時間：2023-10-11 09:57:55
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇數(shù)字圖像處理綜述，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
[關(guān)鍵詞]礦用膠帶 縱向撕裂 圖像處理
[中圖分類號]TD52[文獻(xiàn)標(biāo)識碼]A[文章編號]1007-9416(2010)03-0037-02
1 引言
膠帶的縱向撕裂問題是一個在國內(nèi)國際都普遍存在的問題[1]。如何設(shè)計一種能對膠帶實(shí)行實(shí)時監(jiān)控的、并且在縱向撕裂發(fā)生后快速可靠的膠帶保護(hù)裝置,在國內(nèi)外都是一個正在努力攻克的難題。相比較而言,由于我國煤礦的數(shù)量和膠帶輸送機(jī)的數(shù)量遠(yuǎn)遠(yuǎn)超過國外任何一個國家,而國內(nèi)的膠帶質(zhì)質(zhì)量與國外相比有很大的差距,縱向撕裂識別和保護(hù)問題在我國煤礦生產(chǎn)中更加受到重視,其中亟待解決的問題之一是進(jìn)行有效的實(shí)時識別縱向裂縫。
國內(nèi)外從70年代就開始縱向裂縫的識別研究,己從接觸式發(fā)展到非接觸式,從單一化到智能化,除嵌入法、光電傳感技術(shù)、超聲波掃描技術(shù)之外,現(xiàn)在又有了改進(jìn)后的嵌入法、超聲波技術(shù)和最新研究探討的原子物理方法等等。由于煤礦生產(chǎn)環(huán)境的惡劣,每種方法都有其不成熟和不穩(wěn)定的地方。因此,本文利用數(shù)字圖像處理技術(shù)靈活性高、再現(xiàn)性好、處理精度高、適用面寬以及處理算法和圖像特點(diǎn)相關(guān)性高的優(yōu)點(diǎn),根據(jù)礦用膠帶圖像的特點(diǎn),選取結(jié)構(gòu)識別方法,利用裂縫處灰度跳變的特性,使用了符合其特點(diǎn)連通域檢測,通過圖像預(yù)處理,圖像切割,以及連通域檢測三個步驟實(shí)現(xiàn)了礦用膠帶的縱向裂縫的識別。
2 圖像的分析及其預(yù)處理
當(dāng)大多數(shù)縱向撕裂發(fā)生后,膠帶表面會有變化,用肉眼能辨別的出來,我們可以在膠帶下安裝若干個攝象頭,然后用計算機(jī)進(jìn)行圖象識別,利用膠帶撕裂前后的圖象特征變化來進(jìn)行即時的監(jiān)控。即可以進(jìn)行預(yù)防以及及早的對發(fā)生的撕裂進(jìn)行處理。由于膠帶下面的環(huán)境比較惡劣,我們可以使用低照長壽命c(diǎn)cd攝象機(jī)。攝象機(jī)的安裝地點(diǎn)要兼顧實(shí)用性和經(jīng)濟(jì)性,基于以上兩個原則,要安裝在最容易發(fā)生膠帶撕裂的部位,在膠帶的機(jī)頭、機(jī)尾以及轉(zhuǎn)折點(diǎn)各安裝一個,以一個適合的高度盡可能照顧大的范圍。
本實(shí)驗(yàn)系統(tǒng)由CCD攝像頭、數(shù)據(jù)采集卡及識別軟件系統(tǒng)和電腦組成。其中硬件包括CCD采集卡、視頻采集卡和電腦主機(jī);識別系統(tǒng)模塊包括圖像采集模塊,預(yù)處理模塊,邊緣檢測模塊以及識別模塊。
首先對裂縫圖像進(jìn)行了整體、灰度、噪聲三個方面進(jìn)行了分析,得到其幾何、數(shù)學(xué)、灰度分布上的特點(diǎn),針對這些特點(diǎn)選擇合適的圖像處理算法。由于彩色圖像其信息容量比灰度圖像大,因此處理難度大、速度慢,而且在識別裂縫的過程中,灰度圖像所含的信息量已經(jīng)足夠,因此先將彩色圖像轉(zhuǎn)換成為灰度圖像。然后根據(jù)圖像的灰度直方圖進(jìn)行像素分析,根據(jù)分析的結(jié)果進(jìn)行自適應(yīng)閾值分割,通過計算或設(shè)定一個概率值,根據(jù)總像素值和灰度分布來確定分割的閾值,然后調(diào)用閾值分割程序來進(jìn)行閾值分割。圖像預(yù)處理還包括最重要的一個部分:圖像濾波,分析了圖像噪聲來源,選擇了合適的濾波器,對濾波效果進(jìn)行了分析,并對不同形狀的裂縫選擇了不同的濾波模板。
其次對圖像進(jìn)行形態(tài)學(xué)處理。由于在一幅裂縫圖像中,在圖像預(yù)處理的過程中或多或少的會對原始圖像中的裂縫區(qū)域帶來影響,例如:將屬于裂縫區(qū)域的點(diǎn)去除,可能導(dǎo)致連續(xù)的一條裂縫被分割為幾條或裂縫的區(qū)域減小,因此要對預(yù)處理后的圖像進(jìn)行形態(tài)學(xué)處理,使裂縫區(qū)域得到恢復(fù)和加強(qiáng)。圖1(b)是使用中值濾波進(jìn)行平滑處理的效果。
3 圖像邊緣分割
圖像分割是實(shí)現(xiàn)圖像識別膠帶是否撕裂的重要步驟,分割效果的好壞直接影響這系統(tǒng)的識別率,是特征提取、裂縫識別的前提準(zhǔn)備步驟,在系統(tǒng)視線中占有不可忽視的地位,因此如何提高分割效果,減輕識別難度也就成了我們的首要任務(wù),也是課題實(shí)現(xiàn)的難點(diǎn)之一。主要體現(xiàn)在以下兩個方面:首先,目前不存在適合所有類型圖像的通用分割算法,現(xiàn)有的分割算法都是針對具體應(yīng)用而設(shè)計的,因此我們必須根據(jù)膠帶撕裂裂縫圖像的特征,即直方圖沒有明顯雙峰,裂縫與背景的比例像素懸殊等特點(diǎn),來設(shè)計適合本系統(tǒng)的分割算法,其次,由于本文中盡心分割的裂縫圖像是從實(shí)際環(huán)境中獲取的,受到的干擾很大,煤礦膠帶下的情況惡劣,造成我們獲得的原始圖像質(zhì)量較差,為進(jìn)行有效分割帶來困難,因此選擇一個分割算法,使其能夠最大程度去除噪聲、邊界、偽缺陷等非裂縫區(qū)域,保留裂縫區(qū)域,減輕后續(xù)處理的復(fù)雜度,是本步驟的關(guān)鍵。
常用的算子可以分為一階微分算子和二階微分算子。一階微分算子通過梯度值來進(jìn)行邊緣檢測,用此方法可以忽略細(xì)節(jié),得到的邊緣也較粗,如圖2所示為一階算子Sobel算子對膠帶裂縫輪廓的提取圖;二階微分算子是通過尋找二階微分中的零穿越來檢測邊緣。用此方法得到的邊緣較細(xì),在細(xì)節(jié)方面較好,但物體的整體輪廓不如一階微分算子明顯。由于縱向裂縫識別是以裂縫輪廓作為基礎(chǔ),而對其它細(xì)節(jié)可以不予考慮,從上面提取的裂縫輪廓圖像可以看出Sobel算子符合識別的要求,所以選擇Sobel算子。
4 縱向裂縫的提取和識別
對于二值圖像的連通域標(biāo)記處理操作就是從白色像素(通常用“1”來表示)和黑色像素(通常用“0”表示)組成的一幅點(diǎn)陣圖像中,將互相鄰接(一般研究的是4鄰域連接)的目標(biāo)“1”值像素集合提取出來,并為圖像中不同的連通域填入不等的數(shù)學(xué)標(biāo)記。該處理過程是圖像處理和分析中一個非常重要的基礎(chǔ)操作,有著廣泛的應(yīng)用領(lǐng)域。
為了對圖像的連通域進(jìn)行標(biāo)記,需要對一幅圖像作從左到右,從上到下的水平掃描。需檢測當(dāng)前被掃描到的點(diǎn)是不是和周圍的點(diǎn)連通,需要檢查當(dāng)前的像素和以前標(biāo)記過的鄰近像素的值是否一樣。如果當(dāng)前像素的值和鄰近像素的值一樣,就表示它們連通,反之,就表示和此鄰近像素不連通,此時當(dāng)前點(diǎn)就要給一個新的標(biāo)記,同時標(biāo)記保留在一個與原二值圖像像素點(diǎn)個數(shù)相同的二維數(shù)組中。
令S代表一幅圖像中的像素子集,如果在S中全部像素之間存在一個通路,則可以說兩個像素p和q在S中是連通的。對于S中的任何像素p,S中連接到該像素的像素集叫做S的連通分量。如果S僅有一個連通分量,則集合S叫做連通集。在很多場合,二值圖像提取連通分量是許多自動圖像分析應(yīng)用的核心任務(wù)。
現(xiàn)場圖像經(jīng)過二值化處理后,形成多個互不相連的區(qū)域,而單個區(qū)域都是連通的,將連通域分開標(biāo)記,就可以得到多個獨(dú)立的區(qū)域,連通域標(biāo)記算法可以找到圖像中所有的連通成分,并對同一連通成分的所有點(diǎn)分配同一標(biāo)記。
具體算法如下:
(1)將所有的白色像素(背景)賦值為0,所有黑色像素(裂縫連通域所在)賦值為-1,連通域個數(shù)置為0;
(2)尋找一個連通域開始的像素(值為-1),并將其值改為當(dāng)前連通域數(shù),存儲,連通域個數(shù)增加1;
(3)所有像素搜索。找到值為-1的像素(表示沒有被搜索過),正向搜索其周圍有沒有值為當(dāng)前連通域數(shù)的像素。如果有,將當(dāng)前像素賦以連通域的值;
(4)如果沒有像素被搜索,表示當(dāng)前所有像素已被遍歷,轉(zhuǎn)步驟2;
(5)如果步驟2中沒有找到開始像素,表示所有連通域已經(jīng)被遍歷。
5 結(jié)語
本文利用圖像處理技術(shù),針對膠帶撕裂圖像中的裂縫進(jìn)行識別,分析了該圖像的特點(diǎn),通過圖像預(yù)處理,圖像切割,以及連通域檢測三個步驟識別裂縫。取得了以下的成果。
(1)裂縫圖像預(yù)處理。分析裂縫圖像的像素分布,得到其分布上有相似灰度級出現(xiàn)概率不同的特點(diǎn)。并且分析了裂縫圖像中的噪聲來源。針對其特點(diǎn)選用中值濾波。這個模塊主要完成了彩色圖像的灰度化、灰度拉伸、中值濾波處理。
(2)裂縫的邊緣檢測。比較了幾種邊緣檢測的方法,得到了效果最好的Sobel邊緣檢測方法,方便下一步的裂紋檢出。
(3)裂縫檢出。經(jīng)過前期處理后,圖像中的裂縫從背景中分離出來,每個裂紋形成一個像素互相連通的區(qū)域,利用連通域檢測算法,從而將裂紋檢測出來。
[參考文獻(xiàn)]
[1] 黃民,李恩等.鋼繩芯輸送帶縱向撕裂監(jiān)測方法研究[J].中國礦業(yè)大學(xué)學(xué)報,2002.31.
[2] 劉英林.輸送帶縱向撕裂的檢測與監(jiān)視[J].山西礦業(yè)學(xué)報,1995(13).
[3] 吳劍鋒,張紅衛(wèi).膠帶輸送機(jī)膠帶損壞原因及運(yùn)行理論分析[J].中州煤炭,2005,2.
[4] Gonzalez著,阮秋琦譯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2003.3,1-112,420-514.
關(guān)鍵詞：數(shù)字圖像處理；工程碩士；應(yīng)用型研究；應(yīng)用型技能；軟件工程
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(xiàng)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(xiàng)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(xiàng)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)涮卣鳎鐚?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。
參考文獻(xiàn)：
關(guān)鍵詞：數(shù)字圖像 圖像處理 數(shù)字技術(shù) 應(yīng)用
一、數(shù)字圖像處理綜述
數(shù)字圖像處理（Digital Image Processing）又稱為計算機(jī)圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機(jī)對其進(jìn)行處理的過程。
數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時的電子計算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計算機(jī)來處理圖形和圖像信息，數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期，早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。
首次獲得實(shí)際成功應(yīng)用的是美國噴氣推進(jìn)實(shí)驗(yàn)室（JPL），他們對航天探測器徘徊者7號在1964年發(fā)回的幾千張月球照片使用了圖像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進(jìn)行處理，并考慮了太陽位置和月球環(huán)境的影響，由計算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發(fā)回的近十萬張照片進(jìn)行更為復(fù)雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創(chuàng)舉奠定了堅實(shí)的基礎(chǔ)，也推動了數(shù)字圖像處理這門學(xué)科的誕生。在以后的宇航空間技術(shù)，醫(yī)學(xué)技術(shù)中數(shù)字圖像處理技術(shù)都發(fā)揮了巨大的作用。
從70年代中期開始，隨著計算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展，人們已開始研究如何用計算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計算機(jī)視覺。很多國家，特別是發(fā)達(dá)國家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理論，這個理論成為計算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想。圖像理解雖然在理論方法研究上已取得不小的進(jìn)展，但它本身是一個比較難的研究領(lǐng)域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機(jī)視覺是一個有待人們進(jìn)一步探索的新領(lǐng)域。
二、國內(nèi)外研究現(xiàn)狀
目前，國內(nèi)圖像識別的算法研究多是關(guān)于數(shù)字、文字、人臉、以及醫(yī)用病理方面的較多，對產(chǎn)品內(nèi)表圖像進(jìn)行分析識別、分類的還很少。國內(nèi)已研制出了具有先進(jìn)水平的高精度內(nèi)表檢測系統(tǒng)和裝置，如何對產(chǎn)品零部件的外形，尺寸進(jìn)行較高精度測量的激光在線檢測系統(tǒng)等，但迄今為止，尚無能對生產(chǎn)出的產(chǎn)品內(nèi)表面進(jìn)行自動檢測和識別的系統(tǒng)。應(yīng)用CCD、電子、計算機(jī)技術(shù)檢測內(nèi)表面的實(shí)時自動檢測技術(shù)在國內(nèi)正處于剛剛起步的階段，對內(nèi)表面圖像進(jìn)行分析識別、分類的軟件系統(tǒng)還沒有十分完善，現(xiàn)在的識別算法對圖像中的疵病部分定位不是很準(zhǔn)確，對疵病的范圍、大小、方位不能做定量分析，只能作定性分析，精度低，采用的傳統(tǒng)的最小距離等分類器在圖像復(fù)雜且類別多時，很難表示和提取特征，進(jìn)行圖像識別十分困難。
國外關(guān)于圖像識別中的圖像分割，特征信號提取，邊緣檢測，紋理識別等的算法已經(jīng)取得了一定的成果，提出了一些新方法，如利用直線分割來識別三維人臉，通過子圖匹配法在相鄰區(qū)域間識別不同目標(biāo)，用雙值微波仿射不變函數(shù)識別二維形形狀等等，近年來，國外基于圖像識別與分類技術(shù)的圖像檢索，人臉識別，字體識別發(fā)展十分迅速。
在國外，為提高自動目標(biāo)識別能力而開發(fā)的算法現(xiàn)在正被引入許多偵測和成像系統(tǒng)之中，圖像分割、特征信號探測和析取、靜止目標(biāo)的模式識別等方面已取得了很大進(jìn)步，這一自動目標(biāo)識別能力大大減輕了操作人員的工作負(fù)擔(dān)。如美國正在加緊自動檢測能力與自動目標(biāo)識別的研究工作，并在硬件能力的基礎(chǔ)上開發(fā)多種用于信號圖像處理的算法和開展各種算法軟件的研制，包括相關(guān)法（匹配濾波器技術(shù)）、自適應(yīng)多維處理法、基于模型的方法等。
三、數(shù)字圖像處理的應(yīng)用
圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面，隨著人類活動范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。
1、航天和航空技術(shù)方面的應(yīng)用
數(shù)字圖像處理技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了JPL對月球、火星照片的處理之外，另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中?，F(xiàn)在世界各國都在利用陸地衛(wèi)星所獲取的圖像進(jìn)行資源調(diào)查，災(zāi)害檢測，資源勘察，農(nóng)業(yè)規(guī)劃，城市規(guī)劃，我國也陸續(xù)開展了以上諸方面的一些實(shí)際應(yīng)用，并獲得了良好的效果。在氣象預(yù)報和對太空其它星球研究方面，數(shù)字圖像處理技術(shù)也發(fā)揮了相當(dāng)大的作用。
2、生物醫(yī)學(xué)工程方面的應(yīng)用
數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了一般的CT技術(shù)之外，還有一類是對醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識別等，此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。
3、通信工程方面的應(yīng)用
當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。具體地講是將電話、電視和計算機(jī)以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。其中以圖像通信最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號的速率達(dá)100Mbit/s以上，要將這樣高速率的數(shù)據(jù)實(shí)時傳送出去，必須采用編碼技術(shù)來壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。除了已應(yīng)用較廣泛的熵編碼、DPCM編碼、變換編碼外，目前國內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。
4、工業(yè)和工程方面的應(yīng)用
在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量、并對零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。其中值得一提的是研制具備視覺、聽覺和觸覺功能的智能機(jī)器人，將會給工農(nóng)業(yè)生產(chǎn)帶來新的激勵，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。
5、軍事公安方面的應(yīng)用
在軍事方面圖像處理和識別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前已投入運(yùn)行的高速公路不停車自動收費(fèi)系統(tǒng)中的車輛和車牌的自動識別都是圖像處理技術(shù)成功應(yīng)用的例子。
6、文化藝術(shù)方面的應(yīng)用
目前這類應(yīng)用有電視畫面的數(shù)字編輯，動畫的制作，電子圖像游戲，紡織工藝品設(shè)計，服裝設(shè)計與制作，發(fā)型設(shè)計，文物資料照片的復(fù)制和修復(fù)，運(yùn)動員動作分析和評分等等，現(xiàn)在已逐漸形成一門新的藝術(shù)——計算機(jī)美術(shù)。
參考文獻(xiàn)：
[1]孫即祥 圖像壓縮與投影重建 北京：科學(xué)出版社；2005.7：第一章：1～2，63～64.
[2]韓金姝.基于分形的植物形態(tài)模擬與圖像壓縮技術(shù)研究：[碩士論文]. 青島：中國海洋大學(xué)信號與信息處理專業(yè)，2005.
關(guān)鍵詞：網(wǎng)絡(luò) ASP ACCESS
中圖分類號：G6 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2013）03（b）-0-01
1 研究背景
2003年4月，中國教育部了《關(guān)于啟動高等學(xué)校教學(xué)質(zhì)量與教學(xué)改革工程精品課程建設(shè)工作的通知》，提出精品課程是具有一流教師隊伍、一流教學(xué)內(nèi)容、一流教學(xué)方法、一流教學(xué)管理等特質(zhì)的示范性課程。經(jīng)過幾年的推行實(shí)施，國家精品課程在數(shù)量上已具有一定規(guī)模，質(zhì)量上也在逐年提高，但是在課程資源等方面仍然存在不足之處：（1）課程資源庫建設(shè)。在《國家精品課程評價指標(biāo)體系》中，課程資源主要是通過教學(xué)內(nèi)容和教學(xué)條件兩大項(xiàng)來評價，他們是課程的核心部分，是教學(xué)信息設(shè)計、組織與呈現(xiàn)等教學(xué)設(shè)計思想的具體化表現(xiàn)。經(jīng)過這幾年的努力，課程資源建設(shè)模塊逐漸約定俗成，絕大多數(shù)課程均有課程介紹、教學(xué)大綱、教學(xué)安排、授課錄像和試卷習(xí)題等，而實(shí)驗(yàn)/實(shí)踐稍差，學(xué)習(xí)/教學(xué)指導(dǎo)、電子教材和素材庫等最為薄弱；（2）課程資源類型。精品課程充分發(fā)揮現(xiàn)代教育技術(shù)強(qiáng)大功能，采用各種多媒體技術(shù)來呈現(xiàn)教學(xué)信息，如音/視頻、PowerPoint、Word、Flash等，課程資源類型可以分為演示型、過程型、交互型、管理型和評價型5種，但是現(xiàn)在絕大多數(shù)課程都不重視過程型和交互型資源的建設(shè)，更是忽略知識管理型和評價型資源的建設(shè)[1]。
2 需求分析
精品課程網(wǎng)站的設(shè)計與開發(fā)，充分發(fā)揮計算機(jī)在呈現(xiàn)信息、提供聯(lián)系、激發(fā)動機(jī)、學(xué)習(xí)評價方面等方面優(yōu)勢，彌補(bǔ)了教師、課本、視聽媒體的不足；計算機(jī)作為使用者收集和組織信息、探究與批判性思考、合作與交流的工具，能很好的激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機(jī)，促進(jìn)有意義學(xué)習(xí)的發(fā)生；另外，精品課程的設(shè)計與開發(fā)，突破了時空限制，具有傳播范圍廣的特點(diǎn)，任何人、任何時間、任何地點(diǎn)都可以按各自的興趣選擇任何課程進(jìn)行學(xué)習(xí)?？傊?，精品課程網(wǎng)站的設(shè)計很好的適應(yīng)了當(dāng)今世界國際化、信息化、知識化等特征的要求，學(xué)習(xí)者能更好的實(shí)現(xiàn)自主學(xué)習(xí)?！哆b感數(shù)字圖像處理》是一門專業(yè)基礎(chǔ)課，是以理論聯(lián)系實(shí)踐為主，注重運(yùn)用，重視上機(jī)實(shí)踐的一門課程。對于這樣一門操作性較強(qiáng)的課程，設(shè)計與開發(fā)它的精品課程網(wǎng)站是非常有必要的?！哆b感數(shù)字圖像處理》精品課程網(wǎng)站的設(shè)計與開發(fā)依托了校級《遙感數(shù)字圖像處理》精品課程的建設(shè)，面向遙感數(shù)字圖像處理專業(yè)的學(xué)生，旨在輔助學(xué)生完成對本門課程的自主學(xué)習(xí)，實(shí)現(xiàn)學(xué)習(xí)效果的最優(yōu)化，其目的是為了讓學(xué)生通過學(xué)習(xí)，打牢遙感數(shù)字圖像處理的基礎(chǔ)知識，進(jìn)而可以運(yùn)用到實(shí)踐中。通過該課程的學(xué)習(xí)，使學(xué)生樹立正確的遙感數(shù)字圖像處理的概念，培養(yǎng)學(xué)生良好的計算機(jī)實(shí)踐習(xí)慣，實(shí)事求是的科學(xué)態(tài)度和嚴(yán)謹(jǐn)細(xì)致的工作作風(fēng)，為后繼課程的學(xué)習(xí)和將來參加社會生產(chǎn)實(shí)踐打下基礎(chǔ)。
3 主要技術(shù)簡介
3.1 ASP技術(shù)簡介
ASP是Microsoft Active Server Pages的簡稱，是服務(wù)器端腳本編寫的環(huán)境，可以創(chuàng)建和運(yùn)行動態(tài)、交互的Web服務(wù)器應(yīng)用程序，即可以組合HTML頁、腳本命令和Web頁和基于Web的功能強(qiáng)大的應(yīng)用程序。ASP不是一種語言，它所使用的語言是Javascript或VBScript，或者是這兩種語言的結(jié)合體?？偟膩碚f，ASP具有以下的特點(diǎn)：（1）使用簡單易懂的腳本語言（Javascript或VBScript等），結(jié)合HTML就可以快速開發(fā)出各種各樣的應(yīng)用程序；（2）不需要編譯，容易編寫，而且代碼在服務(wù)器端直接執(zhí)行；（3）ASP源程序在服務(wù)器端被執(zhí)行后，將執(zhí)行結(jié)果返回給客戶端，從而提高了源程序的安全性；（4）可使用服務(wù)器端腳本來產(chǎn)生客戶端腳本；（5）由于ASP程序在服務(wù)器端執(zhí)行，因此只要客戶端使用的瀏覽器可以執(zhí)行HTML代碼即可。這樣便最高限度地保證了ASP程序的通用性；（6）可以使用VB等多種編程語言來開發(fā)ActiveX服務(wù)器組件來擴(kuò)充服務(wù)器端程序的功能；（7）使用普通的文本編輯器即可對ASP程序進(jìn)行設(shè)計、修改；（8）ASP提供了幾種內(nèi)置對象使得腳本功能更強(qiáng)大，在其他方面，這些對象完成從瀏覽器中檢索或向?yàn)g覽器發(fā)送信息的功能。總之，ASP是目前網(wǎng)頁制作技術(shù)中最容易學(xué)習(xí)、靈活性也最大的工具之一。更重要的是它擁有非常好的可擴(kuò)充性。像標(biāo)準(zhǔn)的HTML文件一樣，ASP包含可以被Web瀏覽器顯示并解釋的HTML標(biāo)簽。通常放入HTML文件的Java小程序、閃爍文本、用戶端腳本、用戶端ActiveX控件都可以放入Active Server Pages中[4]。
3.2 ACCESS技術(shù)簡介
Microsoft Office Access（前名 Microsoft Access）是由微軟的關(guān)聯(lián)式數(shù)據(jù)庫管理系統(tǒng)，是 Microsoft Office的主要成員之一。Access能夠存取 Access/Jet、Microsoft SQL Server、或者任何ODBC兼容數(shù)據(jù)庫內(nèi)的資料。Access 數(shù)據(jù)庫由七種對象組成，它們是表、查詢、窗體、報表、宏、頁和模塊。
表（Table）―是數(shù)據(jù)庫的基本對象之一，是創(chuàng)建其他對象的基礎(chǔ)。表由記錄組成，記錄由字段組成，表用來存貯數(shù)據(jù)庫的數(shù)據(jù)，因此又稱數(shù)據(jù)表。
查詢（Query）―查詢可以按索引查找到需要的記錄，按要求篩選記錄并能連接若干個表的字段從而組成新表。
窗體（Form）―窗體提供了一種方便的瀏覽、輸入及更改數(shù)據(jù)的窗口。還可以創(chuàng)建子窗體顯示相關(guān)聯(lián)的表的內(nèi)容。窗體也稱表單。
報表（Report）―報表的功能是將數(shù)據(jù)庫中的數(shù)據(jù)匯總，然后打印，以便
分析。
宏（Macro）―宏相當(dāng)于DOS中的批處理，用來自動執(zhí)行一系列操作流程。Access列出了一些常用的操作以方便用戶選擇，使用起來十分便捷。
模塊（Module）―模塊的功能和宏相似，但其操作比宏更加精細(xì)和復(fù)雜，用戶可根據(jù)自己的需求編寫程序。
頁―是特殊的直接連接到數(shù)據(jù)庫中數(shù)據(jù)的一種WEB頁。通過數(shù)據(jù)訪問頁可將數(shù)據(jù)到Internet 或Intranet上，而且可以適用瀏覽器進(jìn)行數(shù)據(jù)的維護(hù)和操作。
參考文獻(xiàn)
[1] 許坦，石.精品課程發(fā)展現(xiàn)狀綜述[J].中國電化教育，2007（5）：244.
[2] 何克抗，李克東.教育技術(shù)學(xué)研究方法[M].北京師范大學(xué)出版社，2006.
關(guān)鍵詞：邊緣技術(shù)；石油；勘探；技術(shù)
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.
[3]段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述[J].光學(xué)技術(shù)，2005，31(3):415－419.
【Abstract】In the process of computer technology rapidly develop， people need to deal with all kinds of complex images. Image processing method presents diversity and complex characteristics， and the remind for CPU capability is higher， the traditional CPU image processing already can not satisfy the needs of people at present. In this paper， it research a high efficiency and fast image processing method. It makes full use of GPU parallel processing ability， using G++ language to complete the corresponding images. The image parallel processing algorithm method main contain the color negative film processing algorithms， transparent merging processing algorithms and so on， and comparing the performance of achieving the same effect with the GPU， to prove the efficiency of parallel image processing algorithm. based on GPU .
【關(guān)鍵詞】GPU；圖像處理；并行算法
【Keywords】GPU； image process； parallel algorithm
【中圖分類號】TP301. 6 【文獻(xiàn)標(biāo)志碼】A 【文章編號】1673-1069（2017）03-0071-02
1 引言
在目前業(yè)務(wù)逐漸復(fù)雜的情況下，人們需要進(jìn)行各種形式的圖像處理，其處理形式主要包括對數(shù)字圖形進(jìn)行模糊、銳化和合并并根據(jù)人們的實(shí)際需求將原始圖形轉(zhuǎn)化成人們所需要的圖形。人們對應(yīng)用系統(tǒng)圖形方面處理質(zhì)量要求越來越高，雖然CPU的整體運(yùn)行速度無法滿足人們的實(shí)際需求，這就需要利用GPU的快速計算能力，將其應(yīng)用到圖形計算當(dāng)中，以此來形成相應(yīng)的通用計算，并且能夠通過C++語言解決和處理復(fù)雜問題。
2 基于GPU圖像處理的相關(guān)技術(shù)
GPU技術(shù)。在計算機(jī)發(fā)展的過程中，人們對圖像處理的要求還沒有那么復(fù)雜，其中圖像的運(yùn)行和相關(guān)的計算方法都比較簡單，所以說不用借助相應(yīng)的硬件處理設(shè)備來對圖像進(jìn)行編輯處理，只需要借助GPU強(qiáng)大的計算能力就能蚨醞夾謂行處理。但是隨著社會的不斷進(jìn)步和計算機(jī)技術(shù)的不斷發(fā)展，人們需要更快的運(yùn)算速度來進(jìn)行更高質(zhì)量的圖像處理，這就促使GPU運(yùn)算技術(shù)產(chǎn)生并不斷發(fā)展。從目前來看，CPU一般指的是中央處理器，是一種超大規(guī)模的集成電路，其主要功能是對計算機(jī)的指令進(jìn)行解釋，并對相應(yīng)的計算機(jī)軟件數(shù)據(jù)進(jìn)行處理，而對數(shù)字進(jìn)行處理就主要依靠GPU來進(jìn)行，通過指令來產(chǎn)生相應(yīng)的操作控制信號，以此來進(jìn)行相應(yīng)的圖像處理。而GPU主要指的是圖形處理器，也可以被稱為視覺處理器，其主要功能是將計算機(jī)系統(tǒng)所需要的現(xiàn)實(shí)信息進(jìn)行轉(zhuǎn)換驅(qū)動，并且向顯示器提供相應(yīng)的掃描信號，來對顯示器的顯示進(jìn)行正確控制，另外，圖形處理器也是顯卡的處理器，是顯卡中較為重要的一部分，與CPU相比來說，兩者具有一定的相似之處，而GPU主要是執(zhí)行復(fù)雜的數(shù)學(xué)計算和幾何計算，也就是說如果CPU想要畫一個圖形，只需要結(jié)合想要圖形的實(shí)際坐標(biāo)和特征，來產(chǎn)生相應(yīng)的信號，而GPU就能夠?qū)υ搱D形的所有像素進(jìn)行計算并且集成，并且在顯示器的指定位置上畫出相應(yīng)的圖形，并且對CPU進(jìn)行圖形完成的通知，等待后續(xù)的命令[1]。
CUDA。從上述可以知道，GPU主要是對圖形進(jìn)行編輯和處理，但是在計算機(jī)的眾多應(yīng)用領(lǐng)域當(dāng)中，GPU仍舊不能發(fā)揮出其具體功能，其主要是由于API的編程較為復(fù)雜，同時由于GPU內(nèi)部的內(nèi)存量較小，不能支持較大的程序規(guī)模，另外GPU的編程靈活性較差，這就使GPU無法發(fā)揮出其主要功能。為了對上述問題進(jìn)行解決，廠商N(yùn)VIDIA推出了一種運(yùn)算平臺，也就是CUDA，這種運(yùn)算平臺能夠并行計算架構(gòu)，使GPU能夠?qū)ο鄬^為復(fù)雜的問題進(jìn)行解決，目前的CUDA已經(jīng)能夠支持C++語言的實(shí)際運(yùn)行，這也就意味著GPU能夠發(fā)揮出更為重要的作用。
數(shù)字圖形處理算法。數(shù)字圖像處理是根據(jù)實(shí)際的需求，來對圖像進(jìn)行相應(yīng)的運(yùn)算和設(shè)計，對數(shù)字圖像進(jìn)行處理主要目的體現(xiàn)以下方面：一是提高圖像的整體視覺效果和質(zhì)量；二是對圖像中所包含的信息和資源進(jìn)行提取和處理，三是對數(shù)字圖像的格式和信息進(jìn)行變化處理，以此來保證數(shù)字圖像數(shù)據(jù)的安全快速傳遞[2]。
3 基于GPU的數(shù)字圖像處理并行算法
3.1 高斯模糊算法并行化
高斯模糊也被稱為高斯平滑，目前屬于一種在各種圖像處理軟件中進(jìn)行廣泛使用的處理效果，對其進(jìn)行應(yīng)用的主要目的是減少圖像噪聲和降低細(xì)節(jié)層次，高斯模糊當(dāng)中的模糊，可以被看成周邊像素的平均值。高斯模糊算法并行化在串聯(lián)的程序結(jié)構(gòu)當(dāng)中無法進(jìn)行靈活變換，為了能夠?qū)PU中的硬件多線程資料進(jìn)行最大程度的利用，就需要按照CUDA多線程架構(gòu)處理的思想來對程序進(jìn)行重構(gòu)。在利用GPU對圖像進(jìn)行高斯模糊變化的過程中，其主要前提是水平方向上的一維高斯矩陣變換和垂直方向上的一維高斯矩陣變換是不相關(guān)的，換個說法是可以對其進(jìn)行分開處理，針對某一方向的處理，各個像素之間的處理也是不相關(guān)的，結(jié)合這樣的特性，可以利用GPU中的多線程并行將像素的處理任務(wù)分為不同的模塊，并且使GPU的線程來對其進(jìn)行計算?；贑UDA的高斯模糊處理，首先是需要對需要處理的原始圖形進(jìn)行讀入，然后將圖像中的像素在水平和垂直方向中進(jìn)行分塊，使GPU的線程塊能夠?qū)@些模塊進(jìn)行分開處理，在進(jìn)行處理之后，將處理之后的結(jié)果進(jìn)行合并，這樣就達(dá)到了想要的原始圖像高斯模糊效果。在這樣的過程中，需要根據(jù)實(shí)際的不同需求，來提供相應(yīng)的函數(shù)，使GPU中的線程塊能夠?qū)Σ煌臄?shù)據(jù)進(jìn)行不同的理和操作，這也就是高斯模糊算法在CUDA基礎(chǔ)上來進(jìn)行圖像處理的[3]。
3.2 彩色附頁處理算法并行化
對于彩色附頁的處理來說，屬于一種特別耗費(fèi)時間的圖像處理過程，因?yàn)檫@種數(shù)字圖像處理方法要求將整個圖像中的每一個像素點(diǎn)都進(jìn)行處理，但是從數(shù)字處理的角度來看彩色附頁處理，其整體處理流程較為簡單，首先是需要對圖像進(jìn)行處理，然后根據(jù)圖像格式的不同來放入內(nèi)存，并且對圖像的所有像素點(diǎn)進(jìn)行讀取，對其中的r、g、b值進(jìn)行取出，用255減去所取出的值，得出處理過后的數(shù)值，最后利用這些數(shù)值，就能夠形成所需要的負(fù)片圖像。在進(jìn)行負(fù)片處理的過程中可以看出，針對圖像中的每一個像素點(diǎn)的處理都是相對獨(dú)立的，也就是說在對某一像素點(diǎn)進(jìn)行處理的過程中，其中各種數(shù)值的取值是與其他像素值不相關(guān)的，針對這樣的獨(dú)立性特點(diǎn)，可以在圖像處理的過程中，充分利用GPU多線程并行處理的優(yōu)勢，對所需要處理圖像中進(jìn)行一定程度的分割，然后對所分割圖像中的所有像素點(diǎn)進(jìn)行處理，最后進(jìn)行統(tǒng)一的合并，就能夠得出所需要的圖像[4]。在對圖像中各個像素點(diǎn)進(jìn)行處理的過程中，需要注意這樣像素點(diǎn)之間的運(yùn)算必須保證相互獨(dú)立，如果出現(xiàn)像素點(diǎn)不獨(dú)立的情況，那么就需要在程序中編寫大量的控制代碼，而這樣的控制代碼的運(yùn)行方式與GPU的處理方式不相匹配，不能達(dá)到最好的圖像處理效果。
3.3 透明合并處理算法并行化
圖像的透明合并處理也就是說需要實(shí)現(xiàn)圖像的一種半透明效果，從這種處理方式的數(shù)學(xué)公式和函數(shù)當(dāng)中可以看出，圖像的透明合并處理并不復(fù)雜，并且能夠在一定程度上實(shí)現(xiàn)各種形式的半透明效果，其中主要包括火光、煙霧和陰影等。在利用GPU多線程處理器來對圖像進(jìn)行透明合并處理的過程中，首先需要對兩幅圖像的位置進(jìn)行確定，并且根據(jù)圖像的實(shí)際大小，來對混合處理的范圍進(jìn)行確定，并且將所需要處理的范圍進(jìn)行分割，然后利用GPU的多線程處理器，來對所分割的單元進(jìn)行處理，最后進(jìn)行統(tǒng)一合并，來完成圖像的透明化處理[5]。在對圖像進(jìn)行透明合并處理的過程中，不存在較為復(fù)雜的邏輯控制，也就是說對于不同的處理對象，其處理流程和方式都是保持一致的，而不同處理對象之間并不存在相應(yīng)的聯(lián)系。
4 結(jié)語
通過對以上算法的介紹可以發(fā)現(xiàn)，在利用CUDA編程框架，在基于GPU多線程處理器對圖像進(jìn)行處理的方式，具有較快的速度和較高的成像效果。
【參考文獻(xiàn)】
【1】翟優(yōu)，曾巒，熊偉.基于不變特征描述符實(shí)現(xiàn)星點(diǎn)匹配[J].光學(xué)精密工程，2012（11）：56-57.
【2】陳慶奎，王海峰，那麗春，等.圖形處理器通用計算的研究綜述[J].黑龍江大學(xué)自然科學(xué)學(xué)報，2012（05）：23-24.
【3】Giorgia Zucchelli.使用MATLAB輕松享受GPU的強(qiáng)大功能[J].電子設(shè)計技術(shù)，2012（03）：44-45.
關(guān)鍵詞：CCD、軌跡、圖像處理
視覺在人類生活中起著非常重要的作用，人們每天都通過眼睛采集大量的信息，這些信息經(jīng)過大腦的處理，成為人們認(rèn)知和理解世界的基礎(chǔ)。機(jī)器人視覺信息主要指CCD攝像機(jī)采集的二維圖像信息。視覺信息能否被正確、實(shí)時地處理直接關(guān)系到機(jī)器人對障礙物的避碰、對路標(biāo)的識別以及對路徑的跟蹤，對系統(tǒng)的實(shí)時性和魯棒性具有決定性的作用。視覺信息的處理技術(shù)是移動機(jī)器人研究中關(guān)鍵的技術(shù)之一。為了簡化視覺信息處理，通常把移動機(jī)器人的工作環(huán)境分為結(jié)構(gòu)化道路環(huán)境和非結(jié)構(gòu)化道路環(huán)境。結(jié)構(gòu)化道路的檢測相對來說較易實(shí)現(xiàn)，其檢測技術(shù)一般都以邊緣檢測為基礎(chǔ)，輔以Hough變換、模式匹配等，并利用最小二乘法對應(yīng)于道路邊界的線條，得出道路的幾何描述。由于非結(jié)構(gòu)化道路的環(huán)境復(fù)雜、特征描述困難，使得非結(jié)構(gòu)化道路的檢測及信息處理復(fù)雜化。
近年來，機(jī)器人視覺導(dǎo)航技術(shù)有了很大的發(fā)展。移動機(jī)器人的工作環(huán)境可能比較復(fù)雜，因此，提高圖像識別的準(zhǔn)確性以實(shí)現(xiàn)移動機(jī)器人的準(zhǔn)確定位是移動機(jī)器人完成其導(dǎo)航任務(wù)的首要前提；同時，由于移動機(jī)器人在導(dǎo)航過程中需要實(shí)時的采集并分析圖像信息，從而實(shí)現(xiàn)對作業(yè)環(huán)境的識別以進(jìn)行準(zhǔn)確的路徑跟蹤。因此，如何在提高圖像識別的準(zhǔn)確性的同時達(dá)到較好的實(shí)時性是移動機(jī)器人視覺技術(shù)的一個發(fā)展方向
1.圖像處理
數(shù)字圖像處理，是對數(shù)字圖像信息進(jìn)行加工以滿足人的視覺心理或應(yīng)用需求的行為，數(shù)字圖像處理的英文名稱是"Digital Image Processing''，通常所說的數(shù)字圖像處理是指用計算機(jī)對圖像進(jìn)行的處理，因此也稱為計算機(jī)圖像處理。圖像處理就是用一系列的特定操作來改變圖像的像素，以達(dá)到特定的目標(biāo)，比如使圖像更清晰，或者從圖像中提取某些特定的信息等。
CCD攝像頭的主要工作原理具體而言，就是攝像頭連續(xù)地掃描圖像上的一行，輸出就是一段連續(xù)的電壓視頻信號，該電壓信號的高低起伏正反映了該行圖像的灰度變化情況。當(dāng)掃描完一行，視頻信號端就輸出低于最低視頻信號電壓的電平(如0.3v)，并保持一段時間。這樣相當(dāng)于，緊接著每行圖像對應(yīng)的電壓信號之后會有一個電壓"凹槽"，此"凹槽"叫做行同步脈沖，它是掃描換行的標(biāo)志。然后就需要跳行，跳過一行后(因?yàn)閿z像頭是隔行掃描的方式)，開始掃描新的一行，如此下去，直到掃描完該行的視頻信號，接著就會出現(xiàn)一段場消隱區(qū)。此區(qū)中有若干個復(fù)合消隱脈沖，其中會有個脈沖遠(yuǎn)寬于(即持續(xù)時間長于)其它的消隱脈沖，該消隱脈沖又稱為場同步脈沖，它是掃描換行的標(biāo)志。場同步脈沖標(biāo)志著新的一場的到來，不過，場消隱區(qū)恰好跨在上一場的結(jié)尾部分和下一場的開始部分，要等到場消隱區(qū)過去，下一場的視頻信號才真正到來。攝像頭每秒掃描25幅圖像，每幅又分奇、偶兩場，先奇場后偶場，故每秒掃描50場圖像。奇場時只掃描圖像中的奇數(shù)行，偶場時則只掃描偶數(shù)行。
選擇一款具有全電視信號輸出的黑白CCD圖像傳感器，用LMl881進(jìn)行信號分離，結(jié)合A／D采樣，實(shí)現(xiàn)了視頻信號的采集。在總線周期為400M的情況下，每行采集72個有效數(shù)據(jù)，攝像頭每場信號有320行，其中第23到310行為視頻信號。我們從中均勻采集了24行，最后得到一個24×72的二維數(shù)組。
CCD采集的原始數(shù)據(jù)包含了黑線的位置信息，為了穩(wěn)定可靠地提取這一信息，有一下幾種方法：
(1)二值化算法
算法的思路是：設(shè)定一個閾值value，對于視頻信號矩陣中每一行，從左至右比較各像素值和閾值的大小。若像素值大于等于閾值，則判定該像素對應(yīng)的是白色道路；反之，則判定對應(yīng)的是目標(biāo)指引線。記下第一次和最后一次出現(xiàn)像素值小于閾值時的像素點(diǎn)的列號，算出兩者的平均值，以此作為該行上目標(biāo)指引線的位置。該算法的思想簡單，具體實(shí)現(xiàn)時還可以一旦檢測到左邊緣后就退出該行掃描，這樣上面的流程圖將變得更加簡潔。但是這種提取算法魯棒性較差，當(dāng)拍攝圖像中只有目標(biāo)指引線一條黑線時，還能準(zhǔn)確提取出目標(biāo)指引線。但當(dāng)光強(qiáng)有大幅度的變化，或圖像中出現(xiàn)其它黑色圖像的干擾時，并且離機(jī)器人比較近的黑線比較的明顯，離機(jī)器人越來越遠(yuǎn)時黑線越來越淡，該算法提取的位置有可能與目標(biāo)指引線的實(shí)際位置偏離較大。
(2)直接邊緣檢測算法
算法的思路是：設(shè)定一個閾值，對于視頻信號矩陣中每一行，從左至右求出相鄰兩像素值的差值(左減右)。若差值大于等于閾值，則判定下一個的像素點(diǎn)對應(yīng)的是目標(biāo)指引線的左邊緣，以此像點(diǎn)作為該列的特征點(diǎn)，記錄下此像素點(diǎn)的列號，作為該行上目標(biāo)指引線的位置。當(dāng)然，可能出現(xiàn)差值始終小于閾值的情況，此時一種方法是令該行上目標(biāo)指引線位置為0，通過進(jìn)一步濾波或擬合來修正；另一種方法是讓該行上目標(biāo)指引線位置和通過上一場視頻數(shù)據(jù)求得的位置一樣。
該算法較二值化方法而言，抗環(huán)境光強(qiáng)變化干擾的能力更強(qiáng)．同時還能削弱或消除垂直交叉黑色指引線的干擾。因?yàn)樵撍惴ㄔ谝曨l信號矩陣中是由左至右來尋找目標(biāo)指引線的左邊緣的，所以當(dāng)黑色圖像出現(xiàn)在目標(biāo)指引線左方時，該算法無法排除干擾，而當(dāng)其出現(xiàn)在右方時，則可以排除干擾。
(3)跟蹤邊緣檢測法
這種算法跟直接邊緣榆測算法一樣，也是尋找出目標(biāo)指引線的左邊緣，仍然用左邊緣的位置代表目標(biāo)指引線的位置。但跟蹤邊緣檢測從視頻信號矩陣每行中尋找左邊緣的方法與直接邊緣檢測法不同。
因?yàn)槟繕?biāo)指引線是連續(xù)曲線，所以相鄰兩行的左邊緣點(diǎn)比較靠近。跟蹤邊緣檢測正是利用了這一特性，對直接邊緣檢測進(jìn)行了簡化。其思路是：若已尋找到某行的左邊緣，則下一次就在上一個左邊緣附近進(jìn)行搜尋。這種方法的特點(diǎn)是始終跟蹤每行左邊緣的附近，去尋找下一列的左邊緣，所以稱為"跟蹤"邊緣檢測算法。
在首行邊緣檢測正確的前提下，該算法具有較強(qiáng)的抗干擾性，能更有效地消除垂直交叉黑色指引線的干擾，以及指引線外黑色圖像的影響，始終跟蹤目標(biāo)指引線。
另外，較之前兩種算法，跟蹤邊緣檢測算法的時間復(fù)雜度更低，因此效率更高。但值得注意的是第一行的左邊緣位置對整個目標(biāo)指引線的搜尋影響 很大，一旦它的位置和實(shí)際導(dǎo)引線偏差較大，就會產(chǎn)生一連串的錯誤，這是不可容忍的。
通過比較本系統(tǒng)選擇了效率更高，更可靠的跟蹤邊緣檢測法。流程圖如圖所示：
2.結(jié)論
本文中圖像處理和路徑信息識別的方法，并對不同時刻不同位置采集到的圖像的處理效果進(jìn)行比較研究，結(jié)合實(shí)際環(huán)境中的圖像特點(diǎn)，確定出適合于本研究的圖像處理算法。提出了改善路徑信息辨識速度和精度的方法。
參考文獻(xiàn)：
［1］張文志，呂恬生．基于改進(jìn)的遺傳算法和模糊邏輯控制的移動機(jī)器人導(dǎo)航［J］．機(jī)器人．2003，
25(1)：1
［2］邱茂林，馬頌德，李毅．計算機(jī)視覺中攝像機(jī)定標(biāo)綜述［J］．自動化學(xué)報．2000，26(1)：44-45
［3］吳文琪，孫增圻．機(jī)器視覺中的攝像機(jī)定標(biāo)方法綜述［J］．計算機(jī)應(yīng)用研究．2004，21(2)：4-5
關(guān)鍵詞：分形理論 圖像處理 識別檢測 粒徑分布
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。火力發(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?？蚣苋鐖D1。
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。可直接將光信號轉(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.
[3] 霍紅濤.數(shù)字圖象處理[M].北京：機(jī)械工業(yè)出版社，2003.
