就越高；但是隨著隱層數量的增加，隨之而來的一個突出的問題就是神經網絡變的復雜了，神經網絡自我訓練和學習的時間變長，使得識別效率相對下降，因此提高精度和提高效率是應用模糊神經網絡的一個不可避免的矛盾。在這里面向人臉識別的分類器的設計中，仍然采用傳統的3層BP神經網絡構建人臉識別分類器，只設計一層隱層，能夠在保障識別精度的前提下有效的保障神經網絡學習和訓練的效率，增加人臉識別的正確率。

3) 初始值的選?。涸谠O計了3層BP神經網絡的基礎上，需要確定神經網絡的輸入初始值。由于模糊神經網絡是非線性的，不但具有線性網絡的全部優點，同時還具有收斂速度快等特點，而初始值的選取在很大程度上影響神經網絡的學習訓練時間的長短，以及是否最終能夠實現收斂輸出得到最優值。如果初始值太大，那么對于初始值加權運算后的輸出變化率趨向于零，從而使得神經網絡自我學習訓練趨向于停止，最終無法得到收斂的最優值；相反，我們總是希望初始值在經過每一次加權運算后的輸出都接近于零，從而能夠保證每一個參與運算的神經元都能夠進行調節，最終實現快速的收斂。為此，這里將人臉識別的初始值設定在[0，0.2]之間，初始運算的權值設定在[0，0.1]之間，這樣都不太大的輸入初始值和權值初始值能夠有效的保證神經網絡快速的收斂并得到最優值。

如果收斂速度太慢，則需要重新設置權值和閾值。權值和閾值由單獨文件保存，再一次進行訓練時，直接從文件導出權值和閾值進行訓練，不需要進行初始化，訓練后的權值和閾值直接導入文件。

2.2 人臉識別的神經網絡訓練算法步驟

1) 神經網絡的逐層設計步驟：神經網絡需要按層進行設計，構建信號輸入層、模糊層以及輸出層，同時還要構建模糊化規則庫，以構建神經網絡模糊算法的完整輸入輸出條件。具體構建人臉識別的神經網絡層可以按照下述步驟執行：

Step 1，構建信號輸入層，以視覺攝像頭為坐標原點構建人臉識別坐標系統，這里推薦采用極坐標系統構建識別坐標系，以人臉平面所處的角度與距離作為信號的輸入層，按照坐標系的變換得到神經網絡信號輸入的距離差值和角度差值Δρ，Δθ，作為完整的輸入信號。

Step 2，構建模糊化層，將上一層信號輸入層傳輸過來的系統人臉識別信號Δρ與Δθ進行向量傳輸，將模糊化層中的每一個節點直接與輸入信號向量的分量相連接，并進行信號矢量化傳輸；同時在傳輸的過程中，根據模糊化規則庫的條件制約，對每一個信號向量的傳輸都使用模糊規則，具體可以采用如下的隸屬度函數來進行模糊化處理：

(1)

其中c ij 和σij分別表示隸屬函數的中心和寬度。

Step 3，構建信號輸出層，將模糊化層經過模糊處理之后的信號進行清晰化運算，并作為最終結果輸出。

關于模糊規則庫的建立，目前所用的方法都是普遍所采用的匹配模糊規則，即計算每一個傳輸節點在模糊規則上的適用度，適用就進行模糊化規則匹配并進行模糊化處理，不適用則忽略該模糊規則并依次向下行尋找合適的模糊規則。當所有的，模糊規則構建好之后，需要對每條規則的適用度進行歸一化運算，運算方法為：

(2)

2) 人臉的識別算法按如下步驟執行：

Step 1：一個樣本向量被提交給網絡中的每一個神經元；

Step 2：計算它們與輸入樣本的相似度di；

Step 3：由競爭函數計算出競爭獲勝的神經元，若獲勝神經元的相似度小于等于相似度門限值ν，則計算每個神經元的獎懲系數γi，否則添加新的神經元；

Step 4：根據學習算法更新神經元或將新添加的神經元的突觸權值置為x；

Step 5：學習結束后，判斷是否有錯誤聚類存在，有則刪除。

其中，

(3)

di是第i個神經元的相似度值，β為懲罰度系數，ν為相似度的門限值。γ的計算方法是對一個輸入樣本x，若競爭獲勝神經元k的相似度dk≤ν，則獲勝神經元的γk為1，其它神經元的γi=-βdi/ν，i≠k；若dk >ν，則添加新的神經元并將其突觸權值置為x。

實際上，網絡訓練的目的是為了提高本算法的權值實用域，即更加精確的實現對人臉特征的識別，從而提高算法的人臉識別率，當訓練結束后，即可輸出結果。

2.3 算法仿真測試

為了驗證本論文所提出的人臉識別模糊神經網絡算法的有效性和可靠性，對該算法進行仿真測試，同時為了凸顯該算法的有效性，將該算法與傳統的BP神經網絡算法進行對比仿真測試。

該測試采集樣本500張人臉圖片，分辨率均為128×128，測試計算機配置為雙核處理器，主頻2.1GHz，測試軟件平臺為Matlab，分別構建BP神經網絡分類器與本算法的神經網絡分類器，對500幅人臉圖片進行算法識別測試。

如表1所示，為傳統BP神經網絡算法和本論文算法的仿真測試結果對比表格。

從表1所示的算法檢測對比結果可以發現：傳統的算法也具有人臉特征的識別，但是相較于本論文所提出的改進后的算法，本論文提出的算法具有更高的人臉特征識別率，這表明了本算法具有更好的魯棒性，神經網絡模糊算法的執行上效率更高，因而本算法是具有實用價值的，是值得推廣和借鑒的。

3 結束語

傳統的圖像識別技術，很多是基于大規模計算的基礎之上的，在運算量和運算精度之間存在著不可調和的矛盾。因人工神經網絡技術其分布式信息存儲和大規模自適應并行處理滿足了對大數據量目標圖像的實時處理要求，其高容錯性又允許大量目標圖像出現背景模糊和局部殘缺。相對于其他方法而言，利用神經網絡來解決人臉圖像識別問題，神經網絡對問題的先驗知識要求較少，可以實現對特征空間較為復雜的劃分，適用于高速并行處理系統來實現。正是這些優點決定了模糊神經網絡被廣泛應用于包括人臉在內的圖像識別。本論文對模糊神經網絡在人臉圖像識別中的應用進行了算法優化設計，對于進一步提高模糊神經網絡的研究與應用具有一定借鑒意義。

參考文獻：

[1] 石幸利.人工神經網絡的發展及其應用[J].重慶科技學院學報:自然科學版,2006(2):99-101.

[2] 胡小鋒,趙輝.Visral C++/MATLAB圖像處理與識別實用案例精選[M].北京:人民郵電出版社,2004.

[3] 戰國科.基于人工神經網絡的圖像識別方法研究[D].北京:中國計量科學研究院,2007.

[4] 王麗華.基于神經網絡的圖像識別系統的研究[D].北京:中國石油大學,2008.

[5] 范立南,韓曉微,張廣淵.圖像處理與模式識別[M].北京:科學出版社,2007.

[6] 金忠.人臉圖像特征抽取與維數研究[D].南京:南京理工大學,1999.

篇4

Abstract： The teaching content and teaching mode for course of digital image analysis are researched in the paper， education reform measures is implemented from three aspects， the theory teaching， the practice teaching and the related scientific research. Project driven teaching is proposed to cultivate innovative and practice talents， the practice teaching is strengthened and the scientific research is introduced into the teaching process.

Key words： image analysis； teaching mode； teaching reform； project driven

0 引言

隨著現代信息技術的快速發展，圖像分析日益廣泛地應用于軍事目標識別控制、智能交通、醫學圖像重建、社會事務管理、生物特征識別，以及互聯網相關產業等諸多領域，越來越多的研究者更加關注圖像分析領域的研究工作[1-2]。而高等教育要與實際應用緊密聯系，“圖像分析”這門課程在高校電子信息類專業也有了越來越重要的地位。

圖像分析是用模式識別和人工智能方法對景物進行分析、描述、分類和解釋的技術，又稱景物分析或圖像理解。一般利用數學模型并結合圖像處理的技術來分析底層特征和上層結構，從而提取具有一定智能性的信息。圖像分析側重于研究圖像的內容，包括但不局限于使用圖像處理的各種技術，它更傾向于對圖像內容的分析、解釋和識別。

“圖像分析”的教學目的是使學生了解和掌握數字圖像分析的基本概念與主要內容，為今后的深入研究和開發工作打下良好的基礎。其基本教學內容包括圖像增強、圖像分割、圖像復原、圖像描述、圖像識別等理論和方法。該課程主要闡述數字圖像分析中的基本概念、基礎理論和常用算法，介紹數字圖像分析研究中的基本問題以及解決這些問題的原理和實現方法，使學生能夠編程實現簡單的圖像處理算法，能夠逐漸解決數字圖像分析領域的實際問題。

“圖像分析”課程屬交叉學科，其起點高、難度大，既有較強的理論性，又與實踐緊密結合，目前的教學現狀表明，學生對本課程往往入門時就心存畏懼，深入學習困難，不管是考試成績還是實踐動手能力都不理想，教學上存在許多問題。如何引導學生明確學習目的、轉變思想觀念，如何在教學過程中合理利用多重教學手段、靈活采用教學相長的方法激發學生的學習興趣，成為教學中必須解決的難題。

1 課程教學現狀分析

經過對國內多所高校的調研發現，現行的教學模式存在嚴重的弊端。在目前的圖像分析課程教學中，教師只是按部就班地按照教學大綱進行講授，而對于程序運行實現及實際應用部分大綱中并沒有嚴格的要求，所以多數教師也就只講解理論，對程序實現則省略掉或是一帶而過。而學生也只是按部就班地對理論知識進行學習，沒有結合相關的應用，所以隨著課程內容的深人，學生會感覺到枯燥乏味，對該課程逐漸失去了興趣。即便是認真學習的學生，也是一直處于被動學習的狀態。至于考試，只需要按照教師的授課內容認真復習就可以拿到優異的成績。很多學生直到他們學完了該門課程，也沒弄清楚這些圖像處理的方法該如何具體實現，而且對于如何應用到實際生活和研究當中，也是一無所知，更談不上創新能力、實踐能力和綜合能力了。該課程目前的教學方法大大影響了學生的創新實踐能力的培養。長此以往，高分低能的現象將會日趨嚴重。因此，圖像分析課程教學改革迫在眉睫。

2 課程教學改革措施

2.1 教學內容和方法的改革

圖像分析本身為交叉學科，與圖像處理、模式識別、信號分析多領域存在密切聯系，而課程內在耦合性并不強，目前還沒有一個完備的課程體系，許多教學實踐難以組織。一般除了圖像分析課程的基本內容，根據教材豐富程度的不同，可能還包括圖像的數據結構、圖像重建、圖像識別、圖像的小波分析，以及圖像的數學形態學分析。其內容龐雜，難度也偏大，在有限的教學時間內往往難以將全部內容講透，傳統的教學模式只能以理論介紹為主，忽視實現步驟，造成學生在學習時普遍感到過于抽象。故有必要優化教學課程設置，精簡課程教學內容。課堂講授中，要抓住重點難點進行講解，鼓勵學生課下自主學習，有疑問主動討論求教，以此來提高教學質量。

教學內容中不能只有理論知識，還要與圖像分析相關應用軟件結合起來，如Matlab、Opencv、Image Analyzer等，必要的時候也可以用目前較流行的Photoshop軟件舉例。這樣和軟件結合起來講解，學生可以看到實實在在的圖像變化過程，學習興趣自然就提高了。而且學生也比較容易理解圖像分析的基本原理，聽起來也不會覺得枯燥，無形中提高了學生的學習效率。同時學生學會了一門語言，用以實現各種圖像處理過程，為以后的學習和工作打下堅實的基礎。

傳統教學中理論學時與實驗學時的分配比例一般為3：1，高校普遍偏重理論教學，而忽視了實驗教學。理論教學是一種被動的單向的學習模式；而主動性的、互動式的實驗教學更能調動學生的積極性，有利于學生自主的去發現問題分析解決問題。因此，要優化理論教學與實驗教學的課時比例，加大實驗教學的課時，通過實驗加深對理論基礎的理解。

2.2 強化實驗教學

選擇圖像分析中最重要的算法作為實驗課教學的主要內容，覆蓋圖像分析中圖像增強、圖像壓縮、圖像分割、形態學處理、圖像特征描述等各個重要部分。圖像的讀取和顯示、圖像的直方圖均衡化、圖像的平滑濾波和銳化濾波、快速傅里葉變換、頻域上的高通和低通濾波、Hough 變換、圖像的閾值化、圖像的膨脹、腐蝕和開閉操作、細化算法等實驗完全能包含圖像分析領域理論。

實驗教學[3]要求學生提前閱讀課程實驗指導書，了解實驗內容，進行初步的設計分析，自己編寫核心代碼，自行設計實驗測試用例，預測實驗結果。實驗課上認真演示圖像處理的效果，將實驗結果與預測結果相比較，對出現的問題耐心分析和總結，按要求撰寫實驗報告，從而加深對數字圖像分析概念和方法的理解。引導學生利用所學到的知識，來解決圖像分析領域簡單的實際應用問題，要把課堂上講授的理論知識和現實生活中應用的具體例子相結合，將最新的科研前沿動態和信息反饋給學生。

2.3 將科研引入教學

科研中的圖像分析相關部分要進人到教學中，讓學生在學習理論知識的基礎上，了解該方向的前沿技術和應用領域，這對以后的工作有重要的引導作用，也能夠激發學生的探索能力和創新靈感，達到真正的學以致用。同時形成科研帶動教學，教學促進科研的良性循環[4]。

將科研引入教學，開展項目驅動教學，讓學生接觸一些具體的項目，在做這些項目時要用到哪些知識點，如何綜合運用它們，都是項目中必須解決的問題。通過項目驅動教學的方式，學生的綜合實踐能力將得到進一步提高。

項目驅動教學的關鍵是項目的選擇和設計，它的好壞直接影響到教學的開展。圖像分析項目驅動教學的示意圖如圖1所示。由圖1可知，這一互動式的教學模式重點在于師生的交流反饋，學生是學習的主體，是項目的承擔者 、實施者，老師在項目中主要起組織引導的作用。在項目驅動教學實施中，教師不是直接把知識技能傳遞給學生，而是學生在教師的指導下去選擇“項目”，分析“項目”，并最終完成“項目”。學生不再盲目的把學習當任務，而是以項目需求驅動，有目的、有針對性的學習，變被動地接受知識為主動地尋求知識。學生學習的主動性和創新意識在項目實施的過程中不斷強化。

根據課程的知識層次和內容體系把理論學習與科研項目相結合。譬如設計“車牌識別系統研究[5]”來展開課堂教學，如圖2所示。由圖2可知，“圖像分析”的大部分教學內容都可通過“車牌識別系統研究”這一項目組織起來。以“實施項目”的方式引入有關概念和主題，展開教學內容深入學習，將學生的“被動學習”轉換為“興趣驅動”，從而提高教學效率。

另外，根據學校的實驗條件，還可設計“腦部CT圖像處理”、“運動目標檢測研究”、“人臉識別系統”等項目，從而融合圖像分析各方面的知識點。

整個項目的實施分為兩個階段：理論學習和項目實施。在理論學習階段，可以引入大量應用實例，授課時重點闡述諸如醫學圖像處理、運動目標特征提取、智能視頻監控、基于圖像的工業檢測、圖像壓縮在3G通信技術中的應用等實例。通過對具體項目的講解，讓學生對項目的理論基礎有初步的了解，而這種將深奧的理論實例化，使學生易于接受，激發了學生的學習興趣和對項目的探索激情。在第二階段的項目實施中，將項目分成若干個小組，在教師的指導下，各小組召開會議，分析項目需求，明確項目任務，進行成員分工，確定各分工的職責及項目實施計劃，在此階段，教師扮演項目顧問的角色，解答小組成員項目實施中遇到的各種問題。學生在教師的指導下完成對項目的需求分析、系統設計、編碼實現、測試部署的整個過程，達到學生在完成項目的過程中理解學科知識、掌握綜合技能的目的。

項目完成之后，需要對項目進行總結和反饋。各小組提交項目結題材料，以論文答辯的形式在班上演示各小組項目成果，介紹項目實施過程、成果、優勢及不足，總結項目實施階段的經驗教訓，回答現場提問。在聽取其他小組報告的基礎上自我總結，找出自己的不足，查缺補漏，提高專業理論基礎及定向分析解決問題的能力。最后，以學生自評、組內成員互評、教師點評的方式來確定每位學生的最終成績。

篇5

關鍵詞：PCB；圖像處理；視覺檢測

中圖分類號：TP277文獻標識碼：A文章編號：1009-3044(2012)07-1648-06

當今世界科技發展日新月異，電子產業的發展直接制約著國民經濟的騰飛與否，而PCB電路板制作工藝的提高對促進電子產業的發展至關重要，能否有效精確地檢測PCB電路板的缺陷一直都是電子行業的研究熱點。國外的印刷電路板自動檢測技術一直領先于國內，國內的很多廠家不得不采用昂貴的外國技術，雖然近年國內的印刷電路板自動檢測技術發展迅速，但大都沒有取得令人非常滿意的結果。加入研究這一領域的熱潮，趕超外國的先進技技水平，打斷外國壟斷技術，對于發展國民經濟具有十分重要的意義。

1 PCB檢測系統的硬件設計

1.1 PCB檢測系統的硬件組成框圖

雖然本文所做的工作主要是軟件方面，但對于硬件系統的設計也是至關重要的，它對于建立有效的計算機視覺識別檢測系統，起著決定性作用。因此，必須在綜合考慮系統性價比和系統性能的基礎上，設計出合理的硬件系統[9]。PCB檢測系統的硬件組成框圖如圖1所示：圖1 PCB檢測系統硬件組成框圖

1.2系統的硬件組成

系統的硬件組成[10]主要包括：計算機主機、CCD攝像機、圖像采集卡、照明系統及相關的設備。

2 PCB電路板缺陷檢測識別

PCB電路板在電子工業中的應用越來越廣泛，如何降低電路板的故障率、提高電路板的質量直接影響到整個產業的發展。因此，對于PCB電路板缺陷的識別技術的發展至關重要。PCB電路板的缺陷很多[16]，主要有短路、斷路、劃痕、凸起、空洞、缺焊、過焊等等，由于實驗室設備限制和個人水平所限，本文主要研究的內容是PCB電路板短路與斷路的檢測識別

近年來出現了很多圖像檢測算法,這些算法大致可分為三大類：有參考算法、無參考算法以及混合型算法。有參考算法分為兩大類：圖像對比法和模型對比法。無參考算法是一種不需要標準圖像的檢測算法，它是基于一定的設計規則來進行檢測的。混合型方法是將有參考算法與無參考算法混合使用，從而發揮出各自的優點。比如，模板匹配法與數學形態學方法結合使用，或者連接表方法與數學形態學方法結合使用等。本文中短路與斷路的檢測識別采取了圖像對比法，即將經過一定處理后的圖像進行相減，從而分析相應的結果；而對焊點缺陷的識別主要采用模板匹配法與數學形態學方法結合使用。

2.1 PCB電路板缺陷檢測識別的主要流程圖

圖2為子程序流程圖；圖3為主程序流程圖。

2.2 PCB電路板短路與斷路的檢測識別

2.2.1邊緣檢測

在對圖像進行基本的處理過后可以將圖像與背景分割開來。邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標識數字圖像中亮度變化明顯的點。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。

這些包括：深度上的不連續；表面方向不連續；物質屬性變化；場景照明變化。邊緣檢測是圖像處理和計算機視覺中，尤其是特征提取中的一個研究領域。

圖像邊緣檢測大幅度地減少了數據量，并且剔除了可以認為不相關的信息，保留了圖像重要的結構屬性。有許多方法用于邊緣檢測，它們的絕大部分可以劃分為兩類[17]：基于查找一類和基于零穿越的一類。基于查找的方法通過尋找圖像一階導數中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。基于零穿越的方法通過尋找圖像二階導數零穿越來尋找邊界，通常是Laplacian過零點或者非線性差分表示的過零點。

1）Roberts算子

邊緣，是指周圍像素灰度有階躍變化或屋頂等變化的那些像素的集合。圖像的邊緣對應著圖像灰度的不連續性。顯然圖像的邊緣很少是從一個灰度跳到另一個灰度這樣的理想狀況。真實圖像的邊緣通常都具有有限的寬度呈現出陡峭的斜坡狀。邊緣的銳利程度由圖像灰度的梯度決定。梯度是一個向量，?f指出灰度變化的最快的方向和數量，如式2-1所示。

?f=(決定的。

因此最簡單的邊緣檢測算子是用圖像的垂直和水平差分來逼近梯度算子，式2-4所示。?f=(f(x,y)-f(x-1,y),f(x,y)-f(x,y-1))（式2-4）

因此當我們想尋找邊緣的時候，最簡單的方法是對每一個像素計算出（2，4）的向量,然后求出他的絕對值，然后進行閥值操作就可以了。利用這種思想就得到了Roberts算子，由式2-5所示。

R(i,j)=

（式2-5）

它是一個兩個2×2模板作用的結果。

2）Sobel算子

該算法通過2個3*3的模板，對選定的二維圖像中同樣大小窗口進行卷積，通常是一個模板對一個邊緣響應大，另一個模板對水平邊緣響應大，兩個卷積值對最大值作為該點對輸出。對于圖像上的任意點（i，j）進行卷積，可得其X方向上的差分由式2-6、式2-7所示。Δx=f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)-[f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)]（式2-6）Δy=f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1)-[f(i+1,j+1)+2f(i+1,j)+f(i+1,j+1)]（式2-7）則輸出圖像公式如式2-8所示。

用sobel算子檢測階躍邊緣得到的邊緣寬度至少為兩個寬度。3）Laplacian邊緣檢測算子

Laplacian算子定義由式2-9所示。

Δ2f(x,y)=

（式2-9）它的差分形式由式2-10所示。

Δ2f(x,y)={[f(x+1,y)-f(x,y)]-[f(x,y)-f(x-1,y)]}+{[f(x,y+1)-f(x,y)]-[f(x,y)-f(x,y-1)]}

=f(x+1,y)+f(x-1,y)+f(x,y-1)+f(x,y+1)+f(x,y+1)+4f(x+1,y)（式2-10）

Laplacian算子是一種各向同性算子，在只關心邊緣的位置而不考慮其周圍的灰度象素差值時時比較合適，Laplacian算子對孤立象素的響應要比對邊緣或線的響應更要強烈，因此只適用于無噪聲圖像。

原圖像與用三種邊緣檢測算子處理后的圖像如下所示：圖6 Sobel邊緣檢測圖7 Laplacian邊緣檢測

從上面四幅圖分析比較可得出結論：用Roberts邊緣檢測得出的圖像較之其他方法更為清晰，噪點更少，圖像更為連續，所以本文中采用Roberts算子來進行邊緣檢測。

2.2.2閾值分割

閾值分割法是一種基于區域的圖像分割技術，其基本原理是：通過設定不同的特征閾值，把圖像象素點分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設原始圖像為f(x，y)，按照一定的準則f(x，y)中找到特征值T，將圖像分割為兩個部分，分割后的圖像為：

若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。

在數字化的圖像數據中，無用的背景數據和對象物的數據經常放在一起，同時，圖像中還含有各種噪聲，因此可以根據圖像的統計性質，從概率的角度來選擇合適的閾值。

1）最大方差閾值法

把待處理圖像的直方圖在某一閾值處分割為兩組，當被分割成的兩組間的方差最大時，便可以決定閾值了。

設灰度圖像f（x，y）的灰度級為0-L，灰度級I的像素為Ni，則圖中：

總象素數N=∑j=0 i=LNi（式2-11）灰度級i出現的概率Pi= 1-ω(K)（式2-16）則兩組間的數學期望為ω0μ0ω1μ1=μ（式2-17）兩組間的方差為ρ2(k)

ρ2(k)是K的函數，計算k取從0,1,2…L時ρ2(k)的值，當多的值為最大時，K即為閾值。

2）雙峰法

根據圖像的直方圖具有背景和對象物的兩個峰，分割兩個區域的閾值由兩個峰值之間的谷所對應的灰度值決定。設灰度圖像f（x，y）的灰度級為0-L，灰度i的像素為Pi，分別計算

因為實際PCB電路板有著許多的劃痕、污點等，使用最大方差閾值法時，會在處理后的圖像上產生許多誤點，而影響實際結果的分析，而雙峰法能夠順利地濾除這些干擾，這個結論在分析對比以上圖像時也可得出。所以本文選用了雙峰法來進行閾值分割。

2.2.3粒子分析與圖像對比

經過邊緣檢測和閾值分割的圖像中會存在許多瑕點，這些點會影響到最后的圖像識別與分析，有可能會增加多余的殘留圖像。本文中利用NI VISION ASSISTANT中的REMOVE SMALL OBJECTS功能進行去除，如圖11和圖12所示。圖11原圖像圖12粒子分析

將標準PCB圖片減去缺陷缺陷PCB圖片，便可以得到缺陷板的斷路部分的圖像，再利用NI ASSISTANT中的PARTICLE ANALYSIS可以得到斷路部分的具體分析，如圖13示。

將缺陷PCB圖片減去標準PCB圖片，便可以得到缺陷板的短路部分的圖像，與上述相同的方法，便可以得到短路部分的具體分析，如圖14所示。

3結束語

利用LABVIEW來進行PCB電路板缺陷的識別與檢測是一項非常好的課題，它在近些年已經得到了一定的發展，并將得到更大的進步。限于本人能力和時間，本文的研究還未涉及很深的領域，可以在以下方面加以改進：

1）本文中只利用到NI公司的LABVIEW和IMAQ VISION，更好的設計可以再利用其他語言如VISUAL BASIC,C++等編程語言加以輔助設計，相信可以取得更加令人滿意的結果。

2）由于實驗設備等其他因素，本文中只重點研究了PCB電路板短路與斷路的檢測識別，PCB電路板的其他缺陷還有待于進一步的分析研究、分類和總結，并設計出更好的檢測方法，以真正滿足PCB電路板檢測的需求。

3）照明設備的限制在很大程度上影響到了圖像的檢測效果，為取得PCB缺陷檢測的進一步進展，在照明設備的選擇上必須重視，并且設計出更好的圖像采集系統。

4）在識別與檢測手段上，可以引入更新更好的方法，而不要局限于在傳統的方法中分析比較，例如基于BP神經網絡的識別檢測，圖像的模糊決策等將有待于進一步研究。

總之，基于LABVIEW的機器視覺檢測系統已經取得了不錯的進展，高速發展的PCB制造技術和計算機技術對于PCB缺陷的檢測提出了更高的要求，同時也大大地促進了PCB缺陷檢測技術的發展。利用機器視覺檢測在未來的較長的一段時間內將占據檢測行業的半壁江山，相信在未來會取得更大的發展。

參考文獻：

[1]程學慶,房曉溪.LabVIEW圖形化編程與實例應用[M].北京:中國鐵道出版社,2005.

[2]胡仲波.基于虛擬儀器技術的PCB視覺檢測系統[D].南京:南京理工大學碩士學位論文,2006.

[3]段峰,王耀南.機器視覺技術及其應用綜述[J].自動化博覽,2002,19(3).

[4]周長發.精通Visual C++圖像處理編程[M].北京:電子工業出版社,2004.

[5]陳錫輝,張銀鴻.LabVIEW 8.20程序設計從入門到精通[M].北京:清華大學出版社,2007.

[6]鄭偉.圖像法檢測印刷電路板缺陷[M].西安:西安理工大學,2002.

[7] National Instruments,IMAQ User Manual Concepts[Z].1999.

[8]李強.PCB板缺陷自動檢測技術的分析研究[D].合肥:合肥工業大學,2002.

[9]傅茂名.基于形態邊緣檢測算法的一種改進[J].電子科技大學學報,2005(2).

[10]王思華.計算機視覺新技術及其在IC標記質量檢驗系統設計中的應用[J].電子技術應用,2000(9).

[11]岳永哲.圖像處理技術在閱卷系統中的應用[D].北京:北京工業大學,2006.

[12] Bruce sehneier.Applied Cryptography protocols,Algorithms,and SourceCode[M].C Jolm Wiley & Sons,Inc,1994.

[13] William work Security Essentials:Applications and Standard[M].Prentice Hall/Pearson,2002.

[14]高育鵬,楊俊,何廣軍.基于圖像識別的自動閱卷系統研究[J].現代電子期刊,2006(22).

[15]楊青燕,彭延軍.基于灰度圖像的答題卡識別技術[J].山東科技大學學報:自然科學版,2009(3).

[16]周海濤,韓曉軍.基于數字圖像處理的答題卡識別方法研究[J].電腦知識與技術,2008(28).

[17]周萬珍,鄭廣,王建霞,等.數字圖像處理技術在客觀題閱卷中的應用[J].數學的實踐與認識,2006(8).

[18]王勝春.基于SVM的信息卡識別系統[D].長沙:湖南師范大學,2008.

[19]吳志明.SMT系統中焊點位置的檢測[D].哈爾濱:哈爾濱工業大學,2006.

[20]楊敏,王春青,鄒增大,等.表面組裝印刷電路板上焊點信息的自動獲取[J].焊接學報,2005,39(6).

篇6

針對乳腺X光醫學圖像多分類問題中訓練速度比較慢的問題，提出超球體多分類支持向量數據描述（HSMCSVDD）分類算法，即把超球體單分類支持向量數據描述直接擴展到超球體多分類支持向量數據描述。通過對乳腺X光圖像提取灰度共生矩陣特征；然后用核主成分分析（KPCA）對數據進行降維；最后用超球體多分類支持向量數據描述分類器進行分類。由于每一類樣本只參與構造一個超球體的訓練，因此訓練速度明顯提高。實驗結果表明，這種超球體多分類支持向量數據描述分類器的平均訓練時間為21.369s，訓練時間比Wei等（WEI L Y， YANG Y Y， NISHIKAWA R M， et al. A study on several machinelearning methods for classification of malignant and benign clustered microcalcifications. IEEE Transactions on Medical Imaging， 2005， 24（3）： 371-380）提出的組合分類器（平均訓練時間40.2s）減少了10～20s，分類精度最高達76.6929%，適合解決類別數較多的分類問題。

關鍵詞：

乳腺X光圖像；多類支持向量數據描述；灰度共生矩陣；核主成分分析

0引言

乳腺癌是女性常見的腫瘤疾病之一，由于乳腺癌的病發機理還未完全弄清楚，因此早期診斷對防治乳腺癌十分重要[1]。乳腺癌的臨床診斷方法包括觸摸式診斷、組織學診斷、細胞學診斷和影像學診斷四大類，其中影像診斷是最適合適齡女性乳腺癌診斷方法，乳腺X光攝影技術是最常見乳腺癌早期診斷方法[2]。隨著計算機技術的不斷發展，醫學圖像上的計算機輔助診斷技術也得到了迅猛的發展，其中常用的方法有關聯規則、決策樹、遺傳算法、人工神經網絡神經網絡、貝葉斯、粗糙集、模糊聚類和支持向量機（Support Vector Machine，SVM）等。支持向量機在近些年發展比較迅速，它是建立在統計學習理論中的VC理論和結構化風險最小原理基礎上實現的一種機器學習方法[3]，能較好地解決小樣本、非線性、高維數和局部極小點等實際問題。Tax等[4]在1999年提出支持向量數據描述（Support Vector Data Description， SVDD），它是一種源于統計學習理論和SVM的全新的數據描述方法，與SVM尋求最優超平面不同，SVDD包容所有目標樣本數據的最小超球體。并且相比SVM，SVDD有著復雜性低、易移植和訓練速度快等優點，在信用卡欺詐檢測、入侵檢測、人臉識別領域等有著廣泛的應用，同時SVDD在解決不平衡數據分類和多示例分類中已成為一種新方法。SVDD在單分類問題中分類效果比較好，其中超球體單分類支持向量機[5]表現的效果更好，但是超球體單分類SVM缺乏有效的訓練算法，所以其在應用中受到限制。在實際問題的解決中，很多分類問題都是包含多個類別的多分類問題，而目前大多數多分類器基本上都是由二分類器組合而成的，當分類類別數達到一定的數量時，這種經二分類器組合而成的多分類器將會遇到諸如樣本訓練階段速度較慢的問題。例如在醫學圖像識別問題中，從圖像中提取出來的信息特征量往往比較大，如果直接用二分類器組合而成的多分類器，訓練速度相對來說較慢，而文獻[6-7]中分別提到的關于多球體支持向量數據描述和多分類支持向量機的基本思想和實現對進一步研究多分類問題提供了幫助。

Wei等[8]提到用級聯AdaBoost對標準醫學圖像數據集進行分類，分類精度達到80.3%，但是訓練時間比較長，平均訓練時間為40.2s。文獻[9]中提到對標準醫學圖像數據集進行分類的方法，如果只使用ID3進行分類，分類精度為43.3%，只使用K最近鄰（KNearest Neighborhood，KNN）分類法進行分類，分類精度為40.3%，而使用ID3和KNN的組合分類器進行分類，分類精度為47.6%。文獻[10]中提到對標準醫學圖像數據集進行分類的方法，用主成分分析（Principal Component Analysis，PCA）和基于規則的粗糙集進行分類，分類精度為69.27%；用BP（Back Propagation）神經網絡進行分類，分類精度為51.51%；用學習向量量化（Learning Vector Quantization， LVQ）神經網絡分類器進行分類，分類精度為63.63%。從文獻[8]中可以看出分類精度雖然達到80.3%，但是訓練速度比較慢；而文獻[9-10]中的分類精度比較低。

針對上述問題，本文提出基于超球體多分類支持向量數據描述方法。一些冗余的特征信息不僅會增大分類算法在構建分類模型時的數據量，而且還會影響分類器的分類效果；所以本文提出的超球體多分類支持向量數據描述算法優點在于分類模型建立前期先運用核主成分分析（Kernel Principal Component Analysis，KPCA）來有效地對數據進行降維，然后在構建分類模型時使每一類樣本只參與構造一個超球體的訓練，以此來直接構造多個SVDD超球體的多分類器，在保證分類精度的基礎上有效地提高了訓練速度。乳腺X光醫學圖像標準數據集MIAS（Mammographic Image Analysis Society）[11]分類實驗效果表明：與文獻[8]相比，超球體多分類SVDD分類器的訓練時間減少了10～20s，而且分類精度最高達到76.6929%。

1KPCA和SVDD的基本原理

1.1核主成分分析

篇7

關鍵詞：實踐教學；教學改革；柔性制造系統

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）47-0179-02

一、引言

實踐教學是高等教育的重要環節，是實現人才培養目標的有效途徑和重要保證。隨著社會的進步和發展，對人才的需求也發生了很大的變化，給實踐教學帶來一些新的問題和新的挑戰。我校機械電子工程專業的培養目標中強調了機電結合的高級工程技術人才，為了培養“厚基礎、寬口徑、高素質、強能力”的創新型工程技術人才，適應現代社會的要求，就必須要優化實踐教學內容，推進實踐教學方法和實踐教學體制改革。而營造培養高素質創新工程技術人才的實踐教學環境，提供合適的實踐訓練平臺是達到培養目標的重要保障。為此，我校2012年在共建基金支持下成立了柔性制造實驗室，通過柔性制造系統對實際工業自動化生產中的模擬運行，讓學生了解和掌握現代機電系統運行控制技術，培養學生的實踐能力和創新能力。本文圍繞該柔性制造系統在我校機械電子工程專業實踐培養上的應用，就我校在教學改革上的措施進行論述。

二、柔性制造系統

柔性自動生產線是將微電子學、計算機信息技術、控制技術、機械制造和系統工程有機地結合起來，是一種技術復雜、高度自動化系統，柔性制造技術更是當前機械制造業適應市場動態需求及產品不斷迅速更新的主要手段，是先進制造技術的基礎。

通過該系統，能使學生可通過實驗了解柔性制造自動化生產實訓系統的基本組成和基本原理，能為學生提供一個開放性的，創新性的和可參與性的實驗平臺，讓學生全面掌握機電氣一體化與物流技術的應用開發和集成技術，能夠幫助學生從系統整體角度去認識系統各組成部分，從而掌握柔性制造相關系統的組成、功能及控制原理。促進學生在機械設計制造、電氣自動化、數字控制技術、機器人技術、計算機技術、傳感器技術、生產線技術等方面的學習，并對數控加工、電機驅動及控制技術、PLC控制系統的設計與應用、機器人控制技術、高級語言編程等技能得到實際的訓練，激發學生的學習興趣，使學生在光機電氣一體化系統的設計、裝配、調試能力等方面均能得到綜合提高。系統組成如圖1所示，共分為總控系統、自動化立體庫及碼垛機、自動化輸送線系統單元、CCD形狀顏色尺寸檢測單元、上下料搬運機器人單元、數控加工單元、串聯機器人裝配與分揀單元、視覺導引搬運AGV幾個單元部分。系統模擬某自動化加工、分揀、自動裝配及自動出入庫完整制造過程。立體庫由兩排貨架及中間的碼垛機構成，實現毛坯及成品部件的存儲；傳送線負責從立體庫取件、傳送工件到到各工作單元及傳送入庫；通過圖像識別功能，對工件進行形狀與顏色識別，通過信息識別，六自由度行走搬運機器人可選擇把工件放入相應的數控加工設備（車削加工中心或銑削加工中心）當中。加工完畢，通過CCD視覺裝置進行高度與直徑等尺寸識別。并為下一工序做好準備。

該柔性制造系統可聯機/單機兩種運行模式，方便學生進行PLC控制、生產線控制、機器人控制及數控機床應用實訓。

三、柔性制造系統在機械電子工程專業實踐能力培養中的應用

1.課程實驗實訓。利用該柔性制造系統的各組成單元，對原有相關課程中的實驗內容進行了調整整合，增加了綜合性實驗環節內容設計，根據教師授課情況，結合學生特點進行選取。主要服務的課程包括：機電傳動與控制（步進電機、伺服電機控制）、PLC控制技術（立體庫碼垛機控制、傳送線控制）、機器人技術（分揀機械手、搬運機械手）、機床數控技術（數控加工單元）、傳感與測試技術（傳送線、CCD等單元）、機電一體化技術。

2.實習實訓環節。根據專業特點及實習實訓要求，對原有實習實訓環節進行了改革。將原第七學期三周的實習環節分割成幾個模塊，其中一個模塊是2.5天的柔性制造系統實習實訓模塊，每次二十余人分成多個小組進行該模塊的實習實訓。對學生獲得的專業知識和專業技能進行的一次全面考核和綜合檢驗。按照機械電子工程專業設置的要求，通過柔性制造系統平臺開展的集中實踐教學環節，讓學生完成的主要任務為：氣路、電路或控制回路的構成的模擬設計及運行調試；根據工作要求對PLC控制程序進行修改或編寫，模擬實際的控制過程；對人為設定的故障（電氣及PLC故障）進行故障診斷及排除練習，提高學生解決實際問題的能力；模擬系統的各單元之間可以通過I/O進行通訊，將多個加工單元連接構成系統。通過這個教學環節，讓學生自己動手來搭建實際機電一體化設備，以此來提高學生解決實際工程問題的能力。實習的內容：①柔性制造系統基礎知識教學。主要講授柔性制造系統技術的一些基本概念，讓學生對柔性制造系統有全面的了解和認識。②立體庫系統設計。通過對立體庫實際操作，了解立體庫工作過程；以立體庫結構設計及PLC控制為主要教學內容，了解并掌握立體庫結構設計技術，學生能夠完成單元格的設計出圖。了解立體庫控制要求，采用PLC實現取、送工件的控制設計。③搬運線設計。以搬運線為教學對象，使學生了解掌握生產線工作原理及操作方法，了解生產線基本結構及控制方法，了解典型分揀、傳送、檢測環節的設計方法及操作。④AGV尋跡車設計。了解尋跡車基本結構組成和功能；了解AGV尋跡車車體結構設計方法，了解尋跡車控制原理和操作。⑤機械手。了解工業機器人基本原理，了解和掌握工業機器人機構及基本結構設計知識，掌握工業機器人操作知識，了解和掌握機器人控制原理，掌握機器人編程控制，利用測繪技術實現實物的測繪建模使學生在掃描和建模。⑥數控機床編程操作。以典型車、銑零件為對象，讓學生能夠通過動手實踐將其數控加工程序編制出來，并在數控車及數控銑削加工中心完成各自零件的裝夾、對刀及加工仿真操作。

本實習重點強化動手能力的訓練，鼓勵學生在對柔性制造系統全面了解和認識的基礎上，獨立完成系統的運行和各分系統的設計操作。

四、結論

柔性制造實驗教學系統的建成與投入使用，豐富提高了我校機械電子工程專業在開放性實驗室的實驗教學和實訓的能力。以此平臺為基礎，在授課教師及實驗教師的共同努力下，有針對性地開展相關實驗、實訓項目，使學生可以更好地掌握機械、電子、電氣、液壓、自動控制、數控等專業知識，并以實際設備為對象，建立機電一體化設備調試、運行、維護等相關能力，有效地對應本專業培養目標要求。經過學習和訓練，學生的綜合素質得到提高并激發了部分學生的專業學習興趣和科技創新興趣，為今后的能力培養和就業發展打下了基礎。

通過一年多時間的應用，實驗、實訓等項目內容在不斷充實完善，在其間也發現了一些問題，例如包括對指導教師的能力要求、系統運行耗材費用控制等將在今后工作中逐步完善。

參考文獻：

[1]王偉，王殿君，申愛明，等.柔性制造系統在機電一體化專業綜合訓練中的應用[J].安徽師范大學學報，2010，33（6）：554-557.

篇8

    一、 數控機床故障診斷原則

    1. 先外部后內部

    數控機床是機械、液壓、電氣一體化的機床,所以故障的發生必然要從這三者之間綜合反映出來。所以要求維修人員掌握先外部后內部的原則,即當數控機床發生故障后,維修人員應采用望、聞、聽、問等方法,由外向里逐一進行檢查。

    例1:一數控車床剛投入使用的時候,在系統斷電后重新啟動時,必須要返回到參考點。即當用手動方式將各軸移到非干涉區外后,再使各軸返回參考點。否則,可能發生撞車事故。所以,每天加工完后,最好把機床的軸移到安全位置。此時再操作或斷電后就不會出現問題。

    外部硬件操作引起的故障是數控修理中的常見故障。一般都是由于檢測開關、液壓系統、氣動系統、電氣執行元件、機械裝置出現問題引起的。這類故障有些可以通過報警信息查找故障原因。對一般的數控系統來講都有故障診斷功能或信息報警。維修人員可利用這些信息手段縮小診斷范圍。而有些故障雖有報警信息顯示,但并不能反映故障的真實原因。這時需根據報警信息和故障現象來分析解決。

    例如:臺立式加工中心采用FANUC-OM控制系統。機床在自動方式下執行到X軸快速移動時就出現414#和410#報警。此報警是速度控制OFF和X軸伺服驅動異常。由于此故障出現后能通過重新啟動消除,但每執行到X軸快速移動時就報警。經查該伺服電機電源線插頭因電弧爬行而引起相間短路,經修整后此故障排除。

    2. 先機械后電氣

    由于數控機床是一種自動化程度高,技術復雜的先進機械加工設備。機械故障較易發現,而系統故障診斷難度要大一些。

    3. 先靜后動

    維修人員要做到先靜后動,不可盲目動手,應先詢問操作人員故障發生的過程及狀態,查看說明書、資料后方可動手查找故障原因,繼而排除故障,

    4. 先公用后專用

    公用性問題會影響到全局,而專用性問題只影響局部。

    5. 先簡單后復雜當出現多種故障相互交織掩蓋、一時無從下手時,應先解決容易的問題,后解決較大的問題。常常在解決簡單的故障的過程中,難度大的問題也可能變的容易,理清思路,將難度較大的變得容易一些。

    6. 先一般后特殊

    在排除某一故障時,要先考慮最常見的可能原因,然后再分析很少發生的特殊原因。

    二、 數控系統自診斷技術及故障排除方法

    所謂系統診斷技術,就是利用數控裝置中的計算機及相關運行診斷軟件進行各種測試。

    1. 自診斷技術

    1) 開機自診斷:數控系統通電后,設備內部診斷軟件會自動對系統中各種元件如CPU、RAM及各應用軟件進行逐一檢測并將檢測結果顯示出來,如檢測發現問題,系統會顯示報警信息或發出報警信號。開機自診斷通常會在開機一分鐘之內完成。

    有時開機診斷會將故障原因定位到電路板或模塊上,但也經常僅將故障原因定位在某一范圍內,這時維修人員需查找相關維修手冊根據提示找到真正故障原因并加以排除。

    2) 運行自診斷:運行自診斷也稱在線自診斷,是指數控系統正常工作時,運行內部診斷程序,對系統本身、PLC、位置伺服單元以及與數控裝置相連的其它外部裝置進行自動測試、檢查,并顯示有關信息,這種診斷一般會在系統工作時反復進行。

    3) 脫機診斷:當系統出現故障時,首先停機,然后使用隨機的專用診斷紙帶對系統進行脫機診斷。診斷時先要將紙帶上的程序讀入RAM系統中,計算機運行程序進行診斷,從而判定故障部位,這種診斷在早期的數控系統中應用較多。

    2. 人工診斷技術

    數控系統的故障種類很多,而自診斷往往不能對系統的所有部件進行測試,也不能將故障原因定位到具體確定的元器件上,這時要迅速查明原因就需要采用人工診斷方法。人工診斷方法有很多種,最常用的有:功能程序測試法、參數檢查法、備件置換法、直觀法、原理分析法等,現簡介如下: 1) 功能程序測試法:這種方法將數控系統中的G、M、S、T、功能的全部指令編成一個測試程序,穿成紙帶或存儲到軟盤上在進行診斷時運行這個程序,可快速判定哪個功能出現問題,這種方法一般在機床出現隨機性故障時使用,也可用于設備閑置時間較長重新投入使用時測試用。

    2) 參數檢查法:一般系統的參數是存放在RAM中的,一旦出現干擾或其它原因會造成參數丟失或混亂,從而使系統不能正常工作,這時應根據故障特征,檢查和核對有關參數,在排除某些故障時,有時還需對某些參數進行調整。

    3) 備件置換法:是將系統中型號完全相同的電路板、模塊、集成電路或其它零部件進行互相交換比較,或利用備用的元器件替換有疑點的部件,從而快速有效地確定故障部位。

    4) 直觀法:直觀法是利用維修中常用的“先外后內”的原則,利用觀察零部件的工作狀態、聽聲音、摸發熱等方法,進行逐個檢查,如利用視覺可觀察內部器件或外部連接的形狀上的變化;利用聽覺可查尋器件發出的異常聲音;利用嗅覺或觸覺可查尋過載、高溫等現象;等等。

    5) 原理分析法:當采用其它檢查方法難以奏效時,可以從電路基本原理出發,一步一步用萬用表、邏輯表、示波器等工具對測點進行檢查對照,最終查明故障原因。

    3. 高級診斷技術1) 在高級診斷中,常用的方法主要有以下幾種方法:

    2) 自修復診斷:自修復診斷一般是指在系統內設置不參與運行的備用模塊。自修復程序在控制系統每次開機運行,當發現某模塊有問題時,系統會把故障信息顯示在屏幕上,同時自動查尋備用模塊,故障模塊的工作即被備用模塊取代,維修人員可根據提示更換下一故障模塊。自修復診斷方法需要較多的備用模塊,這會使系統體積增大,價格提高。

    3) 診斷指導專家系統:近年來,隨著圖像識別、聲音識別、自動翻譯和智能工業機器人等技術的發展,這些技術越來越多地被應用到數控機床上。診斷專家系統以專家知識、經驗為基礎,自動模仿專家利用知識解決復雜問題的思維活動,這就使普通工作人員同樣能對故障做出具有專家級水平的診斷結論。

篇9

關鍵詞: 城市；航空攝影測量；發展趨勢

Abstract: The paper combine with author’s work experience, in-depth analysis of the future urban Aerophotogrammetry development trend introduced for reference.Key words: City; aerial photogrammetry; trends

中圖分類號：{P286+.4}文獻標識碼：A文章編號：2095-2104（2012）

回顧過去, 城市航測走過了艱難曲折的歷程, 我們為所取得斐然業績的今天而自豪, 隨著科學技術的快速發展, 城市航測經歷了從模擬測繪時代向數字測繪時代的跨越, 正積極朝向信息化測繪時代邁進。由于發展應用的拓展和延伸, 城市航測與RS ,GIS,GPS 集成技術更趨緊密,而成為地球空間信息技術的組成部分, 隨著計算機技術和互聯通信技術的發展, 地球空間信息技術的下一個發展目標是空間信息網格技術, 實現這一目標任重道遠, 城市航空攝影測量者將面臨著前所未有的機遇和挑戰。

自 20 世紀 80 年代初起,北京、上海、沈陽、武漢等十幾個城市陸續開展了航空攝影測量技術測制城市大比例尺地形圖的生產應用, 隨著生產發展的需要, 各城市測繪單位先后組建了航測機構開展航空攝影測量業務,自 CJJ8－85《城市測量規范》頒布實施后, 大比例尺航測成圖技術的應用在國內各城市測繪單位快速的得到推廣應用。上世紀 6 0 年代末攝影測量技術在國際上開始由“模擬到解析”的過渡, 我國城市測繪系統的航空攝影測量也在上世紀 80 年代初到 9 0 年代基本實現了這一過渡, 在城市建設和城市規劃管理及城市重大設施的設計與建設中起到了積極作用。自 1983 年 5 月在江蘇省鎮江召開了由國家城市勘測主管部門主持的“城市航空攝影測量經驗交流會”至今, 我國城市航空攝影測量的發展走過了不平凡的歷程,回顧城市航空攝影測量的發展進程, 展望未來城市航測的發展趨勢, 對謀劃、布局今后城市航測的發展, 探索其發展規律, 以新的思路和對策迎接新時代的挑戰具有重要的意義。

1．大比例尺航測成圖成為城市基本地形圖成圖的主要方式

城市大比例尺地形圖精度要求高, 長期以來主要通過平板儀、經緯儀配合小平板儀的作業方法來實現的。這種方法勞動強度大, 成圖周期長, 成本高, 因而難以適應城市建設發展與城市規劃、管理的需要。采用航測法實施大范圍的大比例尺的成圖需要一、二級精密立體測圖儀方能保證精度, 在上世紀 8 0 年代初這類儀器往往需要進口, 而且價格昂貴, 有的甚至需要申請國家外匯額度進行配置。而當時我國城市測繪經費的來源是在城市維護費和規劃業務費中安排一定數量的城市勘測基礎業務費用, 高昂的儀器購置費用一般城市難以解決, 大多數城市航測成圖設備僅有1818 立體坐標量測儀、國產 HJ － 24 或 Hi－ 3 糾正儀、PC － 1500 計算機、單投影儀等, 如何使這些設備在城市大比例尺航測成圖的生產中形成良好的效益是當時魚待解決的問題。從我國大多數城市處于地勢平坦(間有小丘陵) 的地理環境方面出發, 經過反復研究試驗, 航測綜合法成圖得到大家的認同和普遍的應用, 航測綜合法是攝影測量與平板儀測量相結合的一種方法,它可以使內、外業分工流水作業, 人力資源得到充分的應用。

城鄉建設環境保護部在杭州市就城市大比例尺航測成圖及其設備配套問題, 邀請部分省、市、自治區的有關專家和工程技術人員參加的技術論證會。參會人員從理論與實踐、質量與速度、經濟與效益等不同角度將城市大比例尺航測成圖法與常規平板儀、經緯儀配合小平板儀作業方法進行了比較一致認為: 城市大比例尺航測成圖是城市基本地形圖測繪的

主要手段。為了加快城市大比例尺地形圖的成圖和更新, 與會專家認為根據航測綜合法的基本原理而形成的“解析綜合法”、“數字解析法”、“樁點透刻法”等 3 種方法符合當時國情和城市測繪部門的現實條件, 是一種行之有效的方法。

2．大比例尺航測計算機輔助成圖技術的廣泛應用

航測機助成圖技術是城市航空攝影測量從模擬經解析向數字化方向發展的重要階段。2 0 世紀初奧地利維也納軍事地理研究所制成了“自動立體測圖儀”, 到上世紀60 至 7 0 年代, 這種類型的儀器發展到了頂峰。由于這些儀器均采用光學投影器、機械投影器或光學——機械投影器“模擬”攝影過程, 用它們交會被攝物體的空間位置, 所以稱其為“模擬攝影測量儀器”, 因而這一發展時期也被稱為“模擬攝影測量時代”。在模擬攝影測量的漫長發展階段中,攝影測量科技的發展可以說基本上圍繞著十分昂貴的精密立體測圖儀進行的, 所以我國城市測繪部門擁有立體測圖儀的數量是十分有限的。20 世紀 80 年代至 90 年代城市規劃、建設和土地管理及其各相關專業由于采用 CAD 技術而需要數字化地圖。由于模擬測圖儀測繪的地形圖都是線劃產品, 用于建立地理信息基礎庫時, 還需要將地形圖數字化, 增加了工作量。在這樣的背景下如果仍用精測儀單純生產線劃地形圖已不符合實際發展需要了, 所以在這個時期城市各測繪部門都對已有的模擬儀器進行技術改造, 增加計算機與接口設備, 用計算機輔助測圖, 提高測圖效率, 并使產品具有線劃與數字兩種形式, 可以直接進入地理信息庫而形成機助成圖系統, 成為當時城市航空攝影測量的主要技術手段。

3．數字攝影測量——城市航測的現代化

城市測繪部門隨著數字化測圖技術內、外業一體化的實現、基礎地理信息系統的建立, 數字攝影測量成為基礎地理信息獲取和快速更新的重要數據。數字攝影測量系統除了勝任解析測圖儀的一切功能外, 還具有諸如圖像識別、影像的比較分析、任意方式的糾正和數據庫管理等功能,以測繪常規地形圖為主的城市航測成圖將全面轉向以實現 GIS 數據庫的自動建立和更新。由于有了良好的經濟支撐, 當前國內一些大、中城市測繪部門在配置上述兩類型數字攝影測量系統的同時購置高精度影像掃描儀及圖形輸出設備, 從而形成了較為完善的城市大比例尺航測數字產品的生產規模和能力。

4．城市航空攝影測量的展望

利用高分辨率 CCD 相機所攝傾斜影像, 根據建筑物的幾何條件與約束條件, 按照透視變換原理直接獲取等主距的平行影像進而獲取建筑物立面影像的方法, 隨后依最少的地面控制, 將平行影像放大到給定比例尺的數字城市中, 這種方法可大大加快車載系統大比例尺建筑物立面影像的獲取過程, 不受建筑物高低的影響, 可用于機載、固定和人工作業多種測量模式, 解決了航空攝影測量的“盲區”, 將成為數字城市建設的核心技術之一。

近期國內外已將數碼航空攝影技術推向實用化階段, 在我國一些城市也已進行了數碼航空攝影的實踐, 該技術徹底拋開了常規航攝作業中對底片沖洗等十分繁冗的工作, 省去了膠片沖洗、影像掃描等專用設備及相應工序, 可將影像數據直接在計算機中進行后處理, 使航測作業從攝影、測量到最終成圖全過程的數字化, 隨著研究、實踐進程的不斷深化, 該技術會不斷成熟、完善,應引起城市航測界的高度關注。

當前商業化的高分辨率遙感影像諸如IKONOS, EROS, QuickBird 等已出現好幾年, 由于它們具有強大的幾何量測能力,已在中、小比例尺地形圖中得到充分應用。我國也自主研發了較高分辨率的遙感衛星, 并獲取了大量的對地觀測影像。未來還有發射更高分辨率衛星計劃, 所獲取的高分辨率衛星影像將擁有巨大的應用市場, 為此, 城市測繪部門應予以密切的關注, 使其完全依賴航空攝影生產地形圖的手段得到根本性的改變。

5．結語

數字航空攝影測量技術正在逐步取代傳統方法,在此重大革新的關口,筆者基于多年工作經驗,結合大量相關文獻,對城市航空攝影測量的發展趨勢進行了詳細的分析和探討,對未來的發展提出了一定的展望。

參考文獻：

篇10

論文關鍵詞：人類智能，人工智能，認知，心理學

 

人工智能技術無論是在過去，現在還是將來，都作為科學研究的熱點問題之一。人類對自己本身的秘密充滿好奇，隨著生物技術的飛速發展，人類不斷破譯人體的生命密碼。而以生物科學為基礎的人工智能技術也得到了長足的發展。人們希望通過某種技術或者某些途徑能夠創造出模擬人思維和行為的“替代品”，幫助人們從事某些領域的工作。為了讓計算機能夠從事一些只有人腦才能完成的工作，解脫人的繁重的腦力勞動，人類對自身的思維和智能不斷地研究探索。但是，科學技術是一柄雙刃劍，人們對人工智能技術的飛速發展存在著恐慌。如果機器真的具有了人類的智能，在未來的某一天，他們會不會取代人類而成為地球的主宰者？人類智能和人工智能，誰才是未來的傳奇？

1.你在和誰說話？

“先進的人工智能機器人不但擁有可以亂真的人類外表，而且還能像人類一樣感知自己的存在。”這是人工智能發展到高級階段的目標和任務。那么，我們在不久的未來能否實現這樣一個目標呢？人類真的能發明出足以亂真的智能人類嗎？隔著一堵墻，我們是否能分辨出正在與我們對話的是一部機器還是人類？

1.1. 人工智能的定義

人工智能(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是相對于人的智能而言的。正是由于意識是一種特殊的物質運動形式，所以根據控制論理論，運用功能模擬的方法心理學，制造電腦模擬人腦的部分功能，把人的部分智能活動機械化，叫人工智能。人工智能的本質是對人思維的信息過程的模擬，是人的智能的物化。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能發展的過程歸納為機器不斷取代人的過程。

1.2. 人工智能技術的發展

幾個世紀以來，人類依靠智慧，發明了許多機器，使人類能夠從許多體力勞動中解放出來。從1956年正式提出人工智能學科算起，40多年來取得長足的發展，成為一門廣泛的交叉和前沿科學?？茖W家發明了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是這些不能模仿人類大腦的功能畢業論文格式范文。當計算機出現后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數科學家為這個目標努力著。1997年5月，IBM公司研制的深藍（Deep Blue）計算機戰勝了國際象棋大師卡斯帕洛夫（Kasparov）。在一些地方計算機幫助人進行其它原來只屬于人類的工作，計算機以它的高速和準確為人類發揮著它的作用。計算機的出現，使得人工智能有了突破性的進展。計算機不僅能代替人腦的某些功能，而且在速度和準確性上大大超過人腦，它不僅能模擬人腦部分分析和綜合的功能，而且越來越顯示某種意識的特性。真正成了人腦的延伸和增強。

1.3. 人工智能的研究領域

人工智能是一種外向型的學科，也是一門多領域綜合學科。它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數學基礎，哲學和生物學基礎，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。而人工智能的最根本目的是模擬人類的思維，因此，它的研究領域與人類活動息息相關。什么地方只要有人在工作，他就可以運用到那個領域。

現階段主要研究領域有專家系統，機器學習，模式識別，自然語言理解，自動定理證明，自動程序設計心理學，機器人學，博弈，智能決定支持系統和人工神經網絡等等。

2.機器真的可以思考嗎？

機器真的可以思考嗎？機器的思考歸根結底還是模仿人類的思維模式，正是“思考”這一人類的本質屬性，使得人工智能和心理學從最初就緊密地聯系在一起。心理學研究人腦中信息的輸入、輸出、存儲和加工，并研究人腦各個部位的功能。最早的雙核計算機模仿人的左右腦，在人腦不同區域主管各個不同功能這一原理的基礎上，來設計負責不同功能的芯片。以此為出發點，心理學家和計算機學者進一步合作，通過研究人解決問題的方法來研究開發人工智能。隨著人工智能的發展，所要求實現的職能愈加復雜，但最基本的方式還是邏輯推理和歸納，這正是心理學家和邏輯學家的專業領域。心理學家以研究探討人類邏輯思維方式為人工智能提供了基本原理和原則。

2.1. 人類意識的本質

意識是世界的內在規定、一般規律和組成部分，是具有客觀實在性同世界的其它組成部分處在對立統一關系中的事物。意識普遍存于世界和萬物之中，世界是包含意識的世界，萬物是包含意識的萬物。沒有意識存在于其中的世界不是我們現實生活中的世界，沒有意識存在于其中的萬物也不是我們天天眼見手觸的萬物。有了意識的存在，世界和萬物就有了生機和活力。

2.1.1. 意識是與物質相對應的哲學范疇，與物質既相對立又相統一的精神現象。

意識是自然界長期發展的產物，由無機物的反應特性，到低等生物的刺激感應性，再到動物的感覺和心理這一生物進化過程是意識得以產生的自然條件。意識是社會的產物，人類社會的物質生產勞動在意識的產生過程中起決定的作用。辯證唯物主義在強調物質對意識起決定作用的前提下肯定意識對于物質具有能動的反作用，在意識活動中人們從感性經驗抽象出事物的本質、規律形成理性認識，又運用這些認識指導自己有計劃、有目的地改造客觀世界。

2.1.2. 從意識的起源看，意識是物質世界發展到一定階段的產物；從意識的本質來看，意識是客觀存在在人腦中的反映。

意識是人腦對客觀存在的反映：第一，正確的思想意識與錯誤的思想意識都是客觀存在在人腦中的反映；第二，無論是人的具體感覺還是人的抽象思維，都是人腦對客觀事物的反映；第三，無論是人們對現狀的感受與認識，還是人們對過去的思考與總結，以至人們對未來的預測，都是人腦對客觀事物的反映。 意識的能動作用首先表現在，意識不僅能夠正確反映事物的外部現象，而且能夠正確反映事物的本質和規律；意識的能動作用還突出表現在，意識能夠反作用于客觀事物，以正確的思想和理論為指導心理學，通過實踐促進客觀事物的發展。

2.2. 人類意識與人工智能的關系

認知心理學和人工智能，是認知科學的兩個組成部分。人工智能使用了心理學的理論，心理學又借用了人工智能的成果。人類意識與人工智能兩者具有以下關系：

l人工智能是研究用機器模擬和擴展人的智能的科學。它撇開了人腦的內在結構和意識的社會性，而只是把人腦作為一種信息處理的過程，包括信息的接收、記憶、分析、控制和輸出五部分?，F代科學技術用相應的部件來完成著五個過程，就構成了人工智能或電腦。

l人工智能可以代替人的某些腦力勞動，甚至可以超過人的部分思維能力，隨著現代科學技術的發展，它發揮著越來越重要的作用。人工智能的出現不僅解放了人的智力，而且為研究人腦的意識活動提供了新的方法和途徑。它說明了人的意識活動不管多么復雜，都是以客觀物質過程為基礎的，而不是什么神秘的超物質的東西，人們完全可以用自然科學的精確方法來加以研究和模擬，它進一步證實了辯證唯物主義意識論的科學性畢業論文格式范文。

l人工智能的產生和發展，深化了我們對意識相對獨立性和能動性的認識。機器思維即人工智能表明，思維形式在思維活動中對于思維內容具有相對獨立性，它可從人腦中分化出來，物化為機械的、物理的運動形式，部分地代替人的思維活動。

隨著科學技術的發展，人工智能將向更高水平發展，反過來推動科學技術、生產力和人類智慧向更高水平發展，對人類社會進步將起著巨大的推動作用。

3. 人工智能的未來

人工智能是為了模擬人類大腦的活動而產生的科學，人類已經可以用許多新技術新材料模擬人體的許多功能，諸如皮膚，毛發，骨骼等等，也就是說，人類可以創造出“類人體”。只要能夠模擬人的大腦的功能，人就可以完成人工生命的研究工作，人創造自己，這不但在科學上，而且在哲學上都具有劃時代的意義。這就是人工智能承擔的歷史使命。

在科學技術日新月異的今天，知識爆炸，科技的增長超出了人類承受的速度。各種新科技的出現層出不窮，隨之而來的成果簡直讓人瞠目結舌，克隆、基因芯片、轉基因等等，人類自身的秘密開始一層一層的揭開。我們人腦的復雜結構，人體的基因鏈也逐漸被科學技術解剖。我們希望將來的人工智能機器能將我們從繁重的體力勞動和腦力勞動中解放出來心理學，例如機器人做家務，帶孩子，做司機，秘書等等一系列我們不愿意花太多精力或者有太多限制條件的工作。然而，人類由于多種“性能”都不如機器人，反而退化成為機器人的奴隸？他們會不會有一天無法忍受人類對他們的“剝削”和“壓迫”，挑戰人類的統治？很多的科幻作品和電影中都預言了這樣的場景，未來的智能機器人和人類爭奪有限的地球資源，并最終打敗人類，成為新的地球統治者。這也正是絕大多數心理學家和哲學家對人工智能的發展憂心忡忡的原因。

人工智能的發展，也只能無限接近于人的智能，而不能超越人的智能。因為人工智能技術的本質，是模擬人類的思維過程，是為人類服務的。我們在進行發明創造的同時，擔心被我們所發明的物質所毀滅。正如人類發明了原子能，用于取代正在逐漸消逝的礦物能源，然而當原子能用于軍事領域的時候，他產生的力量也足以毀滅人類文明?？萍急旧聿⒉皇菃栴}，人類如何運用自己掌握的技術，才是問題的關鍵。我們最大的敵人不是我們發明的技術，而是我們自己本身。

【參考文獻】

1.李建國人工智能與認知心理學[J]. 西南師范大學學報 1986年4月第二期 142-146頁

2.鄭南寧認知過程的信息處理和新型人工智能系統[J]. 中國基礎科學.科學前沿2008年 9-18頁

3.蔡自興，徐光祐人工智能及其應用(第三版)[M].北京.清華大學出版社 2004年

4.（美）Sternberg,R.J.認知心理學[M] .北京.中國輕工業出版社 2006年

5.（美）Nils J.Nilsson 人工智能[M].北京. 機械工業出版社 2004年