竞争相似性（精选7篇）
竞争相似性 篇1
摘要：利用出口相似度指数对中韩水产品的出口相似程度进行测算,进而分析两国水产品的竞争性。研究发现,中韩水产品出口结构整体上不趋同。中韩水产品在日本市场具有一定程度的竞争,但随着时间的推移,竞争性有所下降;中韩水产品在美国市场竞争性差,但鲜活冷藏及冻鱼和干腌熏鱼的竞争有所加剧。
关键词：出口相似度,水产品,贸易竞争
一、引言
截至2007年,中国是韩国的第一大贸易伙伴、第一大出口市场和第一大对外投资国,韩国是中国的第四大贸易伙伴、第二大进口国。在水产业方面,2007年水产品出口韩国约占中国水产品出口总额的12%,位居中国水产品出口第三大目标国,2007年中国在韩国水产品进口国排名也位居第一。中国是WTO成员国,也是一个渔业大国,及时对其水产品出口市场进行研究,特别是对韩国这一有出口潜力的国际市场的研究,具有十分重要的现实意义和长远的战略意义。对于中韩水产品在第三方市场(或世界市场)上的出口是否存在竞争关系,这种竞争趋势是强化还是弱化,笔者将利用出口相似度指数进行测算。
二、出口相似度指数的含义及数据来源
(一)出口相似度指数的含义
出口相似度指数(Export Similarity Index,ESI)可以从商品域和市场域两个方面对两国某产品的出口竞争性进行考核。Finger和Kreinin(1979)最先从商品域提出了产品出口相似度指数的测算方法,而Glick和Rose(1998)则在此基础上提出了修正的市场相似度指数。为了调整国家规模相差过大和贸易不平衡所带来的问题,Glick和Rose在式中使用了出口份额这一概念。我们均采用修正后的出口相似度指数,该指数公式如下:
式中SP(ij,l)表示i国和j国产品l的出口相似度指数,X代表出口额,它的上标l代表第l种出口商品,它的两个下标依次代表出口国(i国或j国)和出口目的地(k国),Xlik/Xik表示i国出口到k市场中第l种商品所占的份额,Xljk/Xjk表示j国出口到k市场中第l种商品所占的份额。其中,0≤Sp(ij,l)≤100。若i国和j国出口到k国的商品分布完全相同,则S指数值为100;反之,若完全不相似,则该指数为0。两国或区域的产品相似程度越高,则也意味着两国的竞争程度越高;若两国相似程度越低,竞争程度越低。
(二)数据来源
笔者采用联合国贸易数据库中SITCRev.2分类方法03类产品的数据,该数据库中的水产品包括五类产品,分别是鲜活冷藏及冻鱼、干腌熏鱼、鲜活冷藏冷冻及腌甲壳软体、鱼制品、甲壳软体制品五类,代码分别为“034、035、036、0371、0372”。
三、测算结果及结果分析
(一)产品出口相似度分析
通过表1可以看出,中韩水产品在世界市场出口相似度很低,两国水产品存在着微弱的竞争关系。从时间序列来看,在世界市场上中韩水产品出口的相似度越来越小,整体的变动趋势为不趋同。若两国或区域的产品相似程度越低,意味着两国或区域在第三方市场或者世界市场上出口产品的竞争程度越低。
资料来源:根据联合国COMTRADE数据库相关数据汇编计算得出。
(二)在第三方市场的出口相似度分析
在考察中韩水产品出口市场相似度时,选择了日本市场和美国市场。因为中韩水产品出口主要集中在日本和美国市场,以2007年为例,中国对日美水产品的出口额占中国水产品总出口额的49.81%,韩国对日美水产品的出口额占韩国水产品总出口额的53.27%,远高于其他国家,研究这两国市场有一定的代表性。
1. 日本市场。
通过表2,我们获知中国和韩国的水产品在日本市场的竞争弱,但竞争强度比中韩水产品在世界市场高,约为3.0~5.0倍。从产品种类来看,鲜活冷藏及冻鱼和鲜活冷冻及腌甲壳软体具有较强的竞争性,而甲壳软体制品竞争力次强,干腌熏鱼和鲜活冷藏及鱼制品的竞争性则很低。尽管中韩水产品在日本有着一定的相似度,存在一定程度的竞争,随着时间的推移,竞争性有所下降。
资料来源:根据联合国COMTRADE数据库相关数据汇编计算得出。其中,034-鲜活冷藏及冻鱼035-干腌熏鱼036-鲜活冷藏冷冻及腌甲壳软体0371-鱼制品0372-甲壳软体制品
2. 美国市场。
通过分析表3,我们获知中韩水产品在美国市场存在很弱的竞争,低于中韩水产品在世界市场的竞争程度。其中,鲜活冷藏及冻鱼的竞争度相对较高,而且随着时间的推移,二者趋同度更强;鲜活冷藏及腌甲壳软体、鱼制品和甲壳软体制品相对较弱,从1998-2005年竞争度逐年递减,但2006和2007年的竞争度有所增强;干腌熏鱼虽然竞争性差,但变化趋势逐年趋同。
资料来源:根据联合国COMTRADE数据库相关数据汇编计算得出。其中,034-鲜活冷藏及冻鱼035-干腌熏鱼036-鲜活冷藏冷冻及腌甲壳软体0371-鱼制品0372-甲壳软体制品
四、结论
总体而言,中韩水产品整体上竞争性不强,这从另一方面体现了两国水产品更多存在的是互补性。就具体产品而言,目前中韩水产品在美国市场的竞争有所加剧,特别是的鲜活冷藏及冻鱼和干腌熏鱼。2007年韩美签定自由贸易协定,韩国出口美国的所有产品(包括水产品)分期均100%消除关税,这将增强韩国水产品在美国市场的竞争力。这使得中国水产企业水产品的销售和利润空间受到压缩。
通过建立FTA,韩国可以同中国加强劳务合作及海水养殖技术的交流,还可以对中国直接投资建立渔业加工型企业,提高其水产品附加值和产品竞争力;中国可以通过交流,加快其远洋渔业的发展,同时增强其水产品在韩国市场的竞争力。
参考文献
[1]张玉山,刘维.韩美自由贸易协定对我国的影响与对策[J].经济纵横,2008,(6).
[2]杜卓君.中韩自由贸易协定中水产条款展望[J].对外贸易,2008,(2).
[3]张玫.中国水产品国际竞争力研究[D].华中农业大学优秀博士论文,2007.
[4]孔媛.东北亚地区水产品贸易的竞争性和互补性研究[J].国际贸易问题,2007,(4).
英汉概念隐喻的相似性研究 篇2
长久以来, 隐喻一直被看作是一种语言修辞手段, 看成是语言的一种偏离现象。1980年美国芝加哥大学出版社出版了美国认知语言学家莱考夫 (George Lakoff) 和约翰逊 (Mark Johnson) 著的《我们赖以生存的隐喻》 (Metaphors We Live by) , 近年来语言学的发展越来越证明该书的重要性。与传统隐喻理论的观点不同, 该书提出:隐喻不仅有修辞功能, 而且是一种思维方式——隐喻概念体系 (metaphorical concept system) 。作为人们认知、思维、经历、语言甚至行为的基础, 隐喻是人类生存主要的和基本的方式。概念隐喻理论认为:隐喻的理解涉及两个认知域:源域 (source domain) 和目标域 (target domain) , 隐喻意义的产生是这两者之间相互作用的结果, 这种互相作用通过映射 (mapping) 的方式进行。隐喻意义的理解实际上就是将源域的经验映射到目标域, 从而达到重新认识目标域的目的。所以, “隐喻的实质就是用一类事物来理解和经验另一类事物”。
如大量的表达方式证明:ARGUMENT IS WAR是一个概念隐喻:
由此可见, 人们“争论”时所说所为部分是由战争概念所构成的。在争论中, 有进攻, 防守, 反进攻, 输赢等。即“争论时战争”这个概念隐喻决定了人们对争论的认识和理解, 人们对待争论的方式是由战争概念所构成的。本文旨在从认知语言学角度分析概念隐喻的三种类型:结构隐喻, 方位隐喻, 本体隐喻, 并以此分类为依据探究英汉概念隐喻的相似性。
Your claims are indefensible.
He attacked every weak point in my argument.
His criticisms were right on target.
I’ve never won an argument with him.
If you use that strategy, he’ll wipe you out.
概念隐喻的类型
隐喻的实质就是用一类事物来理解和经验另一类事物。语言学家对于概念隐喻的分类是存在分歧的。根据不同的源域, 莱考夫和约翰逊把概念隐喻分为三类:
1. 结构隐喻 (structural metaphor)
结构隐喻是指是指用一个概念隐喻性地建造另一个概念, 使两种概念相叠加, 把谈论一种概念的各种表达方式用于谈论另一种概念。结构隐喻既表现为相关概念的结构对应关系, 又表现为已知概念的特征词语对新概念的侵入。如ARGUMENT IS WAR, TIME IS MONEY等。
以TIME IS MONEY为例, 在一定的文化中, 时间被看作是和金钱一样宝贵的东西, 人们“节约时间”, “浪费时间”, “花费时间”, “投入时间”:
This gadget will save you hours.
You are wasting my time.
How do you spend your time these days?
That flat cost me an hour.
I have invested a lot of time in him.
2. 方位隐喻 (orientational metaphor)
方位隐喻是指参照空间方位而组建的一系列隐喻概念。方位隐喻主要源于日常生活, 是人类认知和思维的最基本的概念。认知语言学界普遍认为, 在所有隐喻当中, 方位隐喻对于人类概念的形成具有特殊重要的意义, 因为多数抽象概念都是通过方位隐喻来表达和理解的。如:上—下 (up-down) , 内—外 (in-out) , 前—后 (front-back) , 深—浅 (deep-shallow) , 中心—边缘 (central-peripheral) 等, 人们把这些具体的空间方位概念映射于身体状况、情绪、社会地位等抽象概念上, 形成了许多用方位词表达抽象概念的语言形式, 如:
HAPPY IS UP;SAD IS DOWN.
I’m feeling up.
That boosted my spirits.
You are in high spirits.
I’m feeling down today.
He’s really low these days.
这个概念隐喻及其相对应的表达方式不是任意的, 而是有其物理基础:即当人们悲伤或沮丧时常常呈下弯的姿势;而直立的姿势一般与正面情绪有关。
MORE IS UP;LESS IS DOWN.
He number of books printed each year keeps going up.
The stock prices keep rising these days.
His income rose last year.
The number of errors he made is incredibly low.
His income fell by 20%last year because of inflation.
If you are too hot, turn the heat down.
国民生产总值以8%的速度持续增长。
科学技术使农业产量逐年增高。
受经济危机影响, 外贸出口有所下降。
这个概念隐喻的产生也有其物质基础:即把更多的物质或物体加入容器或一堆东西当中时, 其平面就会增高。
3.本体隐喻 (ontological metaphor)
人类最初的生存方式是物质的, 人类对物体的经验为我们将抽象的概念表达理解为“实体”提供了物质基础, 由此而派生出另外一类隐喻:本体隐喻。在这类隐喻当中, 人们将具有抽象意义的思想、感情、心理活动、状态等无形的概念看做是有形的实体, 特别是人体本身。如, THE MIND IS AN ENTITY.这一隐喻是把MIND (心智) 这一概念具体化。本体隐喻将抽象概念具体化, 因此本体隐喻可以承担指称、量化、确认、目标设定等功能。 (蓝纯, 2005) 。如:
My fear of insects is driving my life crazy. (referring)
It will take a lot of patience to finish this book. (quantifying)
The ugly side of his personality comes out under pressure. (identifying aspects)
The pressure of his responsibilities caused his breakdown. (identifying causes)
本体隐喻中最典型和具有代表性的是容器隐喻 (container metaphor) , 人体、物体、疆土、视觉领域、事件、行动、活动、状态等都可以看做是容器。如:
疆土可以看作是容器:There is a lot of land in Kansas.
视觉领域可以视作容器:The ship is coming into view.
比赛事件可以看作容器:Are you in the race on Sunday?
人体部位也可以看作容器:Two heads are better than one.
植物也可看作容器:My love is a red, red rose.
由此可见, 隐喻在日常生活中是无处不在的, 隐喻不仅是一种语言现象, 更是人类的一种认知工具, 人类的概念系统本身就是隐喻性的。
英汉概念隐喻的相似性
尽管语言和文化密切相关, 不同民族具有不同的文化背景, 但人类具有相似的生活经验, 语言习得机制及认知系统。乔姆斯基认为, 语言具有一种普遍性, 即人类具有独特的语言习得的生理机制。克拉克夫妇认为人类还具有表达复杂的语言的普遍性。犹如婴孩开始学习语言一样, 人类的隐喻起初都围绕人类的基本活动及周围的自然环境。同时, 人类相似的认知体系使得不同文化中的隐喻具有相似的认知基础。从隐喻的三种类型:结构隐喻, 方位隐喻和本体隐喻都可见英汉概念隐喻的相似性。
1.英汉结构隐喻的相似性
在上文中提到, 英语中有概念隐喻TIME IS MONEY, 从而有了下面的表达方式:waste time, save time, have time to give somebody, spend time, cost somebody sometime, run out of time等。在汉语中, 也有类似的隐喻“时间就是金钱”, 相应的表达方式有:
他总是浪费时间去做这种无聊的事。
为了节省时间, 我们抄近路吧。
你读这本书花了多长时间?
再以LIFE IS A JOURNEY为例, 在这个结构隐喻中, 源域journey的各种显著结构特征被系统地映射到了目标域life。因此, life与journey一样, 有始也有终。人生旅途中, 有时可能一帆风顺, 有时则可能从满艰辛。因此, 英语中有如下表达法:
Give the children a good start in life.
He is over the hill.
I was bogged down in a dead-end job.
Her career is at a standstill.
They are embarking on a new career.
He’s gone off the rails.
Are you at a cross-roads in your life?
Their partnership didn’t last.In the end, they agreed to go their separate ways.
在汉语中, 也有“人生是旅途”这种说法, 相应的表达方式有:
人生的旅途漫长而又艰辛。
他四处奔波。
她的一生很坎坷。
我们都是匆匆过客。
死亡是人生的终点。
综上所述, 作为一种认知和思维手段, 不同语言和文化的隐喻表现出一定的相似性。而这种相似性不是任意的, 而是以人类生活经验为基础的。其隐喻映射关系一经建立就会在人类认识客观世界中起到重要的作用。
2. 英汉方位隐喻的相似性
许多抽象概念的认知需借助于空间概念中的方位概念。方位隐喻, 即用诸如上下、内外、前后、、深浅、中心—边缘等表达方位的概念来组织另外一种概念。英汉文化对于方位概念, 如“上”和“下”具有相同的态度, 即“健康和生命是上, 疾病和死亡是下” (HEALTH AND LIFE ARE UP;SICKNESS AND DEATH ARE DOWN) , 在英语中有如下表达法:
He’s at the peak of health.
She’s in top shape.
She fell ill.
He’s sinking fast.
He came down with the flu.
His health is declining.
汉语中也有“健康位于上, 不健康位于下”这种说法, 相应的表达方式有:
你应该树立起信心。
他又病倒了。
她一天天瘦下去了。
我的精神已经好起来了。
他的健康状况不断下降。
她被家务压垮了。
最近他的视力下降很快。
由此可见, 在英汉两种语言中, 对于方位“上”和“下”有着相类似的态度, 在英汉中有更多的例子能说明这一点:
Our national income will climb another ladder.
She is really low these days.
The American dream is that everyone has the equal opportunity to climb up.
He is at the peak of his career.
三十年代的大危机, 使美国经济跌入大低谷。
旧社会, 人民生活在社会最底层。
江河日下。
他正在堕落下去。
3. 英汉本体隐喻的相似性
如上所述, 本体隐喻可以使人们把时间、活动、感情等抽象概念看作实体或物质。以MOODS ARE WEATHER为例, 在英汉两种语言中有着类似的表达法:
What’s the matter?Cheer up!You look gloomy/foggy.
I think I drank too much last night.I’m afraid I’m feeling a bit under the sky/weather.
Ladies and gentlemen, can I start by thanking you for giving me such a warm/hot welcome?
I think their relationship has cooledfrozen recently.
从我下班回家, 他就一直阴沉着脸。
从她那阳光灿烂的笑容来判断, 我就知道她被电影学院录取了。
此外, 在英汉两种语言中, 某些动物常常被用来表达抽象概念, 如:
You ass!You stupid ass!How could you do a thing like that?
你这头驴, 怎么会干出这种事情来?
He doesn’t have any idea of his own.He just parrots what the other people say.
他没有自己的观点, 只会鹦鹉学舌。
The children were as busy as bees, making preparations for the festival.
孩子们准备过节, 忙得像蜜蜂一样。
结语
人类对隐喻从语言修辞手段到认知方式的转变, 是基于人类对语言文化信息的日益关注。在日常生活中, 人们常常参照熟悉的, 有形的, 具体的概念来认识、经历, 对待无形的、抽象的概念, 形成了一个不同概念之间相互关联的认知方式。隐喻在一定的文化中又会形成一个系统的一致的整体。英汉民族生活经验中的相似性使不同的语言形成了具有某些相似文化内涵的概念隐喻。本文从认知语言学角度分析概念隐喻的三种类型:结构隐喻, 方位隐喻, 本体隐喻, 并以此分类为依据探究英汉概念隐喻的相似性。人类对隐喻的理解受到诸多因素的影响, 如语境、隐喻自身的特性及主体的认知能力等, 把握英汉文化的同一性, 有助于我们对隐喻的正确理解。
参考文献
[1]Lakoff, G.&Johnson, M.1980.Metaphors We Live By.Chicago:University of Chicago Press.
[2]Lan, C.2003.A Cognitive Approach to Spatial Metaphors in English and Chinese.Beijing:Foreign Language Teaching and Research Press.
[3]Mac, C.&Earl, R.1990[1985].A Cognitive Theory of Metaphor.Cambridge, Mass:MIT Press.
[4]蓝纯, 2005, 《认知语言学与隐喻研究》, 北京:外语教学与研究出版社.
[5]束定芳, 2001, “论隐喻的认知功能”, 《外语研究》, 第2期.
竞争相似性 篇3
一、我国教育本质论争过程及反思
1978年，于光远在《重视培养人的研究》一文中，率先对把教育归结为上层建筑的论断提出质疑。自此，从激烈的论争到归于平淡的反思，教育界关于教育本质问题开展的讨论始终没有中断。考察教育本质论争的发展过程，人们对教育本质的认识存在两大派：一派主张教育有本质。他们从教育本质争论之初至今四十余年，始终存在;另一派则认为教育根本就没有本质。这一派深受后现代主义哲学思想的影响，出现于上世纪九十年代末。
主张教育有本质这一派系中出现了许多不同的观点，他们争论的焦点在于教育的本质是什么。先后出现了如“上层建筑说”“生产力说”“双重属性说”“特殊范畴说”“培养人说”等诸多理论。据统计，从1978年到1994年十七年之间，有关教育本质的学说就有28种之多。[1]曾有学者将整个探讨过程分为三个阶段：第一阶段(上世纪50年代初—1966年)：全盘接受苏联的教育本质论断;第二阶段(1978年—1994年)：对上层建筑说的批判和新学说的提出、反思;第三阶段(1995年至今)：研究方法的审视和论争领域的泛化。[2]从这个分段可以看出，教育本质的争论从教育外部走向教育内部，从教育的社会属性出发探讨教育的本质转向从教育自身的特殊矛盾出发探讨教育的本质。继而出现了“本质”与“归属”的关系的争论、“本质”与“功能”的关系的辨析、“本质”与“属性”的关系的研究、“本质”与“规律”的关系之争等。
而主张教育没有本质这一派则直接以后现代主义反对本质主义的理论运用于教育本质的探讨中，从根本上否定了教育本质的存在。“21世纪的中国教育学研究必须深刻地批判和彻底地抛弃本质主义，树立新的反本质主义的知识观，走上新的反本质主义的认识论之路”。[4]
审视教育本质的两大派不难发现，他们之间存在的最大隔阂在于“本质”是否存在。“本质”是什么?“本质是对现象而言的，现象中同一的东西，现象中保存着的东西，就是事物的规律，就是事物的本质。”[5]这种本质的特点在于它的永恒性、全面性、绝对性，以牺牲教育的多样性和不确定性来形成对教育的同一性的认识。这种“本质”有着清晰的边界，一经形成便不容质疑，不免专制、独断之嫌。而这些正是反本质主义者批驳教育本质存在的利器，即这种穷尽真理的“绝对本质”是根本不存在的。
多年的教育本质之争让我们认识到了教育本质问题的复杂性，想要透过纷繁复杂的教育现象，找出那种绝对的、所有教育共有的、能用几个词或几句话确切地表达出来的教育本质并不现实。但这并不代表我们不再追问教育的本质，甚至像有学者指出的那样，完全地抛弃本质主义的知识观和认识论路线。对于教育本质的认识，我们不能再走老路，即以“绝对本质”作指导。
二、维特根斯坦“家族相似性”理论
“家族相似性”是维特根斯坦在其著作《哲学研究》中提出的一个重要概念，其对我们重建教育本质范畴提供了新的认识路线。对于什么是“家族相似性”，他并没有给出一个明确的定义，但在其行文中体现了“家族相似性”的主要特点。
1. 同一家族有其本质存在，只是这里的本质并非“绝对本质”
同一个家族的成员之间不存在一个共同的东西，有的只是他们之间相互关联的关系。这里的“关系“不是一般意义上的关系，特指两事物之间的相似性。“我没有提出某种对于所有我们称之为语言的东西为共同的东西，我说的是，这些现象中没有一种共同的东西能够使我把同一个词用于全体，———但这些现象以许多不同的方式彼此关联。而正是由于这种或这些关系，我们才把它们全称之为‘语言’”。[6]虽然没有共同的东西存在于一个家族中，但仍然能够通过某种关系，将家族之外的成员排除。这表明，家庭仍有其本质存在，只是这里的本质并不是从各个成员身上抽取出来的共同的东西，而是存在于由各种关系组成的关系网中。
2. 同一家族成员间的相互关联关系并不相同，有些是直接的，有些则是间接的
正如同一张网上的各个节点，有的节点之间直接相连，而有的节点之间则需要通过其它的节点而间接相连。“例如，在纺绳时把一些纤维绕在另一些纤维上一样。绳的强度并非在于有一根贯穿绳的全长的纤维，而是在于许多纤维互相重叠。”[6]这表明，“在一个家族中，第一，一个家族的成员与另一个成员之间总有相似之处;第二，一个家族中两个成员的相似之处，不一定就是与第三个成员的相似;第三，在每一个家族中，有互相重叠、交叉的相似关系之网，家族成员之间有时大部分相似，有时小部分相似，但不存在一个相似之处是所有成员共有的。”[8]正是由于这些直接和间接的关系，使得一个家族牢固地保持着其自身的存在位置。
3. 一个家族是一个边界模糊的开放系统，它是确定性与不确定性的统一
“一个概念的外延并不被一个边界所封闭。如，游戏的概念该怎样来约束呢?什么仍可算作游戏，什么又不再能算了呢?你能给出一个边界来吗?不能。”[6]家族的开放性正是得益于其网状的结构特点。关系的直接和间接之分，使得家族没有中心，但又形成一个整体。各成员努力向外扩张，寻找与自己直接关系的事物，从而将其纳入到家族中。这使得家族保持了动态的平衡。
三、以“家族相似性”理论为指导，重构教育本质
1. 确立教育家族概念
教育家族是由不同历史时期以及同一时期不同教育现象组成的一个有着“血缘”关系的大族系。一个家族的成员之间有各种各样的相似之处———内容、方法、组织管理等等，也以同样方式互相重叠和交叉。所以我要说：教育形成一个家族;教育作为一个家族，就具有“家族相似性”的特点。
2. 以“家族相似性”理论重构“本质”范畴
“家族相似性”理论推翻了“本质”所具有的“永恒不变”“同一”“确定”等特点的权威。本质范畴需要重构：一是以生成变化的朝未来开放的本质取代永恒不变的本质。本质具有历史性和生成性。二是包容多样特征或差异的本质取代同一的本质。我们必须认识到，事物的本质是特定事物的本质，是事物的特定发展阶段的本质，是内在地包含着无限差异和多样性的本质。三是以包含不确定性的本质取代确定性的本质。知识既是确定的，又是不确定的。对事物本质的认识也是确定性与不确定性的统一。[1,2]
3. 以“家族相似性”理论重构教育本质
教育的本质如前所述，是一个家族系统，教育家族各成员之间以这样那样的关系相互联系在一起。由于联接各成员的相似点是不同的，因此，这些不同的相似点就构成了一个多样而又开放的相似点系统。而教育的本质就是一个由教育家族成员间不同的相似点构成的相似点系统。它具有多样、开放的特征，具有确定性与不确定性。
第一，教育本质包含多样的教育形式，以及多样的相互联结关系。教育家族网上的各成员不是一个复合的概念，它们是作为一个教育整体而存在的，它们相当于网上的节点。不存在这样一个中心节点，好似其它节点都是由它发展而来的。各成员都处于同一水平，地位相等。例如“学校教育”就不能作为成员存在，它是由多个更小单位的教育，如学前教育、初等教育、中等教育和高等教育等组成的。因而这些更小的单位将成为教育网络上的节点，它们与其它的教育共同构成教育家族网。显然，各教育单元之间的地位是平等的，不存在谁包含谁的问题。所有教育成员之间没有同一的东西，有的只是相互关联的关系。虽然直接相联的两成员之间是存在相似之处的，但这个相似之处并不一定是其它成员之间的相似之处。正是由于这种关系的复杂性，教育本质能够包含多样的教育形式和多样的相互联结关系。
第二，教育本质具有开放性，是确定性与不确定性的统一。教育家族已有成员之间的关系是确定的，教育本质又能包含所有这些关系，因此，从这个意义说，教育本质具有确定性。与此同时，教育家族作为一张关系网，它又是在稳中求动，具有动态生成性。它不排斥差异，通过关系的形式在与外界进行信息交流的过程中接纳新的成员。因而，教育本质必然也就具有了不确定性。终身教育的提出和发展验证了这一点。长期以来，一提到教育，人们的第一反应就是学校教育，认为只有在学校中进行的活动才是教育。但随着社会的进步，它对人的要求越来越全面，只懂一门专业的人越来越不适应这个社会，人们需要通过不断地学习来使自己适应这个急速变化的时代。因而，单纯的学校教育已经不能满足人们的要求，各类在职培训正如火如荼地进行着。另外，科技的发达更为人们学习提供了超越时空障碍的条件，不需要去学校，也能通过自学或视频授课等多种途径进行学习。在这种新的形势下，教育不能固守陈规，仍然将自己限定在学校里。将各式各样的培训、自学等纳入教育家族正是终身教育这一理念的良好表达。因而教育本质是开放的，它允许新事物进入教育系统，充实教育本质。
教育有本质，但这里的本质不是在去除多样的教育现象后抽取出来的恒定不变的“绝对本质”。以“家族相似性”理论为指导，通过重构“本质”范畴，进而重构了教育本质。重构的教育本质是一个由教育家族成员间不同的相似点构成的相似点系统，处于动态、开放的状态，体现了教育的多样性与统一性、确定性与不确定性的统一。
参考文献
[1]郑金洲.教育本质研究十七年[J].上海高教研究, 1996 (3) .
[2][3]成有信.教育学原理[M].郑州:河南教育出版社, 1993:80.
[4]石钟英.本质主义、反本质主义与中国教育学研究[J].教育研究, 2004 (1) .
[5]孙喜亭.教育原理[M].北京:北京师范大学出版社, 1993:46.
[6][7][9]维特根斯坦.哲学研究[M].李步楼, 译.北京:商务印书馆, 1996:46-49.
[8]张家龙.评维特根斯坦的反本质主义纲领—语言游戏”说和家族相似”论[J].哲学研究, 2001 (7) .
多尺度地图相似性度量方法浅析 篇4
1 相似度度量的一般步骤
1) 提出影响相似性的特征类型。Frank Richard将相似度分为3 个类型, 形状相似、位置相似、语义相似[1]。闫浩文、刘涛从图形特征和属性特征的角度将多尺度地图相似性类型分为拓扑相似、方向相似、距离相似、几何相似及属性相似[2,3]。这些分类方法还不够全面, 而且没有考虑多尺度地图的特点。
2) 对各类型相似度分别进行计算。进而综合各类型相似度的计算结果, 得到总体相似度。
2 多尺度地图相似性度量的常用模型
2.1 概念邻域模型
概念邻域模型用于描述要素地图两两之间的拓扑距离, 由于点要素拓扑关系比较单一, 该模型适用于线要素和面要素的交集模型。一般通过概念邻域图得到概念邻差异矩阵, 矩阵中的值对应于两两之间的拓扑距离。
2.2 Voronoi图
Voronoi图, 又叫泰森多边形或Dirichlet图, 它是由一组连接两邻点直线的垂直平分线组成的连续多边形。 由于Voronoi图的每个点与它的最近邻区域相关联, 可以用它代替点要素进行分析。同时, 也有基于线和面要素的Voronoi图构建方法。
2.3 投影模型
投影模型是将要素投影到指定坐标系, 利用其在坐标系中的方向、长度以及夹角等特征来衡量相似度。最典型的方法是将坐标分为8 个方位, 即可得到每一个要素对应的方位, 从而计算方向关系的相似度。
3 多尺度地图相似性度量的研究现状
相似性度量的方法按照研究对象的数据类型不同分为矢量数据相似性度量和图像数据相似性度量。笔者主要研究矢量数据的相似性度量方法。矢量数据根据要素类型的不同, 又可分为点、线、面3 种。下面针对于这3 种不同的要素地图, 对现有度量方法进行分析。
3.1 点状要素地图相似性度量
梅耀元运用栅格数据思想和多元统计方法, 将对点群的研究转化为对面状目标的研究[4]。对同一个点群化简前后的密度、面积以及空间方向的相似进行研究。其中, 将点群凸包所占栅格的面积比上点群中点的个数作为点群密度。使用点群构建的Delaunay (三角刨分算法) 三角网面积作为点群面积。使用点群最小外接矩形的长轴与水平轴的夹角作为点群方向角。这里的面积相似实际上就是几何相似的一种, 密度相似也可以认为是距离相似。缺点是对于点群的方向特征, 使用点群的主方向会更加直观有效一些。
杨伟芳基于Voronoi图对点群进行研究[5]。分别考虑点群目标拓扑关系相似, 距离关系相似和属性特征相似。在构建Voronoi图之后, 以每个点的一阶邻域点的数目作为其拓扑指数, 比较两组点群总的拓扑指数即可得到拓扑相似度。以每个点的相对局部密度作为距离关系度量指标。以点的重要系数作为属性特征。该方法认为点化简前后点的位置并没有发生变化, 即没有方向关系的变化。但是, 对于整个点群而言, 其方向特征还是发生了改变, 所以该方法缺乏对方向关系的考虑, 最终难以得到满意的结果。
综上所述, 对于点群目标, 由于地理空间中的单个点目标是没有形状大小的空间图形, 一般将点群目标的相似性研究转化为对面状目标的研究。
3.2 线状要素地图相似性度量
闫浩文考虑到拓扑关系相似、距离关系相似以及属性特征相似, 针对这3 种不同线要素的特点得到不同度量模型。对于等高线地图, 使用每条等高线的相邻等高线数目作为拓扑指标, 使用等高线密度作为距离指标, 使用等高线间距作为属性指标[6]。刘涛顾及拓扑关系相似度、方向关系相似度、距离关系相似度以及几何特征相似度提出了度量线要素相似度的综合模型[7]。利用线要素拓扑关系概念邻域图定义线群之间的拓扑关系相似度, 利用方向均值定义线群之间的方向关系相似度以及 “环形方差”定义线群目标之间的距离相似度, 同时考虑线要素的平均长度、曲折度等几何特征得到其几何特征的相似度。缺点是范围太广导致方法笼统。各类线要素地图的特点各不相同, 应该针对特定类型线要素进行具体分析。
3.3 面状要素地图相似性度量
Frank Richard分别考虑了面要素地图的形状相似、位置相似以及信息内容相似[1]。对于形状方面, 先对综合前后面要素地图进行匹配分析, 继而求得差异度。对于位置相似, 使用面要素的Voronoi图得到面要素距离, 以该距离作为位置指标。对于信息内容相似, 实际上就是属性特征相似, 采用经典的信息熵模型得到各自的信息熵, 以该信息熵作为属性信息相似度指标。该方法通过度量两幅地图的差异性得到其相似性, 是一个很好的策略, 缺点是缺少从全局角度对地图进行整体描述[8,9]。
闫浩文研究了面要素的拓扑关系、方向关系、距离关系[6]。使用面要素Voronoi图得到要素拓扑关系, 将整幅地图中各种拓扑关系的数目作为指标, 使用交集指数作为方向关系指标, 使用平均面要素密度作为距离关系指标。该方法缺点在于, 拓扑关系相似度计算以总的拓扑关系数量作为指标, 与面要素数目的关系太大。
4 结束语
4.1 需要进一步解决的问题
归纳上述方法, 得出目前多尺度地图相似性度量主要存在以下问题:
1) 在实际应用当中, 使用最多的是全要素地图。现有研究方法对于数据要求较高, 大多只能解决单一类型要素地图。
2) 现有研究对相似性类型的考虑还不够周全, 且大多是从数据特征的角度分析相似性类型, 笔者认为应该从多尺度地图的特点出发。针对多尺度地图, 其最大特点在于地图综合前后需要对空间数据做一些改变, 以适应特定比例尺下的制图要求。这种变化即对应两者的差异性, 得到差异性类型即可得到对应的相似性类型。另外, 地图信息论研究的是地图传递给使用者的信息, 这种地图信息的类型也可作为相似性的类型。
3) 对于不同类型的相似性, 选取合适的度量模型依旧是一个值得深入探讨的问题。
4) 相似度计算中权重的确定还需要进一步研究。采用人为主观赋权法不够科学, 可以考虑使用熵权法, 根据各指标的变异程度, 利用信息熵计算出各指标的熵权, 再通过熵权对各指标的权值进行修正, 从而得到较为客观的权重值。
5) 对相似度计算结果的评价目前比较缺乏。
4.2 展望
地图相似性度量对于空间信息的查询检索、空间分析、空间数据挖掘以及地图综合具有重要意义。多尺度地图相似性度量依旧存在适用性不强, 相似性类型不够全面, 模型选取不是很合适, 总的相似度计算结果不够客观, 对计算结果缺乏有效评价等问题, 这些问题有待进一步研究。
摘要：随着地理信息科学的快速发展, 对空间数据相似性的研究也逐渐得到学者们的重视。本文在归纳多尺度地图相似性度量的一般步骤基础之上, 介绍了常用模型。重点对多尺度地图的相似性度量方法进行了归类与分析, 得出了现有研究方法存在的问题并指明了需要进一步研究的方向。
关键词：多尺度,地图,相似性
参考文献
[1]Frank R, Ester M.A Quantitative Similarity Measure for Maps[J].Progress in Spatial Data Handling, 2006:435-450.
[2]Yan H.Fundamental theories of spatial similarity relations in multi-scale map spaces[J].Chinese Geographical Science, 2010, 20 (1) :18-22.
[3]刘涛, 杜清运, 毛海辰.空间线群目标相似度计算模型研究[J].武汉大学学报 (信息科学版) , 2012, 37 (8) :992-995.
[4]梅耀元, 闫浩文, 李强.多尺度地理空间点状要素相似关系研究[J].测绘与空间地理信息, 2010 (2) :18-20.
[5]Yang Weifang, Yan Haowen, Li Jonathan.Formula for calculating spatial similarity degrees between point clouds on multi-scale maps taking map scale change as the only dependent variable[J].大地测量与地球动力学 (英文版) , 2015 (2) :1-13.
[6]Yan H, Li J.Applications of Spatial Similarity Relations in Map Generalization[M].Spatial Similarity Relations in Multi-scale Map Spaces.Springer International Publishing, 2015:157-181.
[7]刘涛.空间群组目标相似关系及计算模型研究[M].北京:电子工业出版社, 2013:629-629.
[8]闫浩文, 褚衍东.多尺度地图空间相似关系基本问题研究[J].地理与地理信息科学, 2009 (4) :42-44, 48.
基于相似性判断的广告片段检索 篇5
随着电视台视频节目的积累, 网上数字视频的增加, 以及数字图书馆、视频点播、远程教学等大量多媒体的应用, 如何在海量视频中快速检索出所需要的资料显得至关重要。从20世纪90年代开始, 基于内容的视频分析和检索技术成为研究的热点问题。由于基于内容的图像检索的困难性和复杂性, 大量的研究主要集中在视频内容的结构分析上, 如镜头的分割、关键帧的提取、场景的构造等, 视频检索方面的研究则相对较少, 而这部分常常是应用的关键。视频检索就是要从大量的视频数据中找到所需的视频片断。根据给出的例子或者特征描述, 系统就能够自动找到所需的视频片断, 从而实现基于内容的视频检索。视频片段检索需要解决两个问题: (1) 从视频库里自动分割出与查询片段相似的多个片段; (2) 按照相似度从高到低排列这些相似片段。对于广告这种具体的视频内容进行检索, 以该广告中产品的标示图片和该产品的名称为标准来对广告进行分类, 当用户检索相应广告是否播出, 或者需要提取相应广告进行播放时, 该方法能够及时快速地给出结果。
本文提出了一种新的方便用户使用的广告检索方法。该方法建立并维护一个广告视频片段的数据库, 将不同的广告产品进行分类, 每一类都有其对应的产品名称以及图标。对于一个新加入的视频广告片段, 运用SIFT特征提取算法和PE匹配算法, 判断该视频是否属于该类, 如果属于, 则把该视频加入该类别, 如果不属于, 则继续判断下一个类别, 直到匹配成功。而当用户需要检索时, 可直接输入广告中产品的名字或者与该产品相关的产品logo或图像, 以此来与系统中预先建立的广告片段数据库进行匹配, 从而给用户提供其所需要的视频片段。
1 相关研究
由于在新闻搜索、话题检测以及视频中特定任务检索等方面的作用, 现在视频检索技术已经有了大量相关的研究工作。而广告视频检索作为一种特定的视频检索类别, 对于视频行业具有重大的意义, 本文主要对视频首先进行特征提取, SIFT特征提取算法[1]从图像中提取与尺度、缩放、亮度无关的特征向量, 快速的对大量视频进行特征提取, 并且不会受图像旋转、尺寸缩放以及亮度等因素的影响[3]。对于新加入的视频, 通过判断匹配点的关系从视频数据库中找出其对应的广告类别和产品[7], PE算法首先通过连接两幅图像中的特征匹配点, 然后分别计算其水平和垂直连接方向的角度, 并根据角度分布参数构造直方图, 根据香农信息理论计算信息熵来判断其是否属于相似图像[2]。同时, 广告中logo的重要性不言而喻[6], 并且广告中logo出现的位置、大小常常不同[4], 通过对logo的比较可以很快的将广告进行分类和匹配[5]。
2 基于相似性判断的广告片段检索
广告片段检索的主要任务是在海量的广告视频片段中, 建立并维护一个广告视频数据库, 当用户需要对某个产品的广告片段进行检索, 或者查看该广告片段时, 能够通过对数据库的遍历, 快速地给出用户所希望的结果。首先建立一个广告视频数据库, 并对其按照产品的不同进行分类。考虑到镜头是在视频中用同一摄像机进行连续不间断拍摄的一段视频内容, 因此其在内容上是个整体, 所以选择视频中的一些镜头来标示该视频, 又根据广告的特点, 广告中产品的图片出现大都在广告的末尾1～5秒内播出, 于是对该段视频进行扩充分析。
2.1 检索流程
基于相似性判断的广告片段检索流程如图1所示:1.对广告视频库中的镜头片段进行分析, 寻找关键帧并对其进行SIFT特征提取;2.对于各个片段的关键点特征, 利用PE算法进行匹配, 并判断其类别;3.若匹配成功, 继续对匹配成功的关键帧进行分析, 寻找扩充的广告标示, 以此扩充视频数据库中的标准广告标示库;4.将视频分类后, 提供给用户视频数据库信息, 并根据用户需求完成广告片段的检索。
2.2 SIFT特征提取
对每个片段, 由于前面提到的广告中图标大部分都在结尾显示的特点, 选取其片段末尾的五到十帧进行最小像素融合。所谓最小像素融合法, 就是对于多帧图像, 融合之后的图像取每一帧图像对应位置上像素值最小的那个值为最终值。这么做主要是考虑到在广告片段中, Logo标记的位置是基本上保持不变的, 通过融合可以使背景比较模糊而Logo标记得以更加清晰地表现出来。另外, 为了进一步精确匹配, 也对该片段中间一帧和其左右各五帧进行最小像素融合, 两个融合帧都作为关键帧, 进行SIFT关键点的提取。
SIFT算法是一种提取局部特征的算法, 由于该特征对图像的旋转, 尺度缩放, 亮度变化等干扰都具有不变性, 并且算法的信息量丰富, 速度也可达到实时性, 所以十分适用于在海量特征数据库中进行快速、准确的匹配。SIFT算法的步骤大致可分为4步: (1) 检测尺度空间极值点, (2) 精确定位极值点, (3) 为每个关键点指定方向参数, (4) 关键点描述子的生成。通过这4步, 便对视频中的每个关键帧都提取了SIFT特征。图2所示为以联想广告为例进行SIFT特征提取。
2.3 关键点特征匹配
在对镜头片段进行特征点提取后, 同样对视频数据库中各广告类的标准标示图进行SIFT特征提取, 并用这些特征与视频中的镜头关键帧进行匹配, 首先匹配用视频片段的结尾信息得到的关键帧, 如果匹配不成功, 再用片段中间帧融化得到的关键帧进行匹配。本文运用的匹配方法是模式熵PE (Pattern Entropy) 方法。
PE方法是在获得匹配点之后, 利用匹配点的关系来判断两幅图像是否相似的一种判断方法, 主要通过对信息熵进行匹配来实现。大致可分为3个步骤:
2.3.1 连接两幅匹配图像的特征匹配点, 并计算连线的水平和垂直方向
两幅图像如图3所示排列, 其中关键帧B排放在类别标准图示A的下方和左方, 将图A和关键帧B的匹配关键点用直线连起来。然后利用公式 (1) 和 (2) 计算其水平和垂直方向的连接线的方向。
2.3.2 对计算出的方向按36个级别进行哈希散列, 并构造相应直方图
通过计算的结果, 将方向参数每5度哈希到一个基础量级别, 将180分别哈希散列成36个级别, 并构造级别分布直方图。如图4所示。
2.3.3 根据香浓信息理论, 计算模式熵, 判断两幅图像是否为相似图像
最后, 对两个直方图的各个级别利用香浓的信息理论, 根据公式 (3) 和 (4) 计算其信息熵, 也就是模式熵, 从而来判断其是否为相似图像。其中, Q, P分别表示按上述方法计算出的水平和垂直梯度集合。
计算出的结果是一个介于0到1之间的数, 越接近0, 熵越小, 表示两幅图片越匹配;反之, 若越接近1, 则表示熵越大, 系统越混乱, 要搞清楚系统需要的信息量也就越多, 匹配效果较差。
经过试验得出结论, 如果在匹配队列中若有超过37%的图片比例与该类的标准标示图片相似, 则可认为该广告视频片段属于该数据库类别, 将其归入该类。
3 实验
视频数据库建立完成后, 根据用户的要求快速地对广告片段进行检索。当用户需要对相应广告进行检索时, 可提供两种检索信息, 一种是直接输入广告的产品名称, 这时, 由于对广告分类时存储了与他对应的名称, 所以直接选取该名称所在类的视频播出即可。而当用户不知道该产品名称而只有它的一个标示时, 也可提供一幅该标示图片, 如图5所示, 这样通过对该其进行前面提到的SIFT特征提取并把他与各个类的标准标示图进行匹配, 也可以得到用户想要的广告片段属于哪一类, 从而达到目的。
同时, 还有一些其他的改进方法, 比如针对处理的图像进行剪辑, 考虑到图像的主要信息是集中在图像的中间区域, 去除上下或者四周部分区域再进行局部关键点的提取;以及考虑到图像匹配中利用少数核心的一些关键点就能够进行匹配, 从而人为地限定一幅关键帧图像中的局部关键点的个数。
4 结论
本文介绍了一种新的基于相似性判断的广告片段检索方法, 以该广告中产品的标示图片和该产品的名称为标准来对广告进行分类, 并按类别将广告保存到数据库中。当用户检索相应广告是否播出, 或者需要提取相应广告进行播放时, 运用SIFT特征提取算法生成图片特征描述子, 然后运用Pattern Entropy方法对图片进行特征点匹配, 从而确定广告类别并完成检索, 该方法能够及时快速地给出结果, 为用户带来更为高效经济的服务。
摘要：本文针对广告视频检索, 提出了一种基于相似性判断的检索方法, 该方法建立并维护一个广告视频片段的数据库。该库将不同的广告产品进行分类, 每一类都有其对应的产品名称以及图标。对于一个新的视频广告片段, 运用SIFT特征提取算法和PE匹配算法, 对该片段进行匹配。而当用户需要检索时, 可直接输入广告中产品的名字或者与该产品相关的产品logo或图像, 通过与系统中预先建立的广告片段数据库进行匹配, 从而给用户提供其所需要的视频片段。
关键词：计算机应用技术,广告片段检索,SIFT特征提取,相似性判断
参考文献
[1]David G.Lowe.Distinctive Image Features from Scale-Invariant Keypoints.International Journal of Computer Vision, 60 (2) :91～110, 2004
[2]Chong-Wah Ngo, Wan-Lei Zhao, and Yu-Gang Jiang.Fast tracking of near-duplicate keyframes in broadcast domain with transitivity propagation, Proceedings of the14th annual ACM international conference on Multimedia, ACM New York, 6:845～854, 2006
[3]A.D.B.L.Ballan, M.Bertini and A.Jain.AutomaticTrademark Detection and Recognition in Sport Videos.Media Integration and Communication Center, University of Florence, Italy, 2008
[4]Subhajit Sanyal, Srinivasan H.Sengamedu.LogoSeeker:a system for detecting and matching logos in natural images.Proceedings of the15th international conference on Multimedia, Augsburg, Germany, 2007
[5]Andrew D.Bagdanov, Lamberto Ballan, Marco Bertini, Alberto Del Bimbo.Trademark matching and retrieval in sports video databases.Proceedings of the international workshop on Workshop on multimedia information retrieval, Augsburg, Bavaria, Germany, 2007
[6]J.Schietse, J.P.Eakins, and R.C.Veltkamp, Practice and challenges in trademark image retrieval, Proceedings of the6th ACM international conference on Image and video retrieval, , Amsterdam, NL, 2007.
竞争相似性 篇6
作为结构相似性指数的提出者和倡导者, 滑铁卢大学的王舟副教授及其研究团队最近发明了一种基于结构相似性的感知视频压缩技术。此技术可以在不提高带宽的前提下, 明显提高解压缩后的视频质量, 或者在不影响视频质量的前提下, 比现行最高质的H.264/MPEG4-AVC视频压缩标准进一步降低带宽最多达30%至40%。此项技术已得到国际学术界与工业界的广泛关注, 在智能手机、高清电视、网络电视、可视电话、视频点播等领域具有广泛的应用前景。
技术成熟度:专利、实验室成果。
基于相似性滤波的红外小目标检测 篇7
空中弱小目标的检测是当前红外研究的热点和难点,当导弹﹑飞机与红外探测器的距离很远时,目标在红外图像中仅占一个或几个像素点,很难提取出目标的形状结构﹑纹理等特征,而且红外图像中绝大部分是起伏的云层和大气辐射背景,目标往往会淹没在背景当中,同时红外探测器和成像系统本身也会引入各种噪声,使得红外点目标的图像信噪比低,对比度低,更增加了弱小目标检测的难度。
鉴于点目标只有灰度信息,同时信噪比低,传统的基于目标的特征和强度信息的方法很难实现小目标的检测,因此,检测识别点目标的可用信息时除了目标本身的灰度信息外,还必须利用目标周围的灰度分布和图像中灰度起伏特征。本文利用背景像素点和目标像素点的灰度值在空间分布上与其邻域像素之间的差异,提出相似性滤波的方法来抑制背景杂波的干扰,提高图像的对比度和信噪比。同时为了降低噪声的影响,对红外图像中存在的高斯噪声和脉冲噪声分别进行处理,不但尽可能的消除了噪声的影响,还最大限度的保留了图像的边缘信息。结合Robinson Guard空域滤波方法,给出了红外点目标检测的具体实现。
2红外点目标﹑背景和噪声的特性分析
天空红外图像的背景绝大部分是云层和大气辐射,既有较亮的块状云团,面积较小的云朵,也有暗淡的大气背景。云层和大气辐射部分的像素值是平缓变化的,相邻像素点的灰度值之间具有很强的相似性。运动目标往往淹没在背景当中,仅占几个像素点,从灰度值上看,因为目标点的热辐射作用,点目标灰度值与背景灰度值之间存在很大差别,与周围邻域像素点之间的相似性很小。红外噪声主要包括热噪声﹑散粒噪声﹑1/f噪声和温度噪声等,红外噪声的分布与背景无关。
基于灰度信息的红外点目标图像模型可以描述为:
f(i,j)=fT(i,j)+fB(i,j)+fN(i,j) (1)
其中,fT(i,j)为红外图像的灰度值;fT(i,j)为点目标的灰度值;fB(i,j)为背景灰度值;fN(i,j)为噪声灰度值。点目标和噪声为图像中的灰度奇异点,属于图像的高频信息,大部分背景属于图像的低频信息。
3自适应噪声处理
天空点目标的红外图像是低信噪比的图像,为了有效的检测出点目标,必须去除图像中的噪声。传统的去除噪声方法主要有:中值滤波法﹑均值滤波法﹑形态学方法和小波方法。但这些方法往往只对某种噪声有效或严重依赖于给定的关键值。红外图像一般同时受到高斯噪声和脉冲噪声的污染,为了有效去除这两种噪声,很多自适应的方法被提出[2,3],但这些方法在去除图像噪声的同时使得图像变得模糊。图像的边缘包含很多有用的信息,在去噪的同时应尽可能的保留,因此,在上述方法的基础上进行改进:对图像中受噪声污染的像素和边缘像素进行识别,对被高斯噪声和脉冲噪声污染的像素点分别进行处理,保持边缘像素点,从而在尽可能消除噪声影响的同时保留图像的细节。
3.1像素点的区分
脉冲噪声(正脉冲噪声和负脉冲噪声)在数值上通常表现为局部极大值或极小值,但数值很大或很小的像素并不一定就是脉冲噪声点,还必须利用噪声的其他特性[4]。考虑噪声点往往是孤立点,即几个脉冲噪声点同时在一起的可能性很小,而边缘点虽然在局部也具有最大或最小特性,但边缘像素点是连续的,同时高斯噪声点集中分布在其均值左右的三倍方差范围内。利用这些特性来实现脉冲噪声﹑高斯噪声﹑边缘的分离。
设f(i,j)为图像中任意点,以像素f(i,j)为中心的邻域内全体像素点的均值为m﹑方差为σ,设max(i,j),min(i,j)分别表示邻域内像素的极大值和极小值,计算f(i,j)与均值m之间的偏差σy,表示y(i,j) 8邻域中的任意点,σy表示y(i,j)与均值m之间的偏差,则具体判别规则如下:
(1)若σf≥3σ,并且f(ij)=max(i,j)或f(ij)=min(i,j),且存在y(i,j)满足σy≤σf,则将f(i,j)判为边缘点,保留其灰度值,不对其进行去噪处理;
(2) 若σf≥3σ,且f(ij)=max(i,j)或f(ij)=min(i,j),但不存在y(i,j)满足σy≤σx,则将f(i,j)判为脉冲噪声点;
(3)将不满足(1)﹑(2)条件的点判为受高斯噪声污染的点;
对整幅图像的像素点分别进行计算,判别出图像中的像素点分别属于脉冲噪声﹑高斯噪声﹑边缘像素的类别,分别对它们进行不同的噪声处理。
3.2噪声处理
中值滤波利用当前滤波点的邻域平均值来代替当前点的灰度值,均值滤波利用邻域中值来代替当前点的灰度值,同时为减少滤波点周围噪声污染像素点对滤波效果的影响,对滤波窗口内像素点给出相对应的权值,权值随噪声类型和局部灰度变化而改变,通过改变权值控制滤波效果。如果当前像素点为高斯噪声或灰度值与局部的中值相差不大,最后的滤波器处理结果则趋近于均值滤波,如果当前像素点为脉冲噪声或灰度值和中值相差很大,最后的滤波器处理结果趋近中值滤波。通过噪声类型和局部灰度分布变化自适应得调节滤波器的参数,尽可能的利用中值和均值的滤波的良好特性。
改进的自适应滤波处理的表达式如下:
式中,med为滤波窗口内灰度中值;f(i,j)为点(i,j)灰度值;f(i+m,j+n)表示f(i,j)的滤波邻域;定义该点权值为wi,j(m,n),归一化权值为undefined;(-p,p)是滤波窗口的范围;g(i,j)为f(i,j)经过滤波后的灰度值。
4相似性滤波算法
在红外运动目标的检测中,为了消除背景的影响,提高图像的信噪比,一般采用预测背景的方法,将预测的背景fL(i,j)与原始图像作差分。自适应背景预测表达式如式(2)、(3)。wi,j(m,)为像素值的加权系数。权系数的取值由邻域像素值与窗口中心像素值绝对差的某个函数决定 即:
undefined (6)
若f(i,j)为物体内部或弱边缘,则与邻域点的灰度值相差不大,这时主要使用邻域点对其预测,需要选取较大的邻域权值wi,j(m,n)。若f(i,j)处于物体的强边缘,其邻域点灰度值与之差异显著,此时需要保留f(i,j),邻域权值wi,j(m,n)取值较小,为此ϕ可以选择单调递减函数。
将预测背景图像与原始的图像作差分,得到残差图像f'(i,j)如下式:
undefined (7)
利用邻域灰度值的加权对当前像素点进行预测不可能得到完全精确的值,预测值与原始灰度值之间存在着误差,对于整幅图像来说,各个背景像素值的误差其分布在实际处理中认为近似服从高斯分布,即后续的处理被看作是从高斯分布中寻找非高斯信号的过程。对高斯信号中非高斯信号的识别非常复杂,而且由于背景预测的影响使得点目标的非高斯特性不明显。同时采用预测背景的方法不但要计算各个邻域点的加权系数,还要将各个邻域点的灰度值与权系数相乘并计算累加和,计算非常耗时,不利于红外点目标在实际中的应用。为此,在背景预测基础上提出一种相似性滤波方法。
相似性滤波是基于红外天空图像的像素分布特点而提出的。若当前像素点属于背景像素时,因为背景平缓变化,相邻像素值之间具有很强的相似性,则当前像素与它的邻域像素点之间的平均相似性很大;若当前点为点目标像素,目标像素点因辐射作用,灰度值与周围像素点存在一定差异,与邻域像素点的平均相似性很小;若当前像素为背景的边缘,该点与邻域部分像素存在较大差别,则平均相似性介于点目标与背景之间。通过像素点之间平均相似性的评价,把图像中所有或明或暗的云层和暗淡的大气辐射背景都统一转化为平均相似性接近的区域,通过平均相似性取反值,背景区域的像素值趋近零,突出相似性小的点目标,而边缘部分的相似性介于两者之间,实现了背景﹑点目标﹑云层边缘的分离。相似性滤波的表达如下:
undefined (8)
undefined (9)
undefined (10)
其中,s(i,j)为当前滤波点s(i,j)的平均相似值;undefined为平均相似性的反值;k为邻域像素个数;(Δi,Δj)表示邻域大小,一般根据目标的大小选择合适的矩形区域;s(i+Δi,j+Δj)为邻域点f(i+Δi,j+Δj)与当前点f(i,j)的相似性;σ用于调节函数的衰减速度。
相似性滤波抑制了占图像中绝大部分的背景杂波,同时增强了待识别的点目标信息,保留了图像中的边缘细节,使得整幅图像的对比度和信噪比得到大大提高,即使点目标在原图像中的灰度值与部分背景灰度值差别不大也能够在图像中得到明显体现。相似性滤波后的背景部分不再是近似高斯分布的噪声,而是仍然满足平缓变化的区域,在减少大量计算量的同时,使得后续的点目标识别变得简单。
5点目标检测算法的实现
红外图像中噪声对点目标检测识别的影响很大,在进行相似性滤波之前,对原始图像进行去噪处理消除噪声尤其是高斯噪声的干扰,然后对图像进行相似性滤波,达到抑制背景的同时增强点目标,分离边缘云层,提高整幅图像的对比度和信噪比,为得到点目标,结合Robinson Guard 空间滤波算法进一步消除平缓变化的背景﹑背景边缘的影响。
6仿真试验与结果分析
6.1仿真试验
图1～图4为两组天空红外弱小点目标的仿真图像,其中图1为原始图像,对它分别进行处自适应去噪处理和相似性滤波操作,图2为相似性滤波后的图像,图2中云层和大气辐射背景被极大的抑制了,同时云层的边缘被很好的保留,不明显的点目标被极大增强了。利用Robinson Guard对图像进一步处理,如图4为最后检测的结果。
图1中,点目标并不明显,点目标的灰度值低于部分背景像素的灰度值,背景并不是均匀分布的,认为点目标与背景的灰度值具有极大差异,如基于局部能量比[5],图像熵[6],分形维数[7]和蚁群的Otsu[8]方法等都不能够很好的实现目标的检测。图3分别为原始图像与预测背景图像作差分后的残差图像(为便于直观显示,对整幅残差图像的灰度值进行了线性调整),图像中的背景部分经过抑制后仍然存在大量的杂波,这是由于预测的不准确造成的,部分杂波灰度值接近点目标灰度值,点目标难于利用简单有效的方法识别出来。图2采用相似性滤波的方法能够将明亮的云层和暗淡的大气辐射背景都转化为平缓分布的暗淡区域,其大部分像素趋近于零值,图像中点目标虽然与部分背景灰度值接近,但滤波后却被增强了,同时滤波后很好的保留了背景的边缘变化,图像的信噪比和对比度获得极大的提高。平缓背景的高信噪比和高对比度图像中目标的检测很容易实现。
6.2结果分析
采用自适应噪声处理和相似性滤波的方法能够有效地提高图像中信噪比和对比度,抑制图像中对点目标检测造成干扰的大量背景杂波信息,结合Robinson Guard滤波方法能够有效的实现点目标的检测。
算法的实现是建立在原始图像的背景分布比较平缓的条件下,若背景的变化特别剧烈,则相邻像素点之间的相似性很小,易于突出变化激烈的背景像素,造成点目标在相似滤波后仍然受到的背景杂波的干扰,相似性滤波对图像质量的提高能力有限;当点目标很小时,噪声斑块的大小和灰度值可能接近点目标,相似性滤波会引起部分噪声点的增强,因此必须对噪声进行有效地的预处理;相似性滤波窗口的大小要选择适当,过小时,使得当前像素点被误判为背景像素点,目标点有可能出现空洞甚至丢失现象,过大时,计算耗时。
摘要：针对天空红外图像的特点,利用背景像素点和目标像素点的灰度值在空间分布上与其邻域像素灰度值之间的差异,提出相似性滤波的方法,相似性滤波的方法,算法简单,图像中的背景干扰能够被极大抑制,图像中点目标的对比度和图像的信噪比被显著提高。为减小噪声影响,一种自适应的噪声处理方法被给出,它对图像中的高斯噪声和脉冲噪声分别处理,在提高去噪效果的同时保留了图像的边缘信息。仿真结果表明提出的算法对红外点目标的背景具有极好的抑制能力。
关键词：红外点目标,自适应噪声处理,相似性滤波
参考文献
[1]郭杰峰,陈桂林.云天背景下单帧红外图像的点目标检测.激光与红外,2007,37(9):898～891
[2]Tudan,Yanhong,Zhenkang Shen.A New Nonlinear Preprocessing Algorithm for Infrared Image.IEEE,1997.
[3]曹西征,郭立红.基于相似加权滤波的红外图像增强算法.计算机测量与控制,2007,15(4):534～537
[4]何洪英,姚建刚,罗真生.红外图像的自适应混合消噪方法.计算机工程与应用,2006,6:7～9
[5]林玉野,高晓颖,曹炬.基于局部能量比的空中红外弱小目标的检测方法.航天控制,2007,25(5):48～50
[6]赵钦佩,姚莉秀,刘瑞明等.一种新的基于背景的红外图像分割方法.计算机仿真,2007,24(5):202～205
[7]卢晓东,周军,周凤岐.自然背景下对人造红外目标的分形检测.航空兵器,2006(12):31～33