图像数据分析

图像数据分析（精选12篇）

图像数据分析 篇1

近年来, 随着传感器技术和计算机计算能力的提高, 多传感器图像融合技术的应用越来越广泛。图像融合是将2个或2个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或图像序列信息加以综合, 以生成新的有关此场景解释的信息处理过程。

图像融合规则是图像融合的核心, 规则的好坏直接影响图像融合质量。目前常用的融合规则包括基于像素的图像融合规则和基于窗口的图像融合规则。基于像素的融合规则仅是以单个像素作为融合对象, 它并未考虑图像相邻像素间的相关性, 融合性能不佳。基于窗口的融合规则由于考虑相邻像素的相关性, 因此减少了系数的错误选取, 融合效果得到提高。

但是图形的局部特征往往不是由单个像素或者局部窗口内的像素的图像变换系数所能表示的, 它是由某一局部区域的多个像素的图像变换系数来表示和体现的[1]。通常图像中某一局部区域内的各像素间具有较强的相关性。基于此, Zhang Z.、Piella G.[2]等人提出了基于区域的融合规则。

1 基于区域的图像融合方法

基于区域的多传感器图像融合算法结构如图1所示。图像融合处理前先对2幅待融合图像IA和IB分别进行图像分割以得到各图像的区域表示RA和RB (区域表示中不同标记表示不同区域) , 通过对两图像的区域表示RA和RB进行叠加获得2图像的共同区域表示R。对区域表示进行叠加时, 2个区域表示中重合的区域或交叉的区域作为共同区域表示中的一个区域。对2个区域表示进行叠加的示例如图2所示, 图2a的区域表示中包含2个区域, 图2b的区域表示中也包含2个区域, 通过对这2个区域表示叠加产生4个交叉区域, 从而得到图2c的共同区域表示。对输入图像进行融合处理时, 先采用方向金字塔框架变换[3]或方向可调的不可分离小波框架变换对2幅待融合图像分别进行多尺度分解, 并根据2幅图像的共用区域表示R计算2幅图像区域相似度MAB, 根据2幅图像的各自区域表示计算融合量测指标。融合决策是根据MAB进行制定:对于2图像中相似区域的融合采用系数加权平均的方法, 而对于两图像中非相似区域的融合采用系数选取的方法, 加权平均时的权值以及系数选取时的优先性由各系数的融合量测指标的大小决定[4]。

2幅待融合图像IA和IB经多尺度分解后, 令表示两图像fNA (x, y) 和fNB (x, y) 经分解后的最低频子带系数, N为多尺度分解的层数, (x, y) 表示系数坐标;令giA (x, y) 和giB (x, y) 表示两图像经分解后的各高频子带系数, i=1, 2, ⋯, NH (NH为图像经分解后的高频子带的个数) 。令giF (x, y) (i=1, 2, ⋯, NH) 、fNF (x, y) 表示经融合处理后的图像变换系数。

1.1 低频系数融合处理

对于低频图像fNA和fNB的融合处理一般采用按区域进行加权平均或直接选取的方法。

根据区域表示RA和RB计算两待融合图像经多尺度分解后的低频系数的融合量测指标, 该指标由两部分组成:区域的标准差σ和区域的突变度τ。首先根据区域突变度找出2幅图像中灰度突变程度比较大的区域:如果τA (rA) >τT (τT为阈值, 一般取0.8左右) , 则对于rA区域, 融合后的低频图像取IA的低频图像;如果τB (rB) >τT, 则对于rB区域, 融合后的低频图像取IB的低频图像。对于突变度变化不大的区域, 则对于任意区域r∈R, 如果相似性测度MAB (r) <α, 则对低频系数的融合处理采用系数选取的方法

式中, σA (r) =σA (r A) , 其中r A为RA中包含r的区域;σB (r) =σB (r B) , 其中r B为RB中包含r的区域。

如果对于任意区域r∈R有MAB (r) α, 则采用加权平均的融合策略

式中, 和为权系数, 有

1.2 高频系数融合处理

区域边界上的高频系数融合处理:图像经多尺度分解后的高频子带系数包含了图像中诸如边缘、区域轮廓等的细节信息。图像分割后的各区域边界往往对应于图像中的边缘以及区域轮廓。所以在融合处理时, 对于公共区域边界上的高频系数选取较大的高频系数, 非公共区域边界上保留各自的高频系数;对于非区域边界上的高频系数则根据相似性测度进行加权平均或系数选取, 相似性测度高的进行加权平均, 相似性测度低的做系数选取。

对组合后的图像变换系数进行图像逆变换即可得到融合后的图像IF。

2 区域分裂合并算法

在区域融合算法中, 对待融合图像的区域分割对图像融合的结果起到关键性的作用。对于图像的分割, Frank N.等人提出了基于区域生长与区域合并的方法。在这类方法中, 常需要根据图像的统计特性设定图像区域属性的一致性测度, 其中常用的测度多基于灰度统计特征, 例如同质区域中的方差 (variance within homogeneous regions, VWHR) 。算法根据VWHR的数值确定分裂和合并各个区域。

一般有代表性的, 采用图像四叉树表达方法对图像做简单分裂合并[4]。设R代表整个矩形图像区域 (见图3) , P代表逻辑谓词。从最高层开始, 把R连续地分裂成越来越小的1/4的矩形子区域Ri, 并且始终使P (Ri) =TRUE。换句话说, 如果P (R) =TRUE, 那么就将图像分成四等分。如果P (Ri) =FALSE, 就将Ri分成四等分。如此类推, 直到没有P (Ri) =FALSE。同时, 在每次分裂后允许其后继续分裂或合并。这里合并只合并那些相邻且合并后组成的新区域满足逻辑谓词P的区域。换句话说, 如果能满足条件P (Ri⋃Rj) =TRUE, 则将Ri和Rj合并起来。

利用图像四叉树表达方法可将图像以金字塔数据结构形式组织起来。理论和实验都表明, 在分割时, 从金字塔结构的中间层开始可节约计算时间, 具体计算步骤为:

(1) 初始化:从中间某层k开始, 方块的边长是n=N/2k, 求出块内最大灰度Mk和最小灰度mk。

(2) 分裂:设e为预定的允许误差值, 如果Mk-mk>2e, 则将节点分裂为4个小方块, 并计算各小方块的Mki和mki, i=1、2、3、4, 分裂最多进行到像素级。

(3) 合并:反过来, 如果4个下层节点bki, i=1、2、3、4, 有公共父节点, 且max (Mk1, Mk2, Mk3, Mk4) -min (mk1, mk2, mk3, mk4) <2e, 则将它们合并成一个新节点, 合并最多进行到图像级。

(4) 组合:在非共父节点的相接节点间进行合并。具体是先建立一个堆栈S, 初始为空;再建立一个辅助的邻接矩阵A, 开始时其元素aij=a (xk, yk) =k。然后依次检查每个像素, 如果像素fij属于节点bk所代表的方块, 对应的矩阵元素aij保持原值。组合以标记方法实现, 对结点bk的标记策略为: (1) 未标记过和未扫描到的, 用标记Fk>0表示; (2) 标记过但未扫描到, 用标记Fk<0表示, 并将结点bk放入S; (3) 既标记过也扫描到, 用标记Fk>0表示, 但结点bk不放入S中。用标记法将已标记过的结点顺序放入区域表中, 并给区域表加上一个终结标记。根据以下算法进行组合 (u和v为暂存器) :令S为空, 若Fk>0, 则压bk到S中, u←Mk, v←Mk;如果S非空, 则从S中弹出bk, 将bk装入R, 再对所有的bk∈A判断Mk-mk, 如果结果小于2e, 将bk装入S, 循环以上步骤, 最后将零装入R, 结束。

3 试验结果及评价

试验中, 运用Matlab7.4实现图像的融合。如图4、图5所示。。在融合的过程中, 采用方向可调的不可分离小波框架变换对2幅待融合图像分别进行多尺度分解, 分解为3层。

表1是对上述图像的客观数据统计, 采用基于Region的图像融合算法融合后的图像, 其熵、空间频率、平均梯度相对源图像都有提高。从视觉上也可以看出采用基于区域的方法融合后的图像融合了2幅图像的细节信息, 取得了很好的效果。这表明采用基于区域的图像融合算法能较好地综合源图像信息。

4 结束语

针对双波段红外图像的特点, 采用基于区域的图像融合算法得到的实验数据和图像都表明, 该融合算法能有效地保留图像信息。不过分裂合并算法的关键是如何对区域进行初始化划分和分裂合并准则的设计。该算法对复杂图像的分割效果较好, 但算法复杂, 计算量较大, 分裂还可能破坏区域的边界。

参考文献

[1]Piella G.A general framework for multiresolution image fusion:from pixels to regions[J].Information Fusion, 2003, 4 (4) :259-180.

[2]Zhang Z, Blum RS.A categorization of Multiscale-de-composition-based image fusion schemes with a perfor-mance study for a digital camera application[J].Proceed-ings of the IEEE, 1999, 87 (8) :1315-1326.

[3]陈浩, 王延杰.基于拉普拉斯金字塔变换的图像融合算法研究[J].激光与红外, 2009 (4) :439-442.

[4]章毓晋.图像分割[M].北京:科学出版社, 2001:67-74.

[5]张雷, 高桦, 杨风暴.双波段红外图像辐射特性分析及在图像融合中的应用[J].光电技术应用, 2006, 21 (5) :54-57.

[6]敬忠良, 肖刚, 李振华.图像融合——理论与应用[M].北京:高等教育出版社, 2007:47-83.

图像数据分析 篇2

1.辐射亮度2.光谱反射率3.合成孔径雷达4.假彩色遥感图像

5.大气窗口6.图像空间分辨率7.NDVI8.像点位移

9.后向散射10.大气校正11.漫反射12.中心投影

13.瞬时视场角14.亮度温度15.热红外遥感16.光谱分辨率

17.边缘检测18.真实孔径雷达19.辐射传输方程20.光谱分辨率

21.被动式传感器22.真彩色合成23.选择性辐射体24.误差矩阵

25.米氏散射26.航空像片投影差27.瑞利散射28.黑体辐射

二、简述题（任选10题）

1.近红外遥感机理与在植被监测中的应用。

2.什么是大气窗口?常用于遥感的大气窗口有哪些?

3.什么是高分辨率遥感影像，简述高分辨率遥感影像的具体应用。

4.试述植被、水、岩石、雪的反射光谱具有哪些特点？

5.简述遥感图像增强中线性拉伸和直方图均衡化方法的区别。

6.简述K-T变换和图像结果反映了植被的那些信息。

7.图像融合有哪些关键技术?

8.分别叙述遥感数据的空间、光谱、时间和辐射分辨率所对应的物理含义。

9.简述多波段遥感图像的三类存贮方式。

10.为什么日出、日落时天空呈橙色或红色，而通常是蓝色，为什么通常农村比城市的天更“蓝”？

11.目前遥感技术常用哪些电磁波的波段？请说明各波段的波长范围及主要特性。

12、以陆地卫星TM图像的波段为例，说明怎样进行真彩色合成和假彩色合成？假彩色合成图像有什么特殊用途？

13.说明最大似然法分类的实质。

14.分析大气对辐射传输的影响及遥感器所接收辐射的构成（即有哪些辐射成分进入遥感器）。

15.在一幅遥感图像的灰度直方图中，峰值处于灰度值较低的一端，且感兴趣的信息也在低灰度值部分。请设计一种非线性增强变换以突出所感兴趣的信息，并说明理由。

三、论述题（任选10题）

1.遥感图象解译标志（判读标志）有哪些？结合实例说明它们如何在图象解译中的应用。

2.什么是计算机图象处理，它包含哪些内容，如何运用计算机图象处理方法来提高遥感图像的解译效果？

3.遥感图像分类方法有哪几类？他们各有什么特点？如何运用形状特征、纹理特征和地物空间位置来提高遥感图像分类精度？

4.遥感图像增强处理的主要目的是什么，有哪些方法？写出其中一种方法的算法。

5.简要说明ISODATA法的基本内容。

6.设计一个遥感图像处理系统的框架，说明它的功能，并举一应用实例。

7.论述辐射量校正所包括的内容。

8.要利用遥感数据监测某省的植被状况，并与往年进行对比分析，从数据收集、处理到分析的角度进行论述，并制定工作计划。

9.叙述用30M分辨率的TM4、3、2多光谱影像与同一地区10米分辨率的SPOT全色影象进行融合的原理和步骤。

10．什么是多光谱空间?什么是主成分变换？主成分变换的应用意义是什么?

11.简述遥感图像计算机分类的一般流程。

12.简单介绍一下你所知道的遥感卫星和遥感数据产品，及评价遥感数据。

13.试述遥感图像几何校正过程中的重采样方法和插值方法

14.试述利用傅立叶变换可以实现的图像增强功能及其实现步骤。

15.什么是主成分变换？主成分变换在图像处理中有何实际意义？

16.什么是樱帽变换？樱帽变换有何实际的生态意义？

17.比较欧几里德距离、曼哈顿距离和马氏距离判别函数之间的异同。

18.简述平行六面体分类器的基本原理

19.简述最小距离分类器的基本原理

20.什么是遥感图像大气校正？为什么要进行遥感图像大气校正？请以多光谱扫描仪（MSS）资料为例，说明大气校正的原理和方法。

21.当前遥感技术发展的重要趋势之一，是与地理信息系统（GIS）技术和全球定位系统（GPS）技术相结合（即所谓“3S”技术）。请从技术上说明这种结合的意义。

22.写出利用多时相图像来进行变化监测的流程图，写出相应的步骤和方法？

23.分别设计图像滤波处理中的模版（算子）:平滑、锐化、突出东西向线性构造、突出北东向线性构造根据数字图像处理的实践，指出采用GCP进行图像几何经纠正的方法要点。

四、实践题（任选其一）

1.如果要对一个城市的绿地进行遥感测图，请你叙述整个工作流程和其中的注意事项。

2.请你说明在全球或区域的生态环境监测，遥感的潜力，遥感的局限性和对这些局限性有何改进的方法或建议。

3.要对华北地区的冬小麦进行遥感作物估产，其中涉及哪些重要内容？请阐述你的具体方法，并说明理由

4.1998年7——8月长江流域遭受特大洪涝灾害，江西鄱阳湖滨一带发生大面积淹没。利用遥感技术进行洪涝灾情的实时或准实时监测及灾后损失评估显得十分重要。请说明怎样利用遥感技术: 1）进行洪涝灾情的实时或准实时监测； 2）进行灾后损失评估。（要求从技术路线、方法及所用遥感资料等方面做出说明）

常见物理图像的分析方法 篇3

一、横、纵坐标轴

认识图像时，首先要从横、纵坐标轴开始，弄清两个坐标轴各代表什么物理量，以便了解物理图像反映的是哪两个物理量之间的相互变化关系．

例1如图1所示是不同时刻测量一段（随温度发生均匀变化的）镍铬合金线的电阻值的Ｒ-ｔ测量图像，与时刻ｔ1相比，时刻ｔ２的温度较（填“低”或“高”）．

解析：从图1中的图线的走势看，随着时间的延长，合金线的电阻越来越小.又因为导体的电阻随其温度的降低而减小，所以时刻ｔ２的温度比时刻ｔ1的温度低．

二、斜率

图像中某一点切线的斜率一般对应着一个新的物理量，例如在物体的路程随时间变化的ｓ-ｔ图像中，斜率表示物体在该点时的瞬时速度ｖ；写成一般式为：斜率＝纵坐标物理量的增量／横坐标物理量的增量＝新的物理量的大小．

例2用图像可以表示物体的运动规律.则图2甲、乙中表示物体做匀速直线运动的是 段，表示物体处于静止状态的是 段．

解析：图2甲中的ＡＢ段的斜率（Δｓ／Δｔ）为一常数（等于速度ｖ），故ＡＢ段表示物体做匀速直线运动；ＢＣ段平行于时间横轴，也就是说物体运动的路程不随时间发生变化，故其表示物体处于静止状态；ＤＥ段的斜率（Δｖ／Δｔ）为另一常数（加速度ａ），故ＤＥ段表示物体做匀加速直线运动；ＥＦ段平行于时间横轴，物体的速度大小不随时间发生变化，故其表示物体做匀速直线运动．

三、图像中的点与线

物理图像中任意一个点往往对应着一个物理状态，图像中的一段线往往表示一个物理过程.

例3用稳定的热源给一个物体均匀加热，设物体吸收的热量与加热时间成正比，得到其温度随时间变化的曲线如图3所示，那么它在固态时的比热与液态时的比热之比是（）.

Ａ.1∶2 Ｂ.2∶1Ｃ.1∶4 Ｄ.4∶1

解析：由图3可知，图线ＡＢ段表示物体在固态吸热升温的过程，加热时间为2min，设其吸收的热量为Ｑ，温度变化为Δｔ１＝40℃；图线CD段表示物体在液态吸热升温的过程，加热时间为4min，吸收的热量应为2Ｑ，温度变化Δｔ２＝20℃．物体在发生状态变化时，其质量不變，设为ｍ，根据比热公式ｃ＝，得=（）（）=×=.

所以正确答案为选项Ｃ．

四、图像中的截距

截距是指图线与两个坐标轴的交点的坐标数值，该数值具有一定的物理意义．

例4在测定液体密度的实验中，液体的体积（Ｖ）和液体与容器的总质量（ｍ总）可分别由量筒和天平测得.某学生通过改变液体的体积并测得相应的总质量而画出了有关ｍ总－Ｖ的图像．在图4中能正确反映液体和容器的总质量跟液体的体积关系的是（）.

图像数据分析 篇4

1 图像背景噪声的产生

1.1 图像噪声的产生原因

在现阶段, 绝大部分所使用的数字图像处理系统, 在输入图像这一环节均是采取先对其冻结再扫描的方式, 它的作用效果就是将多维图像转换成一维电信号, 之后再经过系统化的加工、 处理、 存储、 传输, 实现图像格式的变换, 最后, 在经过计算机合成技术实现多维图像信号的完成。 与此同时, 在伴随着图像生成的过程中, 其噪声也是经历着这样一个环节过程 (包括分解、 合成) 。 图像噪声的主要来源, 也就是图像本身的生成过程、 传输过程、 处理过程。

1.2 图像噪声的分类

(1) 光电噪声。 该噪声的产生主要是由入射的光子统计特征以及光电转换和量化过程所引起的, 其中主要包含了两种不同的光电噪声形式, 分别是量化噪声、 散粒噪声。

(2) 电子噪声。 该噪声主要来源于照相机和图像采集电路中所附有的电子, 其电子在使用运行过程中过多的产生随机热运动, 进而制造出大量的电子噪声。

(3) 器件噪声。 该噪声源自于相机中光学元件内部的玻璃材料, 由于玻璃材料的折射率分布极不均匀, 并且材质中存有大量的非透明的微小颗粒, 再加上器件 (CCD传感器) 的表面存有一定的缺陷, 进而就会导致造成噪声的引入。

(4) 媒介噪声。 在图像生成处理的整个过程中, 通常情况下, 使用到的多为成像的媒介, 其会随机扰动, 或者是由于成像系统本身机械结构在运行过程中出现抖动, 从而就引起了噪声。

2 计算机生成图像检测算法

2.1 计算机生成图像检测流程框架

如图1 所示。

2.2 图像噪声源分析及其特征提取

2.2.1 图像噪声源

在分析图像噪声源特征提取之前, 先来对计算机生成图像特征的提取进行简单的阐述。 主要基于当前计算机三维技术软件所生成的图像 (JPEG) 进行检测与真伪识别, 要想进一步确立并实现这一目标, 就必须对计算机生成图像与自然图像的区别进行比较及特征挖掘、 提取。 下面切入到正题, 图像噪声源实质上就是生成图像的过程, 包括数据的提取、处理、 加工等, 而在计算机生成图像与自然图像成像过程中, 图像噪声能够在 “小波域” 上面得到显示, 因此在小波域上对计算机生成图像与自然图像进行区分, 借助于图像小波系数所具备的良好统计规则性能, 重点构建了一种基于小波变换的四镜像滤波器处理方法。

前文中介绍了4 种不同的图像噪声种类, 包括光电噪声、电子噪声、 器件噪声、 媒介噪声。 根据 (2.3 部分) 图2 的表述, 得出了自然图像噪声模型的参数表达式:

I =gy{ f [ (1+K) Y+A+Os+Or+Ot]} +Oq

其中, I表示的是输出图像的像素值; Y表示的是图像输入的光强; K表示的是CCD传感器感应不均匀产生的图像噪声 (也可称作模式噪声) ; A表示的是照相机暗电流; Os表示的是光电噪声; Or表示的是电子噪声; Ot表示的是器件噪声;Oq表示的是媒介噪声。

2.2.2 图像噪声源特征提取

如图2 所示。

2.3 基于图像噪声分析下的计算机生成图像检测算法

如图3 所示。

2.4 实验结果

通过将文中的算法与Farid算法进行对比分析, 来检验其在计算机生成图像检测率性能方面的差异性, 寻求最佳改进的切入点。 如表1 所示的是计算机生成图像检测的精度。

在实验过程中选取的1000 幅图像进行检测, 分别分为500 幅计算机生成图像与500 幅自然图像。 选取的图像全部来自于美国一些州立大学网站上的3D图片, 同时还有少部分图片来自于个人的图片收藏 (图片内容涉及的方面有世界建筑、自然风景、 人物肖像等) 。

3 结语

随着社会经济的不断发展, 科学技术水平的不断进步, 当前在我国计算机科学研究领域, 关于多媒体图像应用处理技术的发展与创新已取得了初步的成果。 其中, 以计算机多媒体技术为核心的数字图像处理软件, 逐步蔓延到社会发展的各个领域、 环节。

关于图像噪声分析及建模, 其在计算机数字图像处理与模式识别的应用过程中, 起到着不可或缺的重要功用。 对于计算机生成图像, 其在数据采集与处理过程中, 经常会受到来自各方面的外界因素 (噪声源) 的干扰影响, 进而就会使得整个图像生成的质量大幅度降低。 因此, 只有剔除图像中所存在的噪声, 才是提升计算机生成图像质量的直接而又有效的技术手段。 基于图像噪声分析下的计算机生成图像检测算法的研究, 重点提出了一种基于模式噪声鉴别的 (计算机生成图像) 新型算法, 将其分两部分进行了概述、 探讨、分析, 包括自然图像成像过程, 以及图像噪声源的空间分布模型。

参考文献

[1]张冰, 昝程.一种运用图像力场特性的图像拷贝检测算法[J].计算机科学, 2014, 41 (11) :306-308.

[2]李艳平, 杨格兰.远程采集随即视频图像清晰化方法仿真[J].计算机仿真, 2013, 30 (9) :230-233, 285.

[3]李艳平, 杨格兰.远程采集随即视频图像清晰化方法仿真[C].中国计算机用户协会仿真应用分会成立三十周年庆祝大会暨2013全国仿真技术学术会议论文集, 2013:230-233, 285.

[4]余燕飞, 郑烇, 王嵩, 等.基于空间域的图像噪声检测技术[J].计算机应用, 2012, 32 (6) :1552-1556.

图像数据分析 篇5

英文名称：Digital Image Processing and Analysis 课程号：19139314

一、课程基本情况

1.学

分： 2

2.学

时： 32

3.课程类别：选修课

4.适用对象：电子与通信工程领域专业学位研究生 5.开课学期：第二学期

6.开课单位：通信与电子工程学院

二、课程教学目的与要求

1.教学目的：

该课程系统学习数字图像处理的中高级层次的内容。其主要任务是使学生在掌握数字图像处理常用技术的基础上，进一步学习图像解译的前沿方法和技术，并初步具备设计数字图像处理应用系统的能力。该课程主要内容包括概论、小波变换、图像分割、特征表述、对象识别、图像工程应用实例等。

2.教学要求：

使学生在具有数字图像处理常用技术的基础上，进一步掌握小波变换、图像分割、目标表达和描述技术、特征测量技术等图像处理与分析领域的前沿方法和技术，并初步具备设计数字图像处理应用系统的能力，为学生进一步进行科学研究奠定坚实的基础。

三、课堂教学内容及课时安排

第一章 图像处理基础

教学内容：

本章讲授数字图像处理的基本原理和一些必备的数学工具：掌握数字图像采集和获取的基本概念和方法、掌握数字图像的各类增加方法、恢复方法、彩色图像处理以及变化方法。

教学重点：数字图像采集和获取的基本概念和方法、数字图像的各类增加方法、恢复方法、彩色图像处理以及变化方法。

教学难点：彩色图像处理以及变化方法 课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第二章 小波变换

教学内容：

本章学习图像小波变换的基本的的基本概念、掌握连续小波变换、二进小波变换、Haar变换、离散小波变换、多分辨率分析、快速小波变换算法、离散小波变换的设计、二维离散小波变换、双正交小波变换、Gabor变换及其应用。

教学重点：多分辨率分析、快速小波变换算法、离散小波变换的设计、二维离散小波变换、双正交小波变换和应用。

教学难点：Gabor变换及其应用。课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第三章 图像分割

教学内容：

本章要求了解图像分割定义和方法分类，掌握边缘检测的基本原理和方法。掌握边界跟踪和图搜索、阈值分割、基于变换直方图选取阈值、空间聚类、区域生长、彩色图象分割及其应用。

教学重点：边界跟踪和图搜索、阈值分割、基于变换直方图选取阈值、空间聚类、区域生长、彩色图象分割及其应用。

教学难点：彩色图象分割及其应用 课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第四章 目标表达和描述技术

教学内容：

本章要求了解边界的链码表达，边界线段的近似表达，目标的层次表达，目标的骨架表达，运动的表达，目标轮廓的傅里叶描述，目标轮廓的小波描述及其应用。

教学重点：边界的链码表达，边界线段的近似表达，目标的层次表达，目标的骨架表达，运动的表达，目标轮廓的傅里叶描述，目标轮廓的小波描述及其应用。

教学难点：目标轮廓的小波描述及其应用 课时分配：讲授2学时，讨论4学时 教学方法与手段：讲授法，案例教学法

第五章 特征测量技术

教学内容：

本章要求了解特征测量技术的基本原理，掌握轮廓基本参数及测量、区域基本参数及测量、区域形状参数及测量、区域纹理参数及测量、轮廓矩和区域矩、特征测量的精确度分析与讨论。

教学重点：轮廓基本参数及测量、区域基本参数及测量、区域形状参数及测量、区域纹理参数及测量、轮廓矩和区域矩、特征测量的精确度分析与讨论。

教学难点：特征测量的精确度分析与讨论

课时分配：讲授2学时，讨论4学时，图像测量过程演示2学时 教学方法与手段：讲授法，案例教学法

第六章 图像工程应用

教学内容：

本章要求了解基于OpenCV的人脸检测应用，掌握Haar特征检测原理与Haar特征分类器的训练，掌握如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别，分析人脸识别示例代码，讨论人脸识别程序运行精度与改进方法。

教学重点：如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别，分析人脸识别示例代码，讨论人脸识别程序运行精度与改进方法。

教学难点：人脸识别程序运行精度与改进方法

课时分配：讲授2学时，讨论4学时，人脸识别示例代码演示2学时 教学方法与手段：讲授法，案例教学法

四、考核方法

1.考核方式：考查 2.考核形式：开卷 3.成绩评定方案：

平时成绩30%，期末考试成绩70%。

平时成绩包括：出勤5%，讨论表现10%，情景演示15%

五、选用教材和主要参考资料

《图像工程(第3版)》，章毓晋编著，清华大学出版社，2013年，第3版；

《图像处理和分析技术（第2版）》，章毓晋编著，高等教育出版社，2008年，第2版； 《图像处理与分析》，TonyF.Chan著，科学出版社，2011年，第1版；

撰写人：何鹏

审定人：姚仲敏 批准人：姚仲敏

机械波图像问题的归类分析 篇6

一、图像已知问题

图像已知问题，即图像能告诉我们什么。我们可以从两个方面来回答这个问题：一是波的图像能直接告诉我们什么；二是通过分析，波的图像能间接告诉我们什么。这两个问题其实就反映了图像已知问题的两个类别：一类是由波的图像能直接读出相关内容的问题；另一类是通过分析、计算才能间接求出相关内容的问题。

例1.图1所示是一列横波在某时刻的波动图像。

（1）关于波长的叙述正确的是：

A.BI两质点间距离为一个波长

B.AF两质点间距离为一个波长

C.CH两质点间距离为一个波长

D.OG两质点间距离为一个波长

（2）下列各质点中，哪些质点与A质点具有相同位移？

A.C点 B.E点

C.F点 D.H点

说明：本题答案可以直接由图像读出，属于图像已知类的第一类问题。

例2.某时刻的波形图如图2所示，波沿x轴正方向传播，质点p的坐标x＝0.32m。从此时刻开始计时。

(1)若每间隔最小时间0.4s重复出现波形图，求波速；

(2)若p点经0.4s第一次达到正向最大位移，求波速；

(3)若p点经0.4s到达平衡位置，求波速。

解析：(1)由波形图可得波长λ＝0.8m，重复出现波形图的最小时间是一个周期，则周期T＝0.4s，波速v＝■＝■m/s＝2m/s。

(2)波向右作匀速传播，当振动从x＝0.2m处，刚刚传播到x＝0.32m时，p点恰好第一次达到正向最大位移。

波速v＝■＝■m/s＝0.3m/s。

(3)从t＝0时到p点到达平衡位置这一段时间内，振动从O点或O点左侧整数个半波长处传播到x＝0.32m处。由周期性可知波传播的可能距离Δx＝0.32＋■n(n＝0,1,2,3，…)

可能波速v＝■＝■m/s＝(0.8＋n)m/s(n＝0,1,2,3，…)．

说明：波速等物理量不能从图像上直接求出，这是属于图像已知类的第二类问题。解题中要注意两种运动形式的研究。

二、图像未知问题

解决这类问题的方法是设法把画出的机械波图像转化为图像已知问题。这里主要解决一个问题即可，那就是如何根据题中条件画出机械波的图像。机械波图像的物理意义是某一时刻介质中各个质点相对平衡位置的位移。这给我们提供了作图的方法。画机械波的图像，要找出某一确定时刻一些特殊质点的位置和运动情况，先画可能的图像（往往小于波长），再结合其周期性完善整个图像。

例3.如图3所示，a、b是一列横波上的两个质点，它们在x轴上的距离s＝30m，波沿x轴正方向传播，当a振动到最高点时，b恰好经过平衡位置；经过3s，波传播了30m，那么下列说法正确的是( )

A．这列波的速度一定是10m/s

B．这列波的周期一定是3s

C．这列波的波长可能是24m

D．这列波的频率可能是1.25Hz

解析：由经过3s，波传播了30m，可知波速v＝■＝■m/s＝10m/s，A正确。

由于a点振动到最高点，b恰好在平衡位置，a、b间的可能波形如图4所示。

所以a、b间可能有：（■+n）个或（■+n）个波形(n＝0,1,2,3，…)，

即■λ＋nλ＝30m，或■λ＋nλ＝30m。

在■λ＋nλ＝30系列解中，n＝1时，λ＝24m，C正确。

而周期的可能解T＝■＝■s或T＝■s，在T＝■s系列解中，n＝0时，T＝4s，B错误；当n＝3时，T＝0.8s，f＝1.25Hz，D正确。

说明：画可能图像时，要描出一些特殊质点的位置，要强调的是这些点的位置，是指同一时刻，各个质点的位置。先画好可能图像，再考虑周期性，分步进行。

例4.如图5所示，沿绳子传播的横波，在绳子上相距2m的P、Q两点的振动图像分别如图中实、虚线所示，已知波长大于2m，求该波的频率、波长、波速。

解析：由题图中看出质点振动的周期T＝0.5s，故波的频率f＝■＝2Hz。

t＝0时，P、Q两点都在平衡位置，t＝0.125s时，P点在波峰，Q点在波谷。P、Q两点间的可能波形如图6所示，故它们之间的距离为（n+■）λ(n＝0,1,2,3，…)，由于波长大于它们之间的距离，即n只能取零，即■λ＝2m，故λ＝4m，由v＝λf，知v＝4×2m/s＝8m/s。

说明：某一时刻，一些特殊质点的位置信息及运动信息，可以用文字表达，也可以用简谐振动的图像表示。注意在振动图像中确定同一时刻，找出有关质点的位置，并在新的图像中描出来，然后画出可能波形图。

数字图像研究分析 篇7

早期的图像分割方法可以分为两大类。一类是边界方法, 这种方法假设图像分割结果的某个子区域在原来图像中一定会有边缘存在;一类是区域方法, 这种方法假设图像分割结果的某个子区域一定会有相同的性质, 而不同区域的像素则没有共同的性质。这两种方法都有优点和缺点, 有的学者考虑把两者结合起来进行研究。现在, 随着计算机处理能力的提高, 很多方法不断涌现, 如基于彩色分量分割、纹理图像分割。所使用的数学工具和分析手段也是不断的扩展, 从时域信号到频域信号处理, 小波变换等等。

图像分割是将整个图像区域分割成若干个互不交叠的非空子区域的过程, 每个子区域的内部是连通的, 同一区域内部具有相同或相似的特性, 这里的特性可以是灰度、颜色、纹理等。对于灰度图像来说, 区域内部的像素一般具有灰度相似性, 而在区域边界上一般具有灰度不连续性。图像分割的数学描述如下:

令集合R代表整个图像区域, 对R的图像分割可以看作是将R分成N个满足以下条件的非空子集R1, R2, …RN:

(2) 对i=1, 2, …N, P (Ri) =TRUE

(3) 对i≠j, 有对Ri∩Rj=Φ

(4) 对i≠j P (Ri∪Rj) =FALSE

(5) 对i=1, 2, …N, Ri是连通的区域

P (Ri) =TRUE指出在分割结果中, 每个区域的像素有着相同的特性。P (Ri∪Rj) =FALSE表示在分割结果中, 不同的子区域具有不同的特性, 它们没有公共的特性。 表示分割的所有子区域的并集就是原来的图像, 这一点非常重要, 因为这一点是保证图像中每个像素都被处理的充分条件。

2 图像分割的研究意义

图像识别的基础是图像分割, 其作用是把反映物体真实情况的战局不同区域的、具有不同特性的目标区分开来, 并形成数字特征。图像分割质量的好坏直接影响到后续图像处理的效果, 甚至决定其成败, 因此图像分割的作用是至关重要的。

图像分割是图像分析和理解的第一步, 在如下的科学研究和工程技术领域有着广泛的应用。

(1) 工业图像处理:矿藏分析、探伤分析、无接触式检测等。

(2) 军事图像处理:军事目标检测和定位、地形配准、无人驾驶飞机、军事导航系统、地形侦察等。

(3) 生物医学图像处理:计算机断层图像CT (Computer Tomograph) 、X光透视、核磁共振图像 (MRI) 、B超体内病变检测、各种细胞自动计数、病毒细胞的自动检测和识别、生物图片分析等。

(4) 图像传输:数字电视、高清晰度电视 (HDTV) 、多媒体信息处理、多媒体编码、传输、可视电话、会议电视等。

(5) 文本图像分析处理和识别:文字识别、版面分析和理解等。

(6) 身份鉴定:指纹识别、虹膜识别等。

(7) 机器人视觉:水下机器人、自动化生产线、无人驾驶汽车。

3 图像分割方法概述

分割的问题的困难在于图像数据的模糊和噪声的干扰。到目前为止, 还没有一种或者几种完善的分割方法, 可以按照人们的意愿准确地分割任何一种图像。实际图像中景物情况各异, 具体问题具体分析, 需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否, 目前还没有一个统一评价判断准则, 分割的好坏必须从分割的效果和实际的应用场景来判断。

早期的图像研究中, 图像分割的方法主要可以分成两大类。一类是边界方法, 这种方法的假设是图像分割结果的某个子区域在原来图像中一定会有边缘存在;一类是区域方法, 这种方法的假设是图像分割结果的某个子区域一定会有相同的性质, 而不同区域的像素则没有共同的性质。

4 数字图像基本知识

4.1 BMP位图文件解析

BMP文件由文件头、位图信息头、颜色信息和图形数据四部分组成。

4.1.1 BMP文件头信息

BMP文件头数据结构含有BMP文件的类型、文件大小和位图起始位置等信息。其结构定义如下:

WORD bf Type;//位图文件的类型, 必须为BM

DWORD bf Size;//位图文件的大小, 以字节为单位

WORD bf Reserved1;//位图文件保留字, 必须为0

WORD bf Reserved2;//位图文件保留字, 必须为0

DWORD bf Off Bits;//位图数据的起始位置, 以相对于位图文件头的偏移量表示, 以字节为单位

}BITMAPFILEHEADER;

4.1.2 位图信息头

BMP位图信息头数据用于说明位图的尺寸等信息。其结构定义如下:

DWORD bi Size;//本结构所占用字节数

LONG bi Width;//位图的宽度, 以像素为单位

LONG bi Height;//位图的高度, 以像素为单位

WORD bi Planes;//目标设备的级别, 必须为1

WORD bi Bit Count//每个像素所需的位数, 必须是1 (双色) , 4 (16色) , 8 (256色) 或24 (真彩色) 之一

4.1.3 数据读取和颜色分离

BMP文件有个重要特性, 那就是对于数据区域而言, 每行的数据它必须凑满4字节, 如果没有满, 则用冗余的数据来补齐。这个特性直接影响到我们读取位图数据的方法, 因为在我们看来 (x, y) 的数据应该在y*width+x这样的位置上, 但是因为会有冗余信息, 那么必须将width用width+"该行的冗余量"来处理, 而由于位图文件有不同的位数, 所以这样的计算也不尽相同。

对于8位的位图:

index=buffer[y*pitch+x];//因为8位位图的数据区域存放的是调色板索引值, 所以只需读取这个index

颜色分离:

4.2 数字图像的表示

模拟图像采样和量化的结果是一个实数矩阵。假定一幅模拟图像经过采样得到的数字图像有M行N列, 坐标值变成了离散值。为了方便起见, 用整数值来表示离散坐标。这样原点坐标为 (0, 0) , 第一行紧接原点的像素坐标值为 (0, I) , 这样数字图像可用矩阵表示为:

矩阵中的每一个元素代表数字图像的一个像素。

5 总结

在图像为研究对象, 论述了图像分割的研究方法和主要应用领域。并得出数据读取和颜色分离结果。

摘要：本文以图像为研究对象, 详细论述了图像分割的研究方法和主要应用领域。对现有的部分图像分割算法进行分析和研究。

关键词：Microsoft,Visual,C++6.0,阈值分割

参考文献

[1]姚敏.等编著.《数字图像处理》机械工业出版社

锅炉火焰图像特征分析 篇8

燃煤发电的安全、经济运行与清洁燃烧对于国家经济的发展、人民生活水平的提高和生活环境的改善,都有着十分重要的意义。目前,国内锅炉燃烧管理水平仍比较落后,燃煤机组煤质较差,煤种特性经常发生变动,导致参数整定较为困难。除此之外,锅炉设备质量也还存在着不少问题,亟需有效克服,并获得全面解决。

炼钢厂中,锅炉燃烧的基本要求就在于建立和保持稳定的燃烧火焰,而目前锅炉中的吹氧时间、废钢铁水比重、吹氧量等因素共同决定着炼钢的质量。

如果废钢多,吹氧时间就需要更长一些,碳可以降低一点,但是温度则要提高。各因素之间的关系需要实际经验来进行现场指导,如果说,前炉和这一炉的废钢铁水比一样,而这一炉炼钢的终端温度要求较高,那么吹氧量就要增加,而加料量却要相应降低。

人工看火判断碳含量,判断结果只能得到一个范围,并无法精确得到含碳量。同时由于火焰变化本身是不定的,测量结果经常与人工判断差距较大。所以为获得高碳钢,就要结合经验公式来进行判断,并且还要考虑到各方面的因素,单一只从光强或图像得到定量结果则无法实现。于是以火焰图像为研究对象,对图像纹理的各种特征(如图像平均亮度、平均对比度、平滑度、第3阶矩、一致性、熵等)进行实验,可精确地判别软、硬图像。

1 火焰图像的分类和预处理

如图1,图2所示,火焰图像从视觉上看到的软硬性质的判别主要依据两点:

(1)看细节。火焰中间出现不断翻滚的“云”,并从火焰内部向外翻滚。翻滚的频率越快,视觉感受越是杂乱无章,就说明火焰为硬,反之则说明火焰为软。

(2)看整体火焰的飘动。火焰向上爬升,就好像飞机的喷气发动机后面的火,向上蹿动有力,闪动速度快说明火焰为硬,反之则说明火焰为软。

另外,软硬度不能只从单一的图片来看,而是要看动态的变化,毕竟,火焰的力度无法用图片来表示。一幅图像可能受到各种噪声源的干扰,通常这些噪声表现为孤立像素的离散变换,因而不是空间相关的。对比领域平均法和中值滤波法,本文选用中值滤波法对火焰图像进行预处理。

应用多图像平均法,可以有效消除来自噪声的重大影响。对于图像G(x,y),应该是初始图像F(x,y)与噪声图像m(x,y)的线性组合,其计算公式为:

不考虑各像素之间的噪声,而且假定其均值为0,将M幅不同的噪声图像进行平均,而后得到一幅图像Gp(x,y),表达式为:

由其可得:

式中,E｛Gp(x,y)｝为Gp(x,y)的期望值。

假若多幅图像的像素噪声方差是σ2,可得M幅图像做平均后,方差降为σ2/M;分析可得,当做平均处理时,随着图像数目递增,Gp(x,y)就会与真实的初始图像F(x,y)越相似。实验结果如图3所示。

1971年,Jukey首先提出中值滤波器,并在一维的信号处理(即时间序列分析)中得到充分应用,其后又在二维图像信号处理技术方面多有引用,其性质是一种非线性的滤波器。中值滤波可以在特定条件下消除各种噪声,如减少线性滤波器中的最小均方差滤波、均值滤波等引起的原始图像细节模糊,并且中值滤波器对减小各种类似脉冲干扰,或者扫描图像时产生的噪声等都非常有效。然而在实际操作过程中,通常对分析图像的统计特征并不显著,所以也相应存在一定缺陷,引发了诸多不便[3]。

中值滤波通过从图像中的某个采样窗口提取奇数个数据进行排序,并用排序后的中值取代要处理的数据即可。

以3*3窗口为例,用fmedian表示平滑后f(2,2)的像素值为:

实验结果如图4所示。

当中值滤波在对领域的像素值进行排序的时候,会引起算法的运行速度减慢。为解决这一问题,通常会采用快速中值滤波算法加以改进。快速中值滤波是直接计算像素的中序值,并且不进行排序。对比传统的中值滤波算法,在同窗口的计算时间上进行比较可知,快速算法略好于一般的滤波算法。图5给出了快速中值滤波的实验结果。

上述实验表明,采用传统的均值滤波算法,跟采用中值滤波相比,中值滤波相对较好;由图3和图4对比,火焰图像的边缘磨损偏大;而采用快速中值滤波,与传统的均值滤波和中值滤波相比,在边缘处理等各个方面,更加符合火焰图像对于减少噪声影响的要求。

2 火焰图像边缘检测

在图像分割中,点和线检测都非常重要,但是对于灰度级间断检测来说,边缘检测则是最普遍的检测方法。火焰图像中波动最剧烈的就是火焰边缘区域,但在直观视觉上,这个区域也具有相对稳定的区域面积和波动空间。另外,火焰边缘的形状和分布也反映了火焰燃烧时是否稳定。本文对比图像处理中的边缘检测canny算子,采用sobel边缘检测方法,得到火焰图像边缘特征图。该特征图是从多尺度的视角出发,再利用设定较大的阈值得到图像非火焰图像的边缘,通过差运算将该部分除去。实验结果如图6、图7所示。

由以上图形可见,硬图翻滚频率较快,向上蹿动有力,而软图则较为平均,整体上蹿的趋势并不明显。

3 火焰图像纹理特征

火焰纹理就是由明与暗对比中得出的。为了显示更清楚效果,由原始图像可提取出图像中有亮暗对比的边缘,而后照亮边缘。在图像处理中,用于描述纹理的3种方法是统计方法、结构化方法和频谱方法。统计方法可用于进行诸如平滑、粗糙、粒状等纹理的特征描述。结构化技术处理图像元的排列,诸如基于均匀空间分布的平行线纹理描述。频谱技术基于傅里叶频谱特性,主要通过频谱中的高能量波峰识别,用于寻求图像中的整体周期性。纹理走势也是判断软硬的一个因素,火焰图像纹理的走势变化由“云”到“流水”,方向感逐渐增强。本文应用统计方法,即灰度共生矩阵法,来计算火焰图像纹理特征。

描述纹理最简单的方法之一是使用一幅图像或区域灰度级直方图的统计矩。

灰度直方图的本质,是针对图像中某一像素的具体灰度并借助直方图描绘出来的统计结果,其中不包含像素与像素之间的相对位置信息,而对于火焰图像来说,其像素与像素之间的相对位置信息,通常都是具有重要表征作用的[4]。灰度共生矩阵是在将图像中两个像素保持某一特定距离时,对其灰度状况分别施以统计而得到的。该矩阵不仅反映了图像的灰度值大小,而且还可表示灰度值在方向以及相邻间隔等方面的特征。

根据实际需要,计算6个图像纹理特征量,即平均亮度、平均对比度、平滑度、第3阶矩、一致性、熵,各特征量分别记为:m,σ,R,μ3,U,e,对其分析如下。

(1)平均灰度值(平均亮度)。早期火焰检测时,一般以平均灰度值来表示火焰燃烧时重要特征,其计算公式为:

式中,P(zi)表示灰度值为zi时发生的概率,i=0...L-1则表示火焰图像可能的灰度值范围,即灰度级大小。由此,m即可表示火焰图像的平均灰度值大小。

平均灰度值会随着煤质以及施工人员操作的不同而改变,因为煤质和操作规范不同,将改变火焰的特性,进而影响其灰度值。还需要指出的是,着火时火焰图像的平均灰度值要小于锅炉背景的灰度值,而这是平均灰度值的明显不足所在[5]。

(2)平均对比度(方差)。平均对比度越小,就越稳定,反之,就越剧烈。该值表示了图像平均灰度值的波动大小,其计算公式为:

式中:P(zi)表示灰度值为zi时发生的概率,i=0...L-1表示火焰图像可能的灰度值范围,即灰度级大小,而m表示平均灰度值大小,根据方差公式,σ就表示火焰图像的平均对比度大小,亦即方差大小。

(3)图像平滑度。计算公式为:

(4)第三阶矩。计算公式为:

(5)一致性。计算公式为:

(6)熵。计算公式为:

式中,熵表示图像灰度级的随机分布特征。在信息论中,熵表示信息量,也就是说不确定性和不均匀程度。当图像灰度值均匀分布的时候,熵值达到最大,因为图像均匀分布时,限定越小,不确定性随之变大,直至熵取得较大值;反之,图像的熵值取得较小值。实验结果如表1所示。

4 结束语

本文采用快速中值滤波对火焰图像进行预处理分析,由实验结果可知,均值滤波与中值滤波的效果相比,后者要好很多,但对火焰图像边缘损失却较大;而相比中值滤波的明显不足,快速中值滤波则可满足火焰图像噪声消除的要求。其后,相比canny算子,使用sobel边缘检测方法则能得到更精确的边缘信息。同时,由于灰度直方图并不具备像素之间相对位置的信息,基于灰度共生矩阵来计算火焰图像纹理特征不仅可以反映图像灰度值大小,还能够实现灰度值关于方向和相邻间隔信息的综合呈现。最后,根据实际需要,计算了平均亮度、平均对比度、平滑度、第3阶矩、一致性与熵这6个图像纹理特征量,因而较好地区分硬软图像。

参考文献

[1]张红亮,邹忠,陈湘涛,等.基于内容的回转窑火焰图像检索[J].计算机应用,2007,27(S2):2-47.

[2]佘星星,黄福珍.锅炉火焰图像特征及燃烧状态智能监测综述[J].上海电力学院学报,2010(4):4-9.

[3]范华忠,张伯虎,冯艳.图像处理技术在火焰目标提取中的应用[J].电光与控制,2006(1):1-5.

[4]张琴.炉内火焰温度分析系统的研究[D].合肥:安徽大学,20-10.

图像认证水印技术分析 篇9

认证水印是利用人类知觉系统的冗余, 在不影响数字媒体的感官 (视或听) 质量的前提下, 将与媒体内容相关或不相关的标志信息作为水印直接嵌入媒体内容中, 当媒体内容需要认证时, 可将水印提出鉴定其是否真实完整。在具体应用中, 它又可分为脆弱水印和半脆弱水印。脆弱水印与鲁棒水印不同, 鲁棒水印的目的是在经过各种处理后能继续存在, 除非原作的毁坏达到失去原有价值的程度。在超过临界点的情况下就不需要考虑鲁棒水印是否还存在了。但对半脆弱水印来说, 不但要保证其在临界点以下能继续存在, 而且要在超过临界点的情况下失效。

脆弱水印和半脆弱水印分别用于图像的完全认证和选择性认证。前者不允许对认证对象进行改动, 哪怕是一个信息位的变动, 作品即被认为不可信或不真实, 半脆弱水印可被应用于医学的诊断图像、法庭上被告或原告提供的照片、判断新闻出版报刊中图像的真实性等;后者允许在不改变其视觉质量的前提下, 对作品进行有损压缩、叠加噪声等操作, 从而使高质量压缩的作品依然可以通过认证[1]。

2 用于图像完全认证的脆弱水印

数字签名技术可以通过对作品的完整或部分内容生成散列值, 来实现对内容的完整性认证。然而, 分开存储的认证信息和原始作品必将会对系统产生额外的开销。使用水印技术, 嵌入作品中的认证信息在作品被破坏时水印也被改变。在认证过程中, 通过比较提取出的和计算出的认证信息, 可以知道作品在什么地方、进行了什么样的修改。

用于图像完全认证的数字水印技术一般采用脆弱性水印技术, 脆弱水印算法大都由空间域LSB水印算法演变而来。在文献[2]中, Walton对所有像素值高7位求校验和作为水印信息。这种求校验和的算法可看作一种特殊的hash函数。根据校验和, 在图像中随机选取固定数目的像素, 将每个像素值的最低位用校验和中的1bit信息替换完成水印嵌入过程。认证时, 只需将待检图像的校验和与提取的水印信息比较。

虽然图像的完全认证可以检测到对作品任何轻微的改动, 而实际应用中, 数字图像因其数据量较大, 通常以压缩方式存储或传输;再者, 由于图像处理软件各异, 图像格式众多, 因此最终用户所要认证的通常是原始图像经有损压缩或其他保持图像内容的操作处理后的图像, 因此, 对图像进行选择性认证在现实生活中更为实用。

3 用于图像内容认证的半脆弱水印

精确认证可以判断出作品是否被修改, 对认证的条件要求比较严格。但是一定范围内的失真并不会对原始作品造成实质性的改变, 而这种变动甚至是可以接受的, 比如对图像的压缩处理等[3]。因此, 在认证中, 这就意味着有这样一种需求:在一定失真范围内认证成功的, 而只有显著的变化才会使认证失败。半脆弱水印技术正是基于这种原因才被提出来的。

一个半脆弱水印系统若能够在实践中很好的应用, 应该具备以下的一些基本的功能或性质[1]:

(1) 鲁棒和脆弱的兼备性

水印的鲁棒性与脆弱性应随应用场合的不同而不同, 半脆弱水印是在一定鲁棒性条件下的脆弱。即针对一定的操作鲁棒, 而针对另一类操作脆弱, 如:对高质量的压缩鲁棒而对剪裁脆弱。

(2) 不可见性

图像在嵌入水印后不能相对于原始图像有明显降质, 即水印嵌入操作不会破坏作品的可用性, 影响作品的使用。

(3) 篡改的敏感性和可定位性

应能根据失真的合理性规定对非合理的失真可靠地进行监测。理想情况下能够提供修改的准确位置、破坏的强度, 甚至分析篡改的类型并能对被篡改内容进行恢复。

(4) 盲检测性

由于应用的需要, 通常检测时不能得到原始的载体作品, 所以应具备此能力。

(5) 基于密钥的安全性

应当满足Kerckhoffs准则的要求, 即:算法的安全性建立在密钥安全性的基础上。

参考文献

[1]叶登攀.图像认证及视频数字水印的若干算法研究[D].南京:南京理工大学, 2005, 9.[1]叶登攀.图像认证及视频数字水印的若干算法研究[D].南京:南京理工大学, 2005, 9.

[2]Walton S..Information authentication for aslippery new age[J].Dr Dobbs Journal, 1995, 20 (4) :18-26.[2]Walton S..Information authentication for aslippery new age[J].Dr Dobbs Journal, 1995, 20 (4) :18-26.

图像数据分析 篇10

关键词：焊缝,特征提取,数据修正,图像数据分析

0引言

在自动焊接技术中,视觉传感技术已被广泛应用到焊缝跟踪过程中,而图像处理算法与数据的处理成为整个视觉跟踪系统的基础与核心。在图像处理方面常采用数学形态学处理方法,数学形态学是从集合的角度来刻画和分析图像,并作为一种非线性图像处理和分析理论［１］。为了在自动焊接时焊枪的轨迹能够更加地准确,在得到焊缝宽度和深度信息后必须要对焊点的噪声造成的伪数据进行处理。本文采用特定的算法对数据异常的突变点进行删除,并对所有的焊缝宽度和深度数据运用三次样条插值进行修正,从而得到与实际数据基本吻合的曲线方程。

1坡口对接焊缝的图像预处理

本文选用点焊好的管材工件作为模型进行试验, 管子的直径为 Φ426mm,管子壁厚为17mm,椭圆度为1%。选用工业CCD拍摄的灰度图像为研究对象, 首先对焊缝图像进行预处理来消除噪声,实现焊缝图像边缘的精确检测。

1.1图像预处理

图1为焊缝图像及预处理。图像预处理的主要目的是初步消除图像中无关的信息。为了提高图像处理算法的执行效率,本文对图1(a)进行裁剪,在图像中存在着工件表面反光、划痕、小的突出物等噪声,而这些噪声势必会给后续的处理带来困难,本文采用灰度图像形态学的闭运算来解决这一难题。灰度图像形态学的闭运算后,小的暗细节被滤除,明亮部分受影响较小,焊缝边缘基本没有受到影响［２－３］。

1.2图像后处理

尽管人眼很容易地就能从预处理后的焊缝图像中识别出物体的边缘,但对于计算机来说还需要对图像进一步做阈值分割、边缘检测等处理,才能有效地识别焊缝信息。因此还需要对图像进行后处理,包括二值化和边缘检测。

当对图像进行分析与识别时,首先要将有效部分从图像中分割出来。本文采用全局阈值,利用MAT- LAB中的最佳阈值函数选取阈值,处理结果如图1(b) 所示。图像二值化后使得特征更加突出,但在焊缝边缘有很多小齿。

经过二值化后,对焊缝图像进行边缘检测。采用越合适的边缘提取算子,所得到的焊缝中心与实际焊缝中心位置越接近,精度越高。经过多次实验本文最终选取Canny边缘检测算子对焊缝图像进行边缘检测,得到的图像如图1(c)所示。

2图像的特征提取

通过预处理、阈值分割、边缘检测处理后,已经可以得到较清晰的焊缝边缘图像轮廓,但为了提取两侧边缘点的拐点坐标,求出焊缝的像素宽度,还要对焊缝图像进行特征提取。本文采用搜索法来实现边缘坐标的记录。

由搜索法得到以边缘点的图像坐标为元素的二维数组,但数字图像是一个矩阵,而每个像素的位置信息是按先行后列的顺序给出的,所以必须要对二维数组列进行交换,又因图像的纵轴是向下为正的,要想图形不发生变化,所以要把第二列变为负的［４］。这样就完成了对图像上边缘点的坐标提取,如图2所示。

为了比较精确地提取焊缝的拐点坐标,本文把边缘分为左上、左下、右上、右下四部分,并分别进行最小二乘法拟合［５］,拟合结果如图3所示。

最小二乘法拟合的原理是:用φ(x)拟合n对数据(xk,yk)(k=1,2,…,n),使得误差平方和最小,求φ(x)的方法。

采用直线拟合,若y=φ(x)=a０+a１x,a０和a１满足如下法方程组:

即a０和a１是法方程组的解。

利用MATLAB平台可得到左上、左下、右上、右下边缘的4个拟合方程:

因此,得到的两拐点的坐标分别为:(232, -306.156 4)、(258,-303.674 5)

焊缝两拐点之间的像素点距离ΔX=26、ΔY=2.5。

3坡口焊缝实验数据的分析及修正

通过模拟实验验证基于CCD的管材坡口焊接焊缝识别系统的实效性,选用点焊好的管材工件作为模型,实验步骤如下:

(1)把摄像机的物距设定为750mm,利用焊缝识别界面设定采样时间为0.1s,工件转速为8r/min(周向),在焊接过程中管子旋转。利用CCD对转动中的工件进行垂直取像,采集72张图片。

(2)通过识别算法提取出管材焊缝的宽度数据(图3中的两条线之间的距离)。

3.1测量数据分析

实验得到的数据如图4所示。由图4可知焊缝识别系统在测量中出现了伪数据,造成这一现象的主要原因是焊点的噪声使得图像处理中的焊缝边缘定位出现了异常,表现为测量数据中出现了突变数据,这样的现象是不可避免的,但为了满足实际的焊接要求就必须把这些异常数据进行剔除。

图4中,包含伪数据的采样点一定是异常突变点, 伪数据剔除的过程就是数据异常突变点的删除过程, 算法实现步骤如下:

(1)设向量A=[a１,a２,…,a７１,a７２],其中aｉ(i= 1,…,72)为第i个采样点所对应的宽度数据,构造向量B==a７２,a１,a２,…,a７１,a７２,a１]= [b１,b２,…,b７２, b７３,b７４]。

(2)构造向量C=[c1,c2,c3,…,c70,c71,c72,c73],ci=abs(bi-bi+1)(i=1,…,73)。

(3)再把C中的元素进行从小到大排列,取前64个元素中的最大值m(由图4可知,图中大部分相邻数据值没有异常突变,即可认为测试数据中至少有90% 是可信的,那么对于72个数据而言,就是至少有64个数据是可信值),那么C中至少有两个大于2 m的突变元素cｊ－１和cｊ(j=2,…,73),cｊ－１和cｊ所对应的采样点必定是伪数据,其中对应B中元素bｊ就是伪数据, 因此将其剔除。

(4)重复步骤2和步骤3,直到C中没有大于2m的元素为止。剔除伪数据的结果如图5所示。

3.2测量数据修正

为了修正测量中的伪数据,对数据进行一维插值, 用插值后的数据来修正伪数据采样点。一维插值可以分为基于快速傅里叶的插值和基于多项式的插值。

(1)快速傅里叶插值的基本思想是先对输入的函数值进行傅里叶变换到频域,再用傅里叶逆变换把更多的点转为时域,从而达到增加采样点的目的。经傅里叶插值后的结果如图6所示,数据出现了很大的偏移而且曲线的平滑度差。

(2)多项式插值法就是用给定的若干点上的函数值来构造f(x)的近似多项式函数φ(x),要求φ(x)与f(x)在给定点的函数值相等。n次代数多项式插值满足在n+1个节点上插值多项式φ(x)和被插值函数f(x)相等,而且插值多项式φ(x)的次数不超过n次。 比较常用的一维插值是分段插值和三次样条插值。

由于分段线性插值采用直线连接了相邻点,曲线的平滑度较差,不具有一阶连续导数,故此处采用三次样条插值法。对数据进行三次样条插值后的,结果如图7所示。数据经过三次样条插值得到的插值曲线比较平滑,具有一阶连续导数。

比较图6和图7可以看出,三次样条插值对数据的插值效果最好,对图像进行三次样条插值可以产生比较平滑的曲线,能够较好地实现对于伪数据点的修正。

4结论

图像数据分析 篇11

下面就该类问题的解题策略进行分析总结。

一、明确膜电位的记录方式是解题的切入点

膜电位的记录分为细胞内记录和细胞外记录两种方式。细胞内记录（图1中的A）是用微电极（尖端直径小于1μm的玻璃管微电极，管内充以KCl溶液）插入细胞内记录生物电变化，能够反映细胞处于静息状态或活动状态时电位变化的绝对值。

细胞外记录（图2）是两个记录电极均位于细胞外，记录到的是两个电极之间的电位差，仅反映两个电极下电位变化的相对值。

选择的记录方式不同，得到的膜电位变化曲线就有差异。所以，在解题时，首先要明确膜电位的记录方式，这是正确解答该类问题的突破口和切入点。

问题1：当神经纤维处于静息状态时，要测量静息电位，应采取哪种记录方式？

答案：细胞内记录。

二、理解膜电位的变化过程和产生机制是解题的基础

明确膜电位的记录方式仅是迈出了正确解题的第一步，还需全面深刻地理解膜电位的变化过程和产生机制，这是正确解答该类问题的基础。静息电位的产生机制如图3。

问题2：人工改变细胞膜外K+的浓度，对静息电位的大小有何影响？

答案：静息电位主要是由K+向膜外扩散而造成的。如果人工改变细胞膜外K+的浓度，当细胞膜外K+的浓度增高时，膜内外K+的浓度差减小，静息电位幅值（静息电位绝对值）将减小。反之，当细胞膜外K+的浓度降低时，测得的静息电位值增大。

动作电位的产生机制如图4。

相关名词术语（图1中的B）：膜内电位向负值减小的方向变化，称为去极化；去极化至零电位后膜电位进一步变为正值，称为反极化；膜电位去极化后逐步恢复极化状态的过程，称作复极化；膜内外电位差的数值向膜内负值加大的方向变化时，称为膜的超极化。

问题3：人工改变细胞膜外Na+的浓度，对动作电位的大小有何影响？

答案：动作电位的幅度决定于细胞内外的Na+浓度差，细胞外液Na+浓度降低则动作电位幅度也相应降低，而阻断Na+通道（河豚毒）则能阻碍动作电位的产生。反之，细胞外液Na+浓度升高，则动作电位幅度也相应升高。

问题4：静息电位形成时的K+的外流和动作电位形成时的Na+的内流是否消耗能量？

答案：K+的外流和Na+的内流均是由通道蛋白介导的顺浓度梯度的被动运输过程，不消耗细胞代谢产生的能量。

应该指出的是，动作电位的产生并不消耗能量，而恢复到正常的静息电位却要消耗能量。

三、做好文图信息转换、图文信息转换和图图信息转换是解题的关键

“对生物学图表的阅读和分析能力，运用图表准确描述生物学现象、生物学过程和构建生物学模型的能力，是考查考生生物科学素养的最好方式。”因此，在熟练掌握生物膜电位的变化过程和产生机制的基础上，灵活进行“文→图”、“图→文”、“图→图”的信息转换，提高理解能力、信息处理能力和知识的综合运用能力，是解答该类问题的关键。

1. 文→图

图4描述了动作电位的产生机制，将其转换成膜电位随时间的变化曲线图即是图1中的B。

2. 图→文

图2是用一对记录电极置于神经干的完好表面，在示波器上记录到的 双向动作电位。神经是由许多粗细不等的有髓和无髓神经纤维组成的，故神经干动作电位是由许多神经纤维的动作电位合成的一种复合电位。采用细胞外记录时，测得的波形实际上是两个记录电极的电位差。对于某一点，负电位的产生和终止不是突然的，需要一定的时间才能达到最高点，故记录曲线的上升和下降都具有一定的斜率。当神经未受刺激时，左右两电极之间无电位差，示波器扫描光点为一水平基线。当神经左端受刺激兴奋后，兴奋会向未兴奋处传导，动作电位传到左电极下方时，左右两电极间出现电位差，示波器上扫描光点向上偏转（电生理实验中，习惯规定负波向上），当动作电位移到左右两电极之间时，两电极间无电位差。动作电位继续右移到右电极时，两电极间又有电位差出现，且倒置，引起示波器光点向下偏转。所以示波器上显示了一个双相动作电位。

3. 图→图

问题5：图5为神经电位的测量装置，其中箭头表示施加适宜刺激，阴影表示兴奋区域。用记录仪记录a、b两电极之间的电位差，结果如曲线图。若将记录仪记录的a、b两电极均置于膜外，其他实验条件不变，则测量结果如何用曲线图表示？若a、b之间的距离与兴奋区域的长度相等，结果如何？若在c点夹伤或者用药物阻滞兴奋的传导，结果又将如何？

该问题可训练学生的图→图的信息转换能力。注意由于膜电位记录方式的改变，得到的曲线图会与原题稍有不同。答案如图6。

四、 例题分析

例1 图7中Ⅰ是神经元网络结构示意图，图中A、B、C为神经元。和神经元一样，肌肉细胞在受到适宜的刺激后，也能引起细胞膜电位的变化。图中③为神经肌肉接头，其结构、功能类似于突触。

（1）假如A、B、C都是兴奋性神经元，给神经元A一个适宜的刺激，在①②③④处能记录到图Ⅱ膜电位的是__________。

（2）a、b、c、d中电位差为0mV的是__________。图中PX线段表示_______电位；XY段时Na+向___________（内/外）流。Y点时，神经纤维膜内外两侧间存在电位差，膜内为___________（正/负）电位。

（3）如果C是一个抑制性神经元，在②处给予一个适宜刺激，在①处能否记录到膜电位的变化？___________。原因是______________________。

解析：图Ⅱ膜电位表示的是兴奋时产生的动作电位，因兴奋在突触中是单向传递，给神经元A一个适宜的刺激，在①②③④处都能记录到图Ⅱ膜电位。图Ⅱ中PX线段为受刺激之前的电位，故为静息电位。X→Y→Z为受到刺激后产生的动作电位，XY段发生去极化，由于Na+的内流，膜电位由内负外正变为内正外负，故a、b、c、d中电位差为0mV的是b。如果C是一个抑制性神经元，在②处给予一个适宜刺激，由于兴奋在突触中是单向传递，兴奋可由B神经元传导到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

答案：（1）b （2）静息内正 （3）不能 兴奋在突触中是单向传递的，因此，不能由B神经元直接传递到A神经元，而是由B神经元传递到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

例2 动作电位的产生与细胞膜离子通透性的变化直接相关。细胞膜对离子通透性的高低可以用电导（g）表示，电导大，离子通透性高，电导小，离子通透性低。图8表示神经细胞接受刺激产生动作电位过程中，细胞膜对Na+和K+的通透性及膜电位的变化分别是（gNa+、gK+分别表示Na+、K+的电导）

A.①④B.①③C.②③D.②④

解析：受到刺激后，膜电位由内负外正到内正外负再到内负外正的变化过程称为动作电位，故①正确。去极化的形成，是由于细胞膜对Na+的通透性增大（gNa+升高），Na+的内流导致的，故③正确。

答案：B。

神经调节的相关知识是高中生物知识体系中的主干、核心内容。其中关于静息电位、动作电位图像的分析，既是学生学习中的难点，又是高考中的热点。不少学生对于此类问题感到无从下手，不能准确找到解题的突破口。

下面就该类问题的解题策略进行分析总结。

一、明确膜电位的记录方式是解题的切入点

膜电位的记录分为细胞内记录和细胞外记录两种方式。细胞内记录（图1中的A）是用微电极（尖端直径小于1μm的玻璃管微电极，管内充以KCl溶液）插入细胞内记录生物电变化，能够反映细胞处于静息状态或活动状态时电位变化的绝对值。

细胞外记录（图2）是两个记录电极均位于细胞外，记录到的是两个电极之间的电位差，仅反映两个电极下电位变化的相对值。

选择的记录方式不同，得到的膜电位变化曲线就有差异。所以，在解题时，首先要明确膜电位的记录方式，这是正确解答该类问题的突破口和切入点。

问题1：当神经纤维处于静息状态时，要测量静息电位，应采取哪种记录方式？

答案：细胞内记录。

二、理解膜电位的变化过程和产生机制是解题的基础

明确膜电位的记录方式仅是迈出了正确解题的第一步，还需全面深刻地理解膜电位的变化过程和产生机制，这是正确解答该类问题的基础。静息电位的产生机制如图3。

问题2：人工改变细胞膜外K+的浓度，对静息电位的大小有何影响？

答案：静息电位主要是由K+向膜外扩散而造成的。如果人工改变细胞膜外K+的浓度，当细胞膜外K+的浓度增高时，膜内外K+的浓度差减小，静息电位幅值（静息电位绝对值）将减小。反之，当细胞膜外K+的浓度降低时，测得的静息电位值增大。

动作电位的产生机制如图4。

相关名词术语（图1中的B）：膜内电位向负值减小的方向变化，称为去极化；去极化至零电位后膜电位进一步变为正值，称为反极化；膜电位去极化后逐步恢复极化状态的过程，称作复极化；膜内外电位差的数值向膜内负值加大的方向变化时，称为膜的超极化。

问题3：人工改变细胞膜外Na+的浓度，对动作电位的大小有何影响？

答案：动作电位的幅度决定于细胞内外的Na+浓度差，细胞外液Na+浓度降低则动作电位幅度也相应降低，而阻断Na+通道（河豚毒）则能阻碍动作电位的产生。反之，细胞外液Na+浓度升高，则动作电位幅度也相应升高。

问题4：静息电位形成时的K+的外流和动作电位形成时的Na+的内流是否消耗能量？

答案：K+的外流和Na+的内流均是由通道蛋白介导的顺浓度梯度的被动运输过程，不消耗细胞代谢产生的能量。

应该指出的是，动作电位的产生并不消耗能量，而恢复到正常的静息电位却要消耗能量。

三、做好文图信息转换、图文信息转换和图图信息转换是解题的关键

“对生物学图表的阅读和分析能力，运用图表准确描述生物学现象、生物学过程和构建生物学模型的能力，是考查考生生物科学素养的最好方式。”因此，在熟练掌握生物膜电位的变化过程和产生机制的基础上，灵活进行“文→图”、“图→文”、“图→图”的信息转换，提高理解能力、信息处理能力和知识的综合运用能力，是解答该类问题的关键。

1. 文→图

图4描述了动作电位的产生机制，将其转换成膜电位随时间的变化曲线图即是图1中的B。

2. 图→文

图2是用一对记录电极置于神经干的完好表面，在示波器上记录到的 双向动作电位。神经是由许多粗细不等的有髓和无髓神经纤维组成的，故神经干动作电位是由许多神经纤维的动作电位合成的一种复合电位。采用细胞外记录时，测得的波形实际上是两个记录电极的电位差。对于某一点，负电位的产生和终止不是突然的，需要一定的时间才能达到最高点，故记录曲线的上升和下降都具有一定的斜率。当神经未受刺激时，左右两电极之间无电位差，示波器扫描光点为一水平基线。当神经左端受刺激兴奋后，兴奋会向未兴奋处传导，动作电位传到左电极下方时，左右两电极间出现电位差，示波器上扫描光点向上偏转（电生理实验中，习惯规定负波向上），当动作电位移到左右两电极之间时，两电极间无电位差。动作电位继续右移到右电极时，两电极间又有电位差出现，且倒置，引起示波器光点向下偏转。所以示波器上显示了一个双相动作电位。

3. 图→图

问题5：图5为神经电位的测量装置，其中箭头表示施加适宜刺激，阴影表示兴奋区域。用记录仪记录a、b两电极之间的电位差，结果如曲线图。若将记录仪记录的a、b两电极均置于膜外，其他实验条件不变，则测量结果如何用曲线图表示？若a、b之间的距离与兴奋区域的长度相等，结果如何？若在c点夹伤或者用药物阻滞兴奋的传导，结果又将如何？

该问题可训练学生的图→图的信息转换能力。注意由于膜电位记录方式的改变，得到的曲线图会与原题稍有不同。答案如图6。

四、 例题分析

例1 图7中Ⅰ是神经元网络结构示意图，图中A、B、C为神经元。和神经元一样，肌肉细胞在受到适宜的刺激后，也能引起细胞膜电位的变化。图中③为神经肌肉接头，其结构、功能类似于突触。

（1）假如A、B、C都是兴奋性神经元，给神经元A一个适宜的刺激，在①②③④处能记录到图Ⅱ膜电位的是__________。

（2）a、b、c、d中电位差为0mV的是__________。图中PX线段表示_______电位；XY段时Na+向___________（内/外）流。Y点时，神经纤维膜内外两侧间存在电位差，膜内为___________（正/负）电位。

（3）如果C是一个抑制性神经元，在②处给予一个适宜刺激，在①处能否记录到膜电位的变化？___________。原因是______________________。

解析：图Ⅱ膜电位表示的是兴奋时产生的动作电位，因兴奋在突触中是单向传递，给神经元A一个适宜的刺激，在①②③④处都能记录到图Ⅱ膜电位。图Ⅱ中PX线段为受刺激之前的电位，故为静息电位。X→Y→Z为受到刺激后产生的动作电位，XY段发生去极化，由于Na+的内流，膜电位由内负外正变为内正外负，故a、b、c、d中电位差为0mV的是b。如果C是一个抑制性神经元，在②处给予一个适宜刺激，由于兴奋在突触中是单向传递，兴奋可由B神经元传导到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

答案：（1）b （2）静息内正 （3）不能 兴奋在突触中是单向传递的，因此，不能由B神经元直接传递到A神经元，而是由B神经元传递到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

例2 动作电位的产生与细胞膜离子通透性的变化直接相关。细胞膜对离子通透性的高低可以用电导（g）表示，电导大，离子通透性高，电导小，离子通透性低。图8表示神经细胞接受刺激产生动作电位过程中，细胞膜对Na+和K+的通透性及膜电位的变化分别是（gNa+、gK+分别表示Na+、K+的电导）

A.①④B.①③C.②③D.②④

解析：受到刺激后，膜电位由内负外正到内正外负再到内负外正的变化过程称为动作电位，故①正确。去极化的形成，是由于细胞膜对Na+的通透性增大（gNa+升高），Na+的内流导致的，故③正确。

答案：B。

神经调节的相关知识是高中生物知识体系中的主干、核心内容。其中关于静息电位、动作电位图像的分析，既是学生学习中的难点，又是高考中的热点。不少学生对于此类问题感到无从下手，不能准确找到解题的突破口。

下面就该类问题的解题策略进行分析总结。

一、明确膜电位的记录方式是解题的切入点

膜电位的记录分为细胞内记录和细胞外记录两种方式。细胞内记录（图1中的A）是用微电极（尖端直径小于1μm的玻璃管微电极，管内充以KCl溶液）插入细胞内记录生物电变化，能够反映细胞处于静息状态或活动状态时电位变化的绝对值。

细胞外记录（图2）是两个记录电极均位于细胞外，记录到的是两个电极之间的电位差，仅反映两个电极下电位变化的相对值。

选择的记录方式不同，得到的膜电位变化曲线就有差异。所以，在解题时，首先要明确膜电位的记录方式，这是正确解答该类问题的突破口和切入点。

问题1：当神经纤维处于静息状态时，要测量静息电位，应采取哪种记录方式？

答案：细胞内记录。

二、理解膜电位的变化过程和产生机制是解题的基础

明确膜电位的记录方式仅是迈出了正确解题的第一步，还需全面深刻地理解膜电位的变化过程和产生机制，这是正确解答该类问题的基础。静息电位的产生机制如图3。

问题2：人工改变细胞膜外K+的浓度，对静息电位的大小有何影响？

答案：静息电位主要是由K+向膜外扩散而造成的。如果人工改变细胞膜外K+的浓度，当细胞膜外K+的浓度增高时，膜内外K+的浓度差减小，静息电位幅值（静息电位绝对值）将减小。反之，当细胞膜外K+的浓度降低时，测得的静息电位值增大。

动作电位的产生机制如图4。

相关名词术语（图1中的B）：膜内电位向负值减小的方向变化，称为去极化；去极化至零电位后膜电位进一步变为正值，称为反极化；膜电位去极化后逐步恢复极化状态的过程，称作复极化；膜内外电位差的数值向膜内负值加大的方向变化时，称为膜的超极化。

问题3：人工改变细胞膜外Na+的浓度，对动作电位的大小有何影响？

答案：动作电位的幅度决定于细胞内外的Na+浓度差，细胞外液Na+浓度降低则动作电位幅度也相应降低，而阻断Na+通道（河豚毒）则能阻碍动作电位的产生。反之，细胞外液Na+浓度升高，则动作电位幅度也相应升高。

问题4：静息电位形成时的K+的外流和动作电位形成时的Na+的内流是否消耗能量？

答案：K+的外流和Na+的内流均是由通道蛋白介导的顺浓度梯度的被动运输过程，不消耗细胞代谢产生的能量。

应该指出的是，动作电位的产生并不消耗能量，而恢复到正常的静息电位却要消耗能量。

三、做好文图信息转换、图文信息转换和图图信息转换是解题的关键

“对生物学图表的阅读和分析能力，运用图表准确描述生物学现象、生物学过程和构建生物学模型的能力，是考查考生生物科学素养的最好方式。”因此，在熟练掌握生物膜电位的变化过程和产生机制的基础上，灵活进行“文→图”、“图→文”、“图→图”的信息转换，提高理解能力、信息处理能力和知识的综合运用能力，是解答该类问题的关键。

1. 文→图

图4描述了动作电位的产生机制，将其转换成膜电位随时间的变化曲线图即是图1中的B。

2. 图→文

图2是用一对记录电极置于神经干的完好表面，在示波器上记录到的 双向动作电位。神经是由许多粗细不等的有髓和无髓神经纤维组成的，故神经干动作电位是由许多神经纤维的动作电位合成的一种复合电位。采用细胞外记录时，测得的波形实际上是两个记录电极的电位差。对于某一点，负电位的产生和终止不是突然的，需要一定的时间才能达到最高点，故记录曲线的上升和下降都具有一定的斜率。当神经未受刺激时，左右两电极之间无电位差，示波器扫描光点为一水平基线。当神经左端受刺激兴奋后，兴奋会向未兴奋处传导，动作电位传到左电极下方时，左右两电极间出现电位差，示波器上扫描光点向上偏转（电生理实验中，习惯规定负波向上），当动作电位移到左右两电极之间时，两电极间无电位差。动作电位继续右移到右电极时，两电极间又有电位差出现，且倒置，引起示波器光点向下偏转。所以示波器上显示了一个双相动作电位。

3. 图→图

问题5：图5为神经电位的测量装置，其中箭头表示施加适宜刺激，阴影表示兴奋区域。用记录仪记录a、b两电极之间的电位差，结果如曲线图。若将记录仪记录的a、b两电极均置于膜外，其他实验条件不变，则测量结果如何用曲线图表示？若a、b之间的距离与兴奋区域的长度相等，结果如何？若在c点夹伤或者用药物阻滞兴奋的传导，结果又将如何？

该问题可训练学生的图→图的信息转换能力。注意由于膜电位记录方式的改变，得到的曲线图会与原题稍有不同。答案如图6。

四、 例题分析

例1 图7中Ⅰ是神经元网络结构示意图，图中A、B、C为神经元。和神经元一样，肌肉细胞在受到适宜的刺激后，也能引起细胞膜电位的变化。图中③为神经肌肉接头，其结构、功能类似于突触。

（1）假如A、B、C都是兴奋性神经元，给神经元A一个适宜的刺激，在①②③④处能记录到图Ⅱ膜电位的是__________。

（2）a、b、c、d中电位差为0mV的是__________。图中PX线段表示_______电位；XY段时Na+向___________（内/外）流。Y点时，神经纤维膜内外两侧间存在电位差，膜内为___________（正/负）电位。

（3）如果C是一个抑制性神经元，在②处给予一个适宜刺激，在①处能否记录到膜电位的变化？___________。原因是______________________。

解析：图Ⅱ膜电位表示的是兴奋时产生的动作电位，因兴奋在突触中是单向传递，给神经元A一个适宜的刺激，在①②③④处都能记录到图Ⅱ膜电位。图Ⅱ中PX线段为受刺激之前的电位，故为静息电位。X→Y→Z为受到刺激后产生的动作电位，XY段发生去极化，由于Na+的内流，膜电位由内负外正变为内正外负，故a、b、c、d中电位差为0mV的是b。如果C是一个抑制性神经元，在②处给予一个适宜刺激，由于兴奋在突触中是单向传递，兴奋可由B神经元传导到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

答案：（1）b （2）静息内正 （3）不能 兴奋在突触中是单向传递的，因此，不能由B神经元直接传递到A神经元，而是由B神经元传递到C神经元，而C神经元对A神经元起抑制作用，故在①处不能测到膜电位的变化。

例2 动作电位的产生与细胞膜离子通透性的变化直接相关。细胞膜对离子通透性的高低可以用电导（g）表示，电导大，离子通透性高，电导小，离子通透性低。图8表示神经细胞接受刺激产生动作电位过程中，细胞膜对Na+和K+的通透性及膜电位的变化分别是（gNa+、gK+分别表示Na+、K+的电导）

A.①④B.①③C.②③D.②④

解析：受到刺激后，膜电位由内负外正到内正外负再到内负外正的变化过程称为动作电位，故①正确。去极化的形成，是由于细胞膜对Na+的通透性增大（gNa+升高），Na+的内流导致的，故③正确。

基于图像的角度识别分析 篇12

在使用色标块定位的时候, 色标块为一个条状矩形, 而且长边是短边的3倍。在大学物理中我们了解到这种形状下的几何薄片, 如果满足质量均匀分布, 那么它将存在最小转动惯量轴和最大转动惯量轴, 如图1所示。如果把每个色标块内的像素想象成带有质量质点, 那么每个色标块将成为一个质量分布均匀的“矩形薄片”。我们希望得到的色标块方向就是“矩形薄片”最小转动惯量的方向, 就是说求出色标块的最小转动惯量。

2 角度识别方法介绍

2.1 基于边缘检测法

基本思想:用角度逼近方法经一步步迭代得到色标块大致角度后, 再利用边缘算子对色标区域进行灰度边缘提取。由于色标块一侧色块边缘有较强灰度变化的, 之后在色标块所在的小窗口中对边缘点进行哈夫变换统计出含边缘点最多的直线即是色标块轴线方向。

算法描述: (1) 首先用补偿逼近方法求出大致角度; (2) 在范围内, 利用Canny算子进行边缘点搜索得到色标块边缘; (3) 对边缘点进行哈夫变换 (Hough Transform) 得到包含边缘点最多的直线, 以它的方向作为色标块的方向。

这种方法避开了彩色空前颜色信息库包含信息不完整、受干扰多等弊端, 而是在灰度空间另辟蹊径, 求出色标块角度。该方法成功地应用在模拟摄像头系统中, 取得较好的效果, 但它的计算开销较大, 必须依赖有较强计算能力的CPU才能保证在一个采集周期内顺利完成运算。

2.2 基于色块转动惯量

求色标块的最小转动惯量有两个途径:

(1) 以色标块中心为原点, 在一定角度范围内 (如0°~90°) 作直线, 然后用积分 (或者连加的方法) 的方法求出色块在该直线上的转动惯量, 在这个范围内选出转动惯量的最小值, 它所对应的直线就是色标块轴线。或者求出转动惯量的最大值, 将其旋转90°也能求出色块的轴线, 从而得到小车的方向。但是这种方法的计算量是惊人的, 每个色标块需要经过大量迭代才能求出其转动惯量, 这是我们不能接受的。

(2) 我们可以把色标块中像素点坐标当作已知量, 把转轴设为通过色块重心的直线, 其斜率k未知。这样可以列出关于k的转动惯量方程f (k) , 通过令其导数等于零的方法:f′ (k) =0, 可以得到这个函数的最小点。从而求得最小转动惯量对应转轴的斜率表达式:k=g (xi, yi) , 其中xi、yi是色块上的点, 最终得到色标块角度。我们采用了这种方法。k=g (xi, yi) 的详细推导过程如下:

设色块重心为原点, 通过色块重心的直线为:

设色块上的像素点 (xi, yi) 到该直线的距离为di, 则

点 (xi, yi) 到直线的转动惯量为Ji:

把每个像素点的质量看作单位1, 则总转动惯量为:

令其求导等于零:

显然方程的二次项系数不可能为零, 二次方程有两个解:

若时, 二次曲线开口向上, 在B点穿过x轴时函数值由小到大, 从而判断B点为最小转动惯量所对应点, 即式 (6) 的较大解为最小转动惯量轴斜率。我们取:

若时, 二次曲线开口向下, 在A点穿过x轴时函数值由小到大, 从而判断A点为最小转动惯量所对应点, 即式 (6) 的较小解为最小转动惯量轴斜率。我们取:

3 实验结果分析

实验室硬件环境:在室内环境下, 采用数字图像采集设备;主机配置:奔腾IV3.2G双核CPU, 1G内存。试用本文的方法和边缘检测的方法进行对比, 如图3所示。

表1为识别结果的统计量。从试验结果不难看出, 在识别精度上看两种方法不相上下, 边缘检测方法的平均误差为+0.29°, 求最小转动惯量方法的平均误差为-0.54°。对于误差在1°范围内, 都是我们可以接受的。从一致性上看边缘检测方法明显没有求最小转动惯量轴方法稳定。从计算耗时上看, 如图3所示, 边缘检测方法计算耗时几乎比求最小转动惯量轴方法大了1个数量级。所以我们最终选择了求最小转动惯量轴的方法求取色标块的角度。

参考文献

[1]曾大幸.中型组足球机器人的视觉识别与视觉定位研究[D].秦皇岛:燕山大学, 2004.

[2]CARPENTER J, et al.An improved particle filter for non-linear problem[sR].Department of Statistics, University of Oxford, 1997.

[3]DELLAERT F, et al.Monte Carlo Localization for Mobile Robots[C]//IEEE International Conference on Robotics and Automation (ICRA99) , May, 1999.

[4]王亮.智能移动机器人定位技术研究[D].哈尔滨:哈尔滨工程大学, 2003.

[5]董再励, 王光辉.自主移动机器人激光全局定位系统研究[J].机器人, 2000, 22 (3) :207-210.