序論：好文章的創(chuàng)作是一個不斷探索和完善的過程，我們?yōu)槟扑]十篇數(shù)字圖像處理綜述范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）10-0066-01

數(shù)字圖像處理技術(shù)是指應(yīng)用計算機(jī)對數(shù)字圖像信息進(jìn)行處理，涵蓋了計算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)、光物理學(xué)等多個領(lǐng)域。數(shù)字圖像可以小到電子顯微鏡的圖像，大到遙感圖像、航空照片或者天文望遠(yuǎn)鏡的圖像，因此在生物醫(yī)學(xué)工程、工業(yè)、農(nóng)牧業(yè)、國防軍事、多媒體等方面都有著十分廣泛的應(yīng)用。物體三維重建是數(shù)字圖像處理的重要內(nèi)容。人眼看到的世界是三維立體的，但是傳統(tǒng)照相機(jī)、CCD或者CMOS圖像傳感器獲取的圖像都是二維平面的，不具備深度信息。這種二維成像系統(tǒng)限制了人類對真實(shí)世界中復(fù)雜的物體的感知和理解的能力。計算機(jī)三維重建的出現(xiàn)，突破了傳統(tǒng)二維成像系統(tǒng)的局限，重建后的圖像直觀、逼真，可任意旋轉(zhuǎn)、逐層剝離以及定量分析，顯著提高了人類對世界的認(rèn)識理解能力。

1 計算機(jī)三維重建

計算機(jī)三維重建是利用計算機(jī)數(shù)字圖像處理技術(shù)根據(jù)真實(shí)場景的數(shù)據(jù)重建出具有準(zhǔn)確幾何信息和照片真實(shí)感的三維模型，并可進(jìn)行多角度顯示的技術(shù)。這些精確的三維模型，不僅能用于場景可視化和虛擬漫游，還可以滿足數(shù)據(jù)的存檔、測量和分析等更高層次的需求，尤其適用于輔助教學(xué)、生物醫(yī)學(xué)工程、醫(yī)學(xué)診斷、航天、工業(yè)測量、地理信息、數(shù)字文物和古建筑、電子商務(wù)等多種領(lǐng)域。

計算機(jī)三維重建方法有兩種：一種是利用精密的硬件設(shè)備，如激光掃描儀、深度掃描儀等，直接測量出物體表面點(diǎn)的三維坐標(biāo)。這種方法是直接對三維物體的空間信息進(jìn)行處理，精度較高，但是設(shè)備要求極高，因此極大地限制了該技術(shù)的使用。另一種是通過相機(jī)或攝像機(jī)獲得二維數(shù)字圖像，然后通過數(shù)學(xué)模型計算出物體的三維結(jié)構(gòu)。后一種方法數(shù)字圖像容易獲得，但重建結(jié)果易受到其他因素的影響，本文就此方法展開研究。

2 二維數(shù)字圖像的三維重建

2.1 二維數(shù)字圖像的獲取

二維數(shù)字圖像的獲取包括物體外觀圖像的獲取和物體內(nèi)部圖像的獲取。物體外觀圖像的獲取通常通過2臺以上照相機(jī)或攝像機(jī)從不同角度拍攝，比如3D電影的制作。物體內(nèi)部圖像的獲取，通常為斷層掃描或連續(xù)切片成像，比如計算機(jī)X射線斷層掃描（CT）、激光掃描共聚焦顯微鏡（CLSM）成像、生物標(biāo)本連續(xù)切片的顯微成像等。

2.2 二維數(shù)字圖像的預(yù)處理

二維數(shù)字圖像通過三維成像軟件來處理，不同領(lǐng)域有各自適用的軟件，比如：3D Studio Max，適用于廣告、影視、工業(yè)和建筑設(shè)計、游戲的三維成像和動畫；Amira，Mimics，適用于識別生命科學(xué)和生物醫(yī)學(xué)數(shù)據(jù)；Oasis montaj，適用于地球物理勘探、鉆探、地球化學(xué)勘探等。軟件對圖像經(jīng)過增強(qiáng)、圖像定位校正和圖像分割等預(yù)處理后進(jìn)行三維重建。

圖像增強(qiáng)：現(xiàn)在的數(shù)字成像技術(shù)，基本可以得到分辨率高、清晰度好的圖像，但如果前期成像較模糊，可以通過對比度增強(qiáng)、Gamma校正、銳化或噪聲消除等方法進(jìn)行處理，以突出目飼域。

定位校正：多臺相機(jī)或攝像機(jī)從不同角度拍攝的物體外觀圖像、生物標(biāo)本連續(xù)切片的顯微成像由于不能準(zhǔn)確定位，還需進(jìn)行圖像定位校正。

圖像分割：在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些特定的、具有獨(dú)特性質(zhì)的區(qū)域感興趣，這些區(qū)域稱為目標(biāo)或前景（其他部分稱為背景）?？筛鶕?jù)灰度、顏色、紋理和形狀等提取感興趣目標(biāo)，從而把圖像分割成若干互不交迭的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。常用的分割方法有：基于灰度閾值的圖像分割、交互式圖像分割、基于活動輪廓或者形變模型的分割等等。針對不一樣的圖像和待分割的圖像特點(diǎn)，可以選擇不一樣的分割方法。圖像分割是圖像處理的基本前提，同時也是一個經(jīng)典難題，到目前為止還沒有一種圖像分割方法是通用的。

2.3 圖像的三維重建

二維數(shù)字圖像的三維重建技術(shù)有兩種：表面繪制和體繪制。舉例而言，你站在一輛汽車前，只能看到外觀，但無法觀察到車子內(nèi)部的結(jié)構(gòu)如發(fā)動機(jī)，這是表面繪制；假設(shè)汽車和車內(nèi)中的結(jié)構(gòu)都是半透明的，就可以同時看到所有的細(xì)節(jié)，這就是體繪制所要達(dá)到的效果，即三維透視。表面繪制是表示三維物體形狀最基本的方法，可以提供三維物體形狀的全面信息。它是從數(shù)字圖像中抽取一系列相關(guān)表面，并用多邊形擬合近似后，再通過傳統(tǒng)的圖形學(xué)算法顯示出來。體繪制是依據(jù)三維體數(shù)據(jù)，將所有體細(xì)節(jié)同時展現(xiàn)在二維圖片上，可以在一幅圖像中顯示多種物質(zhì)的綜合分布情況，并且可以通過不透明度的控制，反應(yīng)等值面的情況。該方法特別適合于云霧、流體、大腦軟組織、氣體等無固定形狀的體數(shù)據(jù)圖像的生成，產(chǎn)生的圖像真實(shí)感強(qiáng)。

3 面臨的問題

二維數(shù)字圖像的三維重建是數(shù)字圖像處理技術(shù)十分活躍的研究方向，雖然這一領(lǐng)域的發(fā)展十分迅速，但仍有一些方面是需要進(jìn)一步提高。（1）提高計算精度：圖像分割是人工手動完成，然后通過數(shù)學(xué)方法來實(shí)現(xiàn)，這涉及到個人知識熟悉程度和計算精度，如果個人經(jīng)驗(yàn)不足，或者計算精度不夠，則圖像效果不符合客觀實(shí)際，不一定能夠達(dá)到人眼識別的舒適度。因此，基于專業(yè)知識的圖像分割標(biāo)準(zhǔn)化方面還有待進(jìn)一步研究。（2）計算精度和處理速度之間的矛盾：圖像處理需要巨大的數(shù)據(jù)運(yùn)算，運(yùn)算量遠(yuǎn)大于文本處理，所以在提高運(yùn)算精度的同時還要考慮提高運(yùn)算速度。（3）計算機(jī)三維重建是研究工具，必須加強(qiáng)交叉學(xué)科間的聯(lián)合研究，才能夠在推廣應(yīng)用上取得進(jìn)步。

參考文獻(xiàn)

[1]陳汗青，萬艷玲，王國剛.數(shù)字圖像處理技術(shù)研究進(jìn)展[J].工業(yè)控制計算機(jī)，2013，26（1）：72-74.

[2]孫宇陽.基于單幅圖像的三維重建技術(shù)綜述[J].北方工業(yè)大學(xué)學(xué)報，2011，23（1）：9-12.

篇（2）

軟件工程專業(yè)工程碩士研究生與傳統(tǒng)的學(xué)術(shù)型研究生有所不同，前者主要面向企業(yè)人才需求和應(yīng)用軟件開發(fā)需求進(jìn)行培養(yǎng)，因此在課程內(nèi)容選取、授課方法設(shè)計和實(shí)驗(yàn)環(huán)節(jié)設(shè)計上都需要進(jìn)行思考和調(diào)整，這也是北京林業(yè)大學(xué)在申請到軟件工程專業(yè)的工程碩士學(xué)科后重點(diǎn)研究的問題。

數(shù)字圖像處理課程屬于圖形圖像應(yīng)用領(lǐng)域的重要基礎(chǔ)理論課，長久以來課程內(nèi)容主要介紹基本的圖像處理算法以及少部分圖像分割和圖像識別，對于圖像處理在實(shí)際生活中所涉及的很多前沿科研領(lǐng)域介紹較少，因此很多研究生無法將課堂講授的理論知識與其后續(xù)從事的研究課題有效地關(guān)聯(lián)起來，感到課堂中講授的很多內(nèi)容看起來毫無用處，從而喪失了學(xué)習(xí)的積極性。

很多教師認(rèn)為把圖像處理中的算法研究透徹、把基礎(chǔ)打好對研究生非常重要，但是這忽視了研究生是有著極強(qiáng)的科研探索精神和豐富想象力的年輕一代。如果將一些在生活中涉及圖像處理的問題交給他們進(jìn)行探索，將會激起他們濃厚的學(xué)習(xí)精神和創(chuàng)造力，這種沒有標(biāo)準(zhǔn)答案的應(yīng)用題目可以進(jìn)一步鍛煉他們的思考能力。

為此，在課程的教學(xué)方法和實(shí)驗(yàn)內(nèi)容設(shè)計上，我們重點(diǎn)培養(yǎng)學(xué)生以下兩方面能力。

（1）應(yīng)用型研究能力，包括發(fā)現(xiàn)問題、分析問題和解決問題的能力；

（2）應(yīng)用型技術(shù)能力，包括編程設(shè)計能力和項目合作能力。

下面筆者分別從教學(xué)大綱、教學(xué)方法設(shè)計和實(shí)驗(yàn)內(nèi)容設(shè)計3個方面進(jìn)行介紹。

1.數(shù)字圖像處理課程教學(xué)大綱

我們在設(shè)定教學(xué)大綱時，重點(diǎn)參考了多本數(shù)字圖像處理方面的經(jīng)典教材，如楊枝靈和岡薩雷斯編寫的教材。結(jié)合之前的教學(xué)經(jīng)驗(yàn)，同時注意與本科生課程相區(qū)別，制訂了兩個原則：加強(qiáng)中高級圖像處理算法的介紹；增加利用圖像處理算法的應(yīng)用案例的介紹。中高級圖像處理算法主要指圖像分割算法、圖像特征提取方法和運(yùn)動檢測方法。同時我們還在課堂上給出一些應(yīng)用案例，進(jìn)一步幫助學(xué)生將理論知識與實(shí)踐相結(jié)合。

數(shù)字圖像處理課程目前作為北京林業(yè)大學(xué)研究生的專業(yè)必修課，總學(xué)時為32，其中課堂講授24學(xué)時，實(shí)驗(yàn)8學(xué)時。相對于其他學(xué)校，這門課程的總學(xué)時和實(shí)驗(yàn)學(xué)時數(shù)不多，我們設(shè)計的教學(xué)內(nèi)容如表1所示。

2.數(shù)字圖像處理教學(xué)方法設(shè)計

針對培養(yǎng)學(xué)生應(yīng)用型研究能力的目標(biāo)，我們在教學(xué)方法設(shè)計上本著激發(fā)學(xué)生的學(xué)習(xí)興趣，開闊學(xué)生眼界，給學(xué)生提供更自由的思考空間的原則，通過下面兩個措施來實(shí)現(xiàn)我們的目標(biāo)。

2.1精心選擇案例

選擇的案例要貼近實(shí)際生活，并與課堂上講授的方法緊密銜接。例如，在講解圖像增強(qiáng)和復(fù)原這兩章之后，我們引入在實(shí)際生活中常見的“圖像去霧”問題，通過如下方法，培養(yǎng)學(xué)生研究能力。

（1）要求學(xué)生先嘗試用學(xué)過的算法來解決這個問題，并在課堂進(jìn)行算法討論，給出算法結(jié)果。

（2）要求學(xué)生針對具體問題，查閱文獻(xiàn)資料，了解別人的解決方法。通過查閱國內(nèi)外的文獻(xiàn)資料，同學(xué)們知道了如何根據(jù)關(guān)鍵詞查詢科研論文，了解哪些電子數(shù)據(jù)庫中有與專業(yè)相關(guān)資料，知道了文獻(xiàn)的級別有SCI、EI、核心期刊、一般期刊等。

（3）學(xué)生將查到的算法進(jìn)行分類和總結(jié)，撰寫文獻(xiàn)綜述。

（4）每位學(xué)生都需要編程實(shí)現(xiàn)“圖像去霧”算法，這個算法是結(jié)合自己的思考、實(shí)踐以及查閱文獻(xiàn)的結(jié)果。

通過自己動手，同學(xué)們發(fā)現(xiàn)如果圖像的清晰度不好，有噪聲，或者沒有歸一化，結(jié)果就完全不同。通過自己動手驗(yàn)證，同學(xué)們會發(fā)現(xiàn)圖像處理領(lǐng)域的一個最為重要的特點(diǎn)——任何算法主要都是針對一類圖像或是針對一類問題而設(shè)計的，因此在算法的適應(yīng)性上需要有所考慮。

2.2全面介紹圖像處理的各個應(yīng)用領(lǐng)域

老師在課堂上介紹幾個圖像處理涉及的較為重要的應(yīng)用方向（如視頻監(jiān)控、圖像檢索、人臉識別、運(yùn)動檢測、車牌檢測等）后，將同學(xué)們進(jìn)行分組，每組負(fù)責(zé)查找一個應(yīng)用方向的相關(guān)資料，討論和匯報自學(xué)的結(jié)果。匯報內(nèi)容主要包括：①應(yīng)用方向的介紹；②涉及的主要問題；③目前的解決方法及應(yīng)用成果。

通過查找文獻(xiàn)，同學(xué)們不僅對課上學(xué)習(xí)過的經(jīng)典算法有進(jìn)一步了解，同時還接觸到很多新算法。通過聽取各組匯報，同學(xué)們在較短的時間里，了解了圖像處理涉及的多個主要的應(yīng)用領(lǐng)域。針對每個應(yīng)用研究領(lǐng)域，老師引導(dǎo)學(xué)生分析該領(lǐng)域的難點(diǎn)和重點(diǎn)，提出問題，再讓學(xué)生思考解決方案，沒有標(biāo)準(zhǔn)答案，只希望能夠鍛煉學(xué)生的思考能力。以“人臉識別”為例，有很多經(jīng)典的或較新穎的算法，老師會結(jié)合應(yīng)用領(lǐng)域?qū)ζ渲谐Ｓ玫幕虮容^重要的算法，如PCA方法和Adaboost算法，進(jìn)行詳細(xì)講解，使學(xué)生全面了解圖像處理算法的應(yīng)用領(lǐng)域。

3.數(shù)字圖像處理實(shí)驗(yàn)內(nèi)容設(shè)計

針對培養(yǎng)學(xué)生的應(yīng)用技術(shù)能力的目標(biāo)，同時考慮到本課程實(shí)驗(yàn)學(xué)時數(shù)較少，我們設(shè)計了兩個實(shí)驗(yàn)——基礎(chǔ)性實(shí)驗(yàn)和綜合性實(shí)驗(yàn)。

3.1基礎(chǔ)性實(shí)驗(yàn)

目前很多經(jīng)典的圖像處理算法是用vC++程序?qū)崿F(xiàn)的，我們要求大家學(xué)會讀程序，能夠看懂已有的算法實(shí)現(xiàn)程序，并在此基礎(chǔ)上能開發(fā)新的功能。

實(shí)驗(yàn)一：實(shí)現(xiàn)對多種圖像格式的支持（2學(xué)時）

實(shí)驗(yàn)內(nèi)容：采用VC++編碼實(shí)現(xiàn)，基于CDib類，添加支持打開，并保存多種圖像格式的功能。包括JPEG和GIF。

實(shí)驗(yàn)要求：利用學(xué)習(xí)的圖像壓縮的知識，利用現(xiàn)有的編碼解碼庫實(shí)現(xiàn)對IPEG和GIF圖像的打開和保存。

實(shí)驗(yàn)?zāi)康模毫私舛喾N圖像格式，編寫針對多種圖像格式的讀寫程序，能夠進(jìn)一步理解針對圖像的編程的特點(diǎn)，同時也進(jìn)一步了解開發(fā)圖像應(yīng)用程序的適應(yīng)性問題。

老師在課程初期會向大家介紹圖像處理的一個公開庫——CDib類。該類很好地封裝了圖像的數(shù)據(jù)結(jié)構(gòu)，涉及很多圖像的基本操作。我們知道現(xiàn)實(shí)生活中的圖像常常都是壓縮格式的，如BMP、JPEG、PNG、GIF等。因此在講完圖像的壓縮格式后，對照講過的BMP圖像結(jié)構(gòu)，老師要求學(xué)生為CDib類添加能夠支持多種圖像格式的功能。以GIF圖像為例，它不同于如JPEG、PNG等格式，GIF采用的是LZW壓縮算法，使用的是無損壓縮技術(shù)。GIF圖像的特點(diǎn)是可以一次壓縮多幅圖像，圖像顏色表控制為256色，使用漸顯方式。

3.2綜合性實(shí)驗(yàn)

針對綜合性實(shí)驗(yàn)，我們會擬定多個題目讓學(xué)生選擇，如樹葉提取、花朵提取、車牌識別等。

實(shí)驗(yàn)二：數(shù)字號碼圖像的識別（6學(xué)時）

實(shí)驗(yàn)內(nèi)容：采用VC++編碼實(shí)現(xiàn)，基于CDib類，針對數(shù)字號碼圖像，識別出數(shù)字，給出文本顯示結(jié)果。

實(shí)驗(yàn)要求：將該題目進(jìn)行分解，劃分任務(wù)；組內(nèi)每個同學(xué)負(fù)責(zé)一部分任務(wù)的編程工作；每個人針對自己負(fù)責(zé)的工作至少提供兩種實(shí)現(xiàn)方法，并放入整個項目流程中驗(yàn)證這兩種方法的有效性；最后總結(jié)出兩種方法的異同以及適應(yīng)的范圍。

實(shí)驗(yàn)?zāi)康模嚎疾閷W(xué)生對數(shù)字圖像處理應(yīng)用中每個步驟的掌握程度和項目合作溝通能力。

上述實(shí)驗(yàn)涉及以下幾個步驟。

①圖像的預(yù)處理；

②圖像的分割；

③圖像的特征提??；

④圖像的分類。

組中每個學(xué)生負(fù)責(zé)一個步驟，所有步驟都需要盡心設(shè)計，這樣整體的效果才可能最好。同時大家需要協(xié)商各自負(fù)責(zé)模塊的人口和出口的數(shù)據(jù)結(jié)構(gòu)，保證數(shù)據(jù)能夠在模塊之間順利流轉(zhuǎn)。這種協(xié)商和分工合作的能力是軟件工程專業(yè)最需要的技術(shù)能力之一。

以“數(shù)字號碼圖像識別”為例，該題目可以分割成4個步驟：預(yù)處理、數(shù)字圖像切分、數(shù)字圖像特征提取和數(shù)字識別。在每個步驟中都有分別需要注意的問題，如在預(yù)處理階段，需要對圖像進(jìn)行去噪聲，增強(qiáng)對比度，甚至需要進(jìn)行膨脹和腐蝕將圖像中斷裂的數(shù)字部分連通起來；在數(shù)字圖像切分階段需要制定適應(yīng)性廣泛的切分策略來應(yīng)對各種情況，如數(shù)字排列可以呈現(xiàn)任意的傾斜角度，或數(shù)字字符相連等；在數(shù)字圖像特征提取階段，我們可以考察每個數(shù)字圖像的自相關(guān)系數(shù)特征，或者每個數(shù)字圖像的頻譜特征，也可以考察數(shù)字圖像的幾何拓?fù)涮卣?，如將?shù)字圖像分成2個洞的（8），1個洞的（4，6，9，0），沒有洞的（1，2，3，5，7），針對每個類別再提取新的幾何特征；在數(shù)字圖像識別階段，可以采用神經(jīng)網(wǎng)絡(luò)的分類器，或者利用制定的一些分類策略來分類，或者采用主成份分析（PCA）的方法來識別。

4.結(jié)語

兩年多的教學(xué)實(shí)踐表明，新的教學(xué)大綱、授課方法和實(shí)驗(yàn)內(nèi)容有利于激發(fā)學(xué)生的興趣，使他們帶著問題去學(xué)習(xí)，從而加深了對圖像處理應(yīng)用領(lǐng)域的了解，鍛煉了編寫程序和協(xié)作開發(fā)的能力。下一步我們將設(shè)計更多合理有效的案例和綜合性實(shí)驗(yàn)，力圖通過這門課激發(fā)學(xué)生的創(chuàng)造力。

篇（3）

【中圖分類號】TP391.41【文獻(xiàn)標(biāo)識碼】A【文章編號】1672-5158（2013）02-0129-02

1.數(shù)字圖像處理技術(shù)的內(nèi)容及特點(diǎn)

1.1 研究內(nèi)容

不管應(yīng)用到哪個領(lǐng)域的圖像處理圖像數(shù)據(jù)都要輸入、加工和輸出圖像，其研究內(nèi)容：

（1）獲取、表示和表現(xiàn)圖像――把圖像信號轉(zhuǎn)化為計算機(jī)可以識別的形式，并把數(shù)字圖像顯示和表現(xiàn)出來。

（2）圖像復(fù)原――已知圖像發(fā)生退化的緣由時，對圖像進(jìn)行修復(fù)，關(guān)鍵是建立退化模型。復(fù)原是以模型和數(shù)據(jù)的圖像恢復(fù)為基礎(chǔ)，消除退化的影響。

（3）圖像增強(qiáng)――對圖像質(zhì)量的常規(guī)改善。當(dāng)不知道圖像退化原因時，還可用此技術(shù)比較主觀的改善圖像。

（4）圖像分割――人類視覺系統(tǒng)可以輕松地將觀察到的對象區(qū)分開來，但計算機(jī)卻很難。分割的基本問題目前是將各種方法融合使用，以此提高處理的質(zhì)量。

（5）圖像分析――檢測和測量圖像中的目標(biāo)，獲取其客觀信息，是從圖像到數(shù)據(jù)的過程。

（6）圖像重建――指從數(shù)據(jù)到圖像的處理。

（7）圖像壓縮編碼――為減少數(shù)據(jù)容量、降低數(shù)據(jù)率、壓縮信息量，在不影響其效果的前提下減少圖像的數(shù)據(jù)量。

1.2 數(shù)字圖像處理技術(shù)的特點(diǎn)

（1）圖像再現(xiàn)性好――不會因?yàn)閷D像的變換操作而影響到圖像質(zhì)量；

（2）圖像處理精度高――可以將圖像數(shù)字處理為任意大小的數(shù)組；

（3）適用面寬――來自不同信息源的圖像被變換為數(shù)字編碼形式后，都可以用數(shù)組來體現(xiàn)灰度圖像。

（4）靈活性高――圖像處理可完成線性及非線性處理。

2.應(yīng)用領(lǐng)域

數(shù)字圖像處理技術(shù)被應(yīng)用到越來越多的領(lǐng)域中，如醫(yī)療保健、航空航天、交通通信、軍事、工業(yè)、農(nóng)業(yè)、林業(yè)等。下面選取幾方面進(jìn)行分析：

（1）試聽資料證據(jù)――視聽資料證據(jù)是重要的訴訟證據(jù)，在司法訴訟活動中發(fā)揮著越來越重要的作用，數(shù)字圖像處理技術(shù)是視聽資料證據(jù)中圖像證據(jù)資料技術(shù)性司法鑒定的常用手段，是圖片原始性、真?zhèn)涡?、相關(guān)性認(rèn)定的基本方法，如名捕監(jiān)控錄像模糊圖像處理系統(tǒng)，該系統(tǒng)是手印、足跡、槍彈痕跡、工具痕跡、印章檢驗(yàn)、文件檢驗(yàn)以及錄像帶處理等痕檢、文檢、視頻圖像處理工作的必備工具；以及實(shí)時視頻降噪儀，能夠?qū)崟r處理現(xiàn)場錄像流，增強(qiáng)視頻的清晰度，該在錄像安全系統(tǒng)中加強(qiáng)監(jiān)視錄像的清晰度，或者在警方實(shí)地調(diào)查拍攝錄像后回到警署再進(jìn)行降噪。

（2）電子商務(wù)――當(dāng)前的電子商務(wù)中，圖像處理技術(shù)也大有可為，如身份認(rèn)證、產(chǎn)品防偽和水印技術(shù)等。

（3）軍事公安領(lǐng)域――軍事的目標(biāo)是偵察、制導(dǎo)和警戒系統(tǒng)和自動滅火器的控制及反偽裝；公安部門的現(xiàn)場照片、指紋、手跡、印章和人像等的處理和辨識；歷史文字和圖片檔案的修復(fù)和管理等。而數(shù)字圖像處理技術(shù)將數(shù)碼攝影和圖像處理技術(shù)結(jié)合起來以其獨(dú)特的優(yōu)勢在公安領(lǐng)域中逐步開始擔(dān)當(dāng)重任，在刑事攝影、檔案管理、痕跡檢驗(yàn)、文件檢驗(yàn)、法醫(yī)、物證提取以及公安教學(xué)或宣傳中發(fā)揮著巨大作用，為廣大的公安人員開闊了視野、拓展了思維空間，為執(zhí)法的公正性提供了有力保證，應(yīng)用提高了工作效率，減少了人、財、物的消耗，大大提高了工作效率。

（4）智能交通――圖像處理具有算法柔性大、適應(yīng)能力強(qiáng)等特點(diǎn)，在智能交通系統(tǒng)中取得了廣泛的應(yīng)用價值，例如車牌識別（車牌定位、車牌傾抖校正與字符分割、車牌字符識別變換等）和車輛檢測與跟蹤系統(tǒng)（包括感興趣區(qū)域提取、車輛檢測、車輛跟蹤等），智能車輛導(dǎo)航、車型識別、交通控制等。

（5）航空航天通信――包括圖像傳輸、電視電話和視會議等，主要是進(jìn)行圖像壓縮甚至理解基礎(chǔ)上的壓縮。

（6）遙感技術(shù)――航空航天和衛(wèi)星搖撼圖像獲取中和獲取后都要用圖像處理技術(shù)進(jìn)行加工處理，提取出有利用價值的信息。主要用來對地形地質(zhì)、礦藏資源搜索以及農(nóng)業(yè)、水利、森林和海洋等資源調(diào)查研究，對自然災(zāi)害進(jìn)行預(yù)測預(yù)報、檢測環(huán)境污染、處理氣象衛(wèi)星云圖以及識別地面軍事目標(biāo)。

（7）生物醫(yī)學(xué)領(lǐng)域――圖像處理在醫(yī)學(xué)界的應(yīng)用非常廣泛，圖像處理首先應(yīng)用于細(xì)胞分類、染色體分類和放射圖像等，臨床診斷和病理研究中都大量接住了圖像處理技術(shù)。它的直觀、安全方便、無創(chuàng)傷的優(yōu)點(diǎn)受到醫(yī)生和患者的青睞。

（8）工業(yè)生產(chǎn)中的應(yīng)用――在生產(chǎn)線中對產(chǎn)品及部件進(jìn)行無損檢測

（9）機(jī)器人視覺――機(jī)器視覺相當(dāng)于智能機(jī)器人的重要感覺器官，可以對三維景物進(jìn)行理解，醫(yī)院、工廠、郵政以及家庭中的智能機(jī)器人，識別和定位裝配線工件，太空機(jī)器人的自動操作。

（10）視頻及多媒體系統(tǒng)――目前，電視制作系統(tǒng)中廣泛使用圖像處理、變換和合成技術(shù)，使電視效果更佳。在多煤體系統(tǒng)中廣泛使用靜止圖像和動態(tài)圖像的采集、處理、存儲、傳輸和壓縮，以達(dá)到使用者的目的。

（11）科學(xué)可視化――圖像處理和計算機(jī)圖形學(xué)的緊密結(jié)合，使科學(xué)研究得各個領(lǐng)域有了更為新穎的研究工具。

（12）宇宙探測――由于探索太空的需要和太空技術(shù)的快速發(fā)展，需要用數(shù)字處理技術(shù)來處理從外太空獲取的大量星體照片。

（13）地質(zhì)勘探――近年來發(fā)展起來的以數(shù)字圖像處理技術(shù)為基礎(chǔ)、綜合多門學(xué)科知識的地學(xué)信息處理新技術(shù)的多源地學(xué)信息綜合圖像處理，使用一些特定的圖像處理方法，實(shí)現(xiàn)了多源地學(xué)信息綜合圖像處理，用來輔助地質(zhì)填圖，構(gòu)造地質(zhì)研究，進(jìn)行寸產(chǎn)資源的預(yù)測和評估，成為當(dāng)前地質(zhì)工作者正在研究和探討的一個問題。

由圖像處理技術(shù)在以上幾個領(lǐng)域中的應(yīng)用可以看出，圖像處理技術(shù)在各領(lǐng)域中的重要程度：計算機(jī)圖像生成技術(shù)在航空航海中可以充當(dāng)仿真訓(xùn)練系統(tǒng)，還可以應(yīng)用到廣告和動畫制作，跟友人將其應(yīng)用到網(wǎng)游中；圖像傳輸與通信還可在多媒體教學(xué)、網(wǎng)絡(luò)視頻領(lǐng)域得到廣泛應(yīng)用；在醫(yī)學(xué)上，醫(yī)學(xué)圖像處理和材料分析也日益重要，如超聲成像、X光成像、Y光成像以及核磁共振成像，對醫(yī)生工作產(chǎn)生了巨大的輔助；圖像跟蹤和光學(xué)制導(dǎo)在戰(zhàn)略技術(shù)武器中發(fā)揮了重要作用。

3.發(fā)展方向

隨著計算機(jī)的發(fā)展，圖像處理技術(shù)將越來越成熟，對各領(lǐng)域的影響也越來越大，總的來說，圖像處理技術(shù)的發(fā)展有以下幾個趨勢：

（1） 在目前的基礎(chǔ)上，圖像處理速度越來越快，分辨率越來越高，多媒體應(yīng)用光來月廣泛，標(biāo)準(zhǔn)化、立體化程度越來越高，并產(chǎn)生智能化的趨勢；

（2） 在目前二維基礎(chǔ)上將出現(xiàn)多維成像的趨勢；

（3） 芯片廣泛運(yùn)用到圖像處理技術(shù)中，使用起來更加方便；

（4） 將出現(xiàn)新的算法與理論。

圖像處理技術(shù)在各個領(lǐng)域的應(yīng)用與發(fā)展，大大降低了相應(yīng)領(lǐng)域的工作難度，效率更高，質(zhì)量也無可挑剔，使人類受益匪淺。日后圖像處理技術(shù)將進(jìn)一步根據(jù)人類需求，在相關(guān)科研人員的努力奮斗下而實(shí)現(xiàn)新的突破，在更為廣闊的領(lǐng)域造福人類事業(yè)。

參考文獻(xiàn)

[1] 李紅俊，韓冀皖.數(shù)字圖像處理技術(shù)及其應(yīng)用. 計算機(jī)測量與控制，2009.

[2]W.K.Pratt.DIGITAL IMAGE PROCESSING.Johnwiley & Sons，inc， 2008.

[3]楊枝靈，王開.Visual C++數(shù)字圖像獲取、處理及實(shí)踐應(yīng)用.人民郵電出版社，2003

篇（4）

中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號：1009-3044（2015）13-0180-02

隨著科學(xué)技術(shù)的不斷發(fā)展、計算機(jī)應(yīng)用領(lǐng)域的不斷開拓，圖像處理方法應(yīng)運(yùn)而生，目的是利用計算機(jī)設(shè)備將圖像進(jìn)行分類處理，用于智能分析圖像信息。當(dāng)今圖像處理與識別的應(yīng)用范圍越來越廣，但就目前的水平而言，計算機(jī)對外部的感知能力還比較薄弱，還需要投入大量人力、物力從事數(shù)字圖像處理與識別的理論和應(yīng)用的研究。于是各行各業(yè)對于數(shù)字圖像處理技術(shù)的精確化與智能化有著更大的需求。這樣的需求尤其體現(xiàn)在航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺、公安司法、文化藝術(shù)等領(lǐng)域。

而本文針對數(shù)字圖像處理技術(shù)的特性，將其應(yīng)用在普遍計算機(jī)操作行為的分析之中，實(shí)現(xiàn)了一種根據(jù)計算機(jī)操作過程中顯現(xiàn)的圖像色彩來智能分析其操作行為的創(chuàng)新功能。

1 算法簡介

彩色圖像的聚類分析以及K-means算法是本課題的關(guān)鍵。本文通過彩色圖像聚類分析與K-means算法將圖像轉(zhuǎn)化為3類模塊，分別為正常圖像，渲染圖像與灰度圖像。對這3類模塊同時進(jìn)行遍歷與聚類，計算出其影響行為分析判斷的影響色塊區(qū)間與影響深度區(qū)間，基于兩類區(qū)間相互結(jié)合，最終依照閥值界限對原圖像進(jìn)行行為判斷，得出操作行為分析結(jié)論。

圖1為算法結(jié)果演示圖。

2 算法實(shí)現(xiàn)

2.1獲取計算機(jī)圖像

獲取當(dāng)前窗體的大小，創(chuàng)建一個以當(dāng)前窗體為模板的圖象，創(chuàng)建一個位圖Bitmap繪圖圖面，得到窗體的句柄和圖像的句柄，復(fù)制土塊的光柵操作碼，調(diào)用API函數(shù)，實(shí)現(xiàn)窗體捕獲。釋放句柄，保存圖像。本例中圖像結(jié)果如圖2。

2.2彩色圖像聚類分析

根據(jù)行為分析圖像?自定義顏色的色系，程序?qū)@取的圖像，統(tǒng)一轉(zhuǎn)化為rgb格式，遍歷圖像的像素點(diǎn)，獲取圖像中色系種類與比例及色系的位置，統(tǒng)計主要顏色所在色系的權(quán)重。根據(jù)自定義的色彩模型，分析圖像內(nèi)容。

基于色彩圖像的RGB格式，建立三維坐標(biāo)圖，其中R為X軸，G為Y軸，B為Z軸，坐標(biāo)軸長度均為255，根據(jù)近似色的微小差別，將三通道色素劃分為14個色系，即14個色彩區(qū)塊，之后根據(jù)色彩區(qū)塊的冷暖調(diào)與鮮明程度，與已有的操作行為圖像結(jié)果進(jìn)行匹配統(tǒng)計得出具體閥值。圖4為劃分的部分色系圖。

根據(jù)彩色圖像將所有像素點(diǎn)規(guī)劃到14個色彩區(qū)塊，之后遍歷所有像素點(diǎn)將其編入類組，將同一類組的像素點(diǎn)進(jìn)行渲染形成同一顏色，圖3為渲染圖。

通過反復(fù)試驗(yàn)經(jīng)驗(yàn)積累，按照冷暖色調(diào)與色彩鮮明度提取出色彩區(qū)塊中該色彩比例對行為分析判斷結(jié)果造成影響的六類色區(qū)。構(gòu)建一個影響色塊區(qū)間，存放六類色區(qū)中最終對行為分析結(jié)果造成影響的像素點(diǎn)。統(tǒng)計這六類色區(qū)，當(dāng)某一色區(qū)所占總像素比例超過指定閥值時（本閥值是在反復(fù)試驗(yàn)中經(jīng)過大量已歸類行為圖片分析計算后歸約出來的行為色彩區(qū)分界限），保存其色區(qū)像素比例致影響色塊區(qū)間。圖5為主色系所占比例。

2.2灰度圖像聚類分析

本研究中對于灰度圖像的聚類分析主要根據(jù)K-means算法進(jìn)行聚類實(shí)現(xiàn)。

本研究所采用的K-Means聚類算法的優(yōu)點(diǎn)主要集中在：算法快速、簡單；對大數(shù)據(jù)集有較高的效率并且是可伸縮性的；時間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。

K-Means聚類算法的時間復(fù)雜度是O（nkt） ，其中n代表數(shù)據(jù)集中對象的數(shù)量，t代表著算法迭代的次數(shù)，k代表著簇的數(shù)目。

K-means算法具體流程為：

1）隨機(jī)選取k個聚類質(zhì)心點(diǎn)（cluster centroids）為[μ1，μ2，...，μk∈Rn]。

2）重復(fù)下面過程直到收斂

對于每一個樣例i，計算其應(yīng)該屬于的類

[c（i）=argminj||x（i）-μj||2]

對于每一個類j，重新計算該類的質(zhì)心

[μj：=i=1m1{c（i）=j}x（i）i=1m1{c（i）=j}]

在 K-means 算法中 K 的選取均有人工指定，而 K 值的選定是非常難以估計的。本文在對大量原始數(shù)據(jù)實(shí)驗(yàn)結(jié)果的基礎(chǔ)上進(jìn)行總結(jié)，得出當(dāng)k值選定為5時，對于操作行為分析具有最佳精準(zhǔn)度。

在 K-means 算法中，首先需要根據(jù)初始聚類中心來確定一個初始劃分，然后對初始劃分進(jìn)行優(yōu)化。這個初始聚類中心的選擇對聚類結(jié)果有較大的影響，一旦初始值選擇不當(dāng)，則可能無法得到有效的聚類結(jié)果。本研究中初始聚類中心，是根據(jù)彩色圖像的比例最大的主色系的位置的中心來設(shè)定的。

3 算法效果

本文針對目前市面中出現(xiàn)率頻繁的娛樂游戲、電影、辦公軟件、學(xué)習(xí)軟件進(jìn)行檢測，本算法效果有著較強(qiáng)實(shí)用性。其中，深色系游戲與電影分析的效果顯著，如《英雄聯(lián)盟》、

《DOTA》、《哈利波特》。而淺色系游戲，在特定場景中分析效果會受到干擾，如《劍網(wǎng)三》當(dāng)中對圖片進(jìn)行光暈處理后，其影像色彩區(qū)間受到波動。對此現(xiàn)象，經(jīng)過大量的圖片測試，對游戲類的圖像進(jìn)行了歸納，這對今后的算法修改提供了很好的數(shù)據(jù)矯正。

4 結(jié)束語

本文立足于圖像處理技術(shù)的創(chuàng)新與應(yīng)用，并將圖像處理技術(shù)與計算機(jī)操作行為分析相結(jié)合，運(yùn)用自編彩色圖像聚類分析算法對圖像色彩進(jìn)行分類統(tǒng)計，構(gòu)建影響色彩區(qū)間并對區(qū)間色彩進(jìn)行操作行為匹配，劃定區(qū)間閥值。以及引入K-means算法對圖像進(jìn)行灰度化處理，通過實(shí)驗(yàn)數(shù)據(jù)結(jié)果以及經(jīng)驗(yàn)選擇K值以適應(yīng)行為分析計算，同時構(gòu)建深度影響區(qū)間，對圖像色彩深度進(jìn)行分類，最終結(jié)合影響色彩區(qū)間劃定行為分析界限。實(shí)現(xiàn)了智能分析計算機(jī)操作行為的創(chuàng)新，擺脫人工監(jiān)控與識別行為。這對將來自動對計算機(jī)圖像界面、行為模式分析的監(jiān)控與統(tǒng)計提供了可觀的價值。

參考文獻(xiàn)：

[1] Parker J R. 圖像處理與計算機(jī)視覺算法及應(yīng)用[M]. 2版. 北京： 清華大學(xué)出版社， 2012.

[2] 趙春江. C#數(shù)字圖像處理算法典型實(shí)例[M]. 北京： 人民郵電出版社， 2009.

篇（5）

中圖分類號：F416.22 文獻(xiàn)標(biāo)識碼：A

數(shù)字圖像處理技術(shù)是通過電腦來去除噪聲形象，提升、回收、分割、特征提取的處理方法和技術(shù)，探索石油地震勘探地球信息科學(xué)與科學(xué)之間的交叉學(xué)科，可以利用數(shù)字圖像處理的一些方法進(jìn)行研究。當(dāng)前，圖像處理技術(shù)的飛速發(fā)展提供一個新的方法來解決這些交叉科學(xué)問題。地震數(shù)據(jù)的處理過程中應(yīng)采取綜合研究模型，即采用合理的數(shù)學(xué)模型和信息技術(shù)，地震資料成像、地震數(shù)據(jù)的形式表達(dá)的形象，所以地震數(shù)據(jù)不僅形象直觀，而且可以利用圖像處理技術(shù)進(jìn)行處理和分析，并改善直板的地質(zhì)問題的認(rèn)識。因此，邊緣檢測技術(shù)在地震資料儲層預(yù)測將扮演一個重要的角色。

1 邊緣檢測

1.1 常見算子分析

邊緣檢測算法的比較分析在地震儲層中的應(yīng)用極為少見，但信息科學(xué)和圖像差異對噪聲有一定的抑制作用。從研究中，原始和漸變噪聲圖像處理效果較好，邊緣檢測算子更好，二階微分算子，圖像中的邊緣點(diǎn)的順序和精確定位的旋轉(zhuǎn)不變，導(dǎo)致該算子容易丟失。邊緣信息的一部分，導(dǎo)致一些離散的邊緣檢測方法相對適應(yīng)。經(jīng)典的邊緣檢測是應(yīng)用微分形象的特點(diǎn)的邊界點(diǎn)進(jìn)行檢測。該模型可以看出，這種方法是有效的檢測，可應(yīng)用于實(shí)際應(yīng)用。因此，針對油藏斷層、裂縫、泥巖邊界，可以使用邊緣檢測技術(shù)對這些特定的邊緣識別。

1.2 小波變換

裂紋檢測和分析的圖像邊緣檢測有很多相同之處，基于小波多尺度邊緣檢測理論，結(jié)合裂縫的地震波場的多尺度小波變換局部極值的模式，因?yàn)檫@些極端值設(shè)置沒有門檻限制，檢測裂縫三維地震記錄的某些特征的位置，然后根據(jù)鉆井、測井?dāng)?shù)據(jù)得到裂縫的總體特征的分類和分布的該區(qū)裂縫，調(diào)整模量在圖像的灰度，最后自動識別裂縫發(fā)育程度。對儲層砂體的識別和斷口的分析，一般采用的方法是進(jìn)行奇異性檢測。無論是簡單的邊緣檢測算子或多尺度小波邊緣檢測方法探測目標(biāo)，邊緣檢測的結(jié)果有很大的不確定性。

2 應(yīng)用

2.1 地震資料解釋

地震資料解釋水平地震剖面上斷裂規(guī)模，因?yàn)榈卣鹳Y料分辨率的限制，在這種情況下，引入邊緣檢測算法比較，該方法能精確地識別出圖像或數(shù)據(jù)放在一個水平的優(yōu)勢，可以很好地對具體比例的地質(zhì)特征，成像識別。該技術(shù)在裂縫識別和河床邊界識別，尋找圖像的像素位置變換，簡單說就是像素圖像有用的信息，即斷層和河床邊界的信息，在油藏描述、河道砂、小斷裂并且對預(yù)測和油氣開發(fā)都有重要的意義。跟描述技術(shù)相比，邊緣檢測技術(shù)有其獨(dú)特的優(yōu)點(diǎn)，最大的優(yōu)點(diǎn)是它的多尺度性。由于過錯的沉積特征而使用像素來描述不同的集合像素，邊緣檢測技術(shù)有其獨(dú)特的優(yōu)勢。利用圖像處理的邊緣檢測理論，對地震資料的處理，不僅可以確定三維數(shù)據(jù)體的缺點(diǎn)而且對河道砂體連通性描述可靠合理的注采井網(wǎng)的部署和回收網(wǎng)絡(luò)改善，具有重要的指導(dǎo)意義。

2.2 裂縫預(yù)測

將圖像處理技術(shù)移植到地震儲層預(yù)測會給裂縫性儲層識別與評價的探索帶來新的觀念。利用邊緣檢測技術(shù)對地震屬性處理，然后結(jié)合電阻率成像測井資料、巖性資料、測井資料和瞬間的壓力數(shù)據(jù)高速預(yù)測裂縫。相比之下，國內(nèi)學(xué)者的研究對更具體的邊緣檢測算法，提出了算法和研究對象。通過選定的振幅數(shù)據(jù)對象，利用數(shù)字圖像處理的方法預(yù)測裂縫振幅值的測試，結(jié)合裂縫地震波場的多尺度特性，提出了碳酸鹽巖裂縫預(yù)測的多尺度邊緣檢測方法。該方法的主要思想是用小波變換局部極值的模式試驗(yàn)三維地震記錄，在裂紋特征的位置，并通過調(diào)整模量在圖像的灰度、識別裂縫發(fā)育。

3 地震數(shù)據(jù)預(yù)處理方法

地震數(shù)據(jù)采集帶噪聲會影響地震資料的質(zhì)量。因此，對地震數(shù)據(jù)預(yù)處理，圖像預(yù)處理是用各種各樣的數(shù)字圖像處理技術(shù)來提高，這方面的研究方法很多，有自適應(yīng)誤差擴(kuò)散算法、中值濾波等。這些方法的目的是光滑脈沖噪聲，只有在通過圖像預(yù)處理方法后才可以在后續(xù)的地震儲層預(yù)測中取得良好效果。

3.1 濾波方法

在一些資料研究對象中，有些信息是不切合實(shí)際的應(yīng)用價值，所以地震信息過濾是非常必要的。在這方面，技術(shù)的使用提高了地震剖面的信噪比的形象。其關(guān)鍵技術(shù)是利用光流分析技術(shù)，并計算了相應(yīng)的分地震剖面上超過偏，然后使用圖像積累的地震剖面進(jìn)行積累技術(shù)，實(shí)現(xiàn)了三維地震數(shù)據(jù)體提高信噪比。該方法充分利用了三維地震信息，不僅可以改善的信噪比數(shù)據(jù)體，而且可以降低信號的能量損失，使原始信號的能量關(guān)系，使地震剖面的品質(zhì)，增加明顯的地震解釋一個良好的基礎(chǔ)。該方法的實(shí)現(xiàn)，為地震資料的處理提供了新的思想、橫向分辨率圖像增強(qiáng)，就是與相軸連續(xù)、斷點(diǎn)清晰，以便提供更好的地震資料解釋的物質(zhì)。

3.2 邊界處理方法

地震信息十分豐富，在這種情況下，我們必須有一個地震數(shù)據(jù)的邊界處理，提出了一種基于邊緣檢測算法的動態(tài)誤差擴(kuò)散。分散的方法以及誤差方向每一個像素的邊緣，然后根據(jù)結(jié)果選擇邊緣檢測的像素的動態(tài)誤差四面八方擴(kuò)散系數(shù)的方法，這種方法能減少誤差分散過程中的誤差積累。實(shí)驗(yàn)結(jié)果表明，該方法能有效提高造成的誤差系數(shù)和分散的細(xì)節(jié)圖像輪廓損失。在眾多的濾波算法，提出了一種自適應(yīng)反饋的誤差擴(kuò)散算法。該方法首先采用提出視、聽知覺差的概念，并根據(jù)原始圖像的灰度區(qū)域特征，自適應(yīng)反饋系數(shù)的計算，將被遣送回原來的視覺形象，以彌補(bǔ)連續(xù)可調(diào)造成的誤差擴(kuò)散的不同區(qū)域的灰度損失。該算法可以顯著提減弱點(diǎn)獲得的不良影響的現(xiàn)象，準(zhǔn)確地代表更多的圖像細(xì)節(jié)，并表現(xiàn)出比傳統(tǒng)算法更好的主觀視覺效果，該方法的運(yùn)用就會在地震儲層的細(xì)節(jié)描述提供很好的保證。

4 展望

地震信息處理與分析是一門交叉學(xué)科，邊緣檢測技術(shù)依賴的地震資料、地質(zhì)目標(biāo)和數(shù)學(xué)方法來決定。在方法的選擇，通常是經(jīng)多種方法的比較分析及各種世界算法才能達(dá)到目的特殊待遇。根據(jù)技術(shù)邊緣檢測可以有效解決中小裂隙型儲層、裂縫和砂體的邊界識別，地球物理工作者建議在特定目標(biāo)首先建立數(shù)學(xué)模型的實(shí)驗(yàn)驗(yàn)證了算法的權(quán)利。例如，一個差異，為代表的經(jīng)典的邊緣檢測方法，可以通過不同的數(shù)學(xué)模型，能突出其變化信號點(diǎn)，重點(diǎn)是邊緣化。但無論經(jīng)典邊緣檢測算法或其他復(fù)雜的邊緣檢測方法，每一種方法的結(jié)果也不同。因此，邊緣檢測技術(shù)在地震資料用于問題不僅僅是簡單的圖像處理問題，尤其對小裂隙型儲層、裂縫和砂體的邊界識別和影像，首先引入到地震數(shù)據(jù)的邊界濾波器，并在此基礎(chǔ)上，對研究對象的規(guī)模水平選定合適的數(shù)學(xué)算法處理，最后達(dá)到對處理結(jié)果的空間認(rèn)識和理解，并與之相配套的地質(zhì)目標(biāo)。最后，邊緣檢測技術(shù)在石油勘探開發(fā)中的應(yīng)用應(yīng)結(jié)合地質(zhì)、物探、鉆井測井?dāng)?shù)據(jù)分析。

參考文獻(xiàn)

[1]楊文采.應(yīng)用地球物理數(shù)據(jù)處理與分析[J].地學(xué)前緣，1998，5(2):231－235.

[2]王新成.高級圖形處理技術(shù)[M].北京:中國科學(xué)技術(shù)出版社，2001:119－130.

篇（6）

中圖分類號：TP3 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）02-0120-02

Abstract：DSP hardware based license plate recognition system characteristics， analyzes plate region improved positioning algorithm， character segmentation algorithm to improve the efficiency of the license plate recognition.

Key Words：license plate identification；DSP；algorrithm

1 引言

據(jù)公安部相關(guān)數(shù)據(jù)統(tǒng)計，現(xiàn)如今我國汽車保有量已達(dá)2.4億輛，且每年的增長率都在15%以上，應(yīng)用智能交通系統(tǒng)來解決隨之產(chǎn)生的交通問題已是大勢所趨?；贒SP的車牌識別方法是智能化車牌識別的有效方法?，F(xiàn)如今，自動車牌識別技術(shù)已被廣泛應(yīng)用，但由于算法的復(fù)雜性與效率的矛盾，及算法于系統(tǒng)上的應(yīng)用的困難性，對車牌識別的關(guān)鍵算法還有待于更深入的研究。

2 硬件系統(tǒng)結(jié)構(gòu)

通用可編程的DSP芯片的硬件技術(shù)的發(fā)展給數(shù)字圖像處理帶來了飛躍性的進(jìn)步。要實(shí)現(xiàn)車牌識別，需要數(shù)字圖像處理技術(shù)中的很多復(fù)雜的算法，基于DSP的車牌識別系統(tǒng)也因此得到了廣泛的研究與應(yīng)用。為了提高整個系統(tǒng)的可操作性及性價比，當(dāng)前應(yīng)用最多的是分布式的處理模式，即聯(lián)合PC機(jī)與DSP的優(yōu)勢共同完成車牌識別系統(tǒng)，其總體結(jié)構(gòu)及具體結(jié)構(gòu)如（圖1）所示：

3 車牌識別關(guān)鍵算法

算法流程為圖像預(yù)處理、車牌定位、車牌分割，最后字符識別。圖像預(yù)處理為提高攝像機(jī)攝取的圖像質(zhì)量，便于后續(xù)處理。利用DSP技術(shù)在處理車牌識別關(guān)鍵算法中的車牌的定位與字符分割方面優(yōu)勢顯著。

3.1 車牌定位

基于灰度圖像的定位技術(shù)日趨成熟，但彩色圖像包含了圖像的更多信息特征，加之車牌的底色是有規(guī)律可循的，所以基于彩色圖像的定位技術(shù)越來越成為在發(fā)展定位技術(shù)上的突破點(diǎn)。本文定位的思路為：

（1）圖像從RGB空間轉(zhuǎn)換到HSI空間，其算法為（以藍(lán)底白色車牌為例）：

（3）對二值圖像進(jìn)行水平投影[1]，從車牌固有的矩形特征中的高度特征提取車牌圖像，如圖3所示。再使用特征顏色邊緣檢測法，檢測車牌正確位置，如圖4所示。

（4）根據(jù)車牌固有的矩形特征中的寬度特征，使用垂直投影法提取車牌圖像，如（圖5）所示：

3.2 字符分割

字符分割是字符識別的關(guān)鍵前提。在2013年新交通法規(guī)中規(guī)定，對故意遮擋、污損、不安規(guī)定安裝車牌的扣12分的處罰，這項規(guī)定的出臺，也間接降低了算法的復(fù)雜性。本文采用車牌字符間隔的特征在垂直投影中的規(guī)律來進(jìn)行字符分割。

其算法原理為：

（1）設(shè)垂直投影值為T，閾值為V，在確定前還要充分考慮字符粘連、斷裂及“1”字符的特殊性。當(dāng)時，T=0。

（2）設(shè)數(shù)組為從左向右掃描的投影值，當(dāng)掃描的數(shù)組的值時，字符的寬度設(shè)為。根據(jù)規(guī)律[2]，單個字符的寬度約為45mm，除第2、3字符的間隔為34mm，其它字符的間隔均為12mm。由此，得出以下3中情況：

（1）時，為字符粘連，取為單個字符的寬度；

（2）且后面的字符也如此時，為字符斷裂，合并這兩個字符；

（3）且不滿足字符斷裂，此字符為數(shù)字“1”。

實(shí)驗(yàn)結(jié)果如（圖6）所示：

4 結(jié)語

本文在以DSP處理器TMS320DM6437嵌入式系統(tǒng)上對以上兩大關(guān)鍵算法進(jìn)行實(shí)驗(yàn)研究，在150張不同類型的車牌進(jìn)行識別后，測試結(jié)果的正確率92.3%，且處理的速度達(dá)到實(shí)時處理的需求。為以后在智能交通控制系統(tǒng)中的車牌識別技術(shù)的提高和發(fā)展提供了參考基礎(chǔ)。

參考文獻(xiàn)

篇（7）

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2013）11-0110-02

計算機(jī)人臉識別技術(shù)是利用計算機(jī)分析圖像，進(jìn)而從中提取有效的人臉特征息。隨著成像設(shè)備的不斷發(fā)展，計算機(jī)運(yùn)行速度的大幅提高，為人臉識別提供了可靠的硬件基礎(chǔ)。而人臉識別首先要完成的就是人臉檢測，可靠穩(wěn)定的人臉檢測是完成人臉識別功能的基本條件。

1 人臉檢測系統(tǒng)的設(shè)計

人臉檢測系統(tǒng)主要有5部分構(gòu)成，流程圖如圖1所示。

（1）獲取圖像：從輸入設(shè)備中獲取將要處理的圖像。

（2）預(yù)處理：將獲取到的圖像進(jìn)行預(yù)處理，處理成適合特征提取的圖像。

（3）特征提取：對預(yù)處理后的圖像提取人臉檢測所需特征。

（4）人臉檢測：根據(jù)所提取到的特征來判定是否為人臉。

（5）輸出檢測的結(jié)果。

2 Adaboost算法的基本原理

Adaboost算法是由Viola和Jones與2001年提出來的一種基于統(tǒng)計理論的方法。該算法主要分為分類器訓(xùn)練和模式識別兩大部分。人臉檢測通過訓(xùn)練，可以從一個很大的特征集當(dāng)中提取出很小的一部分特征作為關(guān)鍵特征，進(jìn)而產(chǎn)生一個極其有效的分類器。在以后的人臉檢測當(dāng)中就使用這個分類器將人臉與其他背景區(qū)分開來，最終確定人臉的大小和位置。

a.尋找使得權(quán)重為的錯誤最小的分類器.

b.求，這兒，如果最小錯誤滿足，則繼續(xù)；否則退出。

c.設(shè)置的權(quán)重這里的是

步驟2b中的最小錯誤。

d.更新數(shù)據(jù)點(diǎn)權(quán)重：這里的將所有數(shù)據(jù)點(diǎn)權(quán)重歸一化。

如果在2b步驟找不到小于50%錯誤

率的分類器，則停止，表面可能需要更好的特征。

訓(xùn)練算法結(jié)束之后，最后的強(qiáng)分類器接受輸入向量 x，使用所有的弱分類器的加權(quán)來進(jìn)行分類。

這里符號函數(shù)將所有的正數(shù)變?yōu)?，所有的負(fù)數(shù)變?yōu)?1。

通過該算法我們構(gòu)建了一個高檢測率低拒絕率的多層樹分類器，具有如下創(chuàng)新特征：

它使用類Haar輸入特征：對矩形圖像區(qū)域的和或者差進(jìn)行閾值化。

它的積分圖像加速了矩形圖像區(qū)域45度旋轉(zhuǎn)值的計算。

使用統(tǒng)計來創(chuàng)建兩類問題（人臉與非人臉）的分類器節(jié)點(diǎn)（高通過率、低拒絕率）。

將弱分類器節(jié)點(diǎn)組成篩選式級聯(lián)。也就是說：第一組分類器最為簡單，能夠通過包含物體的圖像區(qū)域，同時允許一些不包含物體的圖像通過；第二組分類器為次優(yōu)分類器，也有較低的拒絕率；以此類推。在測試模式下，只要圖像區(qū)域通過了整個級聯(lián)器，就認(rèn)為里面有物體。如圖2所示。

3 人臉檢測的實(shí)現(xiàn)

4 結(jié)語

經(jīng)過實(shí)驗(yàn)驗(yàn)證，本文所闡述的方法能夠有效的進(jìn)行人臉檢測。但同時也會因?yàn)楣庹?，人臉方向轉(zhuǎn)變而發(fā)生一些誤判，對此，還需要對應(yīng)不同的情況進(jìn)行特殊的預(yù)處理來保持檢測的準(zhǔn)確性。

參考文獻(xiàn)

[1]，林學(xué)訚.數(shù)字圖像處理.北京：電子工業(yè)出版社.2011.

篇（8）

中圖分類號：TQ533 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2014）01（a）-0005-02

在我國的電力供應(yīng)中，有很大一部分來自火力發(fā)電?；鹆Πl(fā)電對煤炭資源的需求最大，因此提高煤的燃燒效率變得十分重要。煤的燃燒特征是煤的顆粒越小，越容易燃燒殆盡，而且在其燃燒過程中所產(chǎn)生的硫化氣體等污染物也會相對較少。所以通過一種有效的辦法對煤堆進(jìn)行顆粒粒度識別具有重要意義。顆粒物識別檢測通常采用的方法為篩析法、重量沉降法、激光散射分析等，這些方法中存在人為操作量大，重復(fù)性不好，且不能給出顆粒的相關(guān)參數(shù)特性等缺點(diǎn)[1]。該文運(yùn)用數(shù)字圖像處理技術(shù)對煤顆粒進(jìn)行處理分析，可避免上述方法的不足，提升測量速度節(jié)省時間，增強(qiáng)測量準(zhǔn)度和精度。并提出結(jié)合分形理論，對煤堆顆粒作分形分析。圖像處理方法作為對煤堆特性分析方法可利用軟件得到相關(guān)的煤堆顆粒粒度參數(shù)、進(jìn)而可以選擇相應(yīng)適合的條件對煤堆進(jìn)行顆粒過濾，從而滿足工業(yè)要求。

1 圖像處理技術(shù)

1.1 數(shù)字圖象處理的特點(diǎn)

隨著計算機(jī)科學(xué)的發(fā)展與工控程度的提高，圖像處理技術(shù)被越來越廣泛的運(yùn)用。在顆粒檢測識別領(lǐng)域，圖像處理技術(shù)有著得天獨(dú)厚的優(yōu)勢。它減少了單純的人工操作量，降低了測量過程中的粗糙性。提供了對復(fù)雜細(xì)微顆粒處理的可行性，加快了分析處理速度并且可以直接或間接的獲取人們所需要的信息。實(shí)現(xiàn)過程的實(shí)時監(jiān)測和控制。

1.2 煤堆顆粒的圖像識別系統(tǒng)框架

圖像識別系統(tǒng)主要包括圖像采集和圖像處理兩部分。圖像采集主要由圖像傳感器來完成，圖像處理主要由計算機(jī)和相應(yīng)的系統(tǒng)軟件來完成。框架如圖1。

在煤堆里取樣，用粉碎機(jī)磨制好煤粒粗樣后得到煤的顆粒樣本如圖2。然后通過CCD圖像傳感器采集到圖像，進(jìn)行數(shù)字化處理后存入計算機(jī)，獲取煤粒原始圖像。再利用軟件對數(shù)字圖像進(jìn)行相應(yīng)處理得到相關(guān)圖像參數(shù)，最后根據(jù)所得參數(shù)數(shù)據(jù)分析得出煤粒特性結(jié)論。

這里選用CCD傳感器來獲取數(shù)字圖像如圖3所示。CCD圖像傳感器是一種特殊的半導(dǎo)體材料又名電荷耦合器[2]。它由大量按矩陣排列的獨(dú)立光敏元件構(gòu)成?？芍苯訉⒐庑盘栟D(zhuǎn)換為電信號，然后電信號經(jīng)放大和模數(shù)轉(zhuǎn)換后，實(shí)現(xiàn)圖像的獲取、存儲、傳輸、處理和復(fù)現(xiàn)等操作。由CCD攝像設(shè)備采集的光學(xué)圖像轉(zhuǎn)成模擬信號經(jīng)圖像模數(shù)轉(zhuǎn)換器進(jìn)行數(shù)字化后，得到數(shù)字圖像交由計算機(jī)處理。它最顯著的優(yōu)點(diǎn)是噪聲低、響應(yīng)速度快、像素分辨率高等。

1.3 煤堆顆粒圖像的數(shù)字化處理

在計算機(jī)中利用軟件對原始顆粒圖像（圖4）進(jìn)行預(yù)處理。對于一張圖像來說，往往需要提取目標(biāo)物，所以先作灰度變換減少圖像噪聲，保證圖像質(zhì)量。每一副圖像相當(dāng)于一個矩陣，矩陣的行和定圖像中的每一個點(diǎn)，矩陣中的元素值對應(yīng)該點(diǎn)的灰度級。圖像矩陣中的每個元素就是像素。顆粒本體灰度值與背景圖層灰度值較為均勻，進(jìn)行灰度變化后效果較好，灰度圖有無明顯的雙峰?；叶茸儞Q不足以達(dá)到最終效果，需要對圖像作二值化處理。手動改變圖像閾值，顆粒圖像二值化效果發(fā)生改變，當(dāng)觀測圖像變化效果最為理想時停止改變，確定一個最佳的門限閾值。二值化處理后顆粒如圖5。另外也可以選擇自適應(yīng)閾值分割，但是無法同步觀察變化過程，且計算量相對較大耗時長，無法達(dá)到背景圖層與顆粒本體二值化圖像最佳效果。

2 煤堆顆粒特性分析

2.1 顆粒的形態(tài)描述

從顆粒的形態(tài)學(xué)切入，分析顆粒粒度及形狀。粒度是顆粒在空間范圍所占大小的線性尺度。通常表面光滑的球體顆粒的粒度用直徑表示，立方體顆粒的粒度用邊長表示。對不規(guī)則的礦物顆粒，可將與礦物顆粒有相同行為的某一球體直徑作為該顆粒的等效直徑。對許多取向混亂的顆粒按一定方向測量平均線度的統(tǒng)計作為當(dāng)量徑。由于獲取的是顆粒投影圖像，則可按二維投影規(guī)則對煤粒度進(jìn)行定義[3]。

2.2 煤堆顆粒粒度相關(guān)參數(shù)

顆粒面積的計算，通過對圖像像素點(diǎn)的統(tǒng)計得到。統(tǒng)計獲得顆粒像素的個數(shù)后，還需要用一個標(biāo)準(zhǔn)單位來標(biāo)定。通過比例換算得到目標(biāo)顆粒實(shí)際面積大小。采用逐行掃描的方式對圖像中每一個顆粒進(jìn)行標(biāo)號確定單個顆粒參數(shù)。這樣每一個目標(biāo)顆粒的參數(shù)都有一個歸屬，不容易產(chǎn)生混亂。

顆粒周長的計算可以通過對二值圖像中目標(biāo)物的邊緣像素計算獲得。依然可以采用順序逐行掃描的方式對圖像進(jìn)行掃描。對圖像邊緣像素跟蹤累加，統(tǒng)計像素個數(shù)可得周長。因此顆粒的當(dāng)量直徑可以根據(jù)顆粒粒度定義由面積和周長求得。此外還可以利用計算機(jī)圖像系統(tǒng)對顆粒進(jìn)行自定義多方向掃描，獲取每一個方向上的粒徑值再進(jìn)行平均。用該平均值對粒徑大小作粗估計值，這里并沒有對此種方法加以詳細(xì)證明。

這樣就可以根據(jù)不同粒徑的顆粒物在顆粒總體中所含的百分比來確定粒度分布。此外還可以根據(jù)顆粒粒度來進(jìn)行顆粒分級，明確顆粒的層次關(guān)系。

3 煤堆顆粒與分形理論

3.1 分形理論的定義

分形理論是時下非常流行的新理論。分形理論的最基本特點(diǎn)是用分形分維的數(shù)學(xué)工具來描述研究客觀事物。它跳出了一維的線、二維的面、三維的立體乃至四維時空的傳統(tǒng)藩籬[4]，更加接近客觀事物和復(fù)雜系統(tǒng)的真實(shí)屬性。

3.2 顆粒粒度的分形分析

在顆粒的形態(tài)特征中，主要討論了分形分維的方法。把分形維數(shù)作為顆粒形態(tài)描述的一個重要角度。分形維數(shù)在一定程度上體現(xiàn)了顆粒的某些化學(xué)物理特性。實(shí)際測定分維的辦法有很多，如根據(jù)尺度、測度關(guān)系、相關(guān)函數(shù)等。針對顆粒的不同特征可以建立不同的分形模型。對于無規(guī)顆粒具有如下分形特征式：

。

①根據(jù)邊緣進(jìn)行分形分析，顆粒的無歸邊緣曲線可利用盒維數(shù)[5]計算得分形維數(shù)。與邊緣線相交的正方形個數(shù)記為盒子數(shù)N（如圖6盒子數(shù)為16），盒子大小為k*k，k即盒子的邊長。存在推導(dǎo)關(guān)系式：-；D記為分形維數(shù)，B為常數(shù)。通過推導(dǎo)關(guān)系計算擬合數(shù)據(jù)可得到分形維數(shù)D。在對k取值時，k值越小所能取到的盒子數(shù)也越多，邊緣分形結(jié)果越精確。理論上顆粒邊緣復(fù)雜程度越大，分形維數(shù)值越大。邊緣分形維數(shù)體現(xiàn)顆粒的輪廓曲線特點(diǎn)。這里取了4個不同顆粒樣本進(jìn)行了圖像處理后，經(jīng)過計算分別得出4個樣本的分形維數(shù)，進(jìn)行比較。

從表1中可以看出顆粒邊緣分形維數(shù)變化不是特別明顯，原因可能與所取的盒子邊長k有關(guān)。還需要結(jié)合其他形狀參數(shù)來進(jìn)行特征描述。說明僅僅利用顆粒邊緣分形分維作為煤粉顆粒特性標(biāo)準(zhǔn)描述有待改進(jìn)。

②根據(jù)顆粒粒徑分形有關(guān)系式：-。是粒徑分布分形維數(shù)，R是粒徑大小，為粒徑大于R的顆粒數(shù)。同樣可以通過擬合數(shù)據(jù)計算得到顆粒粒徑分布分形維數(shù)。在選取了3組顆粒圖像進(jìn)行了顆粒粒徑分布分形維數(shù)計算后得到相關(guān)參數(shù)如表2。

從表2來看，粒徑分布分形很大程度上與顆粒數(shù)目有關(guān)。分形維數(shù)是根據(jù)統(tǒng)計粒徑R以及對應(yīng)的顆粒數(shù)目N進(jìn)行擬合后得到的直線斜率。盡可能的選取較多的顆粒圖進(jìn)行計算，分形維數(shù)越準(zhǔn)確粒徑分布分形偏差越小。顆粒粒徑與分布分形維數(shù)呈負(fù)相關(guān)關(guān)系，粒徑越小分布分形維數(shù)越大，粒徑分布隨粒徑減小呈現(xiàn)的分形特征越明顯，反映煤堆顆粒粒徑分布越復(fù)雜。

5 結(jié)語

對于煤堆顆粒的識別，采用數(shù)字圖象處理技術(shù)能夠提高識別檢測的速度，同時還可以減小大量人為干預(yù)造成的誤差，避免檢測重復(fù)性低等缺點(diǎn)。對于煤炭行業(yè)提高燃煤利用率和降低污染有著重要的意義。本文主要通過圖像灰度變換、圖像分割等方法對煤粒圖像做處理。同時結(jié)合分形理論進(jìn)行分析，得到煤堆顆粒粒徑分布分形等參數(shù)，說明了顆粒分形的可行性并對煤的顆粒分形特征進(jìn)行描述。但是在粒度形態(tài)識別中只是對二維投影圖顆粒粒徑做了說明，還可以從形狀因子等參數(shù)考慮，綜合描述顆粒特征。對顆粒分布分形也不完善，需要做進(jìn)一步研究。此外，如何更好的提取顆粒的邊緣輪廓，找到顆粒新的參考特性以及分形與工業(yè)分析之間的關(guān)系是下一步探討的方向。

參考文獻(xiàn)

[1] 苗春衛(wèi)，李玉祥，王克家，等.基于數(shù)字圖像處理的煤粉顆粒檢測[J].應(yīng)用科技，2003（2）：1-3.

[2] 青.基于分形理論的大氣懸浮顆粒物圖像識別[D].武漢：武漢理工大學(xué)，2006.

篇（9）

1 引言

近年來，人們提出了許多方法用于檢測和跟蹤序列圖像中的運(yùn)動目標(biāo)，但是由于受到計算機(jī)速度和算法復(fù)雜度的限制，使得在檢測和跟蹤運(yùn)動目標(biāo)的實(shí)時性和魯棒性方面總是不太理想。同時在設(shè)備不斷小型化、集成化、網(wǎng)絡(luò)化的今天，F(xiàn)PGA由于其可編程的特點(diǎn)成為嵌入式開發(fā)的最佳平臺。因此，本設(shè)計核心模塊為Altera公司的Cyclone系列FPGA EP4CGX150DF3117N核心處理器，以提高系統(tǒng)的整體的性能。[1]

2 系統(tǒng)工作流程和原理

系統(tǒng)主要由一體化攝像機(jī)、高速數(shù)字云臺、視頻解碼器SAA7113H、圖像存儲器SRAM，F(xiàn)PGA控制器、以太網(wǎng)模塊、監(jiān)視器、報警模塊等部分構(gòu)成。

該跟蹤系統(tǒng)的工作過程為：系統(tǒng)開機(jī)后FPGA加載程序，然后根據(jù)算法對采集到的圖像進(jìn)行處理，獲得控制云臺的參數(shù)并傳遞給云臺控制器，從而跟蹤目標(biāo)運(yùn)動。具體實(shí)現(xiàn)過程：攝像頭安裝在跟蹤轉(zhuǎn)臺上，攝像頭輸出的電視制式的信號（含有圖像和同步、行場消隱信號）一路送到監(jiān)視器上進(jìn)行實(shí)時監(jiān)視，另一路經(jīng)過視頻預(yù)處理，經(jīng)過SAA7113變換后送入圖像處理單元FPGA進(jìn)行圖像處理，圖像處理單元首先形成一個檢測（波門）窗口，然后在窗口中檢測、識別、提取出目標(biāo)圖像信號，確定出目標(biāo)在當(dāng)前幀觀測圖像中的精確坐標(biāo)，經(jīng)計算得到相對于攝像頭瞄準(zhǔn)線的偏差量，送至伺服機(jī)構(gòu)，云臺輸出控制信號控制步進(jìn)電機(jī)轉(zhuǎn)動，帶動云臺上的攝像頭轉(zhuǎn)動，使目標(biāo)始終處于視場中心，從而達(dá)到跟蹤的目的[2]。通過以太網(wǎng)上傳目標(biāo)坐標(biāo)數(shù)據(jù)，用于進(jìn)一步分析。

3 裝置硬件的具體實(shí)現(xiàn)

本裝置對核心處理器、視頻解碼芯片，以太網(wǎng)模塊等器件的選擇關(guān)系到整個裝置的性能和價格，即選擇性能價格比高且能滿足設(shè)計需要的器件。

3.1核心處理器選擇

處理器需要根據(jù)算法及實(shí)際被測目標(biāo)對處理能力的要求來選擇。目前的處理器主要有單片機(jī)、ARM、DSP、FPGA等等。本裝置核心模塊主要是Altera公司的Cyclone系列FPGA EP4CGX150DF3117N，該芯片有149760個邏輯單元，RAM 635520 bit， 8個鎖相環(huán)，用戶I/O 508個，芯片具有很高的性價比，還支持SOPC ，從而完成各模塊功能，并協(xié)調(diào)整個系統(tǒng)工做。芯片功能很強(qiáng)大，為以后系統(tǒng)升級，算法改進(jìn)，數(shù)據(jù)量增大提供很大空間。

3.2 視頻解碼芯片SAA7113 和以太網(wǎng)W5100配置

為了使視頻解碼芯片SAA7113H可以按照預(yù)想的方式工作，需要對其進(jìn)行初始化，視頻解碼芯片為I2C串行總線，在上電后首先修改SAA7113H的內(nèi)部寄存器的數(shù)值，進(jìn)行正確初始化[3]。

W5100是一款多功能的單片網(wǎng)絡(luò)接口芯片，內(nèi)部集成10/100以太網(wǎng)控制器，內(nèi)部集成為全硬件形式，且具有經(jīng)過多年市場驗(yàn)證的TCP/ IP協(xié)議棧，太網(wǎng)介質(zhì)傳輸層MAC和物理層PHY 硬件，TCP/IP等協(xié)議已經(jīng)在很多領(lǐng)域經(jīng)過多年驗(yàn)證[4]～[5]。

W5100內(nèi)部集成有16KB的存儲器用于數(shù)據(jù)傳輸，使用W5100不需要考慮以太網(wǎng)的控制，只要進(jìn)行簡單的端口SOCKET編程。此外，其接口非常簡單，可選擇SPI接口。

對上述兩個模塊的設(shè)計采用SOPC方法，SOPC是一種用于嵌入式開發(fā)的片上可編程系統(tǒng)，設(shè)計靈活，可剪裁，可升級軟硬件在系統(tǒng)可編程的功能，運(yùn)用FPGA 的NIOS II 對 I2C，對SPI口配置過程為：運(yùn)行QUARTUS II 軟件中的SOPC BUILDER 添加I2C，SPI 模塊，從而構(gòu)成功能強(qiáng)大的32位NIOS嵌入式系統(tǒng)。

4 目標(biāo)的跟蹤定位

確定目標(biāo)位置的方法分兩類，即波門跟蹤和相關(guān)跟蹤算法。本文采用形心跟蹤算法，該算法對跟蹤窗內(nèi)的數(shù)字圖像處理得到一閾值，再從跟蹤窗內(nèi)的數(shù)字圖像中分割出目標(biāo)像元，然后根據(jù)分割出的全體目標(biāo)像元位置數(shù)據(jù)和目標(biāo)像元的點(diǎn)數(shù)，計算出目標(biāo)的形心，目標(biāo)的形心相對于視場中心的位置數(shù)據(jù)則作為目標(biāo)偏差數(shù)據(jù)[6]。

5 結(jié)論

本文介紹了一種移動目標(biāo)跟蹤裝置。該裝置是以ALTERA公司的FPGA芯片EP4CGX150DF3117N為核心處理器。通過以太網(wǎng)上傳的跟蹤信息來看，看該系統(tǒng)取得了較好的跟蹤效果，實(shí)驗(yàn)結(jié)果證明該裝置能夠很好的適應(yīng)目標(biāo)檢測和跟蹤算法，該裝置對運(yùn)動目標(biāo)監(jiān)視和跟蹤產(chǎn)品有一定的參考意義。

參考文獻(xiàn)

[1]楊宜禾，周維真.成像跟蹤技術(shù)導(dǎo)論[M].西安電子科技大學(xué)出版社，1992.

[2]王栓，艾海舟，何克忠.基于差分圖像的多運(yùn)動目標(biāo)檢測與跟蹤[J].中國圖形圖像學(xué)報，1994（6）.

[3]郝迎吉，劉青，徐凌志.基于EPP和FPGA的CMOS圖像傳感器的數(shù)據(jù)采集[J].電子設(shè)計應(yīng)用，2002（01）.

[4]黃釘勁，阮照軍，王剛，郭小莉.基于FPGA的圖像采集與遠(yuǎn)程傳輸系統(tǒng)設(shè)計[J].西安工業(yè)大學(xué)學(xué)報，2008.

[5]放璐，楊天怡，牟萬軍.數(shù)字圖像遠(yuǎn)程監(jiān)控系統(tǒng)的組網(wǎng)方式[J].電子產(chǎn)品世界，2002（21）.

篇（10）

[2]/swt/[OL]

[3]Steve Northover,Mike Wilson.SWT:The Standard Widget Toolkit,Volume 1[M].Pearson,2004,7:2

[4]Rob Warner.The Definitive Guide to SWT and JFACE[M].Pearson,2006

[5]戴歆.Java Swing程序開發(fā)[J].軟件導(dǎo)刊,2007,17

[6]爭雄,劉特,童C.利用Java Swing輕量級組件開發(fā)的網(wǎng)絡(luò)流量賬務(wù)系統(tǒng)[J].計算機(jī)工程,2002,12

[7]鐘聲,趙榮彩.JAVA語言中的本地方法[J].計算機(jī)應(yīng)用,2000,2