人才匹配（精选8篇）
人才匹配 篇1
0 引言
十八大提出以科学发展为主题, 以加快转变经济发展方式为主线, 这是关系我国发展全局的战略抉择。要着力培育开放型经济发展新优势, 推动服务业特别是现代服务业发展壮大。服务外包产业作为当前我国重点培育的新兴服务业代表, 自2006年“千百十”工程启动以来, 已迅速成长为我国开放型经济发展的重要引擎, 为我国经济结构的战略转型开启了新方向。服务外包产业是人才智力密集型产业, 具有技术承载量大、附加价值高、资源消耗低、环境污染小、吸纳就业多等特点, 能否集聚人才是其发展的关键要素。然而, 随着经济全球一体化趋势的日益深化和国内服务外包产业内需市场规模的不断扩大, 服务外包人才短缺、人才分布结构不合理、人才能力不足、人才流失率高、人才供给不畅等问题逐渐凸显。现有人才无论是从数量、质量还是结构上与产业、企业需求不匹配而导致的“人才荒”现象已成为制约服务外包产业发展的主要瓶颈。Kristof在1996年提出的个人—组织匹配关系模型是近年来备受管理学界关注的研究热点, 大量研究表明个人与企业及产业的匹配关系会对个人在企业中的工作态度及工作行为产生重要影响。本文试图从个人—组织匹配关系模型出发, 剖析当前服务外包产业企业“人才荒”现象产生的深层原因, 探求破解“人才荒”难题的多维路径。
1 个人—组织匹配关系概念内涵
Chatman于1989年首次提出个人—组织匹配理论, 将其定义为个体与组织之间的相容性 (Compatibility) , 主要体现在个人与组织价值观的一致性上, 因为价值观是个体与组织最根本的, 也是相对持久的特质[1]。然而由于学者们对相容性的本质理解有所不同, 因此对个人—组织匹配理论的定义一直存在争议。Kristof (1996) 通过整合前人对个人—组织匹配关系的不同定义, 提出了一个较为全面、具体的个人与组织匹配关系理论模型[2], 并得到了后续学者的普遍认同 (见图1) 。
在该模型中, 个人—组织匹配关系主要被描述为两种匹配关系, 即一致性匹配, 也称为辅助性匹配 (Supplementary fit) , 和互补性匹配 (Complementary fit) 。一致性匹配是指当组织和个人最根本的特质, 如组织文化、组织氛围、组织目标、价值观和规范与个人的个性特质、价值观、工作目标以及工作态度等具有较高相似度时产生的匹配关系。互补性匹配关系是指个人能力、需求与组织的供给、需要的相互补偿性匹配, 包括需求—供给匹配 (Needssupplies fit) 和需要—能力匹配 (Demands-abilitiesfit) 两个层面。当组织满足了个人对物质、精神、晋升发展、人际关系拓展等的需求时, 或者个人拥有组织所需要的经验、知识、能力、技能等时, 互补性匹配就会实现。综上所述, 个人—组织匹配关系只有在两种情况下得以实现:个人与组织中至少有一方能够提供另一方需要的资源;双方具有共同的价值观、目标等基本特性。个人与组织匹配关系模型对个人职业选择、组织招聘以及雇佣关系建立之后员工的工作满意度、离职率和工作绩效都有较强的预测作用 (O’Reilly、Chatman和Caldwell, 1991;Chapman等, 2005;Hoffman和Woehr, 2006) [3,4,5]。
2 个人—组织匹配关系视角下的服务外包产业“人才荒”原因剖析
服务外包是指企业将其非核心业务外包出去, 利用外部优秀的专业化团队来承接其业务, 从而使其专注核心业务的一种管理模式。因此人才是决定服务外包企业成败的关键因素。我国每年约有680万大学生毕业, 各种职业培训机构也在不断输送专业人才, 丰富的人力资源是服务外包产业得以在我国迅速发展的坚实基础和优于其他竞争国家的核心资源优势 (曲玲年, 2011) [6]。然而, 面对人才数量的大幅增加, 人才质量却不尽人意。一方面每年有大量的大学毕业生找不到工作;另一方面大量的服务外包企业岗位空缺招不到合适的人才, 尤其是中高端人才极度匮乏。结合个人—组织匹配关系模型, 我们发现当前我国服务外包产业面临的人才发展瓶颈可从人才与产业企业的匹配矛盾角度加以分析并找到答案。
2.1 互补性匹配矛盾
2.1.1 个人能力与产业企业需要难以匹配
服务外包产业的特性决定了服务外包人才的复合性。当前企业迫切需要的服务外包人才不仅要具有开发或使用软件及信息网络的技能, 还要拥有外语交流能力和项目涉及专业领域的知识, 这对我国的人才培养模式提出了很大挑战。虽然各地已启动校企合作、订单式培养等多种方式, 尝试根据企业实际用人需求, 制定实用性较强的培训计划和课程安排。然而, 由于现阶段高校和培训机构在体制融合、资质认证以及效果评估等方面缺乏标准化管理, 培训水平参差不齐, 与企业需求衔接不够紧密, 尤其在项目实践经验以及细分或高端领域的专业技能的培训上严重不足, 导致符合市场和企业需求的人才缺口加大, 甚至就连“挖墙脚”都无人可挖。对于流程技术专家、高级项目经理和行业领袖等中高端人才而言, 要求则更高。不仅要具有专业的技术知识, 还需拥有较为丰富的从业经验和一定的海外经历, 以及国际化的视野和管理理念。这种人才通常很难在短时间内通过培训获得, 只能通过外部人才引进方式。然而对于大部分服务外包企业来说, 引进需要投入较大的财力、精力和时间, “养不起”人才已成为中高端人才短缺的最大瓶颈。因此, 我国大部分人力资源在个人能力、经验、知识、技能等方面难以达到企业对国际化、专业化、复合型人才的要求, 中高端人才引进时的力不从心是导致“人才荒”问题发生的重要导火索。
2.1.2 产业企业供给与个人需求难以匹配
当前我国服务外包企业除了人才高度短缺、自身能力不足问题以外, 人才流动性大也是造成“人才荒”现象的重要推手。由于服务外包产业成熟度较低, 很多规模较大的企业仍然在从事最低端的工作。这种企业能力与规模成长速度不匹配的现象导致企业利润空间有限, 大多数企业的目光还聚焦在节约成本上, 对于如何留住人才, 尚未建立一套系统有效的培训和激励机制, 人才的个人需求无法得到满足。就人才培养而言, 目前企业主要依靠高校及培训机构输送, 针对自身岗位需求和企业文化的专业化、个性化培训较少, 使得人才从学校到企业之间缺乏有效过渡, 人才需求与企业难以有机结合;对于人才激励, 由于服务外包企业一味强调降低成本, 缺乏对人才, 尤其是对中高端人才隐性需求的多元激励机制及有针对性的职业发展路径规划, 难以充分激发人才的积极性和创造性, 导致企业中高端人才流失率较高。因此, 企业对人才在培训机会以及激励机制的缺失导致的个人需求与组织供给不匹配是当前服务外包企业“人才荒”现象产生的直接原因。
2.2 一致性匹配矛盾
2.2.1 产业企业发展滞后与个人目标、价值观难以匹配
近期一项随机调查显示, 大部分普通民众还不能准确把握服务外包的具体含义, 认为服务外包就是“把自己不愿意做的事情承包给别人来做”。由于服务外包产业起步较晚, 相比发展较早的软件、电信和电商等产业, 在企业规模、发展实力和品牌效应方面相对较弱, 社会普遍对服务外包产业的认知度不高。此外, 我国大多数服务外包企业尚处于产业链的中下游, 现阶段仍以承接低端业务为主, 价值单一, 有限的业务量和利润空间很难吸引到优秀人才, 社会整体认可度偏低。由于服务外包产业不为社会所知, 又难以得到认可, 这与优秀人才的价值观、工作目标不相一致, 从而导致中高端人才对服务外包产业企业缺乏兴趣, 即使是在职员工, 由于长期得不到社会认可导致心理失衡, 压力加重, 对工作的积极性和满意度下降, 离职率不断攀升, 这也是服务外包产业企业长期以来难以吸收和留住优秀人才的深层原因。
2.2.2 个人特性与企业文化难以匹配
从国际化竞争的角度来看, 企业文化是现代企业生存和发展、成功与失败的关键。如今, 我国正在成为全球发包市场的焦点, 建立与国际接轨的企业文化是我国服务外包企业发展的迫切要求。当面对不同文化背景的供应商时, 企业只有具备较强的文化适应性和理解力才能在众多竞争者中脱颖而出, 有效化解不同文化群体在交互过程中出现的矛盾与冲突, 这也对服务外包企业的人才素质提出了较高要求。优秀的服务外包人才需要具备对跨文化环境方面的理解、吸收和适应能力, 才能胜任服务外包产业的跨文化角色。然而, 据统计, 在我国已完成的IT外包项目中, 有将近一半服务外包合同的结果是不能让供应商满意的, 这在很大程度上是因为员工的个性特质与服务外包所要求的企业文化不相适应所致。个人如果不能及时融入企业文化, 就会发生“水土不服”现象, 产生消极怠工甚至离职等负面效应, 进而影响接包的质量和效率, 这也是阻碍当前我国企业国际化发展的关键因素。
3 破解服务外包“人才荒”问题的战略路径探寻
综上所述, 当前服务外包“人才荒”问题表面上是人才数量的供求失衡, 实质上是由于个人与产业企业无法实现互补性匹配和一致性匹配造成的。“十二五”是我国服务外包产业发展的关键时期, 为加快解决“人才荒”这一瓶颈问题, 政府、产业、企业、高校以及培训机构等应从多方发力, 补齐短板, 提升匹配度, 共同构建可持续发展的服务外包人才供应体系。
3.1 政府:出台与时俱进的扶持政策, 提升服务外包产业企业的社会认知度
我国政府从服务外包产业发展初期至今在政策扶持和宏观指导上一直发挥着主导作用, 当前在缺乏明显利益驱动的前提下, 发挥政府的引导和扶持作用对解决我国服务外包产业的“人才荒”问题显得尤为重要。只有转变政府发展意识, 提升政府专业化服务能力, 以政策作为推动产业发展的抓手, 为人才发展构建良好的政策环境, 出台与时俱进的人才服务措施, 才能使化解服务外包人才难题成为可能。
进一步开放服务外包市场, 深入调研服务外包产业发展现状和企业运营需求, 根据产业、企业实际需求制定具有较强实践性和针对性的海外高层次人才引进和服务外包人才培养政策, 实现高端人才的全球配置功能。重点引进海外服务外包行业领军人才, 建立分类明确的人才数据库, 并实施人才“柔性流动”政策, 积极引导鼓励高端人才不变身份、不变户口回国创新创业。通过各种政策导向引进和培养具有多年从事服务外包经验、熟悉国际外包市场的高级项目经理、高级技术和管理人才。同时, 积极创建完善服务外包信息公共服务平台, 为企业提供并及时更新交易发布、统计数据及分析、技术研发、培训和项目管理等各项公共服务。
加大对国内大型国际服务外包企业的扶持力度, 提升服务外包企业对中高端人才的吸引力。给予政策、资金、发展机会等多方面的倾斜和支持, 引导企业加大研发和市场投入, 鼓励企业通过自主创新提升核心竞争力, 向产业链高端转移。鼓励企业通过联合、并购、重组等方式做大做强, 加快培育一批具有国际化经营理念和管理经验的大型服务外包企业, 提高服务外包企业以及产业在社会上的影响力。并通过组织会展、讲座、主题宣传、竞猜答题等多种方式向学校及社会各界积极宣传服务外包产业相关常识、发展现状及未来趋势, 通过良好互动提高服务外包企业的魅力指数和社会上的整体认知度。
3.2 产业:构建服务外包人才供应链体系, 提升国际
服务外包产业作为新兴和朝阳产业, 应紧密结合当前产业的整体发展趋势, 充分发挥其协调整合功能, 从过去单纯帮助企业降低成本过渡到帮助企业提升核心竞争力, 尤其是作为人才的核心竞争力上来, 鼓励服务外包企业通过自主创新, 不断向产业链高端转移。
服务外包产业人才体系建设的核心在于构建健康通畅的服务外包人才供应链体系。只有通过构建一个完善有序的人才体系来整合各方资源, 打通服务外包人才供应链, 才能保障人才供应链的有效运作和持续发展, 最终实现人才与企业之间的无缝对接。具体而言, 服务外包产业需通过整合政府、企业、高校及人力资源服务机构的优势资源和力量, 努力推进全国性行业标准特别是国际化服务外包人才标准体系的建立、中高端人才的引进、人才资质的认证、薪酬体系的确立以及组织行业内人才联盟建立等工作, 为人才服务开通“绿色通道”, 以减少人才的频繁流动, 保障人才供应链的顺畅运行。
此外, 由于当前我国服务外包企业在参与全球离岸市场竞争时, 仍处于单打独斗的局面, 尚未形成国家品牌, 因此缺乏在全球市场的话语权。为提升我国服务外包行业的国际话语权, 应积极促进国家级行业协会的建立, 与国际相关行业协会建立友好合作机制, 由行业协会出面应对贸易过程中出现的各类问题, 为国内企业“走出去”开拓国际市场排忧解难, 帮助企业加快国际化发展进程 (曲玲年, 2011) [7]。充分调动各产业主体的积极性和主动性, 将行业协会的实际运行交由行业内有代表性的企业群体来执行, 积极提升我国服务外包企业的国际话语权和作为整体品牌的影响力, 从而为服务外包行业积聚更多的优秀人才。
3.3 企业:引进国际服务业的先进管理理念, 提升人才的忠诚度和满意度
当前对于服务外包企业来讲, 符合外包企业发展需求的专业人才十分匮乏。从人才适用性来看, 虽然我国人力资源总体基数较大, 但是符合外包产业发展的人才数量相对不多, 人才稳定性不高, 特别是在外语能力、专业技能上能满足外包企业需求的, 以及从事高级技术、市场以及项目管理等方面的中高端人才严重短缺。因此, 要解决外包人才短缺的问题, 需制定梯度和层次差异化的人才引进和培养战略, 即针对不同类型的人才实施不同的人才发展战略。
对于当前严重短缺的技术型、项目型及市场型中高端人才, 企业应努力扩大企业规模, 不断提升企业的国际知名度以及在国内外的影响力 (张皞和刘绍满, 2011) [8]。积极引进国外服务外包产业的先进经营管理理念, 打造兼容并包的多元企业文化, 并充分借助猎头力量, 吸引海外高层次人才和服务外包专业人士回国效力。建立与国际接轨的薪酬福利体系和具有人文关怀的激励机制, 为中高端人才提供充分的个人发展空间和双梯阶职业发展路径, 使人才能够根据自己的专长, 自行决定职业发展方向。
对于对口外包产业发展的普适性人才, 企业应重视培养责任, 积极与高校及培训机构等实现有效对接, 帮助人才完成从学校到企业的顺利过渡。同时, 建立一套能够激发人才工作热情的企业文化和激励机制, 通过营造以人为本的企业文化氛围, 以及为人才提供良好的职业发展机会, 深入挖掘人才的个人潜力, 使人才能够在工作中充分感受到其个人价值得到认可, 不断增加其人力资本价值, 提升人才对工作的忠诚度和满意度, 从而有效降低企业员工的离职率。
创立企业间的培训联盟, 实现企业间互信协作的培训模式。通过建立系统化、专业化和标准化的培训体系实现企业间培训成果的相互认证, 从而有效减少企业因重复培训造成的成本浪费, 并通过量化行业培训标准提升服务外包行业从业人员的整体素质和水平。
3.4 高校及培训机构:发挥人才培养的主体作用, 加强培养主体与企业的深度融合
由于我国服务外包对口人才数量严重不足, 人才的二次培养任务尤为艰巨。作为服务外包人才培养的主要承担者, 高校和培训机构应充分了解企业和市场需求, 有针对性地培养毕业后能够迅速上岗的适用性人才。针对高校的职能和培养特性, 各高校应建立产学研相结合的培养模式, 加强与企业间合作, 提倡根据企业需求的岗位和人才数量实行定制培养。此外, 由于当前我国大量高校教师缺乏项目实践经验, 应采取多种途径积极提高教师素质, 建立服务外包人才培养的标准化体系, 将服务外包实训环节纳入高校教学课程模块, 构建理论教学与实践教学并重的教学体系, 以缩短高校专业课程设置与企业需求之间的差距。建立企业高层技术管理人员与高校的长期合作机制, 聘请实践经验丰富的企业高级人才为高校兼职教授, 加强对人才实用性的培养。
培训机构作为高校和企业之间的桥梁和纽带, 是对服务外包领域专业知识和技能的强化和集训机构。因此在人才培养方面既要结合高校人才输出特性, 又要针对企业实际用人需求, 制定针对性和专业性较强的人才培养方案。应积极引进国内外先进的培训理念和模式, 制定与国际接轨的服务外包课程体系、流程、师资以及培训质量评估等各项标准, 注重专业学科与企业实际需求的有机结合。加强与国外著名培训机构的合作, 通过建立海外培训中心等方式吸收国外优势资源, 创新本土人才培养模式, 特别注重对新兴技术人才的培养, 为提高我国企业国际接包能力创造良好条件。
总而言之, 破解我国服务外包产业“人才荒”难题, 实现个人与服务外包产业企业的多元匹配, 需要多管齐下, 从政府、产业、企业以及高校和培训机构等各主体内部开始真正重视人才;从人才引进、培养及保留上下大力气, 不断挖掘人才, 培育人才, 激励人才, 形成一条顺利运行且良性循环的人才供应链, 使每个企业和个人都能在服务外包产业发展中及时、准确地找准定位, 实现良性匹配, 真正做到人尽其才, 适才适所。
参考文献
[1]Chatman J.Improving interactional organizational research:A model of person-organization fit[J].Academy of Management Review, 1989, 14 (3) :333-349.
[2]Kristof A L.Person-organization fit:An integrative review of its conceptualizations, measurement, and implications[J].Personnel Psychology, 1996, 49 (1) :1-49.
[3]O’Reilly C, Chatman J, Caldwell D.People and organizational culture:A profile comparison approach to assessing person-organization Fit[J].Academy of Management Journal, 1991, 34 (3) :487-516.
[4]Chapman D S, Uggerslev K L, Carroll S A, Piasentin K A, Jones D A.Applicant attraction to organizations and job choice:A metaanalytic review of the correlates of recruiting outcomes[J].Journal of Applied Psychology, 2005, 90 (5) :928-944.
[5]Hoffman B J, Woehr D J.Aquantitative review of the relationship between person organization fit and behavioral outcomes[J].Journal of Vocational Behavior, 2006, 68 (3) :389-399.
[6]曲玲年.中国服务外包产业现状与展望[N].国际商报, 2011-06-21 (C2) .
[7]曲玲年.离岸服务期盼有效的行业组织[J].中国外包, 2011 (3) :10-14..
[8]张皞, 刘绍满.后危机时期我国承接国际服务外包的思考[J].经济纵横, 2011 (6) :72-75.
人才匹配 篇2
[关键词]海洋；人才；培养
海洋是事关人类经济和社会发展的重要资源，是未来全球竞争的新舞台。海洋大国纷纷将海洋资源的开发与可持续利用确立为自己的国家发展战略。作为海陆兼备的大国，中国有着广泛的经济利益、海洋安全和海洋战略。2012年召开的中共十八大提出：“提高海洋资源开发能力，发展海洋经济，保护海洋生态环境，坚决维护国家海洋权益，建设海洋强国。”[1]对此，国家海洋局局长刘赐贵指出，“国家将从海洋资源开发、海洋经济发展、海洋科技创新、海洋生态文明建设、海洋权益维护等方面推动海洋强国的建成。”[2]海洋人才是发展海洋事业的基础，也是达成海洋强国战略的根本保证。为推动此一国家战略，加快培养海洋人才的步伐，加强海洋人才的能力建设，对我国海洋开发战略的实施起着至关重要的作用。
一、海洋人才的界定
目前国内对“海洋人才”的界定和认识有很多种。魏婷等以列举的方式将海洋人才界定为“在海洋渔业、海洋油气业、海洋矿业、海洋盐业、海洋化工业、海洋生物医药业、海洋电力业、海水利用业、海洋船舶工业、海洋工程建筑业、海洋交通运输业、滨海旅游业和海洋科研教育管理服务业等海洋就业人员中，具有一定的知识或技能，能够在海洋事业发展作出积极贡献的人”[3]我国海洋人才发展领域的官方文本——《全国海洋人才发展中长期规划纲要（2010-2020年）》对海洋人才给出了定义：在海洋经济、管理、科研和服务、教育等领域的海洋产业就业人员中，具备一定的专业知识或专门技能，进行创造性劳动并对海洋事业发展做出贡献的人。文本将海洋人才队伍分为七种：1、世界一流的海洋科学家和海洋技术专家；2、海洋工程装备技术人才，包括海洋监测观测仪器设备、船舶工程、油气勘探开发装备、港口和航道工程等领域人才；3、海洋资源开发与利用技术人才，包括海洋生物资源、矿产资源、油气资源、海洋新能源等的勘探、开发和利用人才；4、海洋公益服务技术人才，包括海洋环境监测与保护、灾害预报预警、渔业防灾减灾等领域的技术人才；5、海洋管理人才，包括环境保护、交通安全管理、渔业、执法等方面的管理人才；6、海洋高技能人才，包括调查员、海洋观测员、船员、潜水员、领航员，以及海洋装备制造技术等方面的人才；7、国际化海洋人才，包括在国际海洋事务管理、法务人才和在国际海洋组织担任高级职务的人才。[4]全永波在《海洋管理学》中，将海洋人才定义为：具备一定的海洋知识，并能在海洋事业发展中运用自身的知识和能力为海洋事业带来效益的劳动力，并将海洋人才分为六类：1、海洋管理人才，包括海洋企業、事业和行政单位管理人才；2、海洋研究人才：指在海洋相关领域从事科学研究活动的所有人员，包括主要研究人员和辅助研究人员；3、海洋技术人才：指将其他人才的学术研究成果和设计、规划、决策变成物质形态或具体作用的一线工作人才；4、海洋技能人才：指在第一线或现场从事依靠技能进行操作工作的人才，比如海洋监测、气象观测、船舶驾驶等；5、海洋教育人才：指在海洋事业领域从事教育、培训、人才培养的人员；6、海洋体力劳动人才：他们完成海洋事业中的大量基础性工作，是我国的海洋事业中人数最多的群体[5]。
二、海洋人才培养途径现状
目前，我国海洋人才已经发展成为一支初具规模的人才队伍。2010年，我国共有20余个涉海行业和超过260家的大专院校、科研院所，涉海就业总人口达3350万，海洋人才资源总量已达201万人，其中专业技术人才达137万人，中国科学院院士和中国工程院院士50多位[6]。虽然如此，要进一步发展海洋事业，需要增加更多数量、更高素质的海洋人才。海洋教育是海洋人才培养的重要途径之一，海洋教育事业的发展事关海洋人才队伍的壮大。目前，我国海洋教育体系业已基本形成，纵向上包括海洋学前教育、初等教育、中等教育、高等教育和终身教育；横向上包括海洋基本知识教育、专业知识教育、职业教育、特殊技能教育等。各级各类的海洋教育的，为我国不同层次的海洋人才培养作出了各自的贡献。根据国家海洋战略的需要，我国中央和沿海地区政府都致力于发展海洋人才教育，其中，高级科研院所侧重于培养高层次科技人才，高等院校侧重于培养中高层的科技和管理人才，职业技术学校专注于技能人才的培养[7]。我国海洋人才培养途径主要包括以下四种：（1）高等教育：培养海洋研究人才的主力军。我国截至2008年涉及海洋领域的高等学校有中国海洋大学、广东海洋大学、上海海洋大学、浙江海洋学院等37所，共有37个涉及海洋的一级学科博士点，19个二级学科博士点，37个一级学科硕士点，84个二级学科硕士点；本、专科专业点267个；在校人数本、专科共80784人、硕士共5214人、博士共2025人[8]。（2）职业技术教育：培养海洋技术人才的摇篮。海洋高等职业教育主要培养海洋交通运输领域中的人才，这类学校包括大连航运职业技术学院、威海海洋职业学院、南通航运职业技术学院、宁波海洋职业技术学校、福建海洋学校、厦门海洋职业技术学院、广东省海洋工程职业技术学校等。目前，海洋职业教育有20多个技术岗位，仅近3年就培训8000多人[9]。（3）基础海洋教育：培养海洋劳动力资源的源泉。基础海洋教育是触发海洋人才成长的媒介，为广大海洋劳动者奠定了基本的素质。目前，沿海地区的许多中小学校已经卓有成效地开展起富有特色的海洋教育。越来越多的中小学生在校园里就可以接受和参与海洋教育，从小树立起“蓝色国土”的观念，从而激发青少年投身海洋事业的兴趣，为海洋人才的培养奠定基础。[10]（4）短期培训：海洋人才终身教育的保障[11]。中国海洋大学校长吴德星：加强海洋人才培训是战略问题，是海洋事业的可持续健康发展的保障。近年来，国家海洋局高度重视岗位培训工作，积极举办了多形式、多层次的海洋系统干部进修班，极大的丰富了各级、各类海洋从业者的海洋专业知识和管理知识，增强其专业技能和管理水平[12]。
三、海洋人才培养存在的问题
近年来，我国海洋人才队伍建设成绩显著，但是与发达国家相比、与我国的其他产业行业相比、与现阶段海洋工作的实际需要相比，我国的海洋人才队伍还存在许多问题，如高层次海洋人才短缺、海洋人才在地域和专业上分布不平衡，部分急需专业缺乏，以及后备力量薄弱等。从纵向角度观察，我国海洋教育存在以下问题：（1）高等教育布局不合理、发展不平衡。从地域上看，我国主要涉海高校都集中在东部沿海省份，其中山东作为我国海洋高等教育的重要基地，一直处于领先地位，上海的海洋高等教育整体实力也很强，辽宁、广东、江苏、福建、天津、浙江则在海洋高等教育的不同方向各有强项，但是海南、河北、广西这3个沿海省份的海洋高等教育一直比较薄弱，涉足领域较窄[13]。从师资上看，一些海洋院校，特别是地方院校在缺乏高水平师资。高校布局的不合理、发展不平衡，必然导致海洋储备人才在地域分布上的不平衡。我国有近七成的海洋储备人才都集中在了山东、江苏、浙江、上海、广东等海洋教育强省。根据2008年的统计情况，山东聚集了全国涉海专业83.5%的博士研究生，16.7%的硕士研究生及14.4%的本、专科学生，而河北、广西则没有在读的涉海专业的博士研究生和硕士研究生，海南省在读的涉海专业硕士研究生仅10人，本、专科学生363人，这些数字分别仅占山东省涉海专业在读硕士研究生和本、专科学生的1.1%和3.1%。[14]（2）高等教育专业设置不合理。当前，我国高校设置的海洋类专业主要集中在基础的、传统的海洋产业，分布狭窄。这导致了一些专业重复设置，出现海洋类专业总量不足而人才相对过剩的情况。此外，面向海洋经济发展趋势的高新技术类专业、应用型专业缺乏，具有地域、校别特色的品牌专业也很少[15]。因此，我国海洋储备人才在专业分布上也不平衡，呈现自然学科多、社会学科少的特点。2008年，在全国286个海洋专业本、专科专业点中，海洋管理专业点仅有3个，海事管理专业点为11个，分别仅占总数的1%和3.8%。[16]海洋类社会科学发展的滞后，导致海洋事业经济人才、管理人才、法律人才等缺乏。（3）高等教育专业培养方案模式化和课程设置缺乏创新力。我国海洋类高校的海洋人才培养目标，依然是固定的少数几种模式，尚未根据地域特色和学习特色来定位。这样导致不同地方高校的专业教学计划、人才培养目标、人才培养规格、课程设置等都大同小异，所培养的海洋人才千校一面、千人一面，缺乏个性和特色[17]。此外，除少数办学历史悠久、师资雄厚的海洋学校，地方海洋高校专业培养计划中课程体系普遍陈旧，课程的设置依据学科知识谱系来设置。这种课程设置虽然具有很强的学科逻辑行和系统性，但脱离了学生能力的培养和未来就业需求，不利于人才培养。重理论知识教育和轻实践技能培养的教学实践，使得在这种方式下培养出的海洋人才与海洋事业现实需求有一定的落差。（4）职业海洋教育满足不了技能型人才的现实需求。在许多沿海发达国家和地区，海洋职业教育长期以来备受关注，如澳大利亚，有60%的职业院校是专门为海洋经济各部门、各企业培养配套技能型人才的，有80%的专业都是围绕海洋开发、海洋利用进行[18]。如前所述，我国由于高等教育布局和专业布局不合理，职业海洋教育满足不了技能型人才的现实需求。以我国的远洋高级船员为例，据预测，2011-2015年期间我国高级船员需求量年均为65000人左右。而2005-2007年仅能分别提供13000多名高级船员，外加每年流失约3600名高级船员[19]，职业海洋教育供给的人才与现实需求缺口巨大。
四、基于人与组织匹配的海洋人才培养途径
人才匹配 篇3
关键词：就业,“校会合作”,工作机制
一、问题的提出
高等职业教育的办学方针是以服务为宗旨, 以就业为导向, 积极为现代化建设培养和造就数以千万计的高技能应用型人才。落实这一方针, 一个极其重要的工作就是要使学生能实现就业, 充分适应工作岗位和社会发展要求。影响高职毕业生就业的因素有哪些?用人单位确定和录用高职毕业生的就业能力标准是什么?随着就业环境与工作要求的不断变化, 用人单位对高职毕业生就业能力的要求有何调整和变化?分析、总结用人单位的需求, 探索、制定评价高职毕业生就业能力的标准, 不仅能够为用人单位招聘学生提供考核标准, 更能够为高职院校完凸显办学特色、深化教学改革、提高人才培养质量提供重要参考。
二、研究的基本情况
“校会合作”模式是近年来随着高职教育产学合作、工学结合的逐步推进衍生出来的新的人才培养模式。以河北软件职业技术学院实际情况为例, 自2007年以来, 学院先后与北京速录协会、北京中关村软件行业协会开展合作。为了研究在“校会合作”前提下将企业的人才评价体系纳入到人才培养过程中, 探索学校的人才培养目标与企业人才评价体系相匹配, 本文从分析“校会合作”模式入手力求探索出学校人才培养目标与企业人才评价体系相结合的机制。
三、学院“校会合作”现状
目前学院与北京速录协会、北京中关村软件行业协会开展了合作。合作过程中, 行业协会对于学校的人才培养、专业建设、课程设置和教学改革都起到了非常重要的助推作用, 同时为校企无缝对接搭建了一个良好的运行平台, 但依然存在评价体系不匹配的问题。
在与北京速录协会合作的切入点是计算机速录专业, 合作初期并没有意识到校企双方的评价体系的不同。随着合作的不断深入, 特别是和北京中关村软件行业协会合作以来, 我们发现, 建立一套学校和企业通用的评价体系对切实提高毕业生的就业竞争力、提升毕业生就业质量至关重要。
四、企业对高职学生就业能力需求现状分析
在考察企业对高职学生就业能力要求方面, 学院通过毕业生及用人单位跟踪调查设计了包括专业理论知识、实践操作能力、正确积极的工作态度、思想道德水平、团队合作精神、人际交往能力、心理素质、学习能力、创新能力、分析和解决问题能力等十个方面问题。
当然, 关于就业能力的构成要素, 国内外学者有不同的见解和看法, 比较典型的如瑞士的戈德斯密德的五要素说:就业动机及良好的个人素质;人际关系技巧;掌握丰富的科学知识;有效的工作方法;敏锐的、广阔的视野。美国培训与开发协会将就业能力分为5个类别16项技能:基本胜任力 (阅读、写作、计算) 、沟通能力 (说和听) 、适应能力 (问题解决、创造性地思考) 、群体效果 (人际技能、团队工作、协商能力) 、影响能力 (理解组织文化、分享领导) 等。国内学者夏祖浩认为大学生就业能力主要应当包括四个方面:从心理上表现出的自尊和成就动机、对知识和基本技能的掌握、思考和学习的能力、人际交往技能。汪怿则把高校毕业生就业能力划分为十个项目三部分, 即基础技能、个体管理技能、团队工作技能。
通过毕业生跟踪调查的途径以企业对高职学生就业能力需求层次作为研究的逻辑起点, 再结合高职教育的目标、方向和定位, 笔者认为高职学生就业能力应分为3个层次10个方面 (见表1) 。专业基本技能是高职学生在人才市场上获取工作岗位的基本生存能力, 这一能力强调专业的应用性和针对性, 是属于第一层次的能力, 只有具备了这种能力, 才能够真正地在企业“留得下”。社会适应能力是指高职学生与他人交往、合作、共同生活和工作中的人际交流、组织能力、团队意识和社会责任心等, 强调积极的人生态度、对社会的适应性和行为的规范性, 它应包括积极的工作态度、思想道德水平、团队合作精神、人际交往能力、心理素质等, 社会适应能力是企业考察高职毕业生是否“用得上”的重要指标。随着社会所创造并能提供给个人的工作岗位愈来愈多, 个体在社会生活中的工作空间越来越大, 工作的迁移性和工种的可变性要求日益凸显, 工作岗位的边界也在不断的变化, 新的就业形势要求高职毕业生在多样性、多变性的职业生涯中具备可持续的发展能力, 它包括学习能力、创新能力及分析和解决问题的能力。具备可持续发展能力的毕业生, 在进入用人单位后将逐渐表现出优越性, 形成高职毕业生进入职业生涯后的可持续发展因素, 是决定毕业生是否“能发展”的主要指标。
调查显示, 越来越多的用人单位认为, 高职毕业生正确积极的工作态度和道德修养水平比专业技能更重要, 特别是有85.6%企业在招聘毕业生时把正确积极的工作态度作为最重要的因素进行考虑, 道德修养水平也被用人单位认为是第二重要的因素。团队合作精神和人际交往能力等也受到了用人单位的重视。重视程度几乎与专业基础技能持平。究其原因, 当前无论是生产、管理或服务第一线在社会化大生产的条件下, 工作岗位越来越需要团队合作和沟通, 这是胜任工作的一个重要条件。可持续发展能力受重视的程度从受访企业来看排位比较靠后, 这与企业类型的差异有关。生产型的企业对此不是很看重, 这也与当前高职生就业低移现象有很大关系, 但在管理、服务型企业当中或者是在生产型企业的管理岗位中, 高职毕业生的学习能力、创新能力及分析和解决问题的能力受重视程度高达67.3%, 是用人单位考虑的重要因素。
五、通过“校会合作”实现校企评价标准相匹配的对策
(一) 加大“校会合作”力度, 拓宽合作领域
“校会合作”作为一种新的人才培养模式的产生, 是高职院校凸显办学特色的必然, 是高职院校大力开展产学合作、工学结合的必然。一般意义上来说, 某一家企业的用人评价体系并不能代表其所在行业的用人评价体系, 因此“校会合作”模式对于评价体系的匹配尤为重要。
(二) 以“校会合作”为契机, 实现学校与行业的深度合作
“校会合作”是一个平台, 是学校与行业沟通的桥梁和纽带。校会双方在合作的基础上通过广泛调研的方式对行业的用人评价体系进行梳理和归纳, 对某一专业或专业群提供制定人才培养目标的依据。这一过程仅仅通过学校对毕业生的跟踪调查是难以实现的, 必须以“校会合作”为切入点, 真正实现学校与行业的深度合作, 校企双反共同制定人才培养方案。
(三) 以行业用人评价体系为依据进行专业建设, 深化教学改革
高职院校要利用“校会合作”建立高职教学与行业实际的对接机制, 通过“四个嵌入”, 提高高职毕业生对岗位专业知识的了解:注重对企业职业培训体系的借鉴与吸收, 将其有机地嵌入到现行的学历教育体系中;努力把握职业资格证内涵, 改善课程内容与结构, 有效地将职业资格论证体系嵌入课程体系, 提高学生的岗位实践能力;充分利用与企业共建的契机, 积极了解行业发展动态, 努力挖掘行业标准, 并将其合理地嵌入课程标准和教学大纲之中, 让学院办学目标更加明确, 专业建设的针对性进一步增强;引强企进校, 融校企于一体, 将企业文化嵌入校园环境, 为高职毕业生职业素质与职业能力的提高提供一个真正的生产性氛围和与真实的企业文化熏陶。
参考文献
[1]M.L.戈德斯密德.展望新世纪高等教育:理论学习与职业生涯的中介[J].高等教育研究, 1999 (6) :97-99.
[2]文晓风.信息时代的就业能力发展[J].企业经济, 2002 (10) :45-46.
人才匹配 篇4
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.
人才匹配 篇5
立体视觉是由摆放于不同位置的2个摄像头获得同一场景的图片,通过计算视差,获取物体的深度信息。其在机器人导航和三维建模等热点领域有着广泛的应用。而立体匹配一直是立体视觉中的核心和难点,其主要任务是找到2幅图像之间对应的匹配点。到目前为止,还没有算法能够完美解决这一问题,因此如何快速、准确地进行匹配仍然具有重要的意义。根据文献[1]的分类标准,现有的立体匹配算法可以分为全局立体匹配算法[2,3,4]和区域立体匹配算法[5,6,7,8,9]2大类。全局立体匹配算法要综合考虑整个图像的特征,能够得到精确的视差图,缺点是算法复杂,迭代过程非常耗时,不适合进行实时处理。基于区域的立体匹配算法是将为每一个待匹配的像素分配窗口,用窗口内的信息作为特征,从而找到匹配的像素点,能够产生稠密的视差图,且匹配时间较之全局算法大大降低。目前较为前沿的有基于联合匹配代价的立体匹配[6]、自适应加权立体匹配[7]等算法。虽然取得了较好的匹配效果,但与传统区域匹配算法相比算法复杂。其60 s左右的运行时间在现有硬件条件,特别是闭环系统中,适用范围依然较小。
1 加权匹配代价和色彩分割
本文算法主要基于色彩分割的视差假设,同一分割区域内视差变化平滑,一定范围内同属某分割区域的像素视差相等[10,11]。而在实际情况中,特别当图像过分割的情况下,色彩突变总是伴随着深度边界同时出现[6]。基于这个假设可以将立体匹配过程转化为寻找同一分割区域内视差值的问题。算法主要由计算初始视差及最终视差优化2个部分组成。在初始视差计算中采用了综合灰度差及灰度梯度的相似性测度函数。随后采用目前使用较为广泛的Mean-Shift算子对原图像进行分割[12],生成优化模板,对初始视差图像进行滤波。算法流程如图1所示。
1. 1 加权匹配代价
计算相似性测度函数是匹配算法的基础,目前比较常用的相似性测度函数有灰度差的绝对值之和( SAD) 、灰度差的平方之和( SSD) 、GRAD和归一化相关系数( NCC) 等。通过表达式对比发现,SAD的计算复杂度最小。而GRAD算子通过计算像素点梯度,有效地提高了匹配的准确度。将二者结合在提匹配精度的同时,降低了算法的复杂度。SAD和GRAD的表达式为:
式中,N( x,y) 是以点 ( x,y) 为中心的窗口; I1( i,j)为参考图像中像素点的灰度值; I2( i,j) 为匹配图像中像素点的灰度值; d为左右视图中对应像素点的视差。
式中,"x是水平方向的梯度; ▽y是垂直方向梯度;Nx( x,y) 和Ny( x,y) 分别是以点 ( x,y) 为中心的水平方向和垂直方向上的邻域窗口。
在相似性测度函数中窗口的选择一直是最核心的问题。较大的窗口会在全局上改善匹配精度,同时也会增加匹配时间及视差不连续区域的误匹配率。本文算法为解决这一问题,对原有相似性测度函数做了简化,取消了原有的窗口,只计算对应像素点的灰度值之差。从而降低算法的计算量,避免了视差不连续区域的膨胀效应。
简化后的SAD和GRAD表达式为:
将SAD算法和GRAD算法结合作为匹配代价,计算方法为:
式中,ω1和ω2分别为CSAD( x,y,d) 和CGRAD( x,y,d)的权重因子。通过大量实验发现,当ω1和ω2的绝对和为1,即︱ω1+ ω2︱= 1时匹配效果较好,反之误差数会增多。
1. 2 Mean-Shift 图像分割
Mean-Shift算子最早由Fukunaga[13]提出,核心是一个算法迭代过程。首先计算出初始点的偏移均值,并使该点移动到其偏移均值。随后将该点作为新的起始点并继续移动,直到满足一定的约朿条件迭代结朿。假设xi( i = 1,…,n)为给定d维空间Rd的n个样本点,那么基本Mean-Shift向量的定义为:
式中,Sh表示半径为h的d维球形区域,满足以下关系的y点的集合,
式中,( xi- x) 表示落在球形Sh区域内的样本点相对于起始点x的偏移向量; k表示在这n个样本点xi中,有k个点落入Sh区域中。由于Mean-Shift图像分割算法和人眼对图像的分析特性非常相似,经过分割后的图像可以很好地区分不连续点与弱纹理区域。这也是本文选择Mean-Shift算子进行图像分割的根本原因。Mean-Shift图像分割步骤为: 1初始化起始点并开始迭代过程; 2记录每一个像素点收敛的位置,将收敛于同一点的像素点归为一类,并赋予标号; 3当所有像素点都满足约束条件,分割结束。
1. 3 初始视差优化
在完成了初始视差计算及图像分割后,算法便简化为在初始视差矩阵中以分割后图像为优化模板,寻找相同区域内视差值的问题。优化步骤为:1将分割得到的图像灰度化,计算分割区域内像素的灰度平均值,并将其赋给相同区域内所有像素点;2以处理后的图像作为模板优化初始视差图像,统计分割区域内出现次数最多的视差值并将其作为该区域的视差,得到最终结果。
2 实验结果及分析
为了验证本文算法的匹配效果,在Intel Core i52. 5 GHz、4 G内存的Windows平台下用Matlab实现算法,采用来自Middlebury的国际标准图像Tsukuba进行测试,取得了较好效果,并将本文算法与SSD算法进行比较。算法对标准图像的实际处理结果如图2所示。窗口分别为3* 3、5* 5和7* 7时SSD算法匹配得到的视差图像及本文算法结果,如图3所示。
表1列出了Middlebury提供的非遮挡区域误匹配率( nonocc) 、所有区域误匹配率( all) 和视差不连续区域误匹配率( disc) 这3个定量参数的量化评价结果,并与传统算法做了比较。可以看出随着SSD算法窗口的增大,其总体误匹配率降低,但在视差不连续区域并没有太大改善。而本文算法在提高所有区域匹配效果的同时,其在视差不连续区域的匹配效果较之SSD算法有了很大程度的改善。误匹配率由最高46. 9% 降至22. 9% 。
2种算法的计算效率的比较如表2所示,可以看出本文算法计算速率较传统算法提高了2 ~ 3倍。
通过对表1、表2和图3中本文算法及传统立体匹配算法的匹配结果的分析可知,由于本文算法简化了相似性测度函数,匹配复杂度与传统算法相比明显降低,匹配速率有较大提高,能够很好地处理视差不连续区域,没有出现边界的膨胀效应。同时,视差优化解决了简化相似性测度函数带来的大片弱纹理区域的误匹配问题,使最终的匹配精度较之传统算法有了很大改善。
3 结束语
在深入研究了加权匹配代价和色彩分割的视差假设后,提出了基于加权匹配代价和Mean-Shift图像分割的立体匹配算法。首先运用加权匹配代价计算初始视差矩阵,随后将经过色彩分割后的图像作为模板优化初始视差。实验结果表明本文算法有效改善了视差不连续区域的匹配精度,同时大幅度地降低了匹配时间,可作为一种实用的算法投入应用,同时为后续算法的优化提供参考。
摘要：针对现有立体匹配算法复杂、耗时较长的特点,提出了一种基于加权匹配代价和色彩分割的立体匹配算法。算法引入一种基于梯度差算子与绝对差算子加权的匹配代价计算初始视差。根据基于色彩分割的视差假设,采用Mean-Shift算子对图像进行分割,用分割后的图像作为模板优化初始视差。实验结果表明,该算法提高匹配精度和速度,具有良好的实用价值。
图像匹配技术综述 篇6
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
立体匹配算法的比较 篇7
局部匹配算法主要包括区域匹配法、特征法。
1.1 区域匹配算法原理
区域匹配算法是以基准图像中待匹配点为中心像素创建一个大小为m×n窗口, 由该窗口内的像素灰度值来表征该像素。在第二幅图像中, 沿极线在视差搜索范围内取出与基准点同样大小的邻域, 依次与匹配点的窗口进行比较, 其最大相似性对应的点就是最佳匹配。
区域匹配算法的重点是匹配代价的计算和匹配代价的累积。匹配代价计算就是选取相似性测度函数, 而匹配代价的累积体现在支撑窗口的选取上。几乎所有的区域匹配算法都要关注这两个问题:
1) 选取相似性测度函数。常用的相似性测度函数如下:
(1) 最小绝对差算法SAD
(2) 最小平方差算法SSD
2) 选取支撑窗口大小。一方面窗口的尺寸要尽量的大, 以便为可靠的匹配包容足够的灰度变化;另一方面, 窗口太大则包含视差的较大变化, 则会因左右图像上不同的投影畸变, 使得匹配位置不准确。
1.2 区域匹配实验结果
分别用SAD相似性测度函数对Tsukuba匹配源图像对进行匹配, 采用3×3、5×5两种窗口。实验结果如图1.1所示:
2. 全局匹配算法
大部分全局算法基于能量最小化的思想, 寻找视差函数d, 使全局能量最小化。本文对一种常用的全局算法--动态规划法做重点研究, 与区域匹配算法进行比较。
2.1 动态规划算法
动态规划匹配算法在外极线单调顺序约束下寻找视差空间图像 (DSI) 上的最小代价路径。最优路径的代价是所有子路径的和, 这些子路径所经过点的匹配代价由相似性度量因子决定。
2.2 动态规划实验结果
针对Birchfield的动态规划算法, 所产生的视差图如图2.1所示。
3. 总结
基于区域匹配中匹配窗口较小时, 误匹配较多, 而窗口较大时, 边缘处又显得很模糊, 所以窗口大小与形状必须具有较强的适应性。动态规划是对一条扫描线计算全局匹配代价, 提高了匹配的准确性。但是动态规划有一个很大的局限性, 它缺乏对水平连续性约束和垂直连续性约束的融合。从匹配性能上看, 动态规划算法在边缘不连续区域有较高的误匹配, 而在其它区域的误匹配百分比都较基于区域匹配算法低;从匹配速度上看, 基于区域匹配相对于全局匹配较小的计算量, 使其匹配速度明显加快, 更适合对实时性要求较高的应用。
摘要：立体匹配是立体视觉中的关键技术之一, 能否有效地解决该问题影响着立体视觉的发展。本文研究了相似性测度函数和邻域窗口对基于区域匹配算法的影响, 实现了具有代表性的全局匹配算法——动态规划, 并与基于区域匹配算法进行了比较。
关键词：立体匹配,基于区域的匹配算法,动态规划
参考文献
[1]张广军.机器视觉[M].北京:科学出版社, 2005.
立体匹配技术发展研究 篇8
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