導(dǎo)語：如何才能寫好一篇計算機(jī)視覺方法，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

doi:10.11772/j.issn.10019081.2013.07.2018

摘 要：

電池在生產(chǎn)過程中常常因為設(shè)備故障造成其表面產(chǎn)生各種傷痕，傳統(tǒng)的人工檢測在及時性和耐久性上存在很大缺陷，而現(xiàn)在國內(nèi)外又缺乏一種針對普通電池表面缺陷的有效自動檢測手段。針對電池表面缺陷的分布位置及形態(tài)特點(diǎn)，提出一種新的基于計算機(jī)視覺的光學(xué)自動檢測方法。所提方法基于電池負(fù)極表面形態(tài)特征，利用Canny算子和原創(chuàng)的自由離子碰撞法配合最小值搜索確定待檢測區(qū)域；針對傷痕比較尖利這一形狀特征，用修正的Harris角點(diǎn)作為標(biāo)記點(diǎn)標(biāo)記缺陷位置，利用標(biāo)記點(diǎn)的聚集度信息濾除偽標(biāo)記點(diǎn)，最后提取出缺陷處圖像。實驗結(jié)果證明所提方法在自然光照環(huán)境下的檢測成功率達(dá)到90%以上且比小波分析法具有更好的檢測效果。研究成果為電池生產(chǎn)提供了一種產(chǎn)品質(zhì)量自動檢測的參考方法。

關(guān)鍵詞：缺陷；自動檢測；電池；Harris角點(diǎn)

中圖分類號：TP391.413

文獻(xiàn)標(biāo)志碼:A

英文標(biāo)題

New engineering method for defect detection of batteries based on computer vision

英文作者名

XU Jianyuan*, YU Hongyang

英文地址(

Research Institute of Electronic Science and Technology, University of Electronic Science and Technology of China, Chengdu Sichuan 611731, China英文摘要)

Abstract:

篇2

關(guān)鍵詞：攝像機(jī)標(biāo)定 視覺 單目 雙目 計算機(jī)應(yīng)用 測量

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）02-0053-03

Abstract：Between the actual shape of the object and it’s camera image formed a certain function，for the purpose of obtaining the function parameters，in this paper using Matlab to camera calibration for vision measurement system.The method uses the Matlab toolbox and VC + +6.0 compiler software，designed calibration methods and software programs， conveniently and accurately complete the calibration of single camera and the dual camera，and obtained internal and external parameters of the camera，simplify the calibration procedure，improves the calibration rate，and has good portability，suitable for other vision measurement system.

Key Words：Camera calibration Computer vision Monocular camera Binocular camera Computer application Measurement

在機(jī)器視覺應(yīng)用中，我們選擇的攝像機(jī)都會有圖像畸變。我們看到的物體在攝像機(jī)上所成的像與物體實際的形狀是有一定的函數(shù)關(guān)系的。這些函數(shù)的參數(shù)都是未知或不準(zhǔn)確的，我們需要通過實驗與計算來得到這些參數(shù)，求解這些函數(shù)的參數(shù)的過程就稱為攝像機(jī)標(biāo)定。這一過程精確與否，會直接影響立體視覺系統(tǒng)的測量精度。Matlab是一款專業(yè)的數(shù)學(xué)矩陣處理軟件，在現(xiàn)階段是非常流行，深得人們的信任與喜愛。我們選擇Matlab用來標(biāo)定也是看重了它在數(shù)學(xué)與圖形圖像處理方面的超強(qiáng)處理能力。而事實證明，它計算出的結(jié)果精確度高、可信度強(qiáng)，正是我們機(jī)器視覺項目所需要的。

Matlab提供了很多應(yīng)用工具箱，其中就有標(biāo)定工具箱toolbox_ calib供我們使用，其圖形交互式的處理方式直觀簡單、結(jié)果快速精確，是標(biāo)定這一重要步驟非常合適的工具。

1 單個攝像機(jī)分別標(biāo)定

本文采用的是平面棋盤格，棋盤規(guī)格為27.5mm。用雙目攝像頭獲得不同位置下的棋盤圖片，理論上采集越多的圖像，所求出的結(jié)果越精確。根據(jù)實驗所需，一般采集20組左右，并記錄標(biāo)定板的位置信息。

在雙目立體視覺系統(tǒng)中，由于其它標(biāo)定方法的不穩(wěn)定性和局限性，我們最終決定用Bouguet算法的Matlab標(biāo)定工具箱分別對左右兩個攝像頭進(jìn)行標(biāo)定，Matlab標(biāo)定工具箱對單個攝像機(jī)標(biāo)定步驟如下：

首先在F：＼Program Files中安裝MATLAB R2012a主程序。下載Matlab標(biāo)定工具箱，把Matlab工具箱的文件夾toolbox_calib復(fù)制到安裝目錄F：＼Program Files＼MATLAB R2012a＼toolbox下，再把我們前面已經(jīng)拍攝的標(biāo)定棋盤圖復(fù)制到F：＼Program Files＼MATLAB R2012a＼toolbox＼toolbox_calib下。啟動Matlab程序，在Command Window內(nèi)輸入：

>>addpath（'F：＼Program Files＼MATLAB R2012a＼ toolbox＼toolbox_calib'）

>>cd（'F：＼Program Files＼MATLAB R2012a＼ toolbox＼toolbox_calib'）

上述語句的意思是將Matlab工作空間設(shè)置在安裝文件夾F：＼Program Files＼MATLAB R2012a＼toolbox＼toolbox_calib下。為了驗證工作空間已經(jīng)設(shè)置成功并且標(biāo)定的棋盤圖能正確識別，繼續(xù)在Command Window內(nèi)輸入：

>> which right1.jpg

如果窗口內(nèi)顯示：

F：＼Program Files＼MATLAB R2012a＼toolbox＼ toolbox_calib＼right1.jpg

則證明能在工作目錄下找到標(biāo)定所用圖像right1.jpg。

準(zhǔn)備工作完畢，運(yùn)行calilb_gui進(jìn)行攝像機(jī)標(biāo)定。選擇Standard，出現(xiàn)如圖1-1所示窗口。

先標(biāo)定右攝像機(jī)，點(diǎn)擊Image names，在Matlab命令行窗口會提示你輸入圖片的basename（基礎(chǔ)名稱），實驗的圖片文件名是right1，right2，…，right12，basename就是right。我們輸入rignt，按回車，接下來是讓你輸入圖片的格式，實驗中保存的是jpg格式，就輸入jpg，按回車。Matlab工具箱自動讀入實驗中棋盤格圖片，Matlab完成12幅右攝像頭的棋盤圖的讀入。

回到calilb_gui，選擇Extract grid corners，進(jìn)行這12張棋盤圖角點(diǎn)的提取。實驗中是找最外面一圈的角點(diǎn)，回到Matlab的Command Window，命令行會出現(xiàn)如下提示：Extraction of the grid corners on the images

Number（s）of image（s）to process（[]=all images） =

Window size for corner finder（wintx and winty）：

它的意思是輸入棋盤角點(diǎn)搜索窗口wintx、winty的長和寬，我們選77大小即可。

角點(diǎn)提取界面會在選擇完畢后自動彈出，我們按一定順序分別提取棋盤的最邊上的角點(diǎn)，工具箱會自動找到所有內(nèi)部對應(yīng)的角點(diǎn)，如圖1-2，點(diǎn)擊4個最外邊的角點(diǎn)即可。

然后回到Matlab的Command Window，輸入棋盤格方格大小。這步定義了空間的尺度，在后面的物體測距、物體大小描述等信息方面起著重要作用。

開始下一幅圖的角點(diǎn)提取。完成后回車即可自動讀入下一幅圖，同理完成12幅圖的提取?；氐絚alilb_gui界面，點(diǎn)擊Calibration，開始攝像頭標(biāo)定。等待30秒左右，Matlab計算得到了攝像頭的本征參數(shù)和畸變參數(shù)，如下所示：

Focal Length：fc=[984.22621 988.55599] ？ [14.18888 14.22740]

Principal point：cc=[356.08748 201.80653] ？ [12.12838 10.94669]

Skew：alpha_c=[0.00000] ？ [0.00000]=>angle of pixel axes=90.00000 ？ 0.00000 degrees

Distortion：kc=[0.04377 0.06571 -0.01079 0.00196 0.00000] ？ [0.05325 0.45593 0.00469 0.00398 0.00000]

Pixel error：err=[0.11090 0.10129]

回到calilb_gui面板點(diǎn)擊Show Extrinsic查看標(biāo)定3D效果，如圖1-3所示。通過已經(jīng)記錄的實際標(biāo)定板與攝像機(jī)的相對位置，驗證標(biāo)定結(jié)果是否符合要求。

驗證標(biāo)定結(jié)果無誤之后，點(diǎn)擊面板上的Save按鈕，程序會把標(biāo)定結(jié)果放在F：＼Program Files＼MATLAB R2012a＼%drive_F%文件夾下一個叫Calib_Results.mat的文件中，為了后面立體標(biāo)定識別的方便性，把這個文件名改為Calib_Results_right.mat，復(fù)制到Matlab工作目錄下方便后續(xù)使用，不復(fù)制的話程序會找不到相應(yīng)文件。

同理對左攝像頭進(jìn)行標(biāo)定，又生成了新的Calib_Results.mat，將其文件名改為Calib_Results_left.mat并復(fù)制到Matlab工作目錄下。

2 立體標(biāo)定

用相同的方法對左右攝像頭都進(jìn)行標(biāo)定之后，開始立體標(biāo)定。退出calib_gui面板，回到Matlab的Command Window，在該行有>>的情況下輸入stereo_gui按回車鍵，出現(xiàn)圖2-1所示界面，開始立體標(biāo)定。

點(diǎn)擊Load left and right calibration files并在命令行中按兩次回車鍵選擇默認(rèn)的文件名（Calib_Results_left.mat和Calib_Results_right.mat），回到stereo_gui面板點(diǎn)擊Run stereo calibration開始立體標(biāo)定，等待10s左右，左右攝像頭的參數(shù)都計算出來了，也求出了兩個攝像頭之間的旋轉(zhuǎn)和平移關(guān)系向量（om和T）。

Intrinsic parameters of left camera：

Focal Length：fc_left=[981.10666 982.53816] ？ [9.19436 9.02776]

Princi palpoint：cc_left=[276.37936 281.21468] ？ [14.55475 8.38110]

Skew：alpha_c_left=[0.00000] ？ [0.00000]=>angle of pixel axes=90.00000 ？ 0.00000 degrees

Distortion：kc_left=[-0.14594 1.22238 0.00740 -0.01087 0.00000] ？ [0.07311 1.03011 0.00193 0.00421 0.00000]

Intrinsic parameters of right camera：

Focal Length：fc_right=[979.65348 984.02580] ？ [9.04324 9.18283]

Principal point：cc_right=[361.22778 212.64918] ？ [11.95349 9.48257]

Skew：alpha_c_right=[0.00000] ？ [0.00000]=>angle of pixel axes=90.00000 ？ 0.00000 degrees

Distortion：kc_right=[0.03619 0.08136-0.00818 0.00289 0.00000] ？ [0.05344 0.48159 0.00376 0.00391 0.00000]

Extrinsic parameters （position of right camera wrt left camera）：

Rotation vector：om=[-0.06188 -0.04645 -0.00279] ？ [0.01033 0.01794 0.00067]

Translation vector：T=[-112.45166 0.84707 -2.84633] ？ [0.17761 0.19990 2.27834]

回到stereo_gui界面點(diǎn)擊Show Extrinsics of stereo rig，彈出雙目攝像機(jī)標(biāo)定三維環(huán)境狀態(tài)圖，結(jié)果如圖2-2所示，兩個攝像頭基本是前向平行并在一條直線上，攝像頭之間的距離為112mm，計算得十分準(zhǔn)確，標(biāo)定板和攝像頭的相對距離也非常精準(zhǔn)，標(biāo)定板自身放置姿態(tài)也基本符合。

3 保存標(biāo)定結(jié)果

由立體標(biāo)定得到了立體標(biāo)定參數(shù)之后，就可以把參數(shù)放入xml文件，xml文件為以后的程序調(diào)用作準(zhǔn)備。

平移矩陣T得到的結(jié)果是基于右攝像頭為向量起點(diǎn)的，在后面的cvStereoRectify（ ）函數(shù)得到視差圖，再用cvReprojectImageTo3D（ ）函數(shù)得到深度圖，其中都是以左攝像頭為基準(zhǔn)的，所以T向量都要反轉(zhuǎn)才能再使用。

要注意的是Matlab標(biāo)定結(jié)果中的om向量，它代表的意義是右攝像頭相對左攝像頭的旋轉(zhuǎn)角度。這個向量是旋轉(zhuǎn)矩陣通過Rodrigues變換之后得出的結(jié)果，如果要在cvStereoRectify中使用的話，需要將這個向量用cvRodrigues轉(zhuǎn)換成旋轉(zhuǎn)矩陣。

4 結(jié)語

借助棋盤格標(biāo)定板，應(yīng)用Matlab工具箱及VC++6.0，準(zhǔn)確的實現(xiàn)了單目攝像機(jī)及雙目攝像機(jī)的標(biāo)定工作。并對實驗過程環(huán)境狀態(tài)進(jìn)行3D顯示，可以清楚看出計算結(jié)果與實際位置十分吻合，本方法簡單易行，可以應(yīng)用與視覺測量系統(tǒng)中單、雙攝像機(jī)的標(biāo)定。

參考文獻(xiàn)

[1]馬頌德，張正友.計算機(jī)視覺-計算理論與算法基礎(chǔ)[M].北京：科學(xué)出版社，1998：52-59.

[2]Tsa i R Y.A versatile camera calibration technique for high accuracy 3D machine vision metro logy using of the-shelf TV cam eras and lenses[J].IEEE Journa l of Robotics and Automation，1987，3（4）：323-344.

篇3

摘要:云計算是分布式計算技術(shù)的一種,通過網(wǎng)絡(luò)將龐大的計算處理程序自動分拆成無數(shù)個較小的子程序,再交由多部服務(wù)器所組成的龐大系統(tǒng)經(jīng)搜尋、計算分析之后將處理結(jié)果回傳給用戶。本文簡要探討在云計算時代存在的信息安全問題及解決這些問題的方法。

關(guān)鍵詞:云計算;安全風(fēng)險

Security Risks&Solutions in Cloud Computing Era

Chen Xin

(Jiangsu Highway Management Centre,Nanjing211300,China)

Abstract:Cloud computing is a distributed computing technology, network computing will be a huge program automatically split into numerous small subroutine,and then handed over to multiple servers through an extensive system search,calculation and analysis after the treatment results back to the user.In this paper,Security Risks&Solutions in Cloud

Computing Era was Investigated.

Keywords:Cloud computing;Security risk

一、云計算的定義與現(xiàn)狀

云計算是并行計算、分布式計算和網(wǎng)格計算的發(fā)展實現(xiàn)。目前云計算的產(chǎn)業(yè)分三層:云軟件、云平臺、云設(shè)備。上層分級:云軟件提供各式各樣的軟件服務(wù)。參與者:世界各地的軟件開發(fā)者;中層分級:云平臺程序開發(fā)平臺與操作系統(tǒng)平臺。參與者:Google、微軟、蘋果;下層分級:云設(shè)備集成基礎(chǔ)設(shè)備。參與者:IBM、戴爾、惠普、亞馬遜。

二、云計算的重要特點(diǎn)

(一)超大規(guī)模。“云計算管理系統(tǒng)”具有相當(dāng)?shù)囊?guī)模,Google的云計算已經(jīng)擁有100多萬臺服務(wù)器,Amazon、IBM、微軟、Yahoo等的“云”均擁有幾十萬臺服務(wù)器?！霸啤蹦苜x予用戶前所未有的計算能力。

(二)虛擬化。云計算支持用戶在任意位置、使用各種終端獲取應(yīng)用服務(wù)。所請求的資源來自“云”,而不是固定的有形的實體。應(yīng)用在“云”中某處運(yùn)行,但實際上用戶無需了解、也不用擔(dān)心應(yīng)用運(yùn)行的具置。

(三)高可靠性。“云”使用了數(shù)據(jù)多副本容錯、計算節(jié)點(diǎn)同構(gòu)可互換等措施來保障服務(wù)的高可靠性,使用云計算比使用本地計算機(jī)可靠。

(四)通用性。云計算不針對特定的應(yīng)用,在“云”的支撐下可以構(gòu)造出千變?nèi)f化的應(yīng)用,同一個“云”可以同時支撐不同的應(yīng)用運(yùn)行。

(五)高可擴(kuò)展性?！霸啤钡囊?guī)模可以動態(tài)伸縮,滿足應(yīng)用和用戶規(guī)模增長的需要。

(六)廉價。由于“云”的特殊容錯措施可以采用極其廉價的節(jié)點(diǎn)來構(gòu)成云,因此用戶可以充分享受“云”的低成本優(yōu)勢。

三、云計算存在的信息安全

作為一項可以大幅降低成本的新興技術(shù),云計算已受到眾多企業(yè)的追捧。然而,云計算所帶來的安全問題也應(yīng)該引起我們足夠的重視。

云計算使公司可以把計算處理工作的一部分外包出去,公司可以通過互聯(lián)網(wǎng)來訪問計算基礎(chǔ)設(shè)施。但同時,數(shù)據(jù)卻是一個公司最重要的財富,云計算中的數(shù)據(jù)對于數(shù)據(jù)所有者以外的其他用戶云計算用戶是保密的,但是對于提供云計算的商業(yè)機(jī)構(gòu)而言確實毫無秘密可言。隨著基于云計算的服務(wù)日益發(fā)展,云計算服務(wù)存在由多家服務(wù)商共同承擔(dān)的現(xiàn)象。這樣一來,公司的機(jī)密文件將經(jīng)過層層傳遞,安全風(fēng)險巨大。

總的說來,由云計算帶來的信息安全問題有以下幾個方面:

(一)特權(quán)用戶的接入

在公司外的場所處理敏感信息可能會帶來風(fēng)險,因為這將繞過企業(yè)IT部門對這些信息“物理、邏輯和人工的控制”。

(二)可審查性

用戶對自己數(shù)據(jù)的完整性和安全性負(fù)有最終的責(zé)任。傳統(tǒng)服務(wù)提供商需要通過外部審計和安全認(rèn)證,但一些云計算提供商卻拒絕接受這樣的審查。

(三)數(shù)據(jù)位置

在使用云計算服務(wù)時,用戶并不清楚自己的數(shù)據(jù)儲存在哪里,用戶甚至都不知道數(shù)據(jù)位于哪個國家。用戶應(yīng)當(dāng)詢問服務(wù)提供商數(shù)據(jù)是否存儲在專門管轄的位置,以及他們是否遵循當(dāng)?shù)氐碾[私協(xié)議。

(四)數(shù)據(jù)隔離

用戶應(yīng)當(dāng)了解云計算提供商是否將一些數(shù)據(jù)與另一些隔離開,以及加密服務(wù)是否是由專家設(shè)計并測試的。如果加密系統(tǒng)出現(xiàn)問題,那么所有數(shù)據(jù)都將不能再使用。

(五)數(shù)據(jù)恢復(fù)

就算用戶不知道數(shù)據(jù)存儲的位置,云計算提供商也應(yīng)當(dāng)告訴用戶在發(fā)生災(zāi)難時,用戶數(shù)據(jù)和服務(wù)將會面臨什么樣的情況。任何沒有經(jīng)過備份的數(shù)據(jù)和應(yīng)用程序都將出現(xiàn)問題。用戶需要詢問服務(wù)提供商是否有能力恢復(fù)數(shù)據(jù),以及需要多長時間。

四、云計算中確保信息安全的具體方法

(一)對保存文件進(jìn)行加密

加密技術(shù)可以對文件進(jìn)行加密,那樣只有密碼才能解密。加密讓你可以保護(hù)數(shù)據(jù),哪怕是數(shù)據(jù)上傳到別人在遠(yuǎn)處的數(shù)據(jù)中心時。PGP或者對應(yīng)的開源產(chǎn)品TrueCrypt等程序都提供了足夠強(qiáng)大的加密功能。

(二)對電子郵件進(jìn)行加密

為了確保郵件安全,使用Hushmail或者M(jìn)utemail之類的程序,對收發(fā)的所有郵件進(jìn)行加密。

(三)使用信譽(yù)良好的服務(wù)

建議使用名氣大的服務(wù)商,它們不大可能拿自己的名牌來冒險,不會任由數(shù)據(jù)泄密事件發(fā)生,也不會與營銷商共享數(shù)據(jù)。

(四)考慮商業(yè)模式

在設(shè)法確定哪些互聯(lián)網(wǎng)應(yīng)用值得信任時,應(yīng)當(dāng)考慮它們打算如何盈利。收取費(fèi)用的互聯(lián)網(wǎng)應(yīng)用服務(wù)可能比得到廣告資助的那些服務(wù)來得安全。廣告給互聯(lián)網(wǎng)應(yīng)用提供商帶來了經(jīng)濟(jì)上的刺激,從而收集詳細(xì)的用戶資料用于針對性的網(wǎng)上廣告,因而用戶資料有可能落入不法分子的手里。

(五)使用過濾器

Vontu、Websense和Vericept等公司提供一種系統(tǒng),目的在于監(jiān)視哪些數(shù)據(jù)離開了你的網(wǎng)絡(luò),從而自動阻止敏感數(shù)據(jù)。比方說,社會保障號碼具有獨(dú)特的數(shù)位排列方式。還可以對這類系統(tǒng)進(jìn)行配置,以便一家公司里面的不同用戶在導(dǎo)出數(shù)據(jù)方面享有不同程度的自由。

參考文獻(xiàn):

[1]MICHAEL MILLER.云計算,2009,7

篇4

關(guān)鍵詞：工程造價；預(yù)決算審核；問題；應(yīng)對措施

在工程造價預(yù)決算審核中，存在著各式各樣的問題，主要集中在設(shè)計概算、決算、施工圖預(yù)算審核等方面?，F(xiàn)在我來簡要談?wù)劰こ淘靸r預(yù)決算中存在的問題以及應(yīng)對方案。

一、工程造價預(yù)決算中存在的問題

1.1多算工程量和重復(fù)計算工程量

多算工程量和重復(fù)計算工程量雖然都會導(dǎo)致最后計算出的工程量與實際不符，但是其根本原因卻是截然不同的。

多算工程量的差錯可能主要出現(xiàn)在隱蔽工程和砼工程等方面，由于這些工程自身的結(jié)構(gòu)復(fù)雜，樁、承臺、梁、柱、板等零件的數(shù)量眾多，導(dǎo)致計算統(tǒng)計數(shù)量困難，于是在計算截面面積時有時會采用多個界面組合的方法。同時，相重疊的部分也會致使多算，種種原因加起來導(dǎo)致最后計算出來的工程量大于實際的工程量。

而重復(fù)計算工程量則是由于為了使計算方便而產(chǎn)生的誤差。比如已經(jīng)單獨(dú)列出過的零件如墻壁柱磚砌體，在計算墻磚項目的總量時由于墻壁柱磚砌體的數(shù)量比較少，就沒有再次從中扣除，這樣就導(dǎo)致了墻壁柱磚砌體的數(shù)量被計算了兩次。同樣的情況還發(fā)生在鋼筋混凝土構(gòu)件等小數(shù)量的零件上，歸根結(jié)底只是為了使計算更方便，減少麻煩。

然而這些問題都不是無法避免的，只要做到細(xì)心認(rèn)真。這就要求在計算工程量時，要實事求是，不馬虎不松懈。要嚴(yán)格按照國家工程量計算規(guī)則來計算，在計算過程中嚴(yán)謹(jǐn)認(rèn)真，結(jié)算出結(jié)果后首先結(jié)合自己的經(jīng)驗來判斷是否合理，然后按照實際工程量來檢查核對。[1]

在一般的民用建筑工程中，我們一般按照如下的要求來進(jìn)行。鋼筋混凝土每平方米折實厚度：地下室：1.0一1.5立方米/平方米（地下室面積）；上部框架：0.3―0.35立方米/平方米（上部建筑面積）；綜合：0.4一0.45立方米/平方米（全部建筑面積）等。不同的結(jié)構(gòu)有其自己固定的占地面積比，在這里我不再多舉例。但需要指出的是，我們要嚴(yán)格的按照這些規(guī)定指標(biāo)，不超標(biāo)不亂造，重視國家標(biāo)準(zhǔn)，時時刻刻都能保證其正確性，同時也保證科學(xué)性和合理性。

1.2定額應(yīng)用套價的問題

套用定額時要注意根據(jù)不同項目的不同特點(diǎn)選擇合適的定額，由于定額自身的科學(xué)性與權(quán)威性，致使我們在套用定額時要更加的嚴(yán)謹(jǐn)，確保不出差錯，一定要找到適用的定額再套用。在套用時要注意定額的適用界限、注釋說明及單價換算等其他注意事項。[2]

1.2.1定額套用界限

一個適用的定額子目的確定往往要經(jīng)過多重篩選，同一個項目可能有很多適用的子目，這時到底該套用哪一個就會出現(xiàn)意見分歧。在遇到這種情況時，我們要明智的選擇，對于不同的子目要理智的分析其不同的特點(diǎn)，結(jié)合施工方案的自身特性來選擇最合適的那一個，通常來說施工單位的選擇方法是根據(jù)子目單價來選擇。所以對于子目的選擇，要求我們要明確劃分定額中的同類工程量的子目套用界限，這樣才能更好更快的選出最適合的子目來套用。

1.2.2定額適用范圍

當(dāng)工程施工項目已經(jīng)結(jié)束或者已經(jīng)被其他子目包括了的時候，這個項目是不能在原有子目中再度存在的。然而在原土碾壓、平整場地等工程中，即使子目不再存在，施工單位為了牟取更多的經(jīng)濟(jì)利益，于是虛報工程造價，重新列出這些已經(jīng)不存在的子目，無視工程類型。施工單位謀求經(jīng)濟(jì)利益的手段還有將一些定額內(nèi)容已經(jīng)很明確的小型拆除項目，比如鑿除塊料面層、結(jié)合層、清理基層、廢渣堆放等，套用2次定額，提高工程量。在這種情況下我們應(yīng)該將定額適用范圍作出明確的規(guī)定與劃分，并嚴(yán)格按照規(guī)定執(zhí)行。

1.2.3定額單價換算

在進(jìn)行定額單價換算的時候往往也會出現(xiàn)一些錯誤，這些錯誤主要集中于定額單價轉(zhuǎn)換的方法選擇不當(dāng)以及套用定額單價時單價錯誤兩個方面。在工程隊施工時，經(jīng)常通過一種方法來提高造價，即只換實際塊料價但不換定額的含量，這樣會導(dǎo)致造價的大幅度增加，至于為什么會增加，現(xiàn)在讓我來闡述。在塊料子目中，實際尺寸經(jīng)常會與定額尺寸不相符，會發(fā)生這種情況的原因在于實際塊料的尺寸小，即實際用量少于定額，又由于塊料越少，縫隙越多，因此這表明，塊料少的時候，同正常情況相比塊料面積也必然減少，這樣就會導(dǎo)致造價的增加。[3]

二、應(yīng)對措施

2.1正確地掌握新材料新工藝新技術(shù)的使用

任何事物都是在不斷發(fā)展中前行的，只有掌握了新的技術(shù)，靈活使用新材料，才能更好的發(fā)展，對于工程造價預(yù)決算審核也是一樣。在過去，我們使用的方法主要是套用定額，但隨著建筑行業(yè)的不斷發(fā)展，對于現(xiàn)如今的情況這個方法已經(jīng)漸漸不能勝任，使用起來越來越吃力，出現(xiàn)了各方面的問題。因此在技術(shù)方面，我們要創(chuàng)造并熟練運(yùn)用新的技術(shù)。在材料方面，新型材料已經(jīng)大范圍覆蓋了過去的木材等材料。鋁合金、輕鋼龍骨吊頂、不銹鋼飾面、特種玻璃等新型材料走進(jìn)了人們的生活。但在人們還沒有完全習(xí)慣這些新型材料的當(dāng)下，市場上會出現(xiàn)各種質(zhì)量不同價格各異的相同材料，這會給預(yù)決算編審工作帶來許多的困難。于是就要求決算人員能夠“慧眼識英雄”，在了解市場、熟悉各家產(chǎn)品的質(zhì)量、價格的前提下，不斷更新手頭信息，對定額造價按實際情況不斷地作出合適的調(diào)整，正確計算出實際造價。同時不能忘記遵守原有的規(guī)則。規(guī)則與實際相結(jié)合，才能作出最科學(xué)最正確的造價，避免發(fā)生由于不熟悉市場而造成的被施工單位抬高價格的情況。

2.2以實事求是的原則進(jìn)行編審工作

工程造價的預(yù)決算最重要的要求就是實事求是，這也是作為一個造價師應(yīng)遵守的原則。在面對不同承包形式時，無論是平方米造價包干還是別的承包形式，都要準(zhǔn)確的進(jìn)行工程造價，絕不忽略預(yù)決算編審工作，嚴(yán)格的進(jìn)行工程預(yù)算。在進(jìn)行工程預(yù)決算編審工作時，既不能多算也不能少算，多算會使得施工人員通過少量勞動得到大量的與勞動量不相符的利潤，而少算會使工程的進(jìn)行由于資金的缺乏而難以再進(jìn)行下去，再次追加資金的投入是一件很麻煩的事情。避免在施工時不嚴(yán)格按照圖紙施工的情況。正確的進(jìn)行工程預(yù)決算編審工作也能保證工程完成的質(zhì)量。[4]

三、結(jié)論

對于預(yù)決算編審人員，我們要求他熟悉各項規(guī)定，具有將預(yù)決算編審做好的實際能力，同時掌握建筑行業(yè)各方面的知識，熟悉不斷動蕩的行情。只有做好了工程造價預(yù)決算審核，才能使工程施工得到完善。對于國家發(fā)展的大局建設(shè)也能做出應(yīng)有的貢獻(xiàn)。

參考文獻(xiàn)

[1]陳美蘭；房地產(chǎn)企業(yè)整體成本控制論析[J]；國際商務(wù)財會；2011年05期

[2]劉立濤 馮尊榮 田昆；建筑工程中造價管理的重要性[J]；價值工程；2011年30期

篇5

關(guān)鍵詞：絕緣子；憎水性；稀疏表示；圖像識別

中圖分類號：TM855 文獻(xiàn)標(biāo)識碼：A

與傳統(tǒng)電瓷、玻璃絕緣子相比，復(fù)合絕緣子因其具有優(yōu)異的耐污閃性能而在電力系統(tǒng)中被廣泛使用.復(fù)合絕緣子的憎水性和憎水遷移性是其具有較強(qiáng)耐污閃性能的基礎(chǔ)，然而其在運(yùn)行中因受到紫外線、污穢、電磁場等條件的共同作用會出現(xiàn)老化現(xiàn)象，使得復(fù)合絕緣子憎水性下降，嚴(yán)重老化的絕緣子甚至?xí)适湓魉訹1-2].因此有必要定期對運(yùn)行中的復(fù)合絕緣子的憎水性進(jìn)行檢測，及時更換憎水性不合格的絕緣子.目前現(xiàn)場測量復(fù)合絕緣子憎水性的方法主要為噴水分級法[3]，該方法將復(fù)合絕緣子憎水性分為HC1至HC7 7個等級，其操作簡單，對檢測設(shè)備要求低，但完全依賴于人的主觀判斷，容易引起檢測結(jié)果的不一致性.

目前，國內(nèi)外一些學(xué)者提出了基于絕緣子憎水性圖像的智能檢測方法，文獻(xiàn)[4-5]采用圖像預(yù)處理去除噪聲和雜波，利用方向濾波、自適應(yīng)濾波等方法提取圖像的水珠或者水跡邊緣，對水珠特征參數(shù)進(jìn)行統(tǒng)計以后利用K鄰近算法進(jìn)行模式識別，從而確定憎水性等級.這種方法克服了目測的主觀性，但是由于圖像分割處理中很容易出現(xiàn)過度分割或者欠分割現(xiàn)象而導(dǎo)致分割失敗，使得后續(xù)的特征值提取失準(zhǔn)從而導(dǎo)致分類算法無法進(jìn)行.如圖1所示為運(yùn)用先進(jìn)的水平集方法對去噪后憎水性圖像進(jìn)行分割時，出現(xiàn)過分割和欠分割的現(xiàn)象.

本文采用稀疏表示分類算法（Sparse Representation Classification， SRC）對復(fù)合絕緣子憎水性圖像進(jìn)行識別與分類.稀疏表示的算法是由Wright等于2009年提出應(yīng)用于人臉識別領(lǐng)域中的算法[6].在該方法中一個測試樣本被所有訓(xùn)練樣本稀疏線性表示，然后從中找出對測試樣本表示誤差最小的一類訓(xùn)練樣本.這一研究為稀疏表示在圖像識別中的應(yīng)用開辟了新的方向.本文運(yùn)用稀疏表示分類算法對復(fù)合絕緣子憎水性圖像進(jìn)行分類，通過對稀疏表示系數(shù)以及最小殘差的計算找出樣本庫中與測試圖像最接近的訓(xùn)練圖像，從而判斷測試圖像所對應(yīng)復(fù)合絕緣子的憎水性等級.

1稀疏表示算法

由于拍攝圖片光照條件、拍攝角度、拍攝距離等實際因素的影響，即使是同一等級的水珠圖像也會呈現(xiàn)出多種不同的效果，所以在選擇訓(xùn)練樣本時，要綜合考慮各種水珠圖像所可能呈現(xiàn)的情況.以HC1級別的憎水性圖像為例，此時的復(fù)合絕緣子憎水性能較好，噴水后復(fù)合絕緣子傘裙表面會呈現(xiàn)出單個獨(dú)立的水珠.但由于受到拍攝條件的影響，水珠的大小、形狀、分布有很大的不同.為了能使訓(xùn)練樣本最大限度的代表HC1級別憎水性圖像的特征，選取具有不同大小水珠、不同光照條件、水珠分布疏密不一致、以及水珠重心傾斜不同角度的憎水性圖像作為訓(xùn)練樣本集.對于HC4～HC6級別的憎水性圖像，由于這些類別復(fù)合絕緣子表面出現(xiàn)了不同程度的污穢，使得拍攝所得水珠圖像的背景進(jìn)一步復(fù)雜化，需要考慮背景中污穢的分布以及污穢等級的影響.本文所用到的部分HC1～HC6的訓(xùn)練樣本圖像如圖2所示.

3實驗結(jié)果統(tǒng)計與分析

3.1可理解性分析

一個分類模型的質(zhì)量通常由兩方面進(jìn)行評估決定：分類試驗的準(zhǔn)確率以及該模型的可理解性.圖4（a）和（b）給出了同屬憎水性等級HC1級的兩個測試樣本，圖4（c）和（f）為利用訓(xùn)練樣本庫里所有樣本圖像對測試樣本進(jìn)行稀疏表示所得的兩組稀疏表示系數(shù)和利用式（6）計算得到的各類表示誤差.從圖4（c）中可以看出：第1類訓(xùn)練樣本所對應(yīng)的稀疏表示系數(shù)明顯大于其他幾類的稀疏表示系數(shù).這說明訓(xùn)練樣本集中第1類樣本對稀疏表示的貢獻(xiàn)最大，這也在圖4（d）表示的各類測試誤差中得到了體現(xiàn).因此我們僅通過圖4（c）就可判定測試樣本屬于第1類，即該憎水性圖像所對應(yīng)的復(fù)合絕緣子的憎水性屬于HC1級.但是，在對第2個測試樣本圖像進(jìn)行測試時，僅根據(jù)圖4（e）的稀疏表示系數(shù)對其憎水性級別進(jìn)行劃分有一定的困難，各個類別所對應(yīng)的稀疏表示系數(shù)變化跨度很大，系數(shù)之間大小相近的也很多.此種情況下通過進(jìn)一步計算該測試圖像與稀疏表示各類之間的殘差來對測試圖像進(jìn)行分類.由圖4（f）可知：第1類訓(xùn)練樣本與測試圖像之間的殘差最小，以此可判定該測試樣本屬于第1類，即該憎水性圖像所對應(yīng)的復(fù)合絕緣子憎水性等級為HC1級.

通過這個例子可以看出，利用稀疏表示對復(fù)合絕緣子憎水性圖像進(jìn)行分類時，稀疏表示的系數(shù)具有以下兩個特點(diǎn)：

1）測試樣本所對應(yīng)類別的訓(xùn)練樣本參與該稀疏表示的比例最大.

2）同類測試樣本所對應(yīng)的稀疏表示系數(shù)都比較接近.

3.2實驗結(jié)果分析

據(jù)文獻(xiàn)[11]，憎水性為HC1～HC2級的復(fù)合絕緣子可以繼續(xù)入網(wǎng)運(yùn)行，HC3～HC5級時需要進(jìn)行跟蹤監(jiān)測，HC6～HC7級的復(fù)合絕緣子必須退出運(yùn)行.本文在實驗測試階段將復(fù)合絕緣子憎水性試驗圖像分成繼續(xù)運(yùn)行，繼續(xù)觀測，退出運(yùn)行3大類.將HC1～HC2分為第1類，HC3～HC5分為第2類，HC6～HC7分為第3類.相對應(yīng)的樣本訓(xùn)練集也進(jìn)行了相應(yīng)的調(diào)整，形成了具備上述3大類共107幅標(biāo)準(zhǔn)憎水性圖像的訓(xùn)練樣本庫即訓(xùn)練樣本空間，其中第1類樣本40幅，第2類樣本30幅，第3類樣本37幅.由于第1類樣本圖像中水珠較多，導(dǎo)致圖像情況復(fù)雜，故相應(yīng)增加了第1類樣本圖像的數(shù)量.

4結(jié)論

測試結(jié)果表明：運(yùn)用稀疏表示分類算法對復(fù)合絕緣子憎水性圖像進(jìn)行檢測分類具有較高的準(zhǔn)確率和可行性.復(fù)合絕緣子圖像光照情況復(fù)雜，水珠分布隨機(jī)不規(guī)則，可見該算法對外界環(huán)境的改變具有一定的魯棒性.與傳統(tǒng)的憎水性圖像識別分類方法相比，稀疏表示分類算法避開了復(fù)雜的圖像分割和特征提取過程，大大簡化了復(fù)合絕緣子憎水性檢測步驟.如何通過豐富和優(yōu)化憎水性圖像訓(xùn)練樣本庫進(jìn)一步提高算法準(zhǔn)確率是今后努力的方向.

參考文獻(xiàn)

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復(fù)合絕緣子憎水性評價[J]. 中國電機(jī)工程學(xué)報，2008，28（16）： 135-142.

[2]張福林. 復(fù)合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機(jī)理分析[J]. 華北電力技術(shù)， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學(xué)，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

篇6

關(guān)鍵詞：人眼視覺特性；Butterworth濾波器；空間頻率；彩色圖像濾波

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）16-3893-03

已有的研究表明，空間頻率變化影響視覺紋理、面部模式和文字的識別績效[1]。而其中空間頻率的處理依賴于對變換域理論與人眼視覺特性的研究。但是是在以往的圖像濾波處理中，仍然存在計算方式不統(tǒng)一、不明確，單位多樣的問題，對研究結(jié)果之間的交流帶來了諸多不便。該文通過已有的圖像空間頻率和視覺空間頻率的公式，結(jié)合Butterworth濾波器的傳遞函數(shù)，提出了一種更加簡單、直觀的濾波器截止頻率參數(shù)計算方法，并結(jié)合MATLAB對彩色圖像進(jìn)行了實際的處理和具體的分析。

1 視覺上的空間頻率和圖像空間頻率的轉(zhuǎn)換關(guān)系

人眼視覺特性（HVS）是圖像處理技術(shù)的理論基礎(chǔ)，在應(yīng)用人眼的感知特性進(jìn)行圖像處理的過程中，最關(guān)鍵的是將人眼視覺特性及其模型與圖像的變換域特征結(jié)合起來，也就是將視覺的空間頻率和圖像的空間頻率建立聯(lián)系，利用頻率之間的聯(lián)系就可以實現(xiàn)對圖像的濾波處理。

根據(jù)上式及公式（5），也可以得出位置[（u，v）]的點(diǎn)對應(yīng)的圖像空間頻率[υ]。

3 基于人眼視覺特性的Butterworth濾波器空間頻率的計算方法

本文采用的濾波器為巴特沃思濾波器，它在線性相位、衰減斜率和加載特性三個方面具有特性均衡的優(yōu)點(diǎn)。因此在自動控制、圖像、通信等眾多領(lǐng)域得到了廣泛的應(yīng)用。因為Butterworth低通和高通濾波器的傳遞函數(shù)用到的參數(shù)均相同[3]，故這里就以Butterworth低通濾波器為例闡述頻率參數(shù)的計算方法。

已知n階截止頻率為Do的Butterworth低通濾波器的傳遞函數(shù)為：

5 總結(jié)

從圖像處理效果看出，在具體的濾波實驗中，只要設(shè)定好[f0]的數(shù)值，就可方便計算出Do的值，并應(yīng)用MATLAB進(jìn)行圖像處理。由于多數(shù)的圖像處理研究中經(jīng)常將空間頻率的單位設(shè)定為cpi（cycle per image）、cpf（cycle per face）等，而其數(shù)值就是[α]（各自對應(yīng)的視角）與[f0]的乘積，即Do。通過公式（7）可看出兩頻率之間的轉(zhuǎn)換關(guān)系是一個非常簡單的表達(dá)式，在圖像處理中，可以減少很大的圖像處理的計算量和復(fù)雜程度，并應(yīng)用公式（8）和程序直接進(jìn)行高低通的濾波處理。這表明提出的計算方法和彩色圖像濾波程序是一種簡單、直觀的處理方式。希望在圖像處理技術(shù)中能夠得到較好的應(yīng)用。

參考文獻(xiàn)：

[1] 郭小朝.空間頻率、筆畫數(shù)及字頻對漢字識別的影響[J].人類工效學(xué)，1999，5（4）： 5-7.

篇7

1、引言

隨著經(jīng)濟(jì)的迅猛發(fā)展，汽車的迅速普及，根據(jù)社會對汽車產(chǎn)業(yè)的要求，車輛的各方面指標(biāo)都受到人們越來越多地關(guān)注，汽車涂裝過程中的瑕疵直接影響汽車的外觀質(zhì)量，因此如何在生產(chǎn)過程中利用計算機(jī)視覺檢測技術(shù)檢測出并及時修補(bǔ)汽車涂裝過程中產(chǎn)生的瑕疵就成了首要的任務(wù)[1]。本文的研究內(nèi)容是首先了解計算機(jī)視覺檢測系統(tǒng)的工作原理，汽車涂裝瑕疵的種類，然后結(jié)合兩者的特點(diǎn)，應(yīng)用計算機(jī)視覺檢測系統(tǒng)檢測汽車涂裝瑕疵。該研究的價值在于兩方面：①對于汽車生產(chǎn)的自動化和過程自動化，計算機(jī)視覺是現(xiàn)實真正意義的自動的基礎(chǔ)和一種重要的質(zhì)量控制的手段；②對于汽車涂裝瑕疵的修補(bǔ)可以提高其修補(bǔ)的精度。

2、汽車涂裝瑕疵的計算機(jī)視覺檢測系統(tǒng)

汽車涂裝瑕疵檢測系統(tǒng)主要包括照明系統(tǒng)、圖像采集卡、CCD攝像機(jī)、計算機(jī)以及軟件處理等幾個主要部分[2]。綜合計算機(jī)視覺檢測系統(tǒng)的構(gòu)成和線結(jié)構(gòu)光測量的原理，基于計算機(jī)視覺的汽車涂裝瑕疵的檢測系統(tǒng)大致是這樣構(gòu)成的：將線結(jié)構(gòu)光投射到被測物上，所形成的光斑作為傳感信號，用CCD攝像機(jī)采集光斑圖像，采集到的圖像信號被傳輸?shù)接嬎銠C(jī)，根據(jù)圖像處理和計算機(jī)視覺檢測系統(tǒng)的處理產(chǎn)生處理結(jié)果，返回到涂裝生產(chǎn)線，對車身的涂裝進(jìn)行修正，從而提高產(chǎn)品質(zhì)量。汽車涂裝瑕疵的視覺檢測系統(tǒng)如圖1所示[3]。

3、計算機(jī)視覺檢測

計算機(jī)視覺是計算機(jī)對圖像進(jìn)行自動處理并報告“圖像中有什么”的過程，也就是說它識別圖像中的內(nèi)容。圖像中的內(nèi)容往往是某些機(jī)器零件，而處理的目標(biāo)不僅要能對機(jī)器零件定位，還要能對其進(jìn)行檢驗。計算機(jī)視覺系統(tǒng)基本原理：機(jī)器視覺系統(tǒng)通常采用CCD相機(jī)攝取圖像，將其轉(zhuǎn)化為數(shù)字信號，再采用先進(jìn)的計算機(jī)硬件與軟件技術(shù)對圖像數(shù)字信號進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并在此基礎(chǔ)上實現(xiàn)模式識別、坐標(biāo)計算、灰度分布圖等多種功能。計算機(jī)視覺系統(tǒng)能夠根據(jù)其檢測結(jié)果快速地顯示圖像、輸出數(shù)據(jù)、指令，執(zhí)行機(jī)構(gòu)可以配合其完成指令的實施。計算機(jī)視覺系統(tǒng)主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個功能模塊組成[4]。視覺檢測按其所處理的數(shù)據(jù)類型可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測。另外，還有X射線檢測、超聲波檢測和紅外線檢測。一個完整視覺檢測系統(tǒng)包括：圖像采集、圖像分割、零件識別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進(jìn)行零件檢測的AVI系統(tǒng)，具有一定的代表性。一個典型的AVI系統(tǒng)如圖2所示。

4、汽車涂裝瑕疵的檢測算法

由于汽車涂膜中一些缺陷的邊界比較模糊，例如：氣泡、爆裂氣泡孔、氣泡針孔、抽縮等等。邊緣處灰度變化很小，直接用傳統(tǒng)的微分邊緣檢測算法無法有效的檢測出來。所以對缺陷模糊邊緣的檢測成為了算法的關(guān)鍵[6]。本文介紹了基于線結(jié)構(gòu)光的邊緣檢測方法。汽車涂裝表面被光源投射器發(fā)出的線結(jié)構(gòu)光照射，反射出的圖像被CCD攝像機(jī)所接收傳輸?shù)接嬎銠C(jī)視覺檢測系統(tǒng)中。若涂裝表面沒有瑕疵，則產(chǎn)生圖3的圖像。若涂裝表面有瑕疵，則產(chǎn)生圖4的圖像[7]。

篇8

一、計算機(jī)視覺檢測技術(shù)含義

計算機(jī)的視覺又叫做機(jī)器視覺，通過利用計算機(jī)或者是其他的一些機(jī)械設(shè)備來幫助人們視線事物到圖片的過程，從而進(jìn)行三維世界的感知活動。計算機(jī)的快速發(fā)展，離不開神經(jīng)心理學(xué)，心理學(xué)和認(rèn)知科學(xué)方面的研究和發(fā)展，計算機(jī)視覺檢測技術(shù)的發(fā)展方向就是對周圍的三維空間進(jìn)行感知和分析。一旦能夠擁有這種能力，計算機(jī)不僅能感知到周圍的總體環(huán)境，而且，還能夠具有對物體進(jìn)行描述，識別理解和儲存的能力。

二、計算機(jī)視覺檢測的基本原理

要實現(xiàn)人工智能對視覺的計算機(jī)處理是很重要的方面在計算機(jī)視覺應(yīng)用領(lǐng)域中如果要讓我們的計算機(jī)明白圖像的信息就必須經(jīng)過一系列的處理過程―――數(shù)字圖像處理.數(shù)字圖像的處理包括5個步驟：圖像預(yù)處理（去除噪聲）、分割處理分割后區(qū)域、測量、圖像判讀、圖像技術(shù).根據(jù)抽象程度和處理方法的不同圖像技術(shù)可分為三個層次：圖像處理、圖像分析和圖像理解.這三個層次的有機(jī)結(jié)合也稱為圖像工程.而計算機(jī)視覺（Computer vision）則是用計算機(jī)實現(xiàn)人的視覺功能對客觀世界三維場景的感知、識別和理解.視覺檢測按其所處理的數(shù)據(jù)類型又大致可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測.另外還有X射線檢測、超聲波檢測和紅外線檢測。

作為新興檢測技術(shù)計算機(jī)視覺檢測充分利用了計算機(jī)視覺研究成果采用像傳感器來實現(xiàn)對被測物體的尺寸及空間位置的三維測量能較好地滿足現(xiàn)代制造業(yè)的發(fā)展需求.與一般意義上的圖像處理相比計算機(jī)視覺檢測更強(qiáng)調(diào)精度、速度和無損性以及工業(yè)現(xiàn)場環(huán)境下的可靠性.例如基于三角法的主動視覺測量理具有抗干擾能力強(qiáng)、效率高、精度合適等優(yōu)點(diǎn)非常適合制造業(yè)生產(chǎn)現(xiàn)場的在線、非接觸產(chǎn)品檢測及生產(chǎn)監(jiān)控.對人類視覺感知能力的計算機(jī)模擬促進(jìn)了計算機(jī)視覺技術(shù)的產(chǎn)生和發(fā)展制造業(yè)上獲取這些信息的目的有：（1）計算出觀察點(diǎn)到目標(biāo)物體的距離；（2）得出觀察點(diǎn)到目標(biāo)物體的運(yùn)動參數(shù)；（3）甚至可以判斷出目標(biāo)物體的內(nèi)部特性；（4）推斷出目標(biāo)物體的表面特征有時要求形成立體視覺。

三、亞像素檢測技術(shù)

隨著工業(yè)檢測等應(yīng)用對精度要求的不斷提高，像素級精度已經(jīng)不能滿足實際檢測的要求，因此需要更高精度的邊緣提取算法，即亞像素算法。亞像素級精度的算法是在經(jīng)典算法的基礎(chǔ)上發(fā)展起來的，這些算法一般需要先用經(jīng)典算法找出邊緣像素的位置，然后使用周圍像素的灰度值作為判斷的補(bǔ)充信息，利用插值、擬合等方法，使邊緣定位于更加精確的位置?，F(xiàn)在的亞像素提取算法很多，如重心法、概率論法、解調(diào)測量法、多項式插值法、濾波重建法、矩法等。由于這些算法的精度、抗噪聲能力和運(yùn)算量各不相同，他們的應(yīng)用場合也是各不相同的。

邊緣是圖像的基本特征，所謂邊緣是指圖像中灰度存在階躍或尖頂狀變化的像素的集合，邊緣廣泛存在于物體與物體、物體與背景之間。圖像測量是通過處理被測物體圖像中的邊緣而獲得物體的幾何參數(shù)的過程，邊緣的定位精度直接影響最終的測量結(jié)果。因此，圖像邊緣提取方法是檢測的基礎(chǔ)和關(guān)鍵之一。在視覺測量領(lǐng)域中，早期使用的都是像素級邊緣檢測方法，例如常用的梯度算子、Lapacian算子和門式算子等。以上的邊緣檢測方法的精度可以達(dá)到像素級精度，即可以判斷出邊緣位于某個像素內(nèi)，但不能確定邊緣在該像素內(nèi)的更精確的位置。如果一個像素對應(yīng)的實際長度較大，就會產(chǎn)生較大的誤差，傳統(tǒng)的整像素邊緣檢測方法就不再適用。

四、計算機(jī)視覺檢測技術(shù)在機(jī)加工零件檢測中的應(yīng)用要素與過程

（一）曲陣CCD相機(jī)

面陣CCD是本項目圖像采集系統(tǒng)中的主要設(shè)備之一，其主要功能是采集實驗圖像。該CCD相機(jī)主要由CCD感光芯片、驅(qū)動電路、信號處理路、電子接口電路和光學(xué)機(jī)械接口等構(gòu)成。

（二）工業(yè)定焦鏡頭

在圖像測量系統(tǒng)中，鏡頭的主要作用是將目標(biāo)聚焦在圖像傳感器的光敏面上。鏡頭的質(zhì)量直接影響到圖像測量系統(tǒng)的整體性能，合理選擇并安裝光學(xué)鏡頭是圖像測量系統(tǒng)設(shè)計的重要環(huán)節(jié)。

（三）數(shù)字圖像采集卡

隨著數(shù)字信號處理技術(shù)和嵌入式處理器技術(shù)在圖像采集卡中的應(yīng)用，使得圖像采集卡向高速度、多功能和模塊化方向不斷發(fā)展。這類圖像采集卡不僅具有高速圖像采集功能，同時還具備部分圖像處理功能，因此又可以稱之為圖像處理卡。

（四）標(biāo)定板

為提高測量精度，需要進(jìn)行攝像機(jī)標(biāo)定。標(biāo)定過程中，采用NANO公司的CBC75mm}.0型高精度標(biāo)定板，外形尺寸為75mmx75mmx3.0mm，圖形為棋盤格，其尺寸為2.0mmx2.0mm，精度為1級，即圖形尺寸精度與圖形位置精度為。

（五）背光源

背光方式只顯示不透明物體的輪廓，所以這種方式用于被測物需要的信息可以從其輪廓得到的場合。因此，為精確提取軸的圖像中的邊緣特征，需采用背光源。為使圖像邊緣更銳利，光源顏色選擇紅色。

五、結(jié)語

隨著計算機(jī)技術(shù)和光電技術(shù)的發(fā)展，已經(jīng)出現(xiàn)了一種新的檢測技術(shù)―基于計算機(jī)視覺的檢測技術(shù)，利用CCD攝像機(jī)作為圖像傳感器，綜合運(yùn)用圖像處理等技術(shù)進(jìn)行非接觸測量的方法，被廣泛地應(yīng)用于零件尺寸的精密測量中。本文以面陣CCD為傳感器，研究了零件在線測量的方法，實現(xiàn)了零件尺寸的圖像邊緣亞像素定位測量，對面陣CCD在高精度測量方面的應(yīng)用作了進(jìn)一步的探索和研究，為面陣CCD在復(fù)雜零件尺寸高精度測量的實現(xiàn)打下了基礎(chǔ)。

【參考文獻(xiàn)】

篇9

1計算機(jī)視覺概述

1.1計算機(jī)視覺學(xué)概述

從某種意義上說，計算機(jī)視覺學(xué)是一門在20世紀(jì)60年代興起的新學(xué)科。它是一門邊緣學(xué)科，融入了很多學(xué)科的特點(diǎn)，具有很強(qiáng)的工程性特征。比如，圖像處理、應(yīng)用數(shù)學(xué)、光電技術(shù)。換個角度來說，計算機(jī)視覺同屬于工程領(lǐng)域、科學(xué)領(lǐng)域。

1.2計算機(jī)視覺的應(yīng)用

計算機(jī)視覺的應(yīng)用能夠使計算機(jī)具有和人一樣的視覺功能。在生活和生產(chǎn)過程中，照片資料、視頻資料的處理是計算機(jī)視覺應(yīng)用的主要方面。比如，在航空事業(yè)方面，對衛(wèi)星照片的翻譯；在醫(yī)學(xué)領(lǐng)域中，主要用于輔方面的診斷；在工業(yè)生產(chǎn)方面，由于各種復(fù)雜因素的影響，計算機(jī)視覺在這方面的應(yīng)用顯得特別簡單，有利于相關(guān)系統(tǒng)的實際構(gòu)成。

2目標(biāo)圖像檢索存在的問題

從某種角度來說，目標(biāo)圖像檢索需要分為特征匹配、特征提取兩個方面。它們表達(dá)了不同的含義。對于特征提取來說，它是圖像進(jìn)行檢索的第一步，其提取結(jié)果會對進(jìn)一步的研究造成直接的影響。而對于特征匹配來說，其匹配的準(zhǔn)確度會直接影響圖像檢索系統(tǒng)的返回結(jié)果。但在目標(biāo)圖像檢索完善的過程中，遇到一些問題阻礙了這兩個方面的完善。因此，本文作者對其中的一些予以了相關(guān)的探討。

2.1環(huán)境因素不斷變化

對于目標(biāo)圖像來說，環(huán)境因素是影響其準(zhǔn)確率的重要因素。同時，在復(fù)雜混亂的環(huán)境中，由于受到眾多干擾物的影響，加上部分目標(biāo)圖像區(qū)域被遮蓋，致使目標(biāo)圖像信息不夠全面，使目標(biāo)物體特征的提取難度進(jìn)一步加大。

2.2圖像噪聲的影響

子為了更好地模仿生活中的圖像檢索，數(shù)據(jù)庫中的圖像也會隨之發(fā)生一系列的變化。比如，尺度、角度、光照。而其中圖像噪音的影響會使目標(biāo)物體的外觀發(fā)生對應(yīng)的變化。在此基礎(chǔ)上，嚴(yán)重降低了目標(biāo)圖像信息獲取的準(zhǔn)確度。

2.3目標(biāo)圖像檢索訓(xùn)練數(shù)據(jù)的自動標(biāo)注

由于處于網(wǎng)絡(luò)中的圖像資源信息過于繁多，需要采用手工的方式對它們進(jìn)行標(biāo)注。但這種方法非常浪費(fèi)時間，準(zhǔn)確率也比較低。很顯然，這就需要目標(biāo)檢索圖像能夠具有自動標(biāo)注的能力。實際上，圖像檢索方法過分依賴人工標(biāo)注信息。而這些信息很多收到來自各方面因素的影響。比如，認(rèn)識差異因素、個人經(jīng)驗。以至于對圖像產(chǎn)生誤解。

3基于計算機(jī)視覺下的目標(biāo)圖像檢索技術(shù)

3.1以多尺度視覺為紐帶的目標(biāo)圖像檢索方法

該種目標(biāo)檢索技術(shù)的應(yīng)用主要是為了提高目標(biāo)圖像檢索的準(zhǔn)確率，能夠?qū)崿F(xiàn)目標(biāo)圖像訓(xùn)練數(shù)據(jù)的自動化標(biāo)注。該類技術(shù)主要是用于那些沒有遮擋，不需要進(jìn)行監(jiān)督的目標(biāo)圖像檢索方面。具體來說，它需要經(jīng)過一系列的訓(xùn)練。在訓(xùn)練的過程中，以統(tǒng)計學(xué)習(xí)為紐帶，對相應(yīng)多尺度的目標(biāo)檢測模型進(jìn)行適當(dāng)?shù)挠?xùn)練。在此基礎(chǔ)上，以該模型為基點(diǎn)，對圖像中那些顯著性的區(qū)域進(jìn)行合理地提取。比如，該區(qū)域的亮度、顏色。最后，需要對用于該實驗研究中的概率潛在語義分析模型進(jìn)行合理地利用。總之，利用這種檢索方法可以對圖像中那些顯著目標(biāo)所處的區(qū)域自動進(jìn)行檢測。同時，對其中目標(biāo)圖像的顯著性進(jìn)行合理地排序，能夠提高檢索引擎所返回圖像結(jié)果的準(zhǔn)確度。

3.2以彩色LBP局部紋理特點(diǎn)為媒介的目標(biāo)圖像檢索方法

這種目標(biāo)圖像檢索方法能夠有效地解決圖像信息采集過程圖像噪聲以及其它相關(guān)因素對所提取紋理特征的影響，提高了圖像目標(biāo)的準(zhǔn)確率。對于這種圖像目標(biāo)檢索方法來說，它把圖像彩色空間特征和簡化的LBP特征有機(jī)地相融合。在此基礎(chǔ)上，該類方法增加了光照的不變特性，卻保留了LBP局部的旋轉(zhuǎn)特點(diǎn)。在提高圖像檢索速度方面，主要是利用原來的LBP特征來丟失其中的彩色信息。以此，使其中的特征維度能夠在一定程度上降低。同時，這種目標(biāo)圖像檢索方法的應(yīng)用可以使對應(yīng)計算方法的難度得以降低，還能對角度等變化狀態(tài)下的目標(biāo)圖像進(jìn)行準(zhǔn)確地識別以及檢索。

3.3以視覺一致性為橋梁的目標(biāo)圖像檢索方法

從某個角度來說，它的應(yīng)用主要是為了提高圖像搜索引擎的返回效果，使局部噪聲圖形具有更高的顯著性特征。一是：站在客觀的角度，對搜索引擎返回結(jié)果的目標(biāo)顯著圖予以準(zhǔn)確的計算。此外，還要對其中的目標(biāo)顯著系數(shù)進(jìn)行適當(dāng)?shù)剡^濾。二是：以所有圖像為基點(diǎn)，以顯著目標(biāo)為導(dǎo)向，采取視覺一致性的模式。三是：以視覺一致性為基礎(chǔ)，對其中的不同目標(biāo)圖像信息進(jìn)行客觀地分類。這種以視覺一致性為核心的方法能夠有效地提高圖像檢索結(jié)果的準(zhǔn)確率。更重要的是，在提高圖像搜索引擎檢索性能的同時，能夠及時為用戶選出最優(yōu)的圖像信息。而這些信息資源和用戶尋找的主題信息密切相關(guān)。

4結(jié)語

篇10

關(guān)鍵詞：計算機(jī)視覺；研討式教學(xué)；小組探討；課前回顧

作者簡介：陳芳林（1983-），男，湖南株洲人，國防科學(xué)技術(shù)大學(xué)機(jī)電工程與自動化學(xué)院，講師；周宗潭（1969-），男，河南洛陽人，國防科學(xué)技術(shù)大學(xué)機(jī)電工程與自動化學(xué)院，教授。（湖南 長沙 410073）

中圖分類號：G643.2 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0079（2013）26-0065-02

進(jìn)入21世紀(jì)，創(chuàng)新型人才的培養(yǎng)成為各國政府和高等教育界關(guān)注的一個焦點(diǎn)。世界各國研究型大學(xué)的共同特點(diǎn)是在研究生教育階段致力于培養(yǎng)富有創(chuàng)新意識和創(chuàng)新能力的高級人才。[1]研討式教學(xué)是培養(yǎng)研究生創(chuàng)新精神、科研能力的有效途徑，教師講解與學(xué)生探討兩部分相結(jié)合是研討式教學(xué)采用的主要模式。[2]將課程分成兩部分之后，教師講解的時間就必須壓縮，教師一方面需要思考如何在較短的時間內(nèi)完成課程的講解，同時還需要考慮課程講解要與學(xué)生探討部分緊密結(jié)合。因此，如何上好研討式教學(xué)教師講解這部分課，越來越受高等院校的重視。本文針對筆者教授工科研究生課程“計算機(jī)視覺”的實踐與經(jīng)驗，闡述了筆者對于如何上好研討式教學(xué)教師講解這部分課的個人體會?？偨Y(jié)為兩點(diǎn)：第一，首先要充分做好課程準(zhǔn)備；第二，上課環(huán)節(jié)采取回顧—案例—小結(jié)的講解方式。下面從課程準(zhǔn)備、課前回顧、課程講解、課后小結(jié)四個方面分別闡述（如圖1所示）。

一、“計算機(jī)視覺”課程準(zhǔn)備

要上好一門研討式教學(xué)的課程，一定要結(jié)合該門課程的特點(diǎn)，量身定制課程內(nèi)容，進(jìn)行精心準(zhǔn)備。本節(jié)先介紹“計算機(jī)視覺”課程的特點(diǎn)，然后結(jié)合該門課程的特點(diǎn)，介紹筆者對于“計算機(jī)視覺”的課程準(zhǔn)備。

1.“計算機(jī)視覺”課程特點(diǎn)

“計算機(jī)視覺”是“數(shù)字圖像處理”和“模式識別”等課程的后續(xù)課程。該課程重點(diǎn)在于圖像或者圖像序列的分析理解。課程知識在機(jī)器人導(dǎo)航、偵查、測繪、測量、精密加工和目標(biāo)跟蹤等多個領(lǐng)域都有廣泛的應(yīng)用。[3]近年來基于視覺信息的控制反饋也開始受到廣泛關(guān)注。國內(nèi)高校一般都為研究生開設(shè)了此門課程。

計算機(jī)視覺技術(shù)應(yīng)用廣泛、算法原理涉及面廣：涉及到概率與數(shù)理統(tǒng)計、信號與系統(tǒng)、圖像等基礎(chǔ)知識?！坝嬎銠C(jī)視覺”是一門重要的控制類、電子類及計算機(jī)類專業(yè)研究生的選修課程，它內(nèi)容廣泛、綜合性強(qiáng)，研討能力的培養(yǎng)顯得非常關(guān)鍵。

2.課程準(zhǔn)備

首先，結(jié)合“計算機(jī)視覺”課程內(nèi)容廣泛、技術(shù)日益更新和豐富的特點(diǎn)，將課程36學(xué)時分為12次課，每次課為3小時，每堂課教師講解一個專題。這種設(shè)計，一方面可以更廣地涉及計算機(jī)視覺的各個領(lǐng)域；另一方面以專題的形式來講解，可以將學(xué)生帶入到該專題，介紹基本背景、理論、知識和方法，讓學(xué)生有一個初步的了解，方便課后學(xué)生對感興趣的專題進(jìn)一步深入挖掘與研究。

其次，在課程開始之前，教師仔細(xì)統(tǒng)籌，安排好每次課的專題，這樣既方便學(xué)生一開始對整個課程有一個整體的了解，也方便學(xué)生選擇課堂研討的題目與內(nèi)容。根據(jù)12個專題，將各個專題講解的內(nèi)容與課件在開課之前準(zhǔn)備好，這樣有利于把握各個專題之間的前后承接關(guān)系。例如，“區(qū)域”與“分割”是既有區(qū)分又有聯(lián)系的兩個專題，在課程開始之前，將課件準(zhǔn)備好，就有利于宏觀把握，在“區(qū)域”專題提到的分割算法，就不需要在“分割”專題再次重復(fù)，而在“分割”專題可以結(jié)合前面“區(qū)域”專題進(jìn)行互相補(bǔ)充，以幫助學(xué)生融會貫通。

最后，在每個專題上課之前，再對課件進(jìn)行精雕細(xì)琢，主要是對內(nèi)容分好層次，對方法進(jìn)行分類，力圖在較短的時間內(nèi)，讓學(xué)生對該專題有較全面的認(rèn)識。例如，在講解圖像分割時，由于圖像分割方法非常多，可以將分割方法分為若干個大類，每個大類只講1～2個方法。這樣既可以盡可能涉及更廣的領(lǐng)域，又可以提高講解的效率。

二、“計算機(jī)視覺”課前回顧

課前回顧是指每堂課的前面一小段時間用來回顧上一堂課的內(nèi)容。雖然課前回顧時間非常短，一般為3～8分鐘，但是課前回顧是課堂教學(xué)中的一個重要環(huán)節(jié)。課前回顧可以幫助學(xué)生加強(qiáng)將要學(xué)習(xí)的內(nèi)容與已學(xué)過內(nèi)容之間的聯(lián)系。通過課前回顧，學(xué)生可以回憶前續(xù)課程所講解的概念、理論、算法的步驟等內(nèi)容，有助于解決新問題或者理解新知識。

課前回顧最重要的是既要復(fù)習(xí)前續(xù)課程的內(nèi)容，又要注意將前續(xù)內(nèi)容與當(dāng)前內(nèi)容聯(lián)系起來。由于講解時間有限，要使研討式教學(xué)的教師講解部分效率高，教師幫助學(xué)生回憶上堂課的概念、模型、算法等內(nèi)容，就變得非常重要。如果不做課前回顧，那么當(dāng)講到某處新知識時，往往需要停下來，將前續(xù)課程再講一遍，否則學(xué)生無法理解新的知識，這樣就降低了教學(xué)的效率。

課前回顧的時間，一般以3～8分鐘為宜。課前回顧的形式可以多樣化，如講解課后作業(yè)、回顧概念、提問等。筆者認(rèn)為應(yīng)根據(jù)當(dāng)天課程與前續(xù)課程的關(guān)系，采取合適的方式。各種方式結(jié)合使用，提高課前回顧的效率。

三、“計算機(jī)視覺”課程講解——案例教學(xué)

案例教學(xué)已經(jīng)成功地應(yīng)用于數(shù)學(xué)、計算機(jī)科學(xué)等領(lǐng)域的教學(xué)。通過案例，學(xué)生可以很快地掌握相應(yīng)的概念、算法的步驟等，從而提高教師講解部分的效率。[4]例如，在講解馬爾科夫隨機(jī)場時，筆者通過案例式教學(xué)，將馬爾科夫隨機(jī)場用一個生活中的例子來向?qū)W生解釋。首先，將馬爾科夫隨機(jī)場分解成兩個重要的概念，分別是隨機(jī)場與馬爾科夫性，然后將它們對應(yīng)到例子中，幫助學(xué)生理解。

隨機(jī)場包含兩個要素：位置（site）和相空間（phase space）。當(dāng)給每一個“位置”中按照某種分布隨機(jī)賦予“相空間”的一個值之后，其全體就叫做隨機(jī)場（如圖2（a））。[5]這個概念非常抽象，難以理解。筆者應(yīng)用案例式教學(xué)，拿莊稼地來打比方。“位置”好比是一畝畝農(nóng)田，“相空間”好比是種的各種莊稼。給不同的地種上不同的莊稼，就好比給隨機(jī)場的每個“位置”，賦予“相空間”里不同的值。所以，可以形象地理解隨機(jī)場就是在哪塊地里種什么莊稼的布局（如圖2（b））。

馬爾科夫性指的是一個隨機(jī)變量序列按時間先后順序依次排開時，第N+1時刻的分布特性，與N時刻以前的隨機(jī)變量的取值無關(guān)。為了更直觀地理解馬爾科夫性，筆者仍然拿莊稼地打比方，如果任何一塊地里種的莊稼的種類僅僅與它鄰近的地里種的莊稼的種類有關(guān)，與其他地方的莊稼的種類無關(guān)，這種性質(zhì)就是馬爾科夫性。

符合上述兩個特征，那么這些地里種的莊稼的集合，就是一個馬爾科夫隨機(jī)場。通過案例式教學(xué)，筆者發(fā)現(xiàn)可以加深加快學(xué)生對課程內(nèi)容的理解，提高教師講解環(huán)節(jié)的效率。

四、課后小結(jié)

課后小結(jié)指的是一堂課將要結(jié)束時，教師對本堂課進(jìn)行一個簡短的總結(jié)。許多成功的教師都會在其教學(xué)中堅持課后小結(jié)這個環(huán)節(jié)，給學(xué)生一個總體的印象，以幫助學(xué)生消化本次課程的內(nèi)容。

研討式教學(xué)教師講解部分的課后小結(jié)與普通教學(xué)方式應(yīng)有所區(qū)別。筆者認(rèn)為這主要是因為通過課后小結(jié)可以將本次課程所講內(nèi)容與學(xué)生的研討環(huán)節(jié)結(jié)合起來，而不僅僅是對內(nèi)容進(jìn)行簡單的總結(jié)。

為了達(dá)到課后小結(jié)使本次課程內(nèi)容與學(xué)生探討環(huán)節(jié)建立聯(lián)系的目的，筆者在教學(xué)中常采用如下方式：首先，像普通教學(xué)方式一樣，總結(jié)本次課程內(nèi)容；然后，在此基礎(chǔ)上，拋出若干問題，這些問題，不需要學(xué)生馬上解答，而是留給學(xué)生課后思考，提供他們選擇研討主題的素材；最后，介紹其他在本次課程中沒有涉及到的前沿知識、方法與理論，拓寬學(xué)生的視野，從而增加學(xué)生選擇探討主題的覆蓋面。

通過應(yīng)用這種方式，筆者發(fā)現(xiàn)學(xué)生的思維更開闊，在探討環(huán)節(jié)，學(xué)生往往可以選擇一些比較新穎的主題（例如視頻中不動點(diǎn)的檢測等），而不僅僅局限于教師所講內(nèi)容，從而提高了研討式教學(xué)的效果。

五、結(jié)論

在“計算機(jī)視覺”課程中引入研討式教學(xué)，通過總體設(shè)計規(guī)劃好整門課程內(nèi)容，課堂講解注意采用回顧—案例—小結(jié)的方式，筆者對如何上好研討式教學(xué)教師講解這部分課進(jìn)行了個人經(jīng)驗的總結(jié)。通過本次教學(xué)改革，筆者體會到如果要提高教學(xué)效果，一定要注意教師講解與學(xué)生探討兩個環(huán)節(jié)的緊密結(jié)合。

參考文獻(xiàn)：

[1]侯婉瑩.我國研究型大學(xué)本科生科研研究[D].濟(jì)南：山東大學(xué)，

2009.

[2]張晴，李騰，韋艷，等.研討式教學(xué)模式的理論研究[J].中國科技縱橫，2011，（10）.

[3]D.H .巴拉德.計算機(jī)視覺[M].北京：科學(xué)出版社，1987.