前言:中文期刊网精心挑选了图像处理技术论文范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。
图像处理技术论文范文1
网页中的图像,按照存储格式不同可以分为矢量图和位图,按照使用用途的不同,大致可以分为地址栏图像,网站Logo,网页内容图像等。地址栏图像类似一个图标,显示在地址栏网址前边,一般经过精心设计,能够传递公司专业与精细的形象。内容图像是指嵌在网页中或者作为网页背景的图像。伴随网络技术和软件技术的进步,用于图像处理设计的软件有了很大的发展。网页三剑客中的Dreamweaver在进行网页设计的同时,可以对一些图片进行简单的变化处理,fireworks能满足对网页图片处理的大部分功能要求。对于一些有特殊要求的图像,可以使用Adobe公司的Photoshop软件进行处理;在进行Logo等设计时,一般使用CorelDraw或Illustrator等软件来完成。在进行图像的设计、选择和处理中,掌握专业软件的基本使用技巧是必需的,图像在网页设计中的功能主要可以分为视觉吸引、信息引导两方面。要达到这样的目的,需要对图像进行合理的处理。使用动画图片,以及适当的色彩对比,形成版式的变化,吸引浏览者的注意,引导其对网站内容的阅读。根据公司对网站的功能定位,其所承载的任务与指向有所不同,对浏览者所作设定亦有差异。比如腾讯公司的腾讯网()和腾讯(),一个作为门户内容网站,一个作为公司形象网站是两个独立的网站,设计风格,内容和要求差异很大。
2新技术
网络作为第四媒体,其显示终端可能是计算机,平板,电视或智能手机,为了页面兼容等原因,前端设计出现了很多新技术,如div+css技术,Javascript技术等,为了方便管理,一般采用对象的结构、表现和行为分开。结构是对象的内容,表现是其外观,而行为是与浏览者的交互,或者说是浏览者进行鼠标点击或输入内容等操作时,页面的反应。在进行网页设计过程中,图像对象也是如此,利用代码可以对图像进行一些效果的处理,起到资源占用少,页面维护容易等目的,还可以达到一些用基本图像处理技术不易实现的效果。用div+css结合Javascript技术可以实现在网页前端一些设计效果和逻辑处理功能,比如图像轮播和验证码校验功能。在一个存在后台管理的网站中,网页的很多内容来自于后台数据库,一些图片也不例外,内容需要和后台交互,根据数据库的内容和页面的特定逻辑,决定图像的外观。这是基本图像处理技术无法实现的,需要设计者了解动态页面设计技术,常见的技术有,php和jsp技术等。
3结论
图像处理技术论文范文2
关键词:数字图像处理;教学改革;课程建设;研究性教学
作者简介:宁纪锋(1975-),男,陕西韩城人,西北农林科技大学信息工程学院,副教授。(陕西 杨凌 712100)
基金项目:本文系西北农林科技大学教学改革研究项目(项目编号:JY1102077)、西北农林科技大学本科优质课程建设项目的研究成果。
中图分类号:G642.0 文献标识码:A 文章编号:1007-0079(2013)34-0122-02
“数字图像处理”是西北农林科技大学(以下简称“我校”)信息工程学院为计算机科学与技术、软件工程、信息与计算科学等多个理工科专业所开设的一门专业必修课。该课程涵盖数学、物理、信号处理、心理学、计算机科学等多个领域的知识,与本科阶段的高等数学、线性代数、概率论、面向对象编程、数据结构、算法分析等多门课程密切相关,对后续的特征提取和图像理解等高级计算机视觉处理课程具有重要的基础作用。同时,它在“模式识别”、“人工智能”和“机器学习”等专业课程体系中起着重要的作用。[1-3]
一、课程改革的必要性
由于图像处理理论性强,内容抽象,算法较多,涉及的理论和方法既包含时域(空域)、变换域(频域为主)、数学形态学、地理学(如分水岭算法),还涉及到模式识别理论的一些知识,学生理解起来有一定难度,在解决实际问题时,面临着无从下手的困难。同时,图像处理技术应用较为广泛,随着数字成像设备的广泛使用和智能手机的普及,社会对图像处理人才的需求也日益增加,这些都对课程教学提出了更高的要求。在教学过程中发现“数字图像处理”的传统教学模式中,在课程定位、教学模式和教学内容上存在一些问题。
1.课程定位不明确
“数字图像处理”在本科教学过程中有着两种比较冲突的定位,导致课程教学过程存在两种倾向。一是不顾本科学生实际情况向研究生课程看齐,将重点放在数字图像处理理论内容。但这些内容与实际应用联系并不紧密,忽视它的应用性和实践性强的特点,从而导致理论与实践脱节,造成学生在编程能力上的欠缺。二是过分强调应用技能,把数字图像处理等同于讲授Photoshop等应用软件的使用,或以讲授MATLAB和Open CV图像处理函数为主,不重视原理和算法,忽略了对本科生科学素质和研究能力的培养。
2.传统教学模式与授课对象差异性的矛盾
“数字图像处理”通常要求先研修“高等数学”、“线性代数”、“概率论与数理统计”和“数字信号处理”等课程,但是一些本科专业并没有完整开设这些课程。例如,我校计算机科学与技术专业学习“数字信号处理”课程,但软件工程和信息与计算科学专业未开设该类课程。此外,在实验环节中,教师根据教学大纲设置的实验内容通常比较固定,而未考虑学生专业和背景知识的差异、统一的实验环境模式,使得有的专业学生因为知识储备不足,学习起来有一定困难;而有的专业学生则感觉学习内容简单、缺乏挑战性,使得教师讲授时在调动学生积极性、提高学生实践能力方面难以协调。
3.教材与学科发展不一致
数字图像处理内容涉及到矩阵运算、信号处理、概率论与数理统计等多个内容交叉学科,与新兴学科的发展密切相关。当前,在人工智能、模式识别和机器学习等新兴学科的推动下,数字图像处理技术发展越来越快。传统的教材或过于偏重推导理论,与应用实践偏离,或成为图像处理软件或函数(如 Photoshop、MATLAB或Open CV)的使用说明书,使得学生难以深入学习图像处理知识,影响对该门课程的掌握。
二、课程改革方法
根据授课专业对象的实际情况,在教学内容、教学方法、完善实验教学和考核等方面对该门课程进行一系列改革,充分利用图像处理实践性强的特点,依托我校在数字图像处理方面长期积累的理论和研究资源,将理论方法与实践应用有机结合,构建了全面系统的数字图像处理教学体系。多年教学效果表明,该教学模式有效克服传统数字图像处理教学存在的局限,极大增强了学生的学习兴趣,提高了学生的动手能力和创新素养。
1.完善课程内容体系,适应图像处理发展
数字图像处理是一门发展中的课程,每年都有许多新的研究理论和方法不断涌现,需对课程不断进行完善,以适应图像处理学科的发展。在保持图像处理课程核心内容的基础上,注重将最近的该学科具有代表性的成果纳入教学。精简和更新一些陈旧的和目前图像处理实际中很少使用的一些方法。其次,将一些现代经典的科研论文,以补充教材的形式,作为教学内容。将一些理论性较强,对数学基础要求较高的内容,如主动轮廓分割模型和目标跟踪方法等作为选学内容,供有兴趣的学生学习。
考虑到OpenCV和MATLAB的广泛使用,图像文件的读写已非常简单,因此,减少对图像文件格式的讲解;在图像分割与边缘检测中,删掉投影法与差影法内容,因为该方面内容在实际中已很少使用;在频域处理中,淡化对傅里叶变换理论和算法的讲解,重点放在其思想和应用上。
2.应用全方位教学手段,构建立体化教学资源
针对“数字图像处理”课程理论性和实践性较强、可视化程度较高的特点,综合利用图像、视频信息、可视化编程软件和网络资源等现代化教育技术,从课堂、实验、应用实践等诸多环节探索立体化教学资源。结合不同专业需求,运用MATLAB、Open CV等软件工具包开发图像处理实验平台,建立网络化辅助教学系统,使抽象概念和算法形象化,激发学生思维。例如,建立图像处理标准测试库,包括了图像去噪、图像分割、图像变换和特征提取与识别等核心内容涉及到的测试数据;在参考教材方面,提供了国内外知名大学出版的数字图像处理和计算机视觉教材及计算机视域的专著;在多媒体课件方面,提供多年从国内外知名大学网站上搜集到多个数字图像处理和计算机视觉的电子课件,供学生学习;在代码方面,提供了数字图像处理方面的经典和最新的一些科研成果的源代码或可执行软件,学生自己运行代码并分析实验结果,加深对图像处理课程的认识。
3.以学生发展为本,建立多元化的考核评价标准
在传统方式下,教师常以期末考试和出勤率来评价学习效果,忽略了对学生参与学习活动和学习过程的评价。大部分学生往往在考试前突击学习,没有真正掌握扎实的知识。因此,本教学改革以过程控制为中心,以能力提高为目标,对考核方式进行改革,实行常规考核与过程性考核相结合的方式,准确把握学生的真实成绩,全面衡量和控制教学质量,既要考学生的基本理论,更要考他们运用知识和方法设计图像处理方案、完成图像处理实际任务的能力。在授课过程中,注重课堂考察环节,加强师生交互,动态掌握学生对授课内容的理解。开展专题讨论课程,让学生大胆提问,锻炼学生创新思维能力,对表现突出的学生增加平时分。
4.开展研究性课堂教学探索
在教学改革中,精选了若干图像处理经典和前沿专题讨论,包括论文、程序源代码和辅助材料。在课程一开始就布置任务给学生课下自学,并安排学生上台讲授,其他学生提问,教师给予点评,并组织学生一起讨论,加深对图像处理课程的认识,培养学生综合运用知识的能力,提高创新素养。
例如,在图像分割专题讨论中,以经典Mean Shift分割为主要内容,Graph Cut和交互式分割两个方向作为补充内容,开展专题讨论。因为这些广泛使用的算法涉及到高等数学、线性代数、概率论、数据结构和算法设计等多门所学课程。通过自学、上课讨论和教师点评,学生对以前所学基础和专业知识有了更深层次的理解。同时,这些算法都面向彩色图像,克服了教材中以灰度图像为主要分割对象的不足。
5.开展研究性实践教学
传统“数字图像处理”课程实践教学强调基本算法的实现,未强调算法之间的逻辑联系,忽略了数字图像处理基本算法的综合训练。在改革中,保留图像处理基本核心算法,将科研项目融入教学实践中,通过设计研究性综合实践项目,注重学生对所学知识的综合理解和提升。例如,“图像去雾”综合训练实践,以如何有效果去除图像中的雾增强图像质量为目标。该任务以2009年国际计算机视觉和模式识别会议(CVPR)的最佳论文《基于暗通道通先验的单幅图像去雾》[4]为主要内容,涉及到图像处理的多个基本算法,同时也包含了物理学和光学的一些知识。通过将新的实践教学手段应用到教学中,突出对学生思维能力、科研能力和创新能力的培养。
三、结论
通过分析数字图像处理目前存在的课程定位模糊、传统的教学模式与授课对象差异性的矛盾和教材内容与学科发展脱节等问题,笔者根据学科专业特点,结合授课教师的科研项目,从完善课程内容体系、构建立体化教学资源、多元化考核评价标准和开展研究性教学探索等五个方面进行开展数字图像处理教学改革。多年教学效果表明,该教学方法克服传统教学方法所存在的弊端,极大地提高了学生的自主学习能力。学生较好地掌握数字图像处理的核心内容,了解当代图像处理的代表性成果和前沿趋势,综合应用能力和创新素养明显增强,为培养具有较强适应能力的应用型和创新型人才打下坚实的基础,适应了新世纪对信息技术人才的培养要求。
参考文献:
[1]何东健.数字图像处理[M].西安:西安电子科技大学出版社,2008.
[2]杜云明,郝兵,刘文科.“数字图像处理”课程任务驱动教学模式的实践[J].中国电力教育,2013,(10):113-114.
图像处理技术论文范文3
(1. 武警工程大学 信息工程系,陕西 西安 710086;2. 武警工程大学 电子技术系,陕西 西安 710086)
摘 要:针对数字图像处理课程基础理论抽象、实用性强的特点,分析和探讨该课程教学中存在的若干问题及原因,从师资力量建设、课程标准制定、教学方法与设计、考核方法4个方面阐述数字图像处理课程的教学优化改革方案。
关键词 :数字图像处理;教学优化改革;师资力量;课程标准
基金项目:全军学位与研究生教育研讨会研究课题“军队院校研究生教育中的导师与研究生关系研究”(YJZX14C14)。
第一作者简介:孔韦韦,男,讲师,研究方向为图像处理,kwwking@163.com。
0 引 言
数字图像处理[1-2]是信息处理领域的重要分支,通过该课程我们可以完成图像的几何变换、算术处理、图像增强、图像复原、图像重建、图像编码、模式识别、图像理解等多个方面的工作。目前,随着计算机软硬件处理能力的不断提升,数字图像处理技术已被广泛应用于医学检测、反恐处突、弹道导弹精确制导等多个军(民)用领域。由于该门课程的特殊地位和广泛应用,国内外几乎所有信息类专业都开设了该课程,许多专家、学者也针对课程的教学方式提出了自己的观点[3-8]。
军队院校作为高等院校中的一类特殊群体,无论在课程设置还是人才培养需求上均与地方高等院校有很大的不同。军队院校自身的特殊属性要求培养出的人才不仅要有扎实的理论基础和科研能力,还能运用这些知识对作战以及日常训练中出现的问题加以解决,因此,军队院校对人才的理论与实践结合能力提出了更高也更为严格的要求。
武警部队负责维护国家安全和社会稳定,有效打击国内外各种恐怖势力,保障人民安居乐业。当前,世界各国都将“反恐”作为维护国家稳定和保卫人民生命财产安全的一项重要任务。反恐图像目标的识别和监视能力更体现了一个国家的反恐技术力量和能力水平,其关键在于反恐图像目标的识别。因此,有效地将数字图像处理技术应用于反恐处突领域,不仅有助于提升针对恐怖势力的打击力度,还可以有效减少伤亡,最大限度地保障国家和人民的生命财产安全。
1 数字图像处理课程的特点
数字图像处理课程主要有以下几个特点:①理论基础要求高,涉及高等数学、信号与信息系统、信息论、计算机编码等多个领域的知识;②数字图像处理课程覆盖的内容广泛,知识点繁杂零碎;③新兴理论的不断出现要求广大学者能够敏锐把握数字图像处理技术的发展前沿;④数字图像处理技术的应用领域不断拓展,处理方法也更为复杂。
2 军队院校数字图像处理课程教学中存在的问题
2.1 课程设置不灵活
相比地方高等院校,军队院校的课程设置自由度十分受限,具体体现为课程的教学内容、学时安排、课堂组织形式甚至是开课时间均有严格的规定和限制,不能根据学生理论基础和学习能力的实际情况做自适应的调整。
尽管研究生有自己的导师和研究方向,且很多研究生日后学位论文的研究方向可能与数字图像处理领域并无关联,然而,由于许多信息类专业院校的研究生培养方案均严格限定该课程为学位必修课,导致一些研究生为了学分和学位只得选择一门与自己研究领域完全无关的课程,无形中造成了教学资源的浪费。
2.2 课时少内容多
数字图像处理课程是国内外几乎所有信息类专业的必修课。地方高等院校通常会开设50个学时,而军队院校大多只开设40学时,有的学校甚至只将其作为学位选修课开设20学时。众所周知,该课程涉及的教学内容非常繁杂且对相关课程的理论基础提出了较高要求,这类课程即使安排50学时也很难将重点内容讲授完毕,军队院校课程课时不足无疑对该课程的教学质量造成重大影响。
2.3 教学形式单一
军队院校的特殊属性在一定程度上约束了课堂多种教学形式的存在与发展,传统的教师主体式教学法是主流。这种过于单一和机械的教学形式将对研究生的学习积极性造成不利影响。另外,军队中上下等级关系往往扼杀了研究生质疑教师的勇气和可能,使研究生不敢对教师的见解有所质疑,不敢擅自踏入教师未首肯的领域中积极主动地发现问题、分析问题和解决问题,导致研究生的学习完全处于被动境地。
3 教学优化改革
3.1 师资力量建设
数字图像处理课程专业性强、理论难度大,涉及的基础学科门类较多,因此,在条件允许的情况下应尽可能安排科研方向或理论研究方向属于图像处理领域的教师担任任课老师。一方面,长期从事该领域的教师对课程的基本内容和理论了如指掌,基本功非常扎实,授课更为流畅、自然;另一方面,教材中介绍的只是图像处理领域的基础理论和经典模型,长期从事该领域研究的老师在研究过程中往往对课程中的概念及理论模型有更深刻的理解,在授课过程中必然会附带介绍本人在该领域内的研究现状和最新进展,有利于开阔研究生视野,激发学习兴趣,提高授课质量。
3.2 课程标准的制定
结合军队院校课时不足的教学实际以及人才培养类型的定位需求,我们完全有必要重新制定数字图像处理课程的教学标准,在保证理论系统性完整的基础上,侧重实践能力以及解决实际问题能力的培养和提升。具体措施如下:①教学对象精确定位,扭转以往研究生课程频频出现的“被选课”现象,切实保障“选修权”,允许研究生按照自己学位论文的研究需求选课;②由于学时有限,在制定课程标准时必须全面分析和研究教学内容,梳理与课程内容相关的知识目标、技能目标和素质目标,适当地删减一些非重点内容,重新划分各章节的学时;③数字图像处理虽然是一门理论性很强的课程,但学习的最终目的还是应用,因此,在制定课程标准时必须为研究生学员留有一定的实践操作以及课堂研讨课时;④要反映部队特色,在授课过程中重点介绍能够直接应用于部队实际的模型和方法,譬如模式识别、图像理解版块,并要求研究生动手实践;⑤紧跟发展前沿,保持知识的先进性,充分利用网络资源,以完善的学习资料、丰富的课程资源、真实的实践环境作为课程的基础和支撑。
3.3 教学方法与设计
结合课程标准,我们拟将整个教学过程分解为4个阶段:①基本理论讲授;②专题讨论;③专题讲座;④实践操作。
3.3.1 基本理论讲授
教师对教学内容中的基本理论加以讲解,旨在为研究生扫清基本理论障碍。该部分的讲解并非只是对课本内容的简单复制和重申,而是在介绍基本理论的基础上,对基本概念中涉及的各层次知识点和潜在疑问加以梳理和阐释,为下一阶段的专题讨论做铺垫。该阶段以教师讲授为主体,采取案例式教学和启发式教学相结合的授课方式。
3.3.2 专题讨论
所谓专题讨论,就是基于教师先前讲授的某一个或某一类基本理论,探讨具体应用效果以及可能影响最终图像处理效果的若干因素。这一环节将彻底打破经典教学模式中的“教师主体”模式,转变为“教师确定讨论范围—研究生为讨论主体—教师最后总结”的模式。在整个过程中,教师和研究生的角色完全转换,由研究生基于自身掌握的知识充分发挥自己的想象,针对若干问题展开探讨或者辩论。譬如,教师在探讨前先介绍图像去噪理论的相关知识,包括噪声产生的原理、噪声的种类、噪声在图像中的表现、几类经典图像去噪方法等,上述部分内容讲授完毕后确定3个问题,即均值去噪和中值去噪方法的原理有何不同?各自的优缺点何在?各自在去噪过程中可能影响最终效果的因素有哪些?下一次课教师可安排专题讨论,并将研究生在讨论中的表现作为课程成绩的一项重要依据。
在该门课程课代表的组织下,研究生被分成若干小组,大家利用课余时间分别对两种去噪方法展开了深入研究,并通过Matlab软件仿真验证,记录诸如峰值信噪比PSNR等相关指标值,初步得出可能会影响最终去噪效果的若干因素;几位同学针对一些不太一致的观点展开激烈的讨论;最后,由教师进行内容总结和答疑解惑,一些研究生还对教师的某些结论提出质疑。
专题讨论完毕后,教师和研究生普遍感觉以往枯燥又不合时宜的教学方法得到了彻底改变,研究生内心的求知热情得到了极大的激发。此外,整个专题讨论过程也锻炼了他们的逻辑思维,为了说服“对手”,他们必须要找到支撑自己观点的科学依据,包括权威论坛上的答疑解惑以及仿真软件仿真出来的实际结果等。有了这些证据后,他们还要对数据进行分析研究、组织语言、理清思路,而在以往的教学模式下,研究生并不会主动花费时间查找资料,教师由于课时的关系也不可能对每一种理论都进行仿真演示。
3.3.3 专题讲座
担任数字图像处理课程任务的教师必须从事图像处理领域研究,因此,在教学过程中,适时安排1~2次专题讲座,由任课教师将自己在本领域的研究成果或是研究体会以讲座的形式向研究生进行报告。在讲座过程中,教师将从一个较高的层次,把一些新的内容介绍给研究生,同研究生一起分享图像处理领域最新的发展动态和研究成果,开拓研究生的视野,为研究生动态更新最新的前沿知识。另一方面,由于课程标准制定过程中教学对象已实现了精确定位,凡是选修数字图像处理课程的研究生日后均要从事该领域的研究,因此专题讲座的开展也在一定程度上为研究生日后的学位论文撰写提供灵感和研究方向。显然,专题讲座是课程教学强大而又有益的补充。
3.3.4 实践操作
由教师从教学内容中选取若干重难点且与部队作战(训练)密切关联的内容,交由研究生自行仿真实现,记录主客观评价指标数值,对仿真结果进行比较与分析,并得出结论;对仿真结果中的不足展开讨论,给出可能的解决方案。显然,该阶段侧重课程标准中“反映部队特色”的宗旨,要求学员学以致用,切实将书本中的理论知识运用到部队实际中,为部队服务,提高作战能力,体现军队院校“向部队靠拢,向实战靠拢”的办学宗旨。
在实际操作中,为了贴合武警部队反恐处突场景的作战实际,教师为学生布置了模式识别版块中的图像融合仿真实验,给出了国际TNO组织提供的联合国营地源图像,源图像取自同一场景,一幅由灰度可见光图像传感器获得,另一幅由红外图像传感器获得。该实践场景十分类似于武警部队对潜藏在树林中的恐怖分子进行围捕的场景,要求研究生对现行资料中融合效果较好的6种融合方法进行仿真,记录仿真结果并加以分析讨论。
通过这一阶段的训练,研究生将书本中的理论知识与实际应用进行了有机结合,取得了良好的效果,并为日后将相应方法应用于部队作战(训练)提供了理论基础和支持。
3.4 考核方法
课程考核采取百分制,并综合考虑研究生在笔试、专题讨论、实践操作3个环节中的表现,3者的比例为0.30:0.35:0.35。在考核中,教师更看重研究生在该门课程中针对实际问题的分析能力和实践动手能力,以期学生真正理解和消化书本中的理论知识。笔试采取开卷方式进行,侧重考核研究生对该门课程中的基本理论、概念、公式的掌握情况,因此,同以往的纯闭卷考试相比,该考核方法灵活度更高,考核效果也更理想。在最终考核中,由于采取了更为有效的考核方式,学生只要认真参与教学活动,必然可以顺利通过考试并拿到高分。如今,两年的教学改革已经使该课程在研究生中小有名气,从往日学员们的“黑名单”课程转而成为“热销品牌”。
4 结 语
两年的实践结果表明,相比传统的授课方式,该改革方案更符合高等院校的教学规律和实际情况,尤其是将部队的实战需求充分融入课程标准的制定过程,更加贴近了当前军队院校的人才培养需求,充分体现了军队院校“向部队靠拢,向实战靠拢”的办学宗旨。
参考文献:
[1] 冈萨雷斯. 数字图像处理[M]. 北京: 电子工业出版社, 2014.
[2] 贾永红. 数字图像处理[M]. 武汉: 武汉大学出版社, 2010.
[3] 杨淑莹, 张桦.“数字图像处理”理论与实践相结合教学模式[J]. 计算机教育, 2009(24): 84-86.
[4] 周海芳.“数字图像处理”课程研讨式教学[J]. 计算机教育, 2010(24): 93-97.
[5] 周耿烈, 鲁逢兰. 图像处理技术精品课程建设[J]. 计算机教育, 2010(18): 101-104.
[6] 何楚, 冯倩, 杨芳, 等. 数字图像处理课程实验教学过程设计[J]. 计算机教育, 2011(18): 74-77.
[7] 沈晓晶, 王艳, 赵慧娟. 应用型院校数字图像处理本科教学探索[J]. 计算机教育, 2012(1): 86-88.
图像处理技术论文范文4
1 图像处理技术
1.1 数字图象处理的特点
随着计算机科学的发展与工控程度的提高,图像处理技术被越来越广泛的运用。在颗粒检测识别领域,图像处理技术有着得天独厚的优势。它减少了单纯的人工操作量,降低了测量过程中的粗糙性。提供了对复杂细微颗粒处理的可行性,加快了分析处理速度并且可以直接或间接的获取人们所需要的信息。实现过程的实时监测和控制。
1.2 煤堆颗粒的图像识别系统框架
图像识别系统主要包括图像采集和图像处理两部分。图像采集主要由图像传感器来完成,图像处理主要由计算机和相应的系统软件来完成。框架如图1。
在煤堆里取样,用粉碎机磨制好煤粒粗样后得到煤的颗粒样本如图2。然后通过CCD图像传感器采集到图像,lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供写作论文和发表服务,欢迎您的光临进行数字化处理后存入计算机,获取煤粒原始图像。再利用软件对数字图像进行相应处理得到相关图像参数,最后根据所得参数数据分析得出煤粒特性结论。
这里选用CCD传感器来获取数字图像如图3所示。CCD图像传感器是一种特殊的半导体材料又名电荷耦合器[2]。它由大量按矩阵排列的独立光敏元件构成。可直接将光信号转换为电信号,然后电信号经放大和模数转换后,实现图像的获取、存储、传输、处理和复现等操作。由CCD摄像设备采集的光学图像转成模拟信号经图像模数转换器进行数字化后,得到数字图像交由计算机处理。它最显著的优点是噪声低、响应速度快、像素分辨率高等。
1.3 煤堆颗粒图像的数字化处理
在计算机中利用软件对原始颗粒图像(图4)进行预处理。对于一张图像来说,往往需要提取目标物,所以先作灰度变换减少图像噪声,保证图像质量。每一副图像相当于一个矩阵,矩阵的行和列确定图像中的每一个点,矩阵中的元素值对应该点的灰度级。图像矩阵中的每个元素就是像素。颗粒本体灰度值与背景图层灰度值较为均匀,进行灰度变化后效果较好,灰度图有无明显的双峰。灰度变换不足以达到最终效果,需要对图像作二值化处理。手动改变图像阈值,颗粒图像二值化效果发生改变,当观测图像变化效果最为理想时停止改变,确定一个最佳的门限阈值。二值化处理后颗粒如图5。另外也可以选择自适应阈值分割,但是无法同步观察变化过程,且计算量相对较大耗时长,无法达到背景图层与颗粒本体二值化图像最佳效果。
2 煤堆颗粒特性分析
2.1 颗粒的形态描述
从颗粒的形态学切入,分析颗粒粒度及形状。粒度是颗粒在空间范围所占大小的线性尺度。通常表面光滑的球体颗粒的粒度用直径表示,立方体颗粒的粒度用边长表示。对不规则的矿物颗粒,可将与矿物颗粒有相同行为的某一球体直径作为该颗粒的等效直径。对许多取向混乱的颗粒按一定方向测量平均线度的统计作为当量径。由于获取的是颗粒投影图像,则可按二维投影规则对煤粒度进行定义[3]。
2.2 煤堆颗粒粒度相关参数
颗粒面积的计算,通过对图像像素点的统计得到。统计获得颗粒像素的个数后,还需要用一个标准单位来标定。通过比例换算得到目标颗粒实际面积大小。采用逐行扫描的方式对图像中每一个颗粒进行标号确定单个颗粒参数。这样每一个目标颗粒的参数都有一个归属,不容易产生混乱。
颗粒周长的计算可以通过对二值图像中目标物的边缘像素计算获得。依然可以采用顺序逐行扫描的方式对图像进行扫描。对图像边缘像素跟踪累加,统计像素个数可得周长。因此颗粒的当量直径可以根据颗粒粒度定义由面积和周长求得。此外还可以利用计算机图像系统对颗粒进行自定义多方向扫描,获取每一个方向上的粒径值再进行平均。用该平均值对粒径大小作粗估计值,这里并没有对此种方法加以详细证明。
这样就可以根据不同粒径的颗粒物在颗粒总体中所含的百分比来确定粒度分布。此外还可以根据颗粒粒度来进lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供写作论文和发表服务,欢迎您的光临行颗粒分级,明确颗粒的层次关系。
3 煤堆颗粒与分形理论
3.1 分形理论的定义
分形理论是时下非常流行的新理论。分形理论的最基本特点是用分形分维的数学工具来描述研究客观事物。它跳出了一维的线、二维的面、三维的立体乃至四维时空的传统藩篱[4],更加接近客观事物和复杂系统的真实属性。
3.2 颗粒粒度的分形分析
在颗粒的形态特征中,主要讨论了分形分维的方法。把分形维数作为颗粒形态描述的一个重要角度。分形维数在一定程度上体现了颗粒的某些化学物理特性。实际测定分维的办法有很多,如根据尺度、测度关系、相关函数等。针对颗粒的不同特征可以建立不同的分形模型。对于无规颗粒具有如下分形特征式:
①根据边缘进行分形分析,颗粒的无归边缘曲线可利用盒维数[5]计算得分形维数。与边缘线相交的正方形个数记为盒子数N(如图6盒子数为16),盒子大小为k*k,k即盒子的边长。存在推导关系式:-;D记为分形维数,B为常数。通过推导关系计算拟合数据可得到分形维数D。在对k取值时,k值越小所能取到的盒子数也越多,边缘分形结果越精确。理论上颗粒边缘复杂程度越大,分形维数值越大。边缘分形维数体现颗粒的轮廓曲线特点。这里取了4个不同颗粒样本进行了图像处理后,经过计算分别得出4个样本的分形维数,进行比较。
从表1中可以看出颗粒边缘分形维数变化不是特别明显,原因可能与所取的盒子边长k有关。还需要结合其他形状参数来进行特征描述。说明仅仅利用颗粒边缘分形分维作为煤粉颗粒特性标准描述有待改进。
②根据颗粒粒径分形有关系式:-。是粒径分布分形维数,R是粒径大小,为粒径大于R的颗粒数。同样可以通过拟合数据计算得到颗粒粒径分布分形维数。在选取了3组颗粒图像进行了颗粒粒径分布分形维数计算后得到相关参数如表2。
从表2来看,粒径分布分形很大程度上与颗粒数目有关。分形维数是根据统计粒径R以及对应的颗粒数目N进行拟合后得到的直线斜率。尽可能的选取较多的颗粒图进行计算,分形维数越准确粒径分布分形偏差越小。颗粒粒径与分布分形维数呈负相关关系,粒径越小分布分形维数越大,粒径分布随粒径减小呈现的分形特征越明显,反映煤堆颗粒粒径分布越复杂。
5 结语
对于煤堆颗粒的识别,采用数字图象处理技术能够提高识别检测的速度,同时还可以减小大量人为干预造成的误差,避免检测重复性低等缺点。对于煤炭行业提高燃煤利用率和降低污染有着重要的意义。本文主要通过图像灰度变换、图像分割等方法对煤粒图像做处理。同时结合分形理论进行分析,得到煤堆颗粒粒lunwen. 1KEJI AN. COMlunwen. 1KEJI AN. COM提供写作论文和发表服务,欢迎您的光临径分布分形等参数,说明了颗粒分形的可行性并对煤的颗粒分形特征进行描述。但是在粒度形态识别中只是对二维投影图颗粒粒径做了说明,还可以从形状因子等参数考虑,综合描述颗粒特征。对颗粒分布分形也不完善,需要做进一步研究。此外,如何更好的提取颗粒的边缘轮廓,找到颗粒新的参考特性以及分形与工业分析之间的关系是下一步探讨的方向。
参考文献
[1] 苗春卫,李玉祥,王克家,等.基于数字图像处理的煤粉颗粒检测[J].应用科技,2003(2):1-3.
[2] 青.基于分形理论的大气悬浮颗粒物图像识别[D].武汉:武汉理工大学,2006.
图像处理技术论文范文5
关键词:遥感图像处理 课程体系 模块化 教学实践
中图分类号:G421 文献标识码:A 文章编号:1672-3791(2013)05(b)-0185-02
遥感作为一种高效的探测、获取、分析和处理空间信息的先进技术手段,已广泛应用于各个领域。高等院校是我国遥感专业人才培养的主战场,它提供了一个综合性高、专业性强的平台[1]。在该平台上,可以针对社会的应用需求,塑造学生不同的个体特征,培养出适于不同岗位的研究型、应用型人才。因而,构建旨在培养学生综合素养,并突出其个体特征的课程体系具有举足轻重的作用。特色鲜明的体系可以在提升学生的综合素养的同时,也能够突出学生个体,因而可以更好地满足我国遥感专业人才培养的需求。
现阶段我国为遥感专业人才培养设置的本科专业主要有摄影测量与遥感、遥感科学与技术、地理信息科学等,在这些专业的培养方案中,《遥感导论》和《遥感图像处理》在多数高等院校中都有开设,并为专业核心课程之一,有的高等院校还开设了《数字图像处理》。《遥感导论》和《数字图像处理》两门课程可以视为《遥感图像处理》的前期基础课,因而在课程学期安排上应该提前。
《遥感图像处理》以地理学、测绘学、数理统计、计算机技术等为背景,在学习了遥感技术、图像处理技术的原理和理论基础上,着重介绍遥感信息处理的原理、过程与方法,并掌握遥感图像处理技术的发展动态与实际应用。由于《遥感图像处理》是多学科的交叉,与很多专业都有很密切的联系,而且发展速度较快,在遥感图像处理的教学中,一方面要求不同对象的学生掌握、理解或了解图像处理技术的基本原理;另一方面,还要求不同对象的学生理解或了解遥感图像的成像机理、处理技术和流程等。同时,图像处理技术和遥感技术具有技术更新快的特点,因而还需要学生掌握现阶段的状态以及最新发展情况。除了教学内容和教学方法外,实验教学也是《遥感图像处理》课程的重要的环节,传统的课程教学大都偏重于理论,一些已有的实验也主要是针对特定图像处理的一些应用,缺乏图像处理技术应用与遥感图像特征无缝结合和系统组织。
总的来说,目前的《遥感图像处理》课程体系主要存在以下几个方面的问题[2]:(1)传统的课程体系多注重经典理论,轻实验和实践[3]。除了应该重视理论教学外,有效地利用实践教学环节,有利于学生理解和掌握该课程内容,取得事半功倍的教学效果;(2)传统课程体系脱胎于数字图像处理,和遥感处理关键技术之间存在断裂面,遥感处理知识体系不够完善。
本文以我国高等师范院校开设的遥感科学与技术、地理信息科学专业为例,针对《遥感图像处理》课程的教学目标,提出了适合高等师范院校本专业领域学生的课程体系的构建方案,并就其实践教学的效果和课程体系特色进行介绍。
1 课程体系的建立
内容的模块化设计是目前课程体系建设的主要方案,在很多高等院校的专业教学中得到了较好地应用[4]。为适于高等师范院校开设的遥感科学与技术、地理信息科学专业教学需求,通过近10年左右的实践教学,我们将《遥感图像处理》的课程体系结构分为7个模块,如图1所示。
(1)图像基础模块:这一部分主要介绍遥感数字图像的基础知识,主要包括遥感数字图像、遥感数字图像的计算机存储、遥感数字图像的计算机视图与表达等内容,让学生了解遥感数字图像的基本概念和特点,并从计算机存储和显示的角度,定性了解数字遥感图像,引导学生建立遥感图像处理研究和实践的兴趣。
(2)定量遥感处理模块:遥感定量化是当前技术发展的重要方向之一,其分析和处理过程涉及到物理、大气等学科;本科生由于前期所开课程较少,感觉定量遥感处理的难度较大,因而我们主张在本科阶段掌握定量遥感的基础理论和图像处理,深层次处理设置在后续的研究生课程开设。
该模块的主要内容涵盖辐射定标、大气校正、热红外地面温度反演等,以Landsat TM图像为例,了解遥感图像的辐射校正和定量反演的技术方法:辐射定标结合Landsat TM的0级、1级产品,介绍遥感图像数字值(digital number,DN)转换为光谱辐射亮度的方法;大气校正主要讲述基于辐射传输方程的校正方法,结合6S和MOTRAN辐射传输软件包,完成遥感图像的大气校正;热红外图像地表温度反演以Landsat TM6为例,介绍单波段热红外图像的地表温度反演方法和技术流程。
(3)几何遥感处理模块:该模块针对遥感成像的纯中心投影、多中心投影、侧视雷达等不同构像方式,解释它们的几何纠正方法和技术流程;对于多项式纠正方法重点介绍,强度多项式的构建、地面控制点的选择、最小二乘法拟合等相关内容。
(4)数字图像增强模块:数字图像增强模块按照彩色增强、辐射增强、空间域增强、频率域增强、多光谱增强等顺序进行讲解。在这一部分,我们遵循系统深入的原则,基于遥感数字图像处理的实例,帮助学生系统复结并领会各种理论方法之间的逻辑顺序与本质。由于图像处理具有理论性和可视化强的特点,在这个部分教学中,我们希望加强学生对前置基础课程(如《遥感导论》和《数字图像处理》)所学基本理论和方法的深入理解,使其充分认识遥感机理理论知识在遥感图像增强应用中的指导意义,并体会理论本身的魅力。
(5)遥感图像融合模块:该模块从遥感图像融合的目的出发,介绍图像融合的主要方法和技术流程、图像融合结果的性能评估等;联系数字图像增强模块的多光谱增强子模块,以HIS变换、主成份分析、傅里叶变换和小波变换等为基础,阐述遥感图像融合的主要技术方法,并对其方法的缺点进行分析,提出改进的遥感图像融合方案。
(6)遥感图像分类模块:该模块主要包括计算机分类的基本原理、非监督分类、监督分类、计算机分类的新方法、分类结果后处理、精度评估等内容。在这一部分教学中,我们充分发挥图像处理应用性强的特点,选择最小距离法、ISODATA、最大似然分类法等,重点讲述其基础理论和技术方法,激发学生学习兴趣。
(7)变化检测模块:该模块是对前面所学模块的综合运用,向学生展示《遥感图像处理》立体而丰富的专业内容。在介绍遥感图像变化检测意义和技术流程的基础上,重点论述变化检测的分类后比较法和直接比较法;将变化向量分析法(CVA)作为典型算法进行讲述,通过土地覆被变化检测的应用实例,综合遥感图像辐射校正、几何纠正等知识,重点论述变化强度和变化方向的确定方法,并利用图像处理实践提升学生的研究性思维,初步培养学生的创新能力。
2 课程教学实践及其特色
2.1 加强实践教学环节,注重动手能力的培养
本课程主要教学目的是使学生了解和掌握遥感信息处理的基本知识、方法、基本技能和发展动态,初步掌握应用遥感信息处理技术分析和解决实际问题的能力。因而,实践教学能力培养是我们课程建设的核心部分。我们在每个模块中设置了多个实践环节,多角度、多目标的提升学生动手操作能力。
通过理论学习、实践处理等环节,增强学生对本课程的理解,并在此基础上使学生进一步掌握遥感图像成像的基本原理、基本理论和这些理论在遥感图像处理中的应用。近10年的教学实践证明,该课程的实践教学环节较好地调动了学生专业学习的积极性,取得了较好的学习效果。
2.2 内容延伸模块化,形成分层次课程体系
我们依据课程教学内容,构建了授课内容的基本框架,按照教学内容分块设置,根据学生学习阶段、课时安排、专业特色延伸等可以灵活变化,因而给授课内容带来了较大的机动性。
在每个教学模块中首先确定知识体系和拓展专题内容,将这些拓展专题分为偏应用型和偏理论型。每个专题中设置基本内容和扩展内容,形成模块化分层次的课程体系。
例如:在数字图像增强模块中,目前的大多数教材中存在直方图均衡化的内容,然而随着图像处理技术的发展和应用的拓展,人们发现在绝大多数遥感图像增强处理中不适合直方图均衡化处理,因此这部分内容可以不讲或让学生自学。图像增强部分的内容非常多,使学生清楚掌握第一节内容介绍的关键词,课程的延伸内容就会更易理解。根据学科特色和学习层次,可以有意识地引入偏应用专题或偏理论专题,更好地满足不同目标、不同层次的学生的需求。
通过遥感图像处理课程教学内容的分块划分,形成了层次化、模块化课程体系,在确保授课内容体系完整情况下,使内容选择更具条理和可操作性,便于培养不同目标导向的学生,更适于我国高等师范院校相关专业的教学设计。
2.3 多目标人才及其创新能力培养
社会对人才可以从不同的角度加以分类,从生产或工作活动的目的来分析,现代社会的人才可分为学术型(理论型)、技术型、工程型和技能型等。多目标人才就是多功能人才,其特点是多才多艺,能够在很多领域大显身手。当今社会的重大特征是学科交叉,知识融合,技术集成。因而,《遥感图像处理》多目标人才培养是培养学生在各个方面都有一定能力,同时在某一个具体的方面要能出类拔萃。
在高等师范院校地理学背景创办遥感科学与技术、地理信息科学等本科专业的情况下,不同层次、不同培养目标导向,可以让学生针对自己的发展方向选择应用型还是研究型,因而该课程体系更加具有灵活度。我们课程体系中设置的定量遥感模块,可以满足学生在应用型《遥感图像处理》课程中学习到研究型知识,丰富和完善学生的有关遥感处理的知识结构,提升学生的创新能力。实践教学证明,我们的本科生经过该模块的学习,也能够独立完成研究方案构思和具体研究路线设计,并在老师的指导下撰写科学论文。
3 结语
卫星遥感、图像处理技术的迅猛发展,其应用领域愈来愈广泛,该领域受到很多学生的垂青,激发了他们的学习热情。目前很多高等院校都开设了《遥感图像处理》这门课程。如何根据各个高等院校的学科特色、学生特点构建适合自己的课程教学体系、安排好授课内容、提高教学方法和教学手段的有效性是很多高等院校主讲教师最关注的,同时对于提高学生学习兴趣、加强实践应用能力以及培养信息技术时代的创新型人才具有重要意义。
笔者结合多年《遥感图像处理》课程的教学经验,设计了一个课程内容模块化、专题内容可延伸、分层次的课程体系,它采用专题框架,在保证授课体系完整性的前提下,授课教师可以依据人才培养目标、专业特色、学时要求引入模块化延伸内容,有机地将课程教学内容联合在一起,形成多层次、多目标的授课内容。实践证明,该课程体系设置达到了我们高等师范院校相关专业的课程教学预期效果,可以为我国其他高等师范院校的相关专业的《遥感图像处理》课程教学提供参考。
参考文献
[1] 邓磊,赵文吉,胡德勇.遥感课程实践教学模式探索与教改实践[J].科技创新导报,2012(7):136-137.
[2] 赵珊,刘静.数字图像处理课程实践教学的改革与设计[J].中国科技信息,2009(23):226-227.
图像处理技术论文范文6
【关键词】神经网络 图像处理 深度网络
1 引言
图像是人类最重要的信息源。随着技术的发展,图像的应用也越来越广泛,因此图像处理已经成为研究人员关注的重点。由于图像中包含的信息比较丰富,如何能有效的抽取信息,并对其进行识别也是研究者们关心的话题。目前,在图像处理领域已经有了不少相关的研究。例如利用神经网络进行图像处理的方法:采用反向传播算法的多层前馈网络,能够逼近任意非线性映射关系的BP网络。
上述进行图像处理研究中,虽然取得一定的效果,但是还是存在一定的问题,如对多层的训练,其效果已经不是很理想;由于采用随机选定初始值的多层网络训练算法,但因输入与输出间非线性映射使网络误差函数是一个含多个极小点的非线性空间,因此会陷入局部最小的困境。
针对上述情况,我们采用“深度学习”方法来进行处理。深度学习是一类兴起的神经网络学习算法,其主要是通过学习低层特征形成抽象的高层表示(属性类别或特征),以发现数据的分布式特征,本论文通过对深度模型进行结合改进,并且通过实验表明其具有可行性。
2 深度学习相关模型及改进
2.1 稀疏自编码器
自动编码器(Auto encoder,AE)可以用来对高维数据降维,得到低维的数据的特征向量。其模型一般包含一个输入层、一个隐层和输出层,设样本的输入向量为 ,可以由以下公式得出隐层和输出层的Active情况:
其中KL表示输入向量xi与输出向量Zi的KL散度,其目的是用来度量之间的差别。由于隐层y维度比输入x的维度小,因此可以学习到输入样本的低维表示。权重训练采用随机梯度下降。在训练该模型时,通常加入约束条件,限制隐层的神经元激活数目,使得只有少数的隐层神经元可以被激活,这种叫做稀疏自动编码器(SAE)其结构如图2所示。
从上面可得知,损失函数是与样本输入先后没有关系,因为这是由每个样本损失叠加而成的。
2.2 受限玻尔兹曼机
受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是一个可见层与一个隐层,层内无连接的结构。其结构如图3所示。
设定一个RBM具有n个可见单元和m个隐单元,向量v和h分别表示可见单元和隐单元的状态。vi表示第i个可见单元状态,hj表示第j个隐层单元的状态。对于给定的一组状态(v,h),RBM所具备的能量定义为:
由于归一化因子Z(θ)的存在,上式右边一项的联合概率分布很难获得,只能采取一些采样方法,如Gibbs采样。由于Gibbs采样需要较多的次数,尤其当特征维数比较高的时候,训练RBM的效率不高。因此RBM一般采取一种快速学习方法,即对比散度(Contrastive Divergence ,CD),CD算法主要步骤如下:
a. 输入:训练样本x;隐层单元m;学习率ε;迭代次数T。
b. 输出:权重W;隐层偏置b;可见层偏置a。
1)初始化可见层的状态v1=x0; w、a和b为较小随机数。
2)While(t
对隐层进行计算概率(利用(11)),后对所有可见层进行概率抽取(利用(12)),再对隐层单元进行计算激活概率.
3)其中网络参数的更新如下式:
本论文主要结合上述两种模型对图像识别进行分析,首先用SA可以提取数据的特征,然后通过RBM进行识别。
3 仿真结果与分析
实验对MNIST数据库进行实验,此数据库已经有许多不同的模式识别方法,因此这个数据库是一个公认的、理想的评估新方法的方式。本软件采用MATLAB R209a版本。
该实验采用的是MNIST的手写体样本库作为训练样本集。该数据集是NIST数据库的一个优化子集,其中包含了60000个训练数据和10000个测试用例。本次实验使用的是5000个训练样本和1000个测试样本,每个图像的大小为28×28的。此次实验设置SA的参数为:迭代次数为300次,学习率为0.1。最后实验的效果如下表1所示:
从上面MNIST实验中可以,本论文采用的结合的方法比浅层网络以及DBN深度网络都有比较好的效果。
4 总结
深度学习是机器学习领域兴起的研究方向,其目的是让机器可以模仿人进行学习,从而可以进行识别和认知图像、文本等数据。本论文主要对SA与RBM结合进行了研究,并通过其结合验证了其效果比浅层的神经网络以及DBN都要好。
参考文献
[1]王洪元,史国栋.人工神经网络技术及其应用[M].北京:中国石化出版社,2002.
[2]ERHAN D,BENGIO Y,COUVILLE A,et al. Why does unsupervised pre-training help deep learning[J].Journal of Machine Learning Research,2010,11(03) :625-660.
[3]Yoshua Bengio and Olivier Delalleau. On the expressive power of deep architectures[C]//Proc of the 14thInternational Conference on Discovery Science.Berlin: Springer-Verlag,2011:18-36.
[4]Vincent P, Larochelle H,Bengio Y, et al.Extracting and composing robust features with denoising autoencoders[C]//Proceedings of the 25th international conference on Machine learning.ACM,2008:1096-1103.
[5]Hinton G E.Training products of experts by minimizing contrastive divergence[J].Neural computation, 2002,14(08):1771-1800.
作者简介
朱明(1989-),男,同济大学软件工程研究生在读,研究方向为机器学习。
作者单位