中心匹配论文（共7篇）
中心匹配论文 篇1
常熟理工学院是一所以理工为主、应用技术和教师教育为特色的省属本科院校，坐落于国家历史文化名城常熟，具有50多年办学历史。常熟位于江苏省苏州市，这一地区所具有的区位优势以及综合实力优势，为学校办学提供了良好的支撑条件，也对学校培养适应地方需求的生产、管理、服务和技术等应用型人才提出了迫切要求。
记者：作为一所理工类为特色的院校，学校是如何发挥优势，让学生在就业中获得更多企业的青睐?而对于如中文、历史等非优势专业学生的就业工作，又有着怎样的工作思路?
时薇萍：为了提高办学水平和培养质量，让学生在就业中获得更多企业的青睐，一是学校坚持校地互动发展战略，牢牢抓住服务观念转变与服务能力培育这两大核心问题，主动立足地方、服务地方、贴近地方、引领地方，加强同地方政府、科研院所和企业的合作，着力培养满足区域经济和社会事业需求的应用型人才，在服务地方中推进学校事业的发展，较好地体现了我校作为一所地方性新建本科院校的社会价值。二是学校建立了有政府、行业、企业各界人士参加的专业建设指导委员会，无论是新专业申报、招生计划确定还是人才培养方案制定，甚至是课程改革都紧紧围绕地区经济、社会发展与支柱产业结构调整的需求。经过几年坚持不懈的努力，我校专业布局基本到位，已经建成以理工为主，覆盖文学、理学、工学、教育学、经济学、管理学、艺术学七大学科门类的44个本科专业，新增专业呈现出与地方主导产业高度匹配的特点。三是根据培养应用型人才目标的要求，大力推进与政府、行业、企业的合作教育。目前，我校共有校企合作教育项目20个，如：江苏首家国际服装工程学院、常熟理工学院-阿特斯光伏科技学院、常熟理工学院-微软IT学院、杰普物联网技术专业人才培养项目、上海电梯行业合作培养电梯人才项目。各种校企合作教育的冠名班有6个，分别是百成汇班、力强班、电梯班、轴承班、喜达屋班、天铭班。这些学生毕业后直接进入企业就业。
对于中文、历史等专业毕业生，特别是师范类毕业生，面临当前就业形势，的确有一些难度。目前随着社会经济快速发展，高新技术突飞猛进，符合市场需要的理工类专业需求量明显增加，尤其是高新技术产业人才。而文科生一方面可代替性相对强，另一方面文科就业热门的经管类人才需求受外界环境影响比较大，一定程度上影响了他们的就业。此外，近年来谋求正式编制已成为大多数师范生“梦寐以求”的理想，而由于教师岗位少，师资招考竞争日益激烈，尤其是大部分地区都有生源地等限制，致使此类毕业生就业存在一些困难。因此加强职业指导和鼓励毕业生多渠道就业成为我们工作的重点。首先帮助毕业生合理定位，确立符合实际的就业期望值和职业目标，帮助毕业生找准自己的位置。其次，强化就业能力培养，鼓励学生参加各种职业资格考试，通过集体培训和“一对一”个性化辅导，提高职业技能和求职技巧。第三，积极拓展就业渠道，鼓励毕业生参加研究生入学考试、公务员考试、选调生选拔、村官选聘、预征入伍、自主创业、教育系统及事业单位招考、应聘企业就业等。通过开展这些工作，我校中文、历史等专业毕业生近年来就业情况逐渐好转。
记者：在学校的就业网站上，我们看到学校与江苏省高校毕业生网络联盟的互动链接。现在越来越多的高校都开展省际、高校联盟等交流活动。从贵校的情况看，这些项目的开展对促进学生的学习、就业有怎样的帮助，同学们的反馈如何?其中您认为还有哪些地方需要改进?
时薇萍：互联网最大的功能就是能快速地获取最新信息。所以，我校就业网与很多省市政府、学校和企业网站有互动交流。就业网站实行“每天更新制”，第一时间介绍省市地方就业工作最新动态、就业创业政策、学校就业工作情况和招聘信息等，同时，还方便毕业生了解校外就业创业的信息。因此就业网成为了毕业生就业创业的首选资源网站，许多非毕业生班学生也经常关注就业网，网站点击率逐步攀升。广大学生能通过就业网开展职业生涯规划的相关测试，了解到就业创业政策、目前就业形势、用人单位对毕业生需求的标准、相关招聘活动等，便于学生提前参与就业工作，有目的、有意识的提高自身学习的动力，以期找到一份合适自己的就业岗位，也让学生变“被动就业”为“主动就业”、由“要我学”转变为“我要学”，提高学生学习的主动性和自觉性。
从学生的反馈来看，他们对校就业网给予了充分肯定。很多人会第一时间与我们取得联系，咨询招聘信息或举办的就业创业活动相关情况，也经常对我们网站的内容提出修改意见或建议。在每年召开的毕业生代表座谈会上，甚至有毕业生还介绍外校同学浏览学校就业网，获取相关就业创业信息。
就业网在更新的过程中或在参考其他相关网站运行中，我们也发现需要加强与广大学生的互动交流，特别是在校毕业生，同时也需要加强与用人单位的互动、与校友的交流，加强与全国部分高校就业网的链接，以便了解先进的就业工作理念和工作思路。
记者：学校提出“十二五”期间将以“办好应用型大学”和“培养应用型人才”为主线。在企业的招聘中，也越来越多强调青睐那些应用型人才。在您来看，何谓应用型?教师应如何对学生开展培养和辅导?
时薇萍：应用型人才应该具有一定的综合性技术(包括经验技术和理论技术)，能将专业知识和技能应用于所从事专业实践的一种专门人才类型。其主要特征是具有职业岗位群能力、综合能力和创造性技能。因此学生在知识方面，要有一定的深度，即以“够用”和“应用”为限，有“基础扎实，增强后劲”的实力，还要有一定的广度，即有所学学科和相近学科的专业知识，“知识面宽，适应面广”的实力。在能力方面，不仅要有一定的决策、管理、方案设计等实践操作能力，还要有较强的人际沟通、组织管理、团队协作和创新创业能力。在素质方面，不仅要有较强的专业素养，还要有一定的非专业素养。在开展具体职业行为的过程中，其专业知识的运用、职业技术的发挥，往往与个人的价值观、道德观、意志品质、身心素质等非专业方面的素质关系密切。这些非专业素养直接影响其任务的完成效果和质量。
应用型人才培养，教师责无旁贷。如何培养和辅导呢?我认为，首先要树立“应用型人才培养”意识。教师要转变教育观念，突破传统的“专门化”本科人才培养模式，摆脱重理论轻实践、重知识轻能力的束缚，拓宽人才培养的领域，重视加强实践教学环节，培养既有扎实理论基础，又有较强实践能力，既有求真务实精神，又能善于解决实际问题的应用型人才。其次要调整课程设置。教师不应只向学生传授和传播知识，更要帮助学生提高分析问题和解决问题的能力，让学生在掌握主专业技能的同时，再掌握一些相关专业的技能，处理好本科教育与终身教育之间的关系，处理好专与博的关系。再是要创新教学方法。教师要善于精选教学内容，抓住重点，突破难点，以学生为主体，重视双向互动教学，积极采用启发式、讨论式、参与式、案例等多种教学方式;重视培养学生的思维能力和创新素质，使教学的方法、途径、目的、内容都呈现出灵活性和多样性;重视对学生实践能力的培养，坚持理论联系实际，培养、挖掘学生创造能力，提高学生对未来工作的适应能力，使学生在实践中感悟、体验、发现问题，进而提高学生分析问题、解决问题的能力。
记者：今后一段时期，学校就业工作的重点有哪些?
时薇萍：就业工作是一件与时俱进的工作，需要不断紧跟形势和时代步伐。在学校“十二五”规划纲要的指引下，今后一段时间我校就业工作的重点主要包括：一是加强毕业生职业生涯规划和就业观教育;二是指导毕业生作出合理的职业定位;三是加强毕业生就业和创业能力的培养;四是加强就业工作专兼职教师队伍和学生队伍建设;五是积极开拓市场，广泛采集就业信息，服务好学生和用人单位;六是举办形式多样、丰富多彩的教育、实践活动，加强学校与社会、企业的合作与交流，实现全方位人才培养。
记者：作为一名一线的就业工作者，您对就业工作有怎样的体会?
时薇萍：我做高校毕业生就业工作有6年了，体会还是比较深的。就业工作无限光荣，利国又利民。看到一批批毕业生顺利走上工作岗位，找到满意的工作，我会特别欣慰;但看到少数毕业生因各种原因而未就业，我又十分愧疚，感到自己肩上的责任和压力很大。多年来的就业工作经验告诉我，做好毕业生就业工作，重点抓住两个关键：一是要指导学生做好职业生涯规划，充分了解自己、了解专业和职业，确定合理的职业目标，培养综合的职业能力，实现人职匹配;二是要努力开拓毕业生就业市场，采集毕业生就业信息，指导学生掌握求职技巧，帮助毕业生顺利实现就业。我认为就业工作是一件良心活，有做不完的工作。我们要认真学习，善于思考和发现问题，不断提高工作和服务质量。
中心匹配论文 篇2
目前针对图像匹配的主要方法有基于像素点匹配的归一化积相关灰度匹配、序贯相似性检测匹配(Similarity Sequential Detection Algorithm,SSDA)、基于特征匹配的[1](Scale-Invariant Features Transform,SIFT)和仿射不变特征点提取方法Harris-Affine[2,3,4]。模板匹配的主要思想是将待匹配的图像作为模板图像,以窗口的方式,在待查找的源图像中扫描一遍,通过该模板所对应区域的图像与模板图像之间的相似距离来判断识别的结果。序贯相似性检测匹配主要解决模板匹配算法计算量大的问题,模板匹配每滑动一次就要做一次匹配运算,除了匹配点外在其他匹配点做了“无用功”,导致匹配算法计算量上升,一旦发现所在的参考位置为非匹配点,立刻换到新的参考点计算,加大匹配速度。SIFT方法能够从匹配图像中提取显著不变特征,使不同视角目标或场景图像稳定匹配,该特征向量对图像尺度、旋转变化、噪声和光照变化不敏感。由于SIFT 对目标遮挡和图像混杂稳定性较强,因此在目标识别中取得良好效果。仿射不变特征方法主要解决大视角变化的图像匹配问题,在仿射高斯空间的基础上,用多尺度Harris特征点,检测算子提取适应仿射变换的特征点,然后用特征点的椭圆邻域代替圆形邻域。通过迭代估计特征点邻域的仿射形状,不断调整特征点所在的尺度、位置和形状收敛直到不变为止,最终得到仿射不变特征向量。利用像素点进行匹配的主要缺陷是计算量过大,对图像的灰度变换敏感,尤其是非线性的光照变化。此外,对目标的旋转,变形以及遮挡也比较敏感[5]。因而基于像素点匹配的方法不适合实际场景中的应用,为克服这些缺点,可以利用图像的特征进行匹配,一方面图像的特征点比像素点要少,减少了匹配过程的计算量。另一方面局部特征点[6]的匹配度量值对位置的旋转、变形以及遮挡不是很敏感,可以大大提高匹配的精度。而且特征点的提取过程可以减少噪声的影响,对灰度变化,图像变形以及遮挡等有较好的适应能力。文中采用失配函数的思想,解决像素点计算量过大的缺陷,同时利用局部特征匹配的优势,提高图像匹配的精确度和执行速度。
1 尺度不变特征
尺度不变特征(Scale-Invariant Feature Transform,SIFT)是一种计算机视觉用于侦测与描述图片中局部特征的,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量等相关特征。
局部特征的描述与侦测可以帮助识别物体,SIFT特征是基于物体上一些局部外观的兴趣点,而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度较高。基于这些特性,它们是高度显著而且相对容易撷取,在庞大的特征数据库中,容易辨识物体且鲜有误认。使用 SIFT特征描述对于部分物体遮蔽的侦测率也较高,甚至只需要3个以上的SIFT物体特征就能计算出位置与方位。在现今的计算机硬件速度下和小型的特征数据库条件下,辨识速度可接近即时运算。SIFT特征的信息量大,适合在海量数据库中快速准确匹配。
SIFT架构中的特征点是利用不同尺度下高斯滤波器(Gaussian Filters)进行卷积(Convolved),然后利用连续高斯模糊化差异,根据不同尺度下的高斯差(Difference of Gaussians)中最大最小值导出,其公式如下
D(x,y,σ)=L(x,y,kiσ)-L(x,y,kjσ) (1)
其中,L(x,y,kiσ)是在尺度kiσ的条件下,由原始图像I(x,y)与高斯模糊G(x,y,kσ)进行卷积
L(x,y,kσ)=G(x,y,kσ)*I(x,y) (2)
G(x,y,kσ)是尺度可变高斯函数
为减少噪声对特征点的影响,避免将边缘附近的点也误认为是特征点,采用Hessian[7]矩阵对极值点进行过滤,其公式如下
在得到特征点的尺度和位置信息后,为使特征点描述向量对旋转不变,需要为特征点分配角度信息。计算特征点梯度大小m(x,y)和角度θ(x,y)。
θ(x,y)=tan-1(G(x,y+1)-G(x,y-1))/G(G(x+1,y)-G(x-1,y)) (6)
最后利用特征点的梯度方向构建一个36 bin 的角度直方图,直方图的峰值代表局部梯度的主方向。以特征点为中心取16×16个像素的窗口,分成16个4×4的子块,在每个4×4的子块上计算0°,45°,90°,135°,180°,225°,270°,315°这8个方向的梯度大小和梯度方向直方图。因此,一个4×4的子块可以得到一个8方向描述符,则16个4×4的子块可以得到128个方向描述符,这个1×128的向量就定义为特征描述符向量。如图1所示分别在不同像素下提取的SIFT匹配特征,图1(a)是相同大小测试图像和匹配图像,分辨率较低,其特征点的个数只有5个,图1(b)特征点的个数为32个,图1(c)特征点个数为43个,图1(d)特征点个数为106个。
2 匹配函数
文中提出的匹配函数[8]是利用匹配本身的特征信息来决策出重新进行匹配的起始点。假设特征序列构成的描述符向量可以表示为一串由字母组成的字符串:P=abcabcacab,同样查找图像的特征序列也被表示成一串很长的字符串:S=…abacbdfe…,问题转变为在主串S中查找出是否具有P特性的匹配串。
令S=s0s1…sm-1是主串,要确定P是否在si开始处匹配。如果si≠a则接下来显然要用si-1与a比较。同理,若si=a且si+1≠b,则接下来要用si+1与a比较。若sisi+1=ab且si+2≠c,则有以下情形
S=· a b· · · ·
P=a b c a b c a c a b
其中,“?”表示S在该位置的值是多少无关紧要。第一个“?”表示si+2且si+2≠c,下一次应该用P的第一个字符直接与si+2比较,而不是与si+1比较,因为P的特征序列的第2个字符b与S中si+1相等,一定有si+1≠a。假定P的前4个特征字符和S匹配,但下一个特征字符失配,即si+4≠b
S=· a b c a · · · ·
P=a b c a b c a c a b
此时应该用si+4与P的第2个特征字符进行比较,等效于把P向右滑动,使它的子串对准S的一个子串,然后比较两个相等子串后面的第一个字符。可以得出,根据特征字符串P中的字符信息,以及匹配失效主串的字符位置,可以确定接下来应该用特征字符串中的哪个特征字符和主串的当前失配字符继续比较,而无需回去比较主串的较前位置字符。
特征串p=p0p1…pn-1的匹配函数定义为
由定义可得,如果部分匹配结果是si-j…si-1=p0p1…pj-1且si≠pj,则接下来如果j≠0,应该用si与pf(j-1)+1相比;如果j=0,用p0与si+1相比。
3 算法执行
图像匹配的过程是目标图像在测试图像中查找相似特征的目标。首先将目标图像分割,假设目标图像的大小是M×N,对图像长M进行m等分,对图像宽N进行n等分,这样目标图像就被分割成m×n个大小模块的子图像,每个子图像的大小为
分割好的目标图像分别计算SIFT局部特征,将计算完的特征按照图像字块的顺序从左到右从上到下排列成一行序列,其长度为m×n,目标图像就被表示成了一串具有SIFT特征的序列串,每个串的值代表了当前分块子图像的细节特征表述,如图3所示。
分块子图像的SIFT特征是1×128个特征向量描述符。它包含了该子图像的特征信息,由于每个子图像包含的细节不相同,保证了特征序列间没有太大的关联性,同时子图像内容之间是连续的,特征序列之间又保持着关联性。同样测试图像也按照上述方法进行分割,在测试图像匹配目标图像就转变到在测试图像特征序列里查找目标图像的特征序列,SIFT提取出的特征向量表述符之间的相似性采用欧氏距离的来确定,设置某一阈值σ,当特征向量之间的欧氏距离<σ时,判定这两个特征向量之间是相似或者相近的,当特征向量之间的欧氏距离>σ时,判定该特征向量之间不匹配,利用匹配函数重新定位新的匹配点,重新进行匹配,直至测试图片整个特征序列结束。
算法执行流程如下:
(1)初始化测试图片和目标图片,分别将其转化成灰度图像。
(2)测试图片和目标图片分别分割成具有相同大小的子图像,并按图像内容组织成一行序列。
(3)分别对上述一行序列进行SIFT特征提取,以向量的形式存储。
(4)计算测试图片的特征序列和目标图片的特征序列是否相近或相似,如果相似则继续匹配,否则转到(5)。
(5)利用匹配函数计算出在测试图片中失效匹配点重新匹配的位置,重复(4)。
(6)测试图像特征序列结束,输出匹配序列。
4 实验结果
本方法利用SIFT对目标分割子图像进行特征提取,将提取出的特征按照子图像分割的序列进行重构,目标图像和测试图像就转换成一行具有特征描述符的序列,对特征描述符进行匹配函数计算,进行匹配过程。图片大小直接影响到子图像的分割和特征序列的生成,同时提高各个子图像不同的特征序列之间的差异性,实验图片选取分辨率较高的1 500×1 500的测试图片和分辨率为300×300的目标图片,子图像的大小为15×15,这样测试图片就被划分为10 000个特征序列,目标图像被划分为400个特征序列。特征序列之间的相似度和相近程度用欧氏距离来确定,实验的过程中欧氏距离的误差阈值σ≤20,当欧氏距离在这个范围内,特征图片匹配。实验一方面从单张图片匹配结果进行讨论,另一方面从单张图片在模板匹配方法,序贯相似性匹配方法和SIFT本身匹配进行比较。图4显示的是匹配的结果,图4(b)中灰色区域为匹配的目标区域,如图5所示,黑色为匹配结果,从图中可以看出,除了目标区域被匹配,其他区域也被匹配,实验过程中为了降低匹配函数带来的负面影响,在最优情况下连续20个特征序列匹配,该20个特征序列就是 匹配的区域,匹配过程中产生的其他匹配是因为在该20个特征序列内,其相似程度的欧氏距离都小于阈值σ≤20,由于增大了连续匹配成功的特征序列的长度以及减小特征序列的相似度的阈值,使得匹配的结果较为合理。实验的目标区域特征为房屋建筑,具有棱角和直线的特征,在区域划分很小的情况下很难区分出来,导致结果在房屋建筑上匹配有误差。
匹配函数在目的上解决了重新匹配的新配点的计算,同时又是以局部特征为匹配,而不是以单纯的像素点来匹配,加大了匹配的速度,其匹配执行速度要高于模板匹配,序贯相似匹配方法和SIFT本身匹配进行比较,表1显示了在上述匹配方法执行速度。
5 结束语
文中主要利用提出的匹配函数来对图像匹配进行快速匹配,加快图像匹配的速度,关键点在于子图像的划分和局部特征提取,子图像的大小直接影响到局部特征的提取,子图像太小,局部细节丢失严重,特征序列之间的相关性丢失,匹配函数匹配重复计算率提高,子图像太大,特征序列之间相关性过大和宽度过短,匹配函数不起作用。局部特征提取才用SIFT特征提取,一方面SIFT特征在全局图像匹配中具有良好的匹配结果,在其基础上加快处理速度。因子图像的划分和相似度的阈值是根据仿真和先验只是初步估算,接下来的工作主要研究子图像大小的划分和局部特征的提取,从图像本身特征的角度自适应划分子图像的大小以及对其局部特征的提取。
参考文献
[1]LOWE D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision(S0920-5691),2004,60(2):91-110.
[2]MIKOLAJCZYK K,CORDELIA S.Scale&affine invariant interest point detectors[J].International Journal of Comput-er Vision(S0920-5691),2004,60(1):63-86.
[3]MIKOLAJCZYK K,TUYTELAARS T,SCHMID C,et al.A comparison of affine region detectors[J].International Jour-nal of Computer Vision(S0920-5691),2005,65(1):43-72.
[4]MIKOLAJCZYK K,CORDELIA S.A performance evaluation of local descriptors[J].IEEE Transactions on Pattern Anal-ysis and Machine Intelligence(S0162-8828),2005,27(10):1615-1630.
[5]ZHAO Zhenbing,WANG Rui.A method of infrared/visible image matching based on edge extraction[C].International Congress on Image and Signal Processing,2010:871-874.
[6]田金文,杨磊.基于局部分形特征的快速图像匹配方法[J].华中理工大学学报,1996,24(2):12-14.
[7]刘小军,杨杰.基于主成分分析的放射不变特征图像匹配方法[J].系统仿真学报,2004,20(4):977-980.
中心匹配论文 篇3
地形匹配技术是地形辅助导航的关键技术之一,它在航空领域应用广泛,在水下运载体的海底地形匹配定位、机器人导航定位以及陆地车辆导航等方面也有着广阔的应用前景。
地形匹配的过程,实际上是将实时测出的地形高程图(实时图)与飞行器内预先制备的基准地形高程图(基准图)在空间上进行对准的过程,以获取飞行器精确导航定位信息。经典的平均绝对差(MAD)、平均均方差(MSD)和互相关(COR)等地形轮廓匹配算法可以完成匹配定位。但是这些方法是基于对应点之间的差值关系计算相关度的,要求两幅地形图是在相同尺度的坐标系下,并且待匹配两图之间不存在旋转变换。但是多数情况下,由于生成手段、时间等因素的不同,同一区域的不同时相DEM覆盖区域不可能完全重合,可能存在一定的未重合区域和定量的旋转、平移、缩放等变换。解决存在缩放、旋转条件下的地形匹配问题,可大大降低三维实时地形图测量的要求,增强地形匹配的适应性,具有非常重要的现实意义。
本文提出了改良的树描述符匹配算法,用树描述符对地形特征(山谷线)进行重建,通过搜索树描述符中最长公共子串的方法获得最大同构子树,建立2个同构子树之间的匹配关系完成匹配工作。该算法可应用于存在缩放、旋转条件下的地形匹配问题。
2. 地形匹配技术的原理
地形匹配技术的依据是地形的凹凸不平特征与地理位置之间的对应关系,利用这种地形特征,在运动载体实时测量得到的地形图与已知的三维地形基准图进行配准,从而确定载体自身的位置信息。本文通过提取匹配图的山谷线作为待匹配的地形特征。
将山谷线的矢量图映射到树结构中存储其拓扑结构,通过两者之间特征对的匹配,也就是树结构匹配,就可以获取两种DEM中的特征对应关系,从而确定两种DEM是否达到粗匹配的要求。
3. 树描述符匹配算法
为了更简单、高效地进行树的匹配,本文提出了树描述符算法对树进行拓扑匹配。树描述符包含了物体的形状特征和拓扑特征。
3.1 树描述符
定义对由匹配树深度优先搜索产生的节点序列中的所有节点用其孩子数替换,替换后得到的新序列即为树描述符。
3.2 树描述符匹配算法
对于2个匹配树T1,T2,我们初步建立的匹配算法如下:
(1)深度优先遍历匹配树T1、T2;
(2)用树描述符重建树,描述符分别为s1、s2;
(3)在基准树T1中搜索待匹配树T2的最大同构子树T,即找出s1、s2的最长公共子串;
(4)如果最长公共子串和被匹配树T2的描述符s2相等,说明T1、T2之间存在匹配关系,建立2个同构子树之间的匹配关系则匹配完成;
(5)由匹配关系得到对应点之间的坐标关系,建立两图之间的坐标对应关系,完成目标对准过程。
3.3 算法改进
上述匹配算法只能解决匹配模型中的子树匹配问题,不能解决松弛匹配的问题,如图1所示。为了得到更全面、更准确的匹配结果,提高算法的查全率,我们有必要改进这种匹配方法,才能得到正确的拓扑结构匹配结果。
经分析,上述匹配算法需要对第三个步骤中的搜索最大同构子树过程加以改进,以解决松弛匹配问题。改进的搜索最大同构子树算法如下:
(1)搜索出s1中的所有叶子节点(描述符为0的节点),并进行标识;
(2)用字符串匹配算法搜索s1、s2中最长公共子串;
(3)字符串匹配算法:
a.如果s2中字符等于0(叶子节点),则查询到s1中与之对应的字符值为n,则s1向后移n位,后移的时候如果继续遇到非零值n1,n2…,则s1再向后移n1+n2+…位,然后s1、s2同时下移一位并继续进行下一位的字符匹配,如果下一位是s2到达结束符,则匹配成功。
b.如果s2中字符值不等于0,且s2的字符值等于s1中的字符值,则s1、s2同时下移一位,如果s2的字符值m小于s1中的字符值p,则s2向后移m位,s1向后移p位,然后再同时下移一位,继续匹配直到找到最大同构子树,匹配成功。
c.如果s2中字符不等于0,且s2的字符值大于s1中的字符值,则匹配不成功。
3.4 结果分析
以图1为例,分别用树描述符算法以及改进的树描述算法进行树结构匹配,其搜索最长公共子串匹配过程如图2和图3所示:
图中上行是T1中被框部分的树描述符,下行是T2的描述符,按照改进的匹配算法,我们可以得到正确的匹配结果,T2中的每一个节点都能在T1中得到匹配。说明改进的算法是有效和可行的,能够得到与实际情况一致的匹配结果。
4. 结束语
树描述符算法使用了树描述符来描述树,完整表达了树的形状和拓扑结构,避免了复杂的运算,基于树描述符的同构子树匹配方法简单而快速,建立的拓扑匹配关系具有地形的旋转、大小、平移不变性,一般情况下,也不受地形小的扭曲变形的影响,因为高程的细微改变是不会改变拓扑形状的,除非是经过严重的地质灾害,改变了地形的基本面貌,那就另当别论了。该方法能够获得快速而最优最准确的匹配结果。
摘要：提出了改良的树描述符匹配算法,用树描述符对地形特征(山谷线)进行重建,通过搜索树描述符中最长公共子串的方法获得最大同构子树,建立2个同构子树之间的匹配关系完成匹配工作。该算法可应用于存在缩放、旋转条件下的地形匹配问题,可大大降低三维实时地形图测量的要求,增强地形匹配的适应性,具有非常重要的现实意义。
关键词：地形匹配,树描述符,山谷线,拓扑结构匹配
参考文献
[1]刘文予,刘俊涛.基于骨架树描述符匹配的物体相似性度量方法[J].红外与毫米波学报,2005,24(6):432-436.
[2]Gan Guoqiang,Qiu Zhihe.Navigation and position[M].Beijing:National Defence Industry Press,2000.
[3]O’Callaghan J F.The Extraction of Drainage Networks Digital Elevation Data[J].Computer Vision,Graphics,and Image Processing,1984(28):323-344.
[4]Golden JP.Terrain contour matching(TER COM):a cruise missile guidance aid[C]//Proceedings of the Society of Photo-Optical Instrumentation Engineers(SPIE).1980,238:10-18.
[5]李立春,苑云.三维地形不变性特征描述及其在地形匹配中的应用[J].航空学报,2009,30(11):2143-2148.
[6]陈绍顺,李彦斌,李云.地形匹配制导技术研究[J].制导与引信,2003,24(3):17-21.
[7]林应强,吴立德.基于模型的三维物体识别[J].自动化学报,1997,23(6):756-761.
图像匹配技术综述 篇4
1、图像匹配技术四要素
一般来看, 图像匹配可以作为四个要素的组成:特征空间、搜索空间、相似性测度和搜索策略。选取特征要考虑三点因素:首先, 选取的特征必须是原始图像和待匹配目标图像所共同具有的特征;其次, 特征集必须包含足够多的分布均匀的特征;再次, 所选取的特征要易于特征匹配的计算。搜索空间是在输入特征与原始特征之间建立的对应关系的可能的变换集合, 成像畸变的类型与强度决定了搜索空间的组成与范围。相似性测度的作用在于对从搜索空间中获取的一个给定的变换所定义的输入数据域参考数据之间的匹配程度的评估。搜索策略是指在相似性测度下达到最佳匹配的计算方式, 即采用合适的方法在搜索空间中找到平移、旋转等变换参数的最优估计, 使得相似性测度达到最大值。
2、图像匹配技术的分类
以往的图像匹配方法, 大致可以分为三类:基于特征点、灰度分布和频域。基于特征点的图像匹配技术是目前最常用的方法之一, 其最大的优点是能够将对整个图像进行的各种分析转化为对图像特征点的分析, 从而大大提高了运算的速度, 对图像偏移、旋转, 灰度变化等都有较好的适应能力。本文的主要工作是研究了这三类图像匹配方法, 分析各种方法的优缺点, 重点研究了基于特征的匹配方法。
2.1 基于特征点匹配方法
基于特征点匹配方法一般分为三个过程: (1) 特征点提取; (2) 利用一组参数对特征点作描述; (3) 利用特征点的参数进行特征匹配, 根据相似性原则对两幅图像中的特征点进行匹配。其最大的优点是能够将对整个图像进行的各种分析转化为对图像特征 (特征点、特征曲线等) 的分析, 从而大大减小了图像处理过程的运算量, 对灰度变化、图像变形以及遮挡等都有较好的适应能力。下面介绍三种基于特征点的匹配方法。
2.1.1 SUSAN特征点算法
SUSAN算法[1]的基本原理是通过以一个点为中心的局部区域内亮度值的分布情况来判断平滑区域、边缘及角点。如图1所示, 一个在图像上移动的圆形模板, 模板的中心称为核心, 它的位置有以下五种形式。图像一定区域的每个象素的亮度值与核心点的亮度值相比较, 把比较结果相似或相同的点组成的区域叫做USAN (单值分割相似核心) 。USAN区含有图像在某个局部区域的结构信息, 而大小反映了图像局部特征的强度。
SUSAN算子使用的是圆形模板来进行角点探测, 一般使用模板的半径为3-4个像元, 模板在图像上滑动, 在每一个位置求亮度相似比较函数, 并计算合计值, 就得到了USAN区域的面积, 而后再跟一个给定阈值进行比较。计算重心求出核到重心的距离, 对应正确角点, 若重心距离核较远, 就能以距离消除虚假角点的影响。最后使用非最大抑制 (No Max Suppression) 方法, 这样就可以找出角点。
近年来, Yu Song等人[2]提出了一种自适应阈值的检测算法, 解决了SUSAN算子对灰度细节丰富的图像检测效果不佳的问题。
2.1.2 SIFT特征点算法
SIFT特征点匹配算法[3]是David G Lowe在1999年提出的, 并于2004年总结了现有的基于不变量技术的特征检测方法的基础上, 提出的一种基于尺度空间的特征匹配算法[4]。SIFT特征匹配算法分四个步骤来实现:一是尺度空间极值点求取, 二是特征点位置确定, 三是为关键点指定方向参数, 四是关键点描述子的生成。匹配的方法是:在获得第一幅图像的特征向量后, 将采样点的欧式距离作为相似性度量。取帧图像中某个关键点, 找出其与图像中欧式距离最近的前两个关键点, 在这两个关键点中, 如果最近的距离与次近的比值小于某个阈值, 则接收这一对匹配点。降低比例阈值, SIFT匹配点数目会减少, 但匹配更稳定可靠。G Yu和J M Morel[5,6]克服了拍摄倾角过大造成的仿射变换的影响, 提出了ASIFT, 确保了特征稳定性, 提高了鲁棒性。
2.1.3 SURF特征点算法
2006年, Herbert Bay[7]提出了SURF算法, 其整体思路同SIFT类似, 特征点检测理论也是基于尺度空间, 但在整个过程中采用了与SIFT不同的方法。首先, 在尺度σ上定义Hessian矩阵, 用该矩阵的行列式计算图像上特征点的位置和尺度信息。其次, 为保证旋转不变性, 确定特征点的主方向。以特征点为中心, 将坐标轴旋转到主方向, 将其划分成4×4的子区域, 在每个子区域形成四维分量的矢量, 对每一特征点会形成4× (4×4) =64维的描述向量, 再进行归一化, 从而对光照具有一定的鲁棒性。SURF在各方面的性能均接近或者超越了SIFT的性能, 但是计算速度却是SIFT的3倍左右。
2.2 基于图像灰度相关的匹配算法
基于灰度信息的图像匹配方法一般不需要对图像进行预处理, 而是利用图像本身具有灰度的一些统计信息来度量图像的相似程度。这类算法的性能主要取决于相似性度量及搜索的选择上, 其主要特点是实现比较简单, 但因为是基于像素的, 所以计算量比较大, 应用范围较窄, 不能直接用于校正图像的非线性变换。下面简单介绍几种经典的匹配算法, 大致可以分为三类:序贯相似度检测法、互相关法、交互信息法。
2.2.1 序贯相似度检测匹配法
1972年, Barnea等人根据传统相关方法提出了一种为之有效的算法SSDA[8], 从而得到很好的效果。这种算法在两方面有了显著的改进, 一是简化计算, 利用图像f和模板T之间的差值来表示变化。与相关法相比处理效果差不多, 同时显著的提高了运算速度。二是改进使用了一种序列搜索的策略, 由检测范围和模板大小定义了一系列窗函数和阈值, 而每一个窗函数作用到图像中, 当相似性超过阈值后, 就进行次数累加, 而后在次数最多的窗口里进行匹配, 重复迭加细化直至得到所需要的结果。近年来, 人们对该算法提出了很多的改进, Shi等人[9]基于特征提出强角点算子引导SSDA匹配方法, 使其能更好的满足匹配的要求。
2.2.2 互相关法
1982年, Rosenfeld提出的互相关法[10]。它像是一种相似性度量或者匹配程度的表征, 而不是一种图像匹配的完整方法, 但是把互相关的思想作为度量测度, 在许多匹配算法里都会用到。
对于一幅图像f (x, y) 和相对于图像较小尺度的模板T, 归一化二维交叉相关函数C (u, v) 表示了模板在图像上每一个位移位置的相似程度:
如果除了一个灰度比例因子外, 图像和模板在位移 (i, j) 处正好匹配时, 交叉相关函数就在C (i, j) 出现峰值。这时, 交叉相关函数有否归一化是必须注意的, 否则相似度的度量将会受到局部图像灰度影响。A.Roche等人[11]的改进算法能够较好的解决噪声的问题, 而且计算速度也提高不少。
2.2.3 交互信息法
1995年, Viola等人[12]把互信息引入图像匹配的领域, 交互信息是基于信息理论的相似性准则。这种图像匹配方法是假设A、B是两个随机量, 交互信息量是这两个随机变量之间统计相关性的量度, 或者是一个变量包含另一个变量的信息量的量度, 其意义与信息论中相同, 互信息量表示了两幅图像的统计依赖性, 它的关键思想是:如果两幅图像达到匹配, 它们的交互信息量达到最大值。因此, 作为图像间相似性的量度, 该方法是近些年来医学图像匹配研究领域中使用最多的一种方法。在此基础上, Maes等人[13]进行了全面的研究, 将匹配精度提高到亚像素级。
2.3 基于变换域的图像匹配的方法
基于变换域的图像匹配方法最主要就是傅里叶变换方法, 还有基于Gabor变换和基于小波变换的匹配。这些匹配方法主要有以下一些优点:对噪声不敏感, 检测结果不受光照变化影响, 图像的平移、旋转、镜像和缩放等变换在变换域中都有相应的体现。这里重点介绍傅里叶变换方法, 该方法有成熟的快速算法并且易于硬件实现。算法是考虑两幅图像I1 (x, y) 和I2 (x, y) 之间存在一个平移量 (dx, dy) , 即:
对其进行傅里叶变换, 在频域上1F与2F有下面的关系:
上式说明两幅图像变换到频域中幅值相同, 但有平移量有一个相位差, 这就是说两幅图像的相位差由图像间的平移量直接决定。根据平移定理, 这一相位差等于两幅图像的互功率谱的相位谱:
上式的右边部分为一个虚指数, 对其进行傅里叶逆变换会得到一个冲击函数, 其只有在峰值点也就是平移量 (dx, dy) 处不为零, 这个位置就是所需求的匹配位置。张锐娟等人[14]结合四元数理论, 提出一种基于四元数傅里叶变换的亚像素相位相关法, 能够稳定快速的实现匹配。
3、图像匹配技术算法的性能评价指标
对匹配技术算法的性能评估, 在这方面West[15]等总结了人们对匹配效果评价所做的许多工作。算法首先要进行性能界定, 也就是说将图像匹配问题视为参数估计的问题, 运用参数估计的理论和方法得到图像匹配可以达到的最好的性能。算法的性能评价指标主要有:准确性、鲁棒性、实时性等, 然而, 在不同的环境中用相同的匹配算法, 却会有不同的评价指标, 但总的评价准则只有一条:在实际应用中是否达到要求, 性能是否优于以前的方法。
但是, 完美的匹配算法是不存在的, 每种算法都有其适用环境, 这样才能使每次匹配操作能够做到最好, 发挥算法的最好性能。
4、图像匹配技术的研究方向和热点
图像匹配算法经过国内外学者的共同努力, 已经取得了很大的进展, 各类算法相继出现, 但是由于实际情况复杂多变, 现有算法总是存在一些不足, 目前在以下几个方面值得深入的研究:
(1) 当匹配图像中物体存在遮挡, 或者是特征点均匀性不是很好的时候, 提取特征要不不容易获取, 要不就是不可靠, 这可由粗到精的分析图像数据, 从全局匹配到局部匹配, 提高了匹配运算精度。因此, 研究基于非均匀性图像的匹配算法是很有必要的, 也是当今研究的方向和热点。
(2) 匹配算法的复合研究。前文介绍的匹配方法都有各自的优缺点, 如果能综合利用它们的优点将会取得更好的匹配结果, 将多个特征和算法相互融合, 以克服单个算法的局限性, 提高匹配的适应性。
(3) 研究基于遗传算法、神经网络和人工智能等方法相结合, 组成系统模型, 用来实现多目标的人工智能神经网络的匹配处理, 具有强大的记忆、选择、识别和学习的能力。
5、结语
利用VBA匹配数据 篇5
由于工作的安排,需要将两份Excel文档中相对应的数据进行遴选匹配。由于数据采集录入的时间不一、格式不一,需要将数据格式逐一清理,再按要求进行数据匹配。由于数据量大,匹配条件多,人工操作非常复杂、麻烦,工作强度大。利用VBA语句可以将工作迅速高效地完成。
需要完成的工作是将Excel文档“表1”与“表2”中的“当事人姓名”、“当事人身份证号码”、“担保人姓名”、“担保人身份证号码”等数据进行逐一比较。如果能发现两份文档中相对应的4栏数据完全相同,就可以认为数据匹配成功。将匹配成功的数据写入到名为“匹配结果”的Excel文档中,在各自的原文件中将已经匹配的数据删除。
2 清理数据格式
2.1 设定单元格的格式
由于需要匹配的数据都是文本格式,将Excel文档“表1”、“表2”与“匹配结果”中的单元格格式设定为“文本格式”。
2.2 清除空格
由于没有统一规范,导致在采集数据时任意输入“空格”。利用Excel文档中的“替换”功能将“”替换为“”来清除空格(即将“空格”替换为无)。
2.3 统一身份证号码中的校验码“X”的大小写
文档中的新身份证号码的校验码“X”大小写不一。利用Excel文档中的“替换”功能将“x”替换为“X”即可。
2.4 检查身份证号码的长度
检查“表1”中“当事人身份证号码”和“担保人身份证号码”的长度,把不符合位数为15位或18位的数据写入到“表1”的“Sheet2”中,并将原文件中相应的数据删除。利用循环语句逐一检查身份证号码的位数是否符合规定。
采用同样的方法检查“表2”中“当事人身份证号码”和“担保人身份证号码”的长度,把不符合位数为15位或18位的数据写入到“表2”的“Sheet2”中,将原文件中相应的数据删除。
2.5 清除重复的数据
两份Excel文档中都存在着重复的数据,分别对两份文档中的数据进行清理,相同的数据只需要留存一份,将多余的重复数据清除。如果“当事人姓名”、“当事人身份证号码”、“担保人姓名”、“担保人身份证号码”完全相同,就可以认定为数据重复。将文档中的数据按“当事人姓名”、“当事人身份证号码”、“担保人姓名”分别为第一顺序,第二顺序,第三顺序将数据排序(将相同的数据排列在相邻的行上)。利用VBA语言中的循环语句逐行与下一行比较判断“当事人姓名”、“当事人身份证号码”、“担保人姓名”、“担保人身份证号码”栏的数据是否完全相同。若完全相同,则将下一行中的重复数据删除。
清除“表1”中的重复数据:
采用同样的方法处理“表2”中的重复数据。
3 比较匹配数据
将两份Excel文档中的重复数据清除后,接下来解决同一人新旧身份证号码格式不一的问题。
3.1 自定义身份号码的格式函数
在Excel文档的数据中,同一人的身份证号码格式有可能不统一,存在着新旧身份证号码之别。同一人的新旧身份证号码的主要区别在于身份证号码的出生日期码和校验码不同。当同一人的身份证号码格式不一时,可以利用旧身份证号码生成新身份证号码,将格式不一的身份证号码统一为新身份证号码。先判断身份证号码是否为旧身份证号码(15位),然后在旧身份证号码中右起第9、第10位数字之间插入“19”(文档中所涉及的当事人和担保人都出生在20世纪),并根据新身份证校验码规范生成新身份证校验码,由此得到新身份证号码。在VBA语句中,处理字符串的函数有“Len”,“Left”,“Right”,“Mid”等。先利用字符串长度函数“Len”来判断身份证号码的长度。若长度为15位,则利用函数“Left”,“Right”选择旧身份证号码的左边6位数字,右边9位数字,在旧身份证号码中右起第9、第10位数字之间插入“19”。然后根据生成的17位数字编码计算出身份证号码的校验码。“公民身份号码”的校验码采用ISO 7064;1983,MOD11-2校验码系统。公民身份号码中各个位置上的号码字符值应满足下列公式的校验:,式中:i—表示号码字符从右至左包括校验字符在内的位置序号;ai—表示第i个位置上的号码字符值;Wi—表示第i个位置上的加权因子,其数值依据公式计算得出[2]。由生成的17位数字编码和校验码得到新身份证号码。
3.2 匹配数据
在准备工作完成后,将Excel文档“表1”、“表2”、“匹配结果”打开,在“表1”中应用VBA语句开始比较匹配数据。利用循环语句,将“表1”、“表2”中的“当事人姓名”(a列)、“当事人身份证号码”(b列)、“担保人姓名”(c列)、“担保人身份证号码”(d列)逐一比较。如果4栏信息完全一致,就认为两组数据匹配成功。将“表1”、“表2”中相应的4栏数据依次写入“匹配结果”中,并在“表1”、“表2”中将已经匹配的数据删除。
4 结语
利用VBA语句,在Excel 2003中将有着大量数据的两份Excel文档中的数据进行比较匹配,很快理清了能匹配数据及不能匹配的数据,为下一步的工作提供了数据支持。在处理含大量数据的Excel文档时,合理地使用VBA语句,能使工作简单、高效、方便。
摘要：应用VBA语句操作Excel文档,能迅速统一文档数据的格式,解决由旧身份证号码生成新身份证号码的问题,从大量的数据中进行相对应的数据比较,将匹配的数据写入到新的Excel文档中,降低了工作强度,能按时保质地完成工作任务。
关键词：VBA,Excel,数据,格式,比较,匹配
参考文献
[1]张强,刘飚.Excel2007与VBA编程从入门到精通[M].北京:电子工业出版社,2008:118.
[2]国家质量监督局.中华人民共和国国家标准GB11643-1999,公民身份号码[S].北京:中国标准出版社,1999.
立体匹配技术发展研究 篇6
1 局部匹配算法
局部匹配的方法所选择的匹配基元基本上分为三类, 据此局部算法分为区域匹配算法、特征匹配算法、相位匹配算法。
区域匹配算法用基准图像中点的邻域的窗口内像素的灰度值的某种分布如常用的SAD来表征待匹配点, 以在此表征下的相关程度为标准, 在对准图寻找对应的一个匹配像素点。区域匹配算法能够在平坦的丰富纹理区域获得稠密的视差图, 这是区域匹配最显著的优点。
邻域窗口选取越小, 在视差不连续区域匹配精度越高, 但在低纹理区域不能覆盖足够的灰度变化匹配, 匹配效果不好;大窗口在重复纹理区域取得较好的效果, 而在弱纹理区域中的深度差不连续的区域易造成误匹配。所以通过自适应的窗口大小[2]或自适应权重的聚合方式来改进匹配效果。为了解决弱纹理区域的匹配问题, 一些研究提出了利用图像分割区域信息对其进行改进的算法。该类方法将亮度和颜色相似的像素聚类成一个分割块, 位于同一个分割块的像素的深度进行整体求解。由于自动分割往往会出现一些错误, 所以一些方法提出采用过分割或软分割技术来试图解决不正确分割所带来的问题。
区域匹配算法仅依赖于视图中灰度信息的变化, 使得其对噪声和图像的畸变敏感。
基于特征的匹配算法在左右立体视图上把分别由同一关键场景点投影所得像素点的对应关系找出来。特征点可以是图像中灰度梯度极值或边缘线交点的角点, 也可以是直线段, 面等结构特征。
特征匹配处理算法的优点包括: (1) 匹配准确度高。特征点属于高级图像结构信息, 鲁棒性强, 受光线和噪声等方面的影响小。 (2) 由于视差的深度不连续多会反映在包括了边缘, 梯度等信息的特征算子里, 所以其对于深度视差不连续区域的匹配效果好。 (3) 由于特征点数量有限, 所以匹配速度快。
由于特征在图像中的稀疏性, 提出的特征点的数量在整图中分布比较稀疏。这使得特征匹配算法不能得到稠密的视差图;而且特征点的提取和定位效果的好坏, 将很大程度上影响匹配的精度。
特征匹配常与同其他立体匹配算法相结合使用。例如分级特征匹配算法的思想是根据图像自身的结构特点分层提取边缘特征, 逐级构建特征分组。最终算法将所有信息融合。这样逐层分级的策略减少了搜索空间, 从而减少了计算复杂度。
最晚提出的局部匹配方法是相位匹配算法, 包括相位相关法和相位差-频率法。相位匹配算法的实质是寻找局部相位相等的对应点。与上述两类传统的方法相比较, 像素的相位信息本身反映了信号的结构信息, 对图像的高频噪声和畸变都不敏感。此匹配方法主要优点是适于并行处理高效实现, 可获得亚像素级精度的致密视差.但由于其对相位的各种扰动较为敏感, 一般只能得到景物的粗糙结构。
相位匹配算法需要解决相位奇点匹配问题和相位卷绕问题。通过相位奇点的检测和去除以及最邻点视差填补的办法可以解决相位奇点的匹配问题。徐彦君在研究中选择低冗余度的质数序列作为Gabor滤波器组的波长, 将相位匹配算法的收敛范围扩大, 实现了高效的尺度自适应选择算法, 克服了相位卷绕的问题。
2 全局匹配方法
2.1 态规划的匹配算法
基于动态规划的立体匹配算法将匹配过程看成是在左右图像对应扫描线上寻找最小匹配代价路径的过程, 规划出的路径由趋于具有最小匹配代价的匹配点的集合构成, 即正确匹配点的集合。
但传统的得到的视差图中存在水平条纹瑕疵。原因是动态规划是基于扫描线进行处理, 缺乏水平连续性约束和垂直连续性。半全局的立体匹配算法被提出来, 用多个一维平滑约束来近似匹配像素的二维平滑约束, 在多个方向上进行动态规划。该算法改进了条状瑕疵现象, 但依然不能利用图像中的绝大部分像素来计算视差。例如在低纹理区域, 可能没有一条路径能够搜索到足够的纹理信息就会导致错误匹配。
2.2 图割法和置信度传播立体匹配算法
图割法和置信度传播算法本质上都是运用马尔科夫随机场来进行全局匹配的优化, 仅仅是在构图时和构造能量函数时所采用的方法不同。
置信度传播 (BP) 算法是一种基于消息传递机制的马尔科夫随机场最小化能量估计方法。置信传播算法利用最大积算法求解整幅图像全局能量最小值时的视差分布。置信传播算法的优点是能很好地处理深度不连续区域和低纹理区域。这是由于其消息传输能够适应图像中区域的特点自动调节消息传输时的距离的远近, 计入了相邻像素点以及不相邻像素点
基于Matlab Builder JA的QPSK调制解调在线仿真
程赛
(云南大学信息学院, 云南昆明650091)
摘要:阐述了基于Java Web和Matlab Builder JA开发的一般模式, 将Matlab强大的仿真计算能力应用到Web环境中。在浏览器中输入Matlab程序参数并提交给服务器, 服务器结合Web Figure图形方式的使用, 将实验结果直观地返回, 实现了交互式操作。通过这种B/S方式, 完成了二进制数字信号的QPSK调制与解调的模拟仿真。
关键词:Matlab;Builder;JA;Java;Web;QPSK;调制;解调
中图分类号:TN911.3文献标识码:A
0引言
Matlab以其强大的矩阵处理能力和丰富的图形渲染能力在工程计算和教育科研领域有着广泛的应用。其中基于Web的应用也越来越受到重视。但是, Matlab 2006b之后的版本却不再支持Matlab Web Server功能[5]。官方推荐使用Matlab Builder NE/JA来取代Web Server的功能[8]。
Matlab Builder JA用来将M函数文件创建成一个Java组件, 它支持Matlab的所有功能。将生成的Java组件作为Servlet或其他Java程序的外部添加库, 通过访问这些库中类的方法来调用MCR产生处理结果[1]。
1系统构架
Matlab的Java Web应用, 包括J2EE服务器, Matlab Build-
对目标像素点的影响。置信度传播算法不足体现在:由于基于逐个像素点之间的消息传输, 使计算量很大, 优化过程需要通过多次的迭代获得最终结果;二是单个像素点的颜色的畸变, 如在实际场景中, 由于噪声、颜色效应等原因, 造成的某些像素点颜色的突变, 从这种突变点进行消息传输, 算法精度将受到影响。
针对计算效率低下的问题, Felzenszw alb等人提出了一种分层的置信传播的方法, 缩短了一般的置信度传播算法的收敛时间。HBP得到的效果同标准BP算法相近, 运算的实时性方面可以同一些局部的方法相当。
图割方法是由Vladimir Kolmogorov等提出的将图论中的最小割算法运用到立体匹配的优化过程中, 通过求得最短路径的过程得出整幅图像的视差。步骤包括建立匹配能量函数, 构造网格图, 利用最大流求解能量函数的最小值。
图切割算法具有解决组合优化问题的良好性能, 在低纹
文章编号:1673-1131 (2012) 05-0045-02
er JA产生的Java组件和Matlab Compiler Runtime (MCR) 。MCR是一套运行经编译过的Matlab代码的库, 它允许在服务器端集成。终端用户通过Web浏览器发送请求到服务器, 服务器端程序调用Matlab Builder JA创建的Java组件, 调用MCR, 执行Matlab程序, 得到所需的结果并返回。图1显示了基于Java的Matlab Web应用的框架。
2 QPSK调制解调技术
QPSK (Quadrature Phase Shift Keying, 正交频移键控) 广泛应用于无线通信中, 是一种重要的调制解调方式。它利用载波的四种不同相位差来表征输入的数字信息, 分别有/4, 3/4, 5/4, 7/4四种载波相位, 调制时输入的是二进制数字序列, 为了配合四进制的载波相位, 则需把二进制数据变换为四进制数据, 也就是将二进制数字序列中每两个比特分成一组, 共有四种组合, 即00, 01, 10, 11, 其中每一组合称为双比特码元。每一个双比特码元是由两位二进制信息比特组成, 它们分别代表四进制四个符号中的一个符号。QPSK中每次调制可传输2个信息比特, 这些信息比特是通过载波的四种相位来传递的。解调时则根据星座图及接收到的载波信号的相位来判断发送端发送的信息比特[7]。
在QPSK调制中, 串/并变换器将输入的二进制序列分为速率减半的两个并行序列, 经电平变换后成双极性序列, 然后分别对cos t和sin t调制, 两路信号相加后得到QPSK调制信号。QPSK同相支路和正交支路可分别采用相干解调方式解调, 得到I (t) 和Q (t) 。经抽样判决和并/串变换器, 将上、下支
理区域、遮挡区域以及深度不连续区域, 能够获得相对其他方法更高的匹配精度, 因而能生产高精度的稠密视差图。另外图割方法在优化过程中收敛速度也相对更快。图割算法的计算量是非常大的, 应用中必须提高其时间效率。
摘要：比较分析了各种立体匹配算法的基本思想和各自的优点和局限性。为各种算法的融合和改进研究提供了分析指导。
关键词：立体匹配,局部匹配,全局匹配
参考文献
[1]Scharstein D, Szeliski R.A Taxonomy and Evaluation of Dense Two frame Stereo Correspondence Algorithms[J].International Journal of Computer Vision, 2002
企业文化与战略需匹配 篇7
这些问题的根源在哪里?如何解决这些问题?关键是要实现企业文化与企业战略相匹配, 企业文化要发挥引领和支撑企业战略的作用, 从提供精神动力支撑上服务于企业发展。
企业战略对企业文化的需求
有引领上的需求。思维决定行为, 行为决定结果。一切问题的结果都是由思维导致, 企业的成功与失败, 都与企业的思维有密切的关系。企业文化的深层次问题就是企业哲学问题、思维方式问题, 如何制定企业战略, 是以企业哲学和企业群体思维为前提的。如是先找市场还是先建工厂, 传统思维一定是先建工厂, 没有工厂你卖什么产品, 蒙牛的思维方式是相反的, 先找市场后建工厂, 根据市场需求决定工厂建设, 事实证明是一种正确的思维;再如产品是用户导向还是生产导向, 一些企业习惯于生产导向, 关注自己能生产什么, 忽视客户需要什么, 而市场经济条件下需要客户导向, 关注客户需求, 客户需要什么就生产什么, 说到底就是如何用文化引领企业战略思维的问题。
有动力的需求。企业要发展, 要实现战略目标, 不能没有动力支撑, 尤其是精神动力, 事实表明金钱的动力是有限的, 有时用不好适得其反, 因为金钱既可以产生正能量也可以产生负能量, 而好的文化产生的是正能量, 能为企业战略的实现持续提供精神动力, 这种动力往往是取之不尽、用之不竭的。一个企业要打造百年企业、百年品牌, 就离不开文化的动力, 并要实现牵引力、机制力、推动力三力合一, 为企业战略目标的实现不断提供动力支持。
有形成合力的需求。企业经营与党委工作、文化与经济、工厂与市场、研发与制造、员工与客户、管理与被管理、上级与下级、战略制定与战略执行、职能管理之间, 普遍存在各自为政的铁轨现象, 平行而不交叉, 导致资源浪费。企业文化犹如列车, 使平行的铁轨各自发挥了应有的作用, 使其合二为一, 共同为列车的运行提供支撑。文化是粘合剂, 促使各自为政转化为各自为战, 从不同的角度走向一致的方向, 凝心聚力, 调动方方面面力量形成合力, 共同向战略目标的实现而努力。
有相匹配的需求。在中国传统文化中对称是一种美, 尤其是古典建筑更是如此, 故宫就是典型代表, 文化与战略也需要有一种对称美。中国人崇尚道, 《易经》对道有一句经典概括“一阴一阳谓之道”。战略思考和探讨的是企业生存和发展之道, 因此也要阴阳平衡, 生存和发展是阳, 文化战略是阴, 两者平衡企业才能健康发展, 过去企业中的很多问题就是由于两者的不平衡造成的。两者是一个问题的两个方面, 而不是两个问题, 两者需要一分为二进行认识, 犹如皮与毛, 但一定要合二为一系统思考和推进, 犹如毛只有附在皮上才能发挥其作用, 毛之薄厚要适应季节, 春夏要退毛, 入冬要长新毛, 才能冬天不被冻坏, 夏天不被热坏。
有相融合的需求。大企业都是集团化、国内区域分散化、战略国际化、资产多元化, 如何形成融合共进局面就十分重要。没有融合就没有和谐, 没有和谐就没有凝聚力、战斗力。战略目标的实现需要全方位、全体系的支撑, 单靠那一个部门都无法实现, 需要合力, 同时也需要实现区域融合、中外融合, 和谐共处才能更好支撑战略目标实现。融合需要做到与战略需求重点同步, 因为在战略的不同阶段对文化的需求重点是不同的, 如生存战略期以开拓为重点, 不善于、勇于开拓市场就难以生存下去;发展战略期要以平衡为重点, 平衡有利于和谐稳步前进;机会战略期要以勇于创新为重点, 勇于创新才能抓住机会。
企业文化如何支撑企业战略
坚持以育人为本。实现企业战略目标, 人的素质是第一因素, 没有良好的人才队伍一切都是空话。育人才能兴企。成功企业善于培育优秀员工, 优秀员工创造伟大公司, 公司与员工两者相辅相成, 公司敢于善于给员工提供成长舞台, 员工的聪明才智得到发挥、自我价值得到实现, 公司与员工就能在共同成长中走向伟大。因此, 公司要围绕战略需求育人, 不要为了育人而育人, 目的性、目标性要明确。要善于根据战略需求培育典型, 使员工学有目标、赶有方向, 引领员工成长方向, 培育出优秀员工群体, 打造卓越团队。
做到思维为先。成功企业一定是先求思维正确, 后求好的结果。市场告诉企业, 要生存发展就必须巩固并深化用户导向思维, 持续发现、引导、满足用户需求是企业生存之本。要确立并坚持支撑企业战略导向思维, 决策层、管理层、执行层所思、所想、所做、所为一切以支撑战略为出发点和落脚点, 有利于支撑战略的事, 必做, 不利于支撑战略的事, 不为。鼓励并支持创新思维导向, 企业发展的动力在创新, 鼓励并倡导观念创新、思想创新、管理创新、技术创新、知识创新。树立正确思维, 企业必兴。
把握匹配为重。企业领导们忧心优秀的员工留不住, 也在想为什么留不住优秀员工?如何留住优秀员工?原因很多、同样方法也很多, 解决好企业文化与企业战略、企业战略与员工价值追求之间的匹配就是很重要的一条途径。激发员工愿为、敢为、有为, 关键在于使企业愿景、战略、核心价值观与员工人生追求、职业发展、个人价值观相匹配, 匹配度越高员工积极性就越高。文化的匹配使员工找到了精神家园, 有了归属感, 能快乐地工作。战略的匹配, 使员工有了目标和方向, 有了成长的舞台。在匹配上, 企业对与企业文化和战略实际匹配度高的员工要重点使用, 他们必将成为企业的核心力量;对意愿匹配度高但实际匹配度不够的, 要培养使用, 他们是企业的骨干力量, 是核心力量的后备队伍;对意愿匹配度低的要甄别使用, 进行原因分析, 能激活的培养过程中用, 不能激活的淘汰出局;对根本就不匹配的员工坚决不用, 这样对企业和个人都是负责任的行为, 使双方都能做出明智的选择。还要做好软硬规划匹配, 这方面是目前企业中普遍的短板, 硬规划普遍做得较好, 形成完整思路和做法, 规划部门也已轻车熟路, 但以企业文化为核心的软实力构建尚需进一步理顺关系、有效整合, 使软硬两者更加匹配, 和谐推动企业全面发展。
建立完善体系。首先要健全组织体系, 组织是保障, 没有保障工作无法开展, 名不正言不顺, 有组织之名工作才能顺。解决实际工作中纵向不通、横向不联到实现纵向要通、横向要联的关键就在组织建设, 目前一些企业中普遍情况是有职能, 但是只有文化人一个人在工作, 有些还是兼职的, 更谈不上纵向成体, 横向成网, 形成企业文化建设管理网络体系, 因此导致企业文化建设难以落地, 只是具有宣传作用。其次是队伍体系, 组织要靠队伍支撑, 没有队伍组织就是空架子, 有些单位的组织体系就是空架子, 是用来应付检查的, 看墙上有, 实际没有。队伍体系要建立专兼职研究队伍、管理队伍、执行队伍, 走向专业化、职业化。研究队伍侧重理论研究, 了解前沿, 明晰方向, 侧重理论与实践结合研究, 知道应该如何做;管理队伍侧重战略、规划, 体系建设, 培育人才, 进行资源整合;执行队伍, 围绕战略、规划做好落实。队伍建设的关键在专业化, 要懂, 是行家。职业化, 要有一批专业人才做企业文化建设工作。第三要建立起完善的企业文化内容结构体系, 大体系要完整, 理念、制度、行为、形象框架建立起来, 小体系要具体。还应建立企业文化评价体系, 使过程和结果得到有效控制。