一种新的模拟渗流运动的数值方法

一种新的模拟渗流运动的数值方法（共8篇）

一种新的模拟渗流运动的数值方法 篇1

求解桥联积分方程的一种新的数值方法

纤维增强复合材料断裂力学中的桥联问题常常可归结为一个二重积分方程.常见的求解方法有矩阵迭代法和积分迭代法.但这两种方法都较复杂.本文首先将该二重积分方程化成其等效的单积分方程形式,然后利用一种新的.插值方法,对此积分方程进行求解.数值计算结果表明,该方法效果令人满意.

作 者：何力军 吕国志 作者单位：西北工业大学,飞机系,陕西,西安,710072刊 名：西北工业大学学报 ISTIC EI PKU英文刊名：JOURNAL OF NORTHWESTERN POLYTECHNICAL UNIVERSITY年，卷(期)：20(2)分类号：O241.8关键词：桥联积分方程 插值 复合材料断裂力学

一种新的模拟渗流运动的数值方法 篇2

关键词：像机自运动补偿,Gabor函数,尺度空间,RANSAC算法

1 引言

运动目标检测是计算机视觉、图像理解、精确制导、目标跟踪等领域非常重要的研究内容。而变化背景下(即像机也存在相对运动)运动目标检测又是该领域的研究热点和难点之一。近些年,国内外学者针对这一难点问题提出了许多具有实际意义的算法,按其原理大体可以分为两类:基于特征的方法和基于梯度的方法。Hartley和Zisserman对基于特征的方法进行了论述[1]。光流法及其改进算法[2,3]是基于梯度的方法中最为经典的算法之一。该类方法首先确定序列图像中每个像素的速度矢量,然后进行运动分层获得各个运动区域,从而检测出运动目标。

本文主要针对变化背景下运动目标检测问题,提出了一种基于特征的像机运动自动补偿方法。新方法首先利用Lindeberg的尺度空间理论[4]对序列图像提取候选兴趣点,然后对每个兴趣点根据其最优尺度参数和特征方向建立多维Gabor特征描述,接着利用交叉匹配算法确定初始匹配关系,最后利用RANSAC算法[5]计算出图像对之间的最优变换关系。利用得到的变换关系将其中一幅图像进行变换,然后进行简单差运算检测出运动目标。新算法具有一定的尺度和方向自适应能力。实验表明,新算法可以较为有效地检测出变化背景中的运动目标。

2 基本理论介绍

2.1 尺度空间理论

Witkin于1983年提出了图像的尺度空间的定义,即图像在不同分辨率上的表示,其产生方法为用不同尺度的高斯函数和图像进行卷积[6]:

其中:I(x)为图像,x=(x,y)为图像坐标,G(x,σ)为高斯算子,σ为尺度参数,L(x,σ)为对应于σ高斯尺度图像。随后,Lindeberg提出了尺度不变性理论,并提出了由σ2正则化的高斯函数的拉普拉斯梯度具有尺度不变性检测能力,而且认为图像局部结构的特征尺度σc(即最佳描述结构大小)为不同尺度的正则化LOG(Laplacian of Gaussian)算子响应的极大值所对应的尺度。例如给定图像上一点,图1(a)中白色十字表示选择的目标点,白色圆圈表示以特征尺度为半径、白色小点为中心的圆。图1(b)为该点的不同尺度参数正则化LOG算子的响应曲线,特征尺度σc为响应曲线局部极大值所对应的尺度。从图可以看出,特征尺度较好地描述了目标区域的大小。

由σ2正则化的LOG算子表示为

由于正则化LOG算子运算量较大,Lindeberg于1994年提出,DOG算子(Difference of Gaussian)可以作为正则化LOG算子的近似表示[7],即

其中:k一般取为,式(3)中的比例因子k-1在尺度空间构造时是一个常数,该因子并不影响特征尺度的大小。图像上任意一点不同参数|DOG|算子响应曲线类似于图1(b)。

2.2 Gabor函数

Marcelja[8]和Daugman[9]最早将高等动物视觉皮层简单细胞的接受场和Gabor函数联系在一起。大量基于简单细胞接受场的试验表明,图像在视觉皮层的表示存在空域和频域分量,并且可以将一副图像分解为局部对称和反对称的基函数表示,Gabor函数正是这种基信号的良好近似。

二维Gabor函数是椭圆高斯函数与复平面波的乘积,具体定义如下:

式中:σx、σy为椭圆高斯函数的标准差,ω0为复平面波的空间频率。Gabor函数可以分解为奇函数和偶函数两部分。分别利用特定参数的Gabor奇函数和偶函数作为母小波,通过尺度、平移、旋转参数的变化可以将它扩展为一组小波函数:

其中:(cx,cy,θ,sx,sy)T为小波参数向量;cx,cy为平移参数;θ为旋转参数;sx,sy为尺度参数。图2为Gabor奇函数和偶函数模板,上一行为奇函数模板,下一行为偶函数模板,其中从左到右θ从0°开始间隔22.5°增加到157.5°,ω0为5.0,sx=sy=18.0。

3 基于Gabor特征的图像配准方法

3.1 计算图像上每一点的特征尺度

用不同尺度参数的高斯函数与原始图像进行卷积,获得该图像的不同尺度参数下的表示,其中高斯函数的尺度参数选取方法为σn=knσn-1。将相邻的两个尺度表示相减后取绝对值,得到一系列|DOG|算子表示。计算图像上每一点的特征尺度,其中特征尺度应同时满足以下条件:

其中|DOG(x,σn)|表示x处尺度参数为σn的响应值,th为预先指定的响应阈值。

3.2 自动提取兴趣点

如果对图像上每一点都建立特征描述,再对左右视图进行特征匹配,计算量会非常巨大,而且匹配结果通常都不理想,其主要原因是图像中存在很多非稳定点,如平坦的平面或直线边缘上中一些点,对这些点建立的特征描述会非常相似,容易造成匹配不准确。对于图像上一点,如果其特征尺度太小,该点对应的描述区域相应会很小,对该点建立的特征描述可能因包含的信息比较少而不具备较好的可区分性;相反,如果其特征尺度太大,虽然包含的信息较多,但是计算量也相应的增加了很多。根据以上的分析,应排除一部分不合适做匹配的干扰点。因此,对图像上每一点进行如下处理:

第一步,根据式(8)对特征尺度大小不适合点进行剔除,其中th1和th2为预先选取的阈值,通常th1取为35,th2取为10;

第二步,对经过第一步排除后剩下的点进一步排除。图像上一点x,σc为该点的特征尺度,xj为该点的5×5邻域内的点。如果在x点特征尺度下,该点的|DOG(x,σc)|响应为其5×5邻域中|DOG(x,σc)|响应的极大值,且|DOG(x,σc)|大于预先指定的阈值th3(通常取0.085)即满足式(9),则保留;否则排除。

第三步,剔除非稳定点。Harris等人于1988年指出,图像点的Hessian矩阵的特征值正比于图像点的主曲率[10]。假设λ1和λ2为H矩阵的两个特征,其中λ1为特征值中较大的一个。如果λ1和λ2都非常小,说明该点为平坦平面上的一点;如果λ1非常大但是λ2非常小,说明该点为边缘上的一点。根据以上原理,可以排除平面和直线边缘上点。具体做法为:假设x点对经过前两步排除后剩下的候选点,σc为该点的特征尺度,L(x,σc)为对应于特征尺度参数σc的高斯尺度图像。对该点计算2×2的H矩阵,即

如果该点满足式(11)则保留;否则剔除。

其中:阈值th4一般取为1.2,th5取为12。

3.3 确定兴趣点的特征方向

假设x为提取的兴趣点,σc为该点的特征尺度,L(x,σc)为对应于特征尺度参数σc的高斯尺度图像。将360°间隔10°划分为36个栅格。在L(x,σc)上以σc为半径,x为中心选取一个圆形区域,按式(13)计算出圆形区域中每点的角度,然后按公式(12)统计角度栅格直方图,其中圆形区域中包含的像素点总数为N。函数b将角度θi映射到某一个栅格中θi除以360在取整。δ函数为迪拉克函数。

找寻角度栅格直方图的最大峰值,其所对应的角度作为主方向θz。若该直方图中还存在一些峰值,且这些峰值大于最大峰值的80%,将其所对应的角度作为辅方向θf。假设对于某个兴趣点有一个主方向和v个辅方向,那么其特征方向θc定义为

3.4 建立特征描述

分别获得左右图像的兴趣点后,需要对两幅图像上每个兴趣点建立特征描述,才能进行匹配。传统的特征描述是以兴趣点为中心选取一定区域,通过计算该区域内的颜色(或灰度)直方图、梯度直方图等来建立特征描述。本文选取Gabor奇函数和偶函数对兴趣点建立特征描述。对于两幅图像上一对同名的兴趣点,其特征尺度、特征方向等特征信息会因图像的缩放、旋转等变化而存在一定的差异。当图像存在较大的缩放变化时,如果对兴趣点对在两幅图像上用同一范围大小邻域内的像素建立特征描述,则会严重影响图像匹配的准确性,甚至会造成匹配失败。同样,当图像存在一定程度的旋转变化时,如果用固定方向建立特征描述,也会引起同样的问题。本文基于Lindeberg的特征尺度选择理论,提出了一种尺度方向自适应特征描述建立方法,具体做法如下:假设图像上某一兴趣点坐标为x=(x,y),σc为该点的特征尺度,θc为特征方向,L(x,σc)为对应于特征尺度δc的高斯尺度图像。在高斯尺度图像L(x,σc)上以该兴趣点为中心以特征尺度σc为半径选取一个圆形区域,建立16维Gabor特征描述,其中包括8维奇函数描述和8维偶函数描述。其中取sx=sy=σc,而θ是以θc为起始角度间隔45°递增,即θ=θc+n×45°(其中n=1∼7),ω0=0.283δc。

3.5 左右视图交叉匹配

获得左右两幅图像兴趣点并建立特征描述后,需要对其进行特征匹配,从而确定它们之间对应关系。判断两个特征描述是否相似,通过比较它们之间的欧氏距离来实现。设f(x1,…,x16)与f(y1,…,y16)分别为两幅图像待匹配的兴趣点p和q的特征描述矢量,其欧氏距离d(x,y)表示为

欧氏距离越小,说明两个兴趣点越匹配。如果两幅图像间两点p和q互为最匹配点,则认为该匹配点对为可靠匹配。对两幅图像所有兴趣点做以上判断,找出所有可靠匹配点对。

3.6 图像之间变换模型

设p和q为同一平面或近似平面场景不同视点拍摄的两幅图像中的对应两点,(xp,yp,1),(xq,yq,1)分别为p和q两点的齐次坐标,则它们之间的变换关系可以采用8参数投影变换模型进行描述,即

其中:M称为投影变换矩阵。根据式(16),图像间的每一对匹配点可以得到两个关于投影变换参数{m1,m2,…,m8}的方程,如果可以得到四对以上的正确匹配点对,就可求解出投影变换参数。

3.7 模型参数的鲁棒估计

兴趣点经过初始匹配后,通常由于噪声等因素的影响,会存在少量误匹配点对。直接用初始匹配结果估计模型参数,一般会得到错误的结果,所以需要采用一种鲁棒的参数估计方法计算图像间的投影模型参数。本文采用RANSAC进行投影变换参数估计,该方法对错误数据有良好的鲁棒性,其基本思想是:首先根据实际问题设计目标函数,然后通过反复提取最小点集估计出该函数中的参数初始值,利用这些初始参数值把所有的数据分为正确匹配点和错误匹配点,最后反过来用所有正确匹配点重新计算和估计模型的参数。RANSAC算法和传统优化方法的区别在于:传统方法首先把所有的数据点作为内点而计算出模型参数,然后再计算内点和外点;RANSAC算法最开始是利用部分数据作为内点得到初始值,然后寻找数据集合中所有其他内点。

这里,以实际匹配点与其估计的匹配点之间的几何距离作为判据。设p和q为同一场景不同视点拍摄的两幅图像中的实际匹配两点,点p′和q′为通过得到的变换模型估计在各自对应图像中估计出的对应点,在实际匹配点和估计匹配点之间的距离定义为

如果d(p,p′)和d(q,q′)均小于给定的阈值,则认为p和q为正确匹配点,否则为错误匹配点。

4 实验结果

为了验证算法有效性,实验中将本文提出方法与直接相减以及LOWE的SIFT匹配算法[11]进行了对比。

4.1 无人机平台像机运动消除及运动目标检测实验

图3(a1)和(b1)是无人机平台上像机对地面拍摄的序列图像中的第1帧和第15帧,图中有五个和像机存在相对运动的汽车。图3(a2)和(b2)分别为图3(a1)和(b1)的兴趣点自动提取结果,其中箭头方向表示该点的特征方向,箭头长度表示特征尺度大小。图3(a3)和图3(b3)为两帧图像兴趣点匹配结果。图3(c1)为图3(a1)和图3(b1)直接相减的结果,可以看出结果中除了目标以外,还包含较多背景杂波,这主要是由于无人机自身在不停地运动。图3(c2)为经LOWE算法配准后再做差运算的结果,可以看出在图像左下角附近存在虚假目标。图3(c3)为本文方法配准后再做差运算的结果,将所有运动目标检测出来,检测结果较为理想。

4.2 行人检测实验

图4中为行人检测对比结果,其中图4(a)、图4(b)分布为序列图像中第一帧与第十五帧,其中只有行人与像机存在相对运动。图4(c)为两帧图像直接相减的结果,可以看出结果中除了目标以外,还包含较多背景杂波。图4(d)为LOWE算法配准后再做差运算的结果,可以看出在图像右下角存在汽车虚假边缘。图4(e)为本文方法配准后再做差运算的结果,检测结果较为理想。

4.3 高山背景下飞机目标检测实验

图5为高山背景下飞机目标检测对比结果,其中图5(a)、图5(b)分布为序列图像中第一帧与第十五帧,其中只有一架飞机与像机存在相对运动。图5(c)为两帧图像直接相减的结果,可以看出结果中除了目标以外,还包含较多背景杂波。图5(d)为LOWE算法配准后再做差运算的结果,可以看出虽然检测除了飞机目标,但仍存在较多背景杂波。图5(e)为本文方法配准后再做差运算的结果,可以看出检测结果较为理想。

5 结论

本文针对像机自身运动消除问题,提出了一种全自动新方法。算法首先对图像自动提取有利于匹配的兴趣点,然后对每个兴趣点建立基于Gabor函数的特征描述,接着利用交叉匹配建立兴趣点之间的初始匹配关系,最后通过RANSAC算法鲁棒地估计出变换模型参数。实验结果表明,新算法可以有效地自动地消除像机自身运动,检测出和像机存在相对运动的目标。

参考文献

[1]Hartley R,Zisserman A.Multiple view geometry in computer vision[M].New York,USA:Cambridge University Press,2000.

[2]Horn,Schunck.Determining optical flow[J].Artificial Intelligence,1981,17(1/3):185-204.

[3]Nagel H.On the estimation of optical flow:Relations between different approaches and some new results[J].Artificial Intelligence,1987,33(3):299-324.

[4]Tony Lindeberg.Scale-space for discrete signals[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1990,12(3):234-254.

[5]Fischler M,Bolles R.Random Sample Consensus:a paradigm for model fitting with application to image analysis and automated cartography[J].Communications of the ACM,1981,24(6):381-395.

[6]Witkin A.Scale-space filtering[C]//International Joint Conference On Artificial Intelligence.Karlsruhe,West Germany:Morgan Kanfmann Publishers,1983:1019-1023.

[7]Tony Lindeberg.Junction detection with automatic selection of detection scales and localization scales[C]//Proceedings of IEEE International Conference on Image Processing.Austin,Texas:ICIP,1994:924-928.

[8]Marcelja S.Mathematical description of simple cortical cells[J].J.Opt.Soc.Am A,1980,70(11):1297-1300.

[9]Daugman J.Uncertainty relation for relation for resolution in space,spatial frequency and orientation Optimized by two-dimensional visual cortical filters[J].J.Opt.Soc.Am A,1985,2(7):1160-1168.

[10]Chris Harris,Mike Stephens.A Combined corner and edge detector[C]//Proc4th Alvey Vision Conference.Manchester UK:The University of Sheffield Printing Unit,1988:147-151.

一种新的换热网络改造方法探析 篇3

关键词：换热网络； 改造； 拓扑结构； 节能潜力

中图分类号： TK 124 文献标志码： A

换热网络作为过程工业能量管理和集成的重要手段，广泛应用于石油化工、能源动力、低温工程等领域[1].随着对能源合理、经济有效利用要求的不断提高，换热网络的综合优化引起了人们的高度重视.换热网络改造属于换热网络综合优化的重要分支，是石油化工等高耗能行业提高能量综合利用效率和节能的重要手段.但由于换热网络改造通常需要考虑原有的换热网络结构和设备，使得换热网络改造数学模型包括大量的约束条件，且目标函数复杂，求解难度很大，并且改造结果涉及到大量换热设备的更新和原换热网络拓扑结构的变化，并不适用于一般的节能改造要求.

通常节能改造是指由于市场需求、原料供应和生产方案等因素的影响，换热网络的边界条件发生变化，使原工艺条件下设计的网络变得不合理，所以适时调整网络，使其高效运行，是过程工业特别是石油化工常见的技改任务[2].改造设计过程中，为了节省投资和缩短工期，应尽可能保持原换热网络结构，最大限度地利用原有的换热器和管道.另外，由于装置平面的限制，应尽可能地减少新增换热器的位置[3].因此，换热网络改造设计必须满足的条件有[4]：① 与现有工艺流程相结合，在现有工艺流程基础上优化和完善；② 符合装置现有平面布置情况以及现场的安装施工条件；③ 装置的改造施工周期非常短，因此控制施工工作量也成为装置改造的重要制约因素；④ 节省改造投资.

本文在分析原有换热网络结构的基础上，提出了一种新的换热网络改造方法.该方法通过充分利用原有换热网络的拓扑结构和原有换热器面积，实现对原有换热网络节能改造，可满足一般的换热网络改造的要求.实例分析表明，该换热网络改造方法具有操作简单、节能潜力大和投资回收期短的优点.

1 换热网络综合优化数学建模

本文中换热器网络（heat exchanger networks，HENs）综合优化模型建立在Yee等[5]的分级超结构基础上.整个HENs分为Ns 级（Ns=（k|k=1，2，…，Ns）），Ns取Nh 和 Nc的最大值，即Ns=max{Nh，Nc}，其中Nh和Nc分别代表换热器网络的热、冷流股数，Nh=（i|i=1，2，…，Nh），Nc=（j|j=1，2，…，Nc）.每一级换热器网络，冷、热流股都通过流股分流的方式实现相互匹配，匹配最大数为Nh×Nc.加热器和冷却器分别位于冷、热流股的末端.

1.1 约束条件

（1） 流股热平衡

（THin，i-THout，i）fhi=∑k∑jqijk+qCU，i

（i∈Nh，j∈Nc，k∈Ns）

（TCout，j-TCin，j）fcj=∑k∑iqijk+qHU，j

（i∈Nh，j∈Nc，k∈Ns）

式中：qCU，i、qHU，j 分别表示热流股i和冷流股j所需的冷、热公用工程负荷；THin，i、TCin，j分别为热流股i和冷流股j的进口温度；THout，i、TCout，j分别为热流股i和冷流股j的目标温度；fhi、fcj分别为热流股i和冷流股j的总热容流率；qijk表示换热器交换热负荷.

（2） 换热器热平衡

（thi，k-thijk）fhijk=（tcijk-tcj，k+1）fcijk=qijk

式中：thijk、tcijk分别为热流股i和冷流股j在第k级换热网络换热后的相应的换热器出口温度；fhijk、fcijk分别为热流股和冷流股热容流率；thi，k为热流股i在第k级换热网络换热器换热前的进口温度；tcj，k+1为冷流股j在第（k+1）级换热网络换热混合后出口温度.

（3） 第k级换热网络流股分流

∑Ncj=1fhijk=fhi，

∑Nhi=1fcijk=fcj

（4） 第k级换热网络每一流股热能平衡

∑Ncj=1thijk·fhijk=thi，k+1·fhi

∑Nhi = 1tcijk·fcijk=tcj，k·fcj

（5） 每一流股的进口温度

THin，i=thi，0， TCin，j=tcj，Ns

（6） 可行温度约束

thi，k≥thijk，tcj，k+1≤tcijk，

THout，i≤thi，Ns，TCout，j≥tcj，0

式中，tcj，0为冷流股j在第1级出口温度.

（7） 冷、热公用工程负荷

（thi，Ns-THout，i）fhi=qCU，i

（TCout，j-tcj，0）fcj=qHU，j

式中，thi，Ns为热流股i在第Ns级出口温度.

（8） 换热最小温差约束

换热器

thi，k-tcijk≥dtmin，thijk-tcj，k+1≥dtmin

热公用工程

thu，j，in-TCout，j≥dtmin，

thu，j，out-tcj，0≥dtmin

冷公用工程

thi，Ns-tcu，i，out≥dtmin，

THout，i-tcu，i，in≥dtmin

式中：thu，j，in和thu，j，out分别为热公用工程的进、出口温度；tcu，i，in、tcu，i，out分别为冷公用工程进、出口温度；dtmin为允许传热的最小温差.

（9） 其它约束

换热器面积和热容流率均为连续变量且非负.yijk、yCU，i、yHU，j等取0、1值分别表示是否需要换热器、加热器和冷却器.

yijk=

1，Aijk>0

0，Aijk≤0

yCU，i=

1，th″i-tout，i>0

0，th″i-tout，i≤0

yHU，j=

1，tcout，j-tc″j>0

0，tcout，j-tc″j≤0

式中：Aijk为热流股i和冷流股j在第k级换热网络匹配换热器所需换热面积；th″i、thout，i分别为热流股i换热后温度和目标温度；tc″j、tcout，j分别为冷流股j换热后温度和目标温度.

冷却器面积ACU，i、加热器面积AHU，j分别为

ACU，i=

fhi（th″i-thout，i）UCU，iΔtm，CU，i，th″i-tout，i>0

0，th″i-tout，i≤0

AHU，j=

fcj（tcout，j-tc″j）UHU，jΔtm，HU，j，tcout，j-tc″>0

0，tcout，j-tc″≤0

式中：UCU，i、UHU，j分别为总换热系数，假定为常量；Δtm，CU，i、Δtm，HU，j分别表示热冷流股与冷热工程传热对数平均温差.

为了求得换热面积Aijk、热容流率fhijk和fcijk，求解出口温度矩阵T″=[t″1，t″2，…，t″Nh，t″Nh+1，t″Nh+2，…，t″Nh+Nc]T可应用Chen等[6]提出的换热器网络温度迭代方法.此处，t″1，t″2，…，t″Nh分别为Nh个热流股的出口温度；t″Nh+1，t″Nh+2，…，t″Nh+Nc分别为Nc个冷流股的出口温度.

约束条件（3）校正为

fhijk=fhik∑Ncj=1fh*ijk，

fcijk=fcjk∑Nhi=1fc*ijk

式中，上标“*”表示该参数需要校正.

引入0-1变量mijk表示是否购置新换热设备.

mijk=

1，Aijk≠Aeijk

0，Aijk=Aeijk

式中，Aijk、Aeijk分别为在节点ijk处需要的换热器换热面积和原有的换热器面积.

zijk也是0-1变量，表示流股是否分流.

zijk=

1，（fhijk

0，（fhijk=fhi）∪（fcijk=fcj）

1.2 目标函数

为了获得满足最优结构匹配和最少公用工程消耗的目标换热器网络，全新优化的目标函数被设计成包含冷、热公用工程费用，加热器、冷却器和换热器费用.改造优化的目标函数设计为包含冷、热公用工程费用，加热器、冷却器和新增换热器费用以及布管费用.两类设计的换热器费用CE计算式为

CE=Cf+C·AB

式中：Cf为换热器的固定费用；等式右边第二项为换热器面积费用，C、A、B分别为换热器面积费用系数、换热器面积和面积费用指数.

换热网络改造优化目标函数为

min∑i∑j∑k（Cf+CABijk ）yijk mijk +

∑i（Cf+CABCU，i ）yCU，i +

∑j（Cf+CABHU，j ）yHU，j +

∑iCCUqCU，iyCU，i+∑jCHUqHU，jyHU，j +

∑i∑j∑k（Cpzijk）

式中：CCU、CHU分别为单位冷、热公用工程费用；Cp为重新布置一条单管的费用.

2 算法研究

由于换热网络改造数学模型属于混合整数非线性规划问题（MINLP），存在非凸、多极值点和非连续的特点，经典的梯度优化方法极易“陷入”局部最优解.因此，本文采用Luo等[7]的研究，应用混合遗传算法优化求解.为了实现对已有换热网络结构和换热器面积的充分利用，减少改造费用，对原有的混合遗传算法进行了改进.具体操作步骤为：

（1） 对原有的换热网络进行结构分析，确定

冷、热流股数、原有网络的换热器面积及匹配.

（2） 根据分级超结构理论，确定换热网络的分级.换热网络中冷、热流股数中较大者即为换热网络分级数.

（3） 原有换热器在换热网络中的位置通过ijk表示，ijk=（k-1）NhNc+（i-1）Nc+j.文中ijk能够代表在第k级换热网络热流股i和冷流股j的匹配.

（4） 引入新个体Aijk，并与原有换热器Aeijk进行比较.当算法寻找新个体Aijk等于Aeijk，购置新换热器的费用置为零，即mijk=0；否则，mijk=1.

（5） 判断流股是否存在分流.

（6） 费用计算.若满足要求则输出结果，否则重复步骤（4）～（6）.

具体改造程序流程图如图1所示.

3 实例研究与分析

本文实例取自文献[8]，原油精馏单元原有换热网络包括7股热流和3股冷流及1组冷、热公用工程.冷、热流股的进、出口温度，换热系数和热容流率以及冷、热公用工程单位费用如表1所示.换热网络优化改造相关费用函数如表2所示，其中：A为新增换热器面积；X为原有换热器面积.

原有的换热网络结构如图2所示，包括6组冷、热流股匹配单元.换热器、加热器、冷却器投资总费用为2.86×106美元；冷、热公用工程的需求分别为1.0×105 kW 蒸汽和6.6×104 kW冷却水；公用工程费用约为6.33×106美元·a-1.

图3为换热网络改造优化设计方案.经过改造的换热网络与原有换热网络相比，原有换热网络中的6组换热器，包括H7C2、H6C2、H5C2、H4C2、H2C3、H3C3的结构及匹配均未发生改变，加热器HUC1和冷却器H1CU、H4CU、H7CU匹配也未发生变化，但热负荷发生了变化.其中，仅冷却器H4CU的换热面积需增加到360.20 m2，即新增面积费用6 120美元.而被改造的换热网络（图3）与原有网络结构（图2）相比增加了5组换热单元，分别位于分级超结构第1级的H6C1和H6C2，

第2级的H6C2，第3级的H5C2和第6级的H7C2

属于被改造换热网络新增换热单元.新增换热器和重新布管费用约2.45×105美元.即总改造费用为2.51×105美元.而经过改造的换热网络所需的冷、热公用工程分别为9.29×104 kW蒸汽和5.89×104 kW冷却水，公用工程费用约为5.87×106美元·a-1，较原有换热网络节省用能约4.6×105美元·a-1.投资总费用较原有换热网络节省91.22%，投资回收期约为0.546 a.

4 结 论

通过充分利用已有的换热网络拓扑结构和换热器面积，能够较简单地实现对原有换热网络的节能改造.同时，经过改造的换热网络表现出较大的节能潜力，且投资回收期短.适用于一般的高耗能企业的节能升级改造.

参考文献：

[1] 许海珠，崔国民，万义群，等.换热网络全局优化的多维峰谷轮换法[J].能源研究与信息，2014，30（1）：43-47.

[2] 李宏波.常减压装置换热网络改造探析[J].石油化工设计，2011，28（3）：35-37.

[3] 颜如焱，李国庆，李亚军，等.基于最小工程量和压力降考虑的换热网络改造[J].炼油技术与工程，2005，35（2）：53-56.

[4] 胡宇湘.系统优化方法在常减压装置及其换热网络改造中的应用[J].上海化工，2002（17）：14-16.

[5] YEE T F，GROSSMANN I E.Simultaneous optimization models for heat integrationII.heat exchanger network synthesis[J].Computers & Chemical Engineering，1990，14（10）：1165-1184.

[6] CHEN D Z，YANG S S，LUO X.An explicit solution for thermal calculation and synthesis of superstructure heat exchanger networks[J].Chinese Journal of Chemical Engineering，2007，15（2）：296-301.

[7] LUO X，WEN Q Y，FIEG G.A hybrid genetic algorithm for synthesis of heat exchanger networks[J].Computers & Chemical Engineering，2009，33（6）：1169-1181.

[8] AHMAD S，PETELA E.Supertarget：applications software for oil refinery retrofit[C].Houston，Texas：AIChE Annual Meeting，1987.

一种新的模拟渗流运动的数值方法 篇4

高超声速飞行器复杂流场过渡区DSMC数值模拟的一种新方案

采用DSMC方法,研究了高超声速三维复杂外形飞行器在过渡领域飞行的气动力、热特性.提出了一种对飞行器物面网格与DSMC计算域网格分别标识,进行高超声速复杂流场过渡区DSMC数值模拟的一种新方案,通过判断模拟分子与表面碰撞来完成飞行器物面网格与DSMC计算域网格间的`信息传递和信息存贮,对于复杂外形飞行器的精确描述的物面网格不需做进一步处理,直接应用于不依赖于飞行器外形的DSMC计算的通用子程序中.对物面网格的标识、分子的运动及与表面碰撞的判断、流场量的采集的实施方法和细节进行了分析和讨论.仿真计算了三维复杂飞行器流场压力、热流分布量,飞行器表面气动力、气动力矩和气动热参数,证明了采用的方案和技术的有效性.

作 者：朱荣丽 曹义华 李栋 陈科 ZHU Rong-li CAO Yi-hua LI Dong CHEN Ke  作者单位：北京航空航天大学航空科学与工程学院,北京,100083 刊 名：宇航学报  ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS 年，卷(期)： 27(2) 分类号：V211.3 关键词：DSMC数值模拟   三维流场   网格标识   分子碰撞  

一种新的图像加密算法研究 篇5

吴新华(南通纺织职业技术学院现教中心 江苏南通226007)

联系作者e-mail: firstflycat@163.com 摘 要: 利用混沌序列的特性，本文提出了一种新的混沌彩色图像加密算法。首先对Logistic和Cubic-Henon复合混沌映射进行处理，生成混沌序列，再结合像素值替代和图像位置置乱方法对彩色图像进行加密，然后进行实验仿真和性能分析，结果表明该算法具有一定的有效性和良好的加密性能。关键词: 混沌序列；彩色图像加密；密钥

中图法分类号: TP309.7 TP391

文献标识码: A

Study on a New Image Encryption Algorithm

WU Xin-Hua(Modern Education Technology Center, Nantong Textile Vocational Technology College, Nantong

Jiangsu, 226007, China)Abstract: A new color image encryption algorithm is presented with the properties of chaotic sequences.At first, the chaotic sequences are generated by dealing with Logistic and Cubic-Henon compound chaotic system.Then the color image is encrypted by combining the methods of pixel value substituting and position shuffling.The results of experiment simulation and performance analysis show that the algorithm is valid and has good performance.Key words: chaotic sequence;color image encryption;key

1引言

随着当今互联网和多媒体技术的飞速发展，多媒体通信逐渐成为人们彼此之间信息交流的重要手段。而数字图像作为多媒体信息中最重要的一种信息表达形式，现已成为人类进行信息交流的重要手段之一，其安全性问题也同时被提上了日程。图像加密是图像安全保护的核心技术，由于数字图像具有数据量大、数据相关度高等特点，用传统的加密方式存在诸多问题，近年来兴起的混沌加密方式为图像加密提供了一个新的有效途径，现已成为图像信息安全的研究热点。

混沌信号具有隐蔽性、不可预测性和易于产生、复制等特点，非常适合于图像加密。混沌系统用

[1]于数据加密最早由英国数学家Matthews提出，此后人们提出了多种基于混沌的图像加密算法，主

[2-4]要有基于Arnold变换、幻方、Hilbert曲线等的混沌图像位置置乱，以及基于混沌系统的各种像[5,6]素值替代方法。虽然这些方法能较好地隐藏图像，达到保密目的，但都是对彩色图像RGB三基色分别进行的加密处理，对混沌系统的维数要求较高；而且现有算法很少有扩散化像素值替代和图像位置置乱相结合的方法，因此其安全性和效率还有待进一步改进。本文采用Logistic和Cubic-Henon复合混沌映射，提出了一种新型的混沌彩色图像加密算法，进行实验仿真和性能分析，结果表明该算法具有较好的性能。2图像加密算法设计 2.1算法思想

国家自然科学基金项目(60474076)，江苏省“六大人才高峰”第三批高层次人才项目(06-E-029)，江苏省自然科学基金项目(BK2007061)一幅24位真彩色图像由R、G、B三基色组成，可以表示为MN3三维数组的形式，三基色的像素值[0,255]，且相邻像素的三基色值在空间域上具有很强的相关性。本文将一幅彩色图像处理成M3N灰度图像，然后利用Logistic和Cubic-Henon复合混沌映射产生混沌序列，对图像进行像素值替换和以88块为单位的空域置乱，扰乱相邻像素的相关性，再进行重组，从而使得原图像变成一幅杂乱无章的彩色图像，达到良好的加密效果。

国家自然科学基金项目(60474076)，江苏省“六大人才高峰”第三批高层次人才项目(06-E-029)，江苏省自然科学基金项目(BK2007061)2.2混沌映射

系统采用的Logistic混沌映射形式如下：

xn1xn(1xn)(1)

混沌动力系统的研究工作指出：当3.56994564，xn(0,1)时，Logistic映射工作于混沌状态；而且Logistic映射对参数具有极度敏感性。

系统采用的Cubic-Henon复合混沌映射进行图像位置置乱，其方程如下：

x[k1]3x[k]4x3[k] 2y[k1]10.3z[k]1.4y[k]z[k1]y[k]其中：x[k]是Cubic混沌映射的状态；y[k]、z[k]是Henon混沌映射的状态。2.3加/解密算法

从算法的计算速度、置乱程度、抗攻击能力等因素综合考虑，本文提出了一种新型的混沌图像加密算法，系统框图见图1所示，具体加密过程描述如下：

第一步：输入待加密彩色图像，分离彩色图像的RGB三基色分量（RMN，GMN，BMN），再将彩色图像的RGB三基色分量进行拼装[RMN,GMN,BMN]。

第二步：取13.95,23.97,34，输入初值xx0（令初值为加密密钥），由（1）式分别生成三个混沌序列，将序列中每个元素都扩大至小数点后三位，相加得到M3N二维混沌数组HW[][]；再与[RMN,GMN,BMN]对应元素相加并求余，得到灰度值替代后加密图像RGB_HM3N。

第三步：给定初值x0,y0,z0（同样令初值为加密密钥），由（2）式生成实值混沌序列x,y，再将其分别按由小到大的顺序排列，生成置乱索引二维数组PXM3N,PYM3N，然后以PXM3N为行地址置换矩阵，对加密图像RGB_HM3N进行行地址变换，以PYM3N为列地址置换矩阵，进行列地址变换。

第四步：合成R、G、B三基色，输出密文彩色图像。

加密密钥Logistic混沌序列R 色提G 色取B 色RGB拼装Cubic-Henon混沌序列原始图像RGB像素值替换位置置乱拆分合成密文图像 图1 彩色图像加密算法框图

解密算法是加密算法的逆运算，恢复出原始彩色图像。2.4实验仿真

为了验证上述算法的有效性，本文对一幅尺寸大小为5125123的lena图像进行加密，其仿真

ˆ00.1，x0x结果如图2所示。仿真时取加密密钥与解密密钥相同，分别为xx0xxˆ00.655，ˆ00.2，z0zˆ01.2。y0y

(a)原始图像(b)加密图像(c)解密图像

图2 混沌图像加解密仿真图

由上图可知：原始图像经加密后，图像变得杂乱无章、不可识别，而加密图像经正确的密钥解密后又能恢复出原始图像，从而具有一定的有效性和保密性。现有的混沌图像加密算法，也能较好地隐藏图像，但其加密效果和加密效率不甚理想，如最常用的Logistic混沌映射用于灰度值替代、Lorenz混沌系统用于位置置乱方法，其抵抗统计攻击的性能尤需提高（具体见3.2直方图分析）。3 性能分析

3.1密钥空间和密钥敏感性

在本文提出的加密算法中，Logistic以及Cubic-Henon复合混沌映射的初值作为密钥，即（xx0,x0,y0,z0），其精度达到1016，密钥空间可达1064，可有效地抵抗恶意穷举攻击。

下面首先从密钥失配时的解密图像来定性分析密钥敏感性。加/解密密钥分别取ˆ00.65500001，y00.2,yˆ00.20000001，z01.2,zˆ00.10000001，原ˆ01.20000001，xx00.1,xxx00.655,x始图像为图2(a)，解密图像如下图所示。可见，尽管加、解密密钥只有微小的偏差，但解密后的图像已看不出任何原始图像的痕迹。

(a)x0密钥(b)y0密钥(c)z0密钥(d)xx0密钥

图3 密钥发生微小变化后的解密效果图

再由图像恢复性能指标MSE和PSNR来定量描述密钥敏感性。当解密密钥x0,y0,z0或xx0分别以102的数量级失配时，得到不同的解密图像，测量其与原图像的MSE和PSNR，可得下表1。

其中： 均方误差 MSE1(I(i,j)I(i,j))MNi1j1MN2(4)

2峰值信噪比 PSNR10lg(fmax)MSE(5)

表1 对初值x0、y0、z0和xx0微小变化的敏感性测试

x0 变化 10-10 10-8 10-6 10-4 10-2 PSNR R

G

B 11.655 3 12.332 1 13.409 2 11.645 8 12.331 2 13.409 2 11.642 4 12.330 1 13.409 2 11.640 1 12.323 8 13.409 2 11.635 9 12.332 1 13.409 2 y0 变化 10-10 10-8 10-6 10-4 10-2

PSNR

R

G

B 11.691 3 12.398 9 13.466 8 11.680 2 12.402 4 13.414 9 11.679 3 12.392 5 13.412 6 11.673 5 12.377 3 13.410 5 11.669 3 12.370 9 13.408 5

z0 变化 10-10 10-8 10-6 10-4 10-2

PSNR

R

G

B 11.696 4 12.403 8 13.452 3 11.692 5 12.400 1 13.455 5 11.683 4 12.381 8 13.454 9 11.678 7 12.380 0 13.446 7 11.676 8 12.378 2 13.445 6

xx0 变化 10-10 10-8 10-6 10-4 10-2

PSNR

R

G

B 11.630 9 12.325 7 13.390 0 11.630 5 12.323 9 13.385 3 11.621 2 12.320 6 13.383 9 11.619 3 12.318 8 13.380 9 11.610 5 12.311 8 13.373 4 可见，密钥的微小变化，可以导致解密图像完全偏离原始图像（通常当PSNR值在28dB以上时，图像恢复的质量较好），这意味着该算法对密钥具有极大地敏感性。3.2直方图

从一幅24位真彩色图像及其加密图像（图2）中，分别提取出R、G和B分量，然后计算各自的直方图（图4）。从图4可以看出，此算法进行的加密图像R、G和B分量的直方图很均匀，完全不同于原始图像的R、G和B分量的直方图，可有效地抵抗统计攻击；而对于同一原始彩色图像，常用的灰度值替代方法（Logistic混沌映射）进行的加密图像直方图仍带有原始图像直方图的痕迹，位置置乱方法（Lorenz混沌系统）进行的加密图像直方图与原始图像直方图完全一致（图5）。

图4 原始图像和密文图像RGB分量的直方图

图5 常用加密算法密文图像RGB分量的直方图

3.3相关性分析

通过下式计算相邻像素的水平、垂直和对角线方向的相关性：

cov(x,y)E((xE(x))(yE(y)))cov(x,y)RxyD(x)D(y)(6)(7)

其中，x,y是图像中两相邻像素的像素值，E(x)是x的数学期望，D(x)是x的方差，cov(x,y)是x,y的协方差。原始图像中相邻像素的相关性是很大的，为了破坏统计攻击，必须是相邻两个像素的相关性降低，相关系数越小说明加密性能越好。现从原始图像和密文图像中任取一行、一列以及对角线上的像素点进行相邻像素相关系数计算，可得下表2。

表2 相邻像素相关系数

像素关系 水平相邻 垂直相邻 对角线相邻

原始图象

R

G

B 0.979 8 0.920 0 0.863 2 0.985 5 0.983 1 0.968 6 0.963 5 0.942 1 0.882 4

密文图像

R

G

B 0.042 3-0.030 8 0.027 5 0.030 3 0.016 4

0.006 2-0.038 6 0.025 2-0.015 9 由实验结果可知，此算法的加密信号具有较好的扩散和混淆能力，加密效果好，因此该算法对统计分析具有更好的安全性。3.4抗攻击性测试

密文图像在传输过程中经常会受到噪声污染以及几何失真等影响，图6所示为其解密效果。图6a所示为以peppers为例的密文图像受到10%强度的椒盐噪声污染后的解密图像，其与原图像的相似度为90.01%；图6b所示为以pelican为例的密文图像经约10%不规则裁剪后的解密图像，其与原图像的相似度为90.08%，可见此算法具有较好的抗噪声、抗裁剪攻击能力。

(a)椒盐噪声(b)不规则裁剪

图6被攻击后的解密图像

4小结

混沌图像加密技术是计算机图像安全领域的一个研究方向。本文提出了一种新的基于混沌序列的彩色图像加密方法，利用混沌信号的优良特性，结合像素值替代和图像位置置乱方法，在空间域内对图像进行加密。该加密算法具有密钥空间大、不易破解等特点，在抗破损、相关性统计攻击等方面也具有较好的性能，实验结果验证了该算法的有效性。

参考文献：

[1] Matthews R．On the Derivation of a Chaotic Encryption Algorithm[J]．Cryptologia，1989，1：29-42 [2] Chen Guan-rong, Mao Yao-bao, Chui Charles K．A symmetric image encryption scheme based on 3D chaotic cat maps[J]．Chaos Solitons & Fractals, 2004, 21(3): 749-761 [3] 王英，郑德玲，王振龙.空域彩色图像混沌加密算法[J].计算机辅助设计与图形学学报.2006, 18(16): 877-880 [4] 陈巧琳, 廖晓峰, 陈勇等.改进的基于混沌序列的幻方变换图像加密[J].计算机工程与应用, 2005, 22: 138-232 [5] Fu Chong, Zhang Zhen-chuan, Cao ying-yu.An improved image encryption algorithm based on chaotic maps[C].Third international conference on natural computation(ICNC), 2007, 24-27 Aug, 3:189-193 [6] 张燕, 黄贤武, 刘家胜.一种基于改进的混沌猫映射的图像加密算法[J].计算机工程, 2007, 33(10): 166-168

选择了一种新的活着的方式 篇6

顺其自然，自然而然，既然我曾经那个的努力，没有换来我想要的结果，那么我就应该学会放弃，放弃二三流的大学，放弃复读，而选择做一名打工仔，这只是人生的一种选择，仅是选择了一种新的活着的方式。

有人五岁上学，有人七岁读书，十三年的求学之路，从不懂事的学前班开始，到如今的高三，我们大多已经成年。一路上我们欢笑过，也曾今躲在某个角落偷偷地哭过人生的五分之一，就在这充满欢笑和泪水的地方悄悄地溜走。但走过的路，我没有必要后悔，因为校园教会了我坦然地成长。再见了，我的校园，这个世界上唯一还比较圣洁的地方。我将要离开，开始一段新的人生旅程。其中也有很多的不舍和留恋，但我仍要这样去做。在彷徨和犹豫面前，我选择了放弃，但我没有放弃选择，只是以另一种姿态，换一种活着的方式。

在我做这个决定之前，也查过不少资料和做过许多思考。我们为什么而读书，是为中华而崛起吗?想必大多数仅仅是为了将来能有一份称心如意的工作罢了。而找一份好工作的前提是什么?学历+能力+口才=[好工作]其它的甚至还有身世和像貌，这可以说都是找到一份工作的充要条件。在我的身边曾经有一个真实的例子，一位农村孩子父母辛辛苦苦供他读书，零几年研究生毕业后，能说会道的他却被一个个用人单位拒之门外，只是因为他的个子有点矮，现在神经失常在家需要年迈的父母亲照顾，

资料

还有多少大学生因为没有好的口才而做和农民工一样的工作。最气人的是一些用人单位仅要211和985毕业的大学生，同样的本科毕业，却不一样的命运。我不知道在本科生俯首皆是的今天，一名大专生的前途会怎么样?有些同学或许会想二本走不了，读三本学费又太贵，而去考虑上专科。今天已不是九十年代，大学生是活宝的时代了。面对二三流的大学我真的不清楚毕业后他们的命运会如何。每年都有那么多的大学毕业生，而物尽其用的职位又有几个。有许许多多的人活了一辈子，也还了一辈子的房债和车债，有时候真的不如还一种姿态，一另一种方式去活。

求学的路上有许许多多个叉路口，这叉路口就好比分流器，把我们分向四面八方。如果说高考是过独木桥，那么中招则是得到了一张过桥的门票。从买票到如今，一路上我已疲倦。我心甘情愿为强者让路，因为河这边的风景也是如此的迷人在这个世界，每一个人都有每人的.活着的方式，只要快乐这就是人生的最大幸福。无论吃山珍海味还是青菜萝卜，都只是为了填饱肚子;开宝马奔驰还是挤公交车，仅是一种带步工具而已。鸡鸭鱼肉，小葱豆腐，各有所爱，各有所好。这个世界不仅是白领经理的世界，还有无数打工仔的蓝天。

一种新的红外目标跟踪方法 篇7

红外目标跟踪是计算机视觉[1]领域中的一个重要问题,其主要目的是对红外图像序列中的运动目标进行检测、提取、识别和跟踪,获得红外运动目标的运动参数,如位置、速度、加速度以及运动轨迹等,从而进行进一步处理和分析,实现对运动目标的行为理解,以完成更高一级的任务,在红外制导、侦察和安检等军事应用中非常重要。本文利用带有空间位置信息的目标区域直方图描述红外目标,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。

1红外目标运动模型

红外目标跟踪的目的是在连续的序列图像中,“寻找”至少在相邻2帧图像之间具有一致性的特征不变量,即红外目标。而目标可以由自身状态来描述,因此跟踪问题等价于对目标状态的求解,该过程可利用估计理论来实现。特征量的选择对应着红外目标描述,“寻找”的方法对应着目标运动模型。

在红外目标跟踪中,运动模型[5,6]刻画了红外目标在2帧之间的运动特性。显然,越精确的目标运动模型越有利于红外目标的稳健跟踪。而建立精确的目标运动模型是非常困难的,因此本文采用近似的状态模型。定义未知红外目标状态向量为:

Xt=[XTt,1XTt,2]T。 (1)

式中,Xt,1为红外目标质心位置;Xt,2为红外目标质心运动速度。同时,假定随机序列{Xt,1}和{Xt,2}相互独立,且红外目标质心位置与速度在各自时间序列上服从白噪声加速度模型:

式中,ut,i为零均值高斯向量:

式中,E为期望;q为已知的正实数;δ为二维单位采样序列,当(r,s)=(0,0)时,δr,s=1,其余为零。

2观测模型与跟踪算法

2.1红外目标描述

红外目标利用灰度加权直方图来描述。为了克服灰度直方图对图像描述缺少空间位置信息的缺陷,同时增加描述的鲁棒性,在描述红外图像中目标区域的直方图时,采用如下带有空间位置信息[2]的加权直方图描述。

将目标所在图像区域看作球体或椭球体,则其在二维图像平面中对应圆形或椭圆区域。假定椭圆中心点位置为m=(mx,my)T,椭圆在水平和垂直方向的半径为h=(hx,hy)T。同时,对于椭圆区域内每个图像点{xi},i=1,2,…,Nh(Nh为椭圆区域内图像点的个数),其灰度值表示为b(xi),即该图像点在直方图上的灰度级索引标识为b(xi)。于是,包含空间位置信息的加权直方图的思想就是:在计算直方图时,给每个图像点赋予一定的权值,根据该点距离中心点位置的远近用核函数进行调节。加权直方图描述如下:

undefined。 (4)

式中,δ为Delta函数;Ci为归一化常数;u为直方图灰度级的索引。根据归一化条件∑pm(i)=1可得:

undefined。

从定义中可以看出,在统计图像灰度级的分布情况时,对每个像素,根据其离椭圆中心点的距离大小,赋予其一定的权值,即直方图不单单是对应灰度级的像素点个数的累加,而是对应该灰度级的像素点的权值的累加。当像素离中心点越近,其对应的权值越大,反之该权值就越小。

2.2相似性度量

理想情况下,红外运动目标T时刻的观测概率密度函数p(zT|xt)可以从数据中估计出来。事实上,也可以根据具体应用要求来事先定义好,本文中根据所选择目标的灰度加权直方图特征来描述,利用描述目标的直方图相似性度量来定义红外目标的观测过程模型。2个图像区域的加权直方图的相似性度量采用直方图交叉[3]来计算:

undefined。 (5)

式中,Im和M(i)分别表示以采样点m为中心的图像区域的加权直方图与目标模板的加权直方图描述。直方图交叉的相似性测度体现在min()函数的选择性中。

2.3跟踪算法

在红外目标的动态跟踪过程中,为充分利用目标运动的连续性和前后2帧图像之间的相关性,本文采用卡尔曼滤波算法对搜索窗进行更新。卡尔曼滤波[4]的实质是试图用所有已知信息来构造系统状态变量的后验概率密度,即用系统状态转移模型预测状态的先验概率密度,再使用最近的观测值进行修正,从而得到后验概率密度。这样,通过观测数据来递推计算状态取不同值时的置信度,由此获得状态的最优估计。

首先预测目标在第帧中的大概位置,在该位置附近划分出一个搜索窗(远小于整个图像大小)。然后在此搜索窗内进行红外目标搜索,若搜索窗内存在目标则继续处理下一帧图像,否则将搜索窗按比例扩大重新搜索,直至目标丢失时进行跟踪过程重新初始化。卡尔曼滤波算法的一步迭代过程分为以下5步:

① 状态预测:利用目标状态Xk以及协方差矩阵Pk做一步预测,得到新的状态估计向量undefinedk及状态协方差估计矩阵undefinedk;

② 观测预测:利用上一步记过,计算得到当前目标状态的预测观测向量undefinedk以及观测协方差估计矩阵undefinedk;

③ 实际观测:由状态预测值的位置分量作为搜索窗的中心位置坐标,获得实际观测值;

④ 观测匹配以及计算滤波器增益;

⑤ 进行状态更新。

至此一个完整的红外目标搜索周期完成,开始读入下一帧图像,重复上述5个步骤即可完成整个的红外目标动态跟踪。

2.4试验结果及分析

为对提出的红外目标跟踪方法进行验证,用红外图像序列进行跟踪实验,序列每帧大小为200×110。实验在Pentium IV 3.0 GHz、内存512 MB的PC机上采用MATLAB 6.5软件实现。待跟踪红外目标的参考目标模型在图像序列第一帧手动选定。图1为实验的跟踪结果。

在跟踪过程中,当目标运动方向发生变化时,可能出现预测不准确的现象,即搜索窗口的预测位置与目标的实际位置有一定差别,然而随着跟踪的继续进行,滤波器根据实际观测不断进行误差校正,最终能准确预测出目标位置,实现有效跟踪。实验结果表明,本文提出的红外目标跟踪方法对红外序列图像中的目标跟踪是有效的和稳健的。

3结束语

提出了一种基于灰度加权的卡尔曼滤波红外目标跟踪方法,在红外目标跟踪中,采用目标区域的灰度加权直方图来描述。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,同时增加了描述的鲁棒性。实验证明了该方法的有效性和鲁棒性。如何准确地选择滤波的初始参数如初始状态和滤波误差方差初始值是下一步改善该方法的切入点。

参考文献

[1]侯志强,韩崇昭.视觉跟踪技术综述[J].自动化学报,2006,32(4):603-617.

[2]COMANICIUD,RAMESHV,MEERP.Real-time Tracking of Non-rigid Objects Using Mean Shift[C].Proceeding of IEEE Conference on Computer Vision and Pattern Recognition.USA:Hilton Head Island,South Carolina,2002:142-149.

[3]SWAIN M,BARLLARD D.Color Indexing[J].International Journal of Computer Vision,1991,7(1):11-32.

[4]BAKER S,MATTHEWS I.Lucas-Kanade20Years on:A Unifying Framework[J].International Journal of Computer Vision,2004,56(3):221-255.

[5]邢睿智.彩色图像序列中基于贝叶斯滤波的目标跟踪[D].大连:大连理工大学,2005:23-26.

同课异构是一种新的教研方式 篇8

我觉得三位老师对新课程理念的领会是深刻的，教学方法把握得当，营造了一个宽松、和谐的学习氛围，体现了“以学生为主体的教学思想。”主要体现在以下几点： ⒈尊重学生的知识体验，找准学生新知的“最近发展区”。分数对于学生来说是全新的，如何将这一全新的知识内化为学生自身的知识，找准学生学习的“最近发展区”是重要的，它是促使学生从“实际发展水平”向“潜在发展水平”的桥梁，学生的思维从已知世界自然而然滑向未知领域。数学学习是学生在已有知识经验基础上的一种自主建构过程。教学时，三位老师都注重从学生的这一数学现实出发，从学生熟悉的“一半”入手，明确一半是怎么分的，从而引入用一个新的数来表示所有事物的“一半”。创设具体情境，以此激发学生的知识体验，促进他们有效地开展建构活动。⒉挖掘生活素材，巧妙整合课程资源。

新课程实施的一个突出变化，就是教材不再是教学的唯一依据，不再占据绝对的主导地位，而是提倡教师依据自己所追求的，想要达到的目标，以及学生的实际情况，对教材内容进行选择、组合、再造，创造性地使用教材，体现的是用教材，而不是拘泥于教材。如三位老师都有把生活中的“汽车标志”、“国旗”“巧克力”和一些生活中的图片等搬入认识分数的课堂，可以说这些都是生活中的一些“细枝末节”，放置在纷繁复杂的社会场景中简直不值得一提，但我们惊喜地发现，正是这些微不足道的生活事物，成为学生应用数学知识、感悟数学价值的有效载体。学生从这些生活画面中，不仅联想到了“ ”“ ”等分数，更重要的是结合具体表象辩证地体会到了其中的数学算理。这样的设计更贴近生活，而且将知识化静为动，让学生感受到数学就在身边，生活之中处处有数学，在“生活”与“数学”的一拍即合之下，才生成了如此经典的课堂。

⒊注重开展自主学习，提供充分的探索空间。《数学课程标准》指出：“要让学生在观察、操作、猜测、交流、反思等活动中逐步体会数学知识的产生、形成与发展的过程”。三位老师摒弃了“师生问答”的传统教学模式，组织、引导、放手让学生动手操作，让学生折一折，画一画，说一说，并让学生上台展示。尊重了学生的意见，发扬了学生的个性，给学生提供了一个展示自我的平台，学生通过操作、观察，找到了解决问题的方法，活跃了学生的思维，实现了由单一被动式接受学习向自主探究式学习的转变，从而培养了学生的探索精神，解决问题的能力，又充分调动了学生群体的积极性。当然，每一节课都很难做到“踏雪无痕”，多多少少会留下一些遗憾。我有几个观点，纯属“一家之言”，现提出来与各位共同商榷。⒈张老师的设计可谓是大胆、开放，给了我们对分数初步认识教学方法上的一种全新的感受，真的是很震撼。但是我觉得本节课的重点、难点是“理解几分之一的意义”，张老师在此内容的传授中过急，没有让学生充分地去体会和表述几分之一的意义，重难点没有突破。⒉周老师自己个人的各方面素质都非常不错，不管是语言的表述还是板书的书写都显得那么干脆、漂亮，很让人羡慕！但是毕竟这是借的班级，学生跟不上你的的语速，跟不上你的思维，在这种情况下能稍放慢一些，提出问题后不要急着让学生回答，等一等可能会有更好的效果。

⒊在李老师的课堂上充分表现出李老师对数学语言表述的重视，整节课下来，基本上学生都能准确的表述几分之一的意义，知识目标落实的比较到位。但是李老师自己的语言还不够准确、精炼，在课堂上出现了一些失误。