时间：2023-10-11 09:57:55
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇数字图像处理综述，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
[关键词]矿用胶带 纵向撕裂 图像处理
[中图分类号]TD52[文献标识码]A[文章编号]1007-9416(2010)03-0037-02
1 引言
胶带的纵向撕裂问题是一个在国内国际都普遍存在的问题[1]。如何设计一种能对胶带实行实时监控的、并且在纵向撕裂发生后快速可靠的胶带保护装置,在国内外都是一个正在努力攻克的难题。相比较而言,由于我国煤矿的数量和胶带输送机的数量远远超过国外任何一个国家,而国内的胶带质质量与国外相比有很大的差距,纵向撕裂识别和保护问题在我国煤矿生产中更加受到重视,其中亟待解决的问题之一是进行有效的实时识别纵向裂缝。
国内外从70年代就开始纵向裂缝的识别研究,己从接触式发展到非接触式,从单一化到智能化,除嵌入法、光电传感技术、超声波扫描技术之外,现在又有了改进后的嵌入法、超声波技术和最新研究探讨的原子物理方法等等。由于煤矿生产环境的恶劣,每种方法都有其不成熟和不稳定的地方。因此,本文利用数字图像处理技术灵活性高、再现性好、处理精度高、适用面宽以及处理算法和图像特点相关性高的优点,根据矿用胶带图像的特点,选取结构识别方法,利用裂缝处灰度跳变的特性,使用了符合其特点连通域检测,通过图像预处理,图像切割,以及连通域检测三个步骤实现了矿用胶带的纵向裂缝的识别。
2 图像的分析及其预处理
当大多数纵向撕裂发生后,胶带表面会有变化,用肉眼能辨别的出来,我们可以在胶带下安装若干个摄象头,然后用计算机进行图象识别,利用胶带撕裂前后的图象特征变化来进行即时的监控。即可以进行预防以及及早的对发生的撕裂进行处理。由于胶带下面的环境比较恶劣,我们可以使用低照长寿命ccd摄象机。摄象机的安装地点要兼顾实用性和经济性,基于以上两个原则,要安装在最容易发生胶带撕裂的部位,在胶带的机头、机尾以及转折点各安装一个,以一个适合的高度尽可能照顾大的范围。
本实验系统由CCD摄像头、数据采集卡及识别软件系统和电脑组成。其中硬件包括CCD采集卡、视频采集卡和电脑主机;识别系统模块包括图像采集模块,预处理模块,边缘检测模块以及识别模块。
首先对裂缝图像进行了整体、灰度、噪声三个方面进行了分析,得到其几何、数学、灰度分布上的特点,针对这些特点选择合适的图像处理算法。由于彩色图像其信息容量比灰度图像大,因此处理难度大、速度慢,而且在识别裂缝的过程中,灰度图像所含的信息量已经足够,因此先将彩色图像转换成为灰度图像。然后根据图像的灰度直方图进行像素分析,根据分析的结果进行自适应阈值分割,通过计算或设定一个概率值,根据总像素值和灰度分布来确定分割的阈值,然后调用阈值分割程序来进行阈值分割。图像预处理还包括最重要的一个部分:图像滤波,分析了图像噪声来源,选择了合适的滤波器,对滤波效果进行了分析,并对不同形状的裂缝选择了不同的滤波模板。
其次对图像进行形态学处理。由于在一幅裂缝图像中,在图像预处理的过程中或多或少的会对原始图像中的裂缝区域带来影响,例如:将属于裂缝区域的点去除,可能导致连续的一条裂缝被分割为几条或裂缝的区域减小,因此要对预处理后的图像进行形态学处理,使裂缝区域得到恢复和加强。图1(b)是使用中值滤波进行平滑处理的效果。
3 图像边缘分割
图像分割是实现图像识别胶带是否撕裂的重要步骤,分割效果的好坏直接影响这系统的识别率,是特征提取、裂缝识别的前提准备步骤,在系统视线中占有不可忽视的地位,因此如何提高分割效果,减轻识别难度也就成了我们的首要任务,也是课题实现的难点之一。主要体现在以下两个方面:首先,目前不存在适合所有类型图像的通用分割算法,现有的分割算法都是针对具体应用而设计的,因此我们必须根据胶带撕裂裂缝图像的特征,即直方图没有明显双峰,裂缝与背景的比例像素悬殊等特点,来设计适合本系统的分割算法,其次,由于本文中尽心分割的裂缝图像是从实际环境中获取的,受到的干扰很大,煤矿胶带下的情况恶劣,造成我们获得的原始图像质量较差,为进行有效分割带来困难,因此选择一个分割算法,使其能够最大程度去除噪声、边界、伪缺陷等非裂缝区域,保留裂缝区域,减轻后续处理的复杂度,是本步骤的关键。
常用的算子可以分为一阶微分算子和二阶微分算子。一阶微分算子通过梯度值来进行边缘检测,用此方法可以忽略细节,得到的边缘也较粗,如图2所示为一阶算子Sobel算子对胶带裂缝轮廓的提取图;二阶微分算子是通过寻找二阶微分中的零穿越来检测边缘。用此方法得到的边缘较细,在细节方面较好,但物体的整体轮廓不如一阶微分算子明显。由于纵向裂缝识别是以裂缝轮廓作为基础,而对其它细节可以不予考虑,从上面提取的裂缝轮廓图像可以看出Sobel算子符合识别的要求,所以选择Sobel算子。
4 纵向裂缝的提取和识别
对于二值图像的连通域标记处理操作就是从白色像素(通常用“1”来表示)和黑色像素(通常用“0”表示)组成的一幅点阵图像中,将互相邻接(一般研究的是4邻域连接)的目标“1”值像素集合提取出来,并为图像中不同的连通域填入不等的数学标记。该处理过程是图像处理和分析中一个非常重要的基础操作,有着广泛的应用领域。
为了对图像的连通域进行标记,需要对一幅图像作从左到右,从上到下的水平扫描。需检测当前被扫描到的点是不是和周围的点连通,需要检查当前的像素和以前标记过的邻近像素的值是否一样。如果当前像素的值和邻近像素的值一样,就表示它们连通,反之,就表示和此邻近像素不连通,此时当前点就要给一个新的标记,同时标记保留在一个与原二值图像像素点个数相同的二维数组中。
令S代表一幅图像中的像素子集,如果在S中全部像素之间存在一个通路,则可以说两个像素p和q在S中是连通的。对于S中的任何像素p,S中连接到该像素的像素集叫做S的连通分量。如果S仅有一个连通分量,则集合S叫做连通集。在很多场合,二值图像提取连通分量是许多自动图像分析应用的核心任务。
现场图像经过二值化处理后,形成多个互不相连的区域,而单个区域都是连通的,将连通域分开标记,就可以得到多个独立的区域,连通域标记算法可以找到图像中所有的连通成分,并对同一连通成分的所有点分配同一标记。
具体算法如下:
(1)将所有的白色像素(背景)赋值为0,所有黑色像素(裂缝连通域所在)赋值为-1,连通域个数置为0;
(2)寻找一个连通域开始的像素(值为-1),并将其值改为当前连通域数,存储,连通域个数增加1;
(3)所有像素搜索。找到值为-1的像素(表示没有被搜索过),正向搜索其周围有没有值为当前连通域数的像素。如果有,将当前像素赋以连通域的值;
(4)如果没有像素被搜索,表示当前所有像素已被遍历,转步骤2;
(5)如果步骤2中没有找到开始像素,表示所有连通域已经被遍历。
5 结语
本文利用图像处理技术,针对胶带撕裂图像中的裂缝进行识别,分析了该图像的特点,通过图像预处理,图像切割,以及连通域检测三个步骤识别裂缝。取得了以下的成果。
(1)裂缝图像预处理。分析裂缝图像的像素分布,得到其分布上有相似灰度级出现概率不同的特点。并且分析了裂缝图像中的噪声来源。针对其特点选用中值滤波。这个模块主要完成了彩色图像的灰度化、灰度拉伸、中值滤波处理。
(2)裂缝的边缘检测。比较了几种边缘检测的方法,得到了效果最好的Sobel边缘检测方法,方便下一步的裂纹检出。
(3)裂缝检出。经过前期处理后,图像中的裂缝从背景中分离出来,每个裂纹形成一个像素互相连通的区域,利用连通域检测算法,从而将裂纹检测出来。
[参考文献]
[1] 黄民,李恩等.钢绳芯输送带纵向撕裂监测方法研究[J].中国矿业大学学报,2002.31.
[2] 刘英林.输送带纵向撕裂的检测与监视[J].山西矿业学报,1995(13).
[3] 吴剑锋,张红卫.胶带输送机胶带损坏原因及运行理论分析[J].中州煤炭,2005,2.
[4] Gonzalez著,阮秋琦译.数字图像处理[M].北京:电子工业出版社,2003.3,1-112,420-514.
关键词：数字图像处理；工程硕士；应用型研究；应用型技能；软件工程
软件工程专业工程硕士研究生与传统的学术型研究生有所不同，前者主要面向企业人才需求和应用软件开发需求进行培养，因此在课程内容选取、授课方法设计和实验环节设计上都需要进行思考和调整，这也是北京林业大学在申请到软件工程专业的工程硕士学科后重点研究的問题。
数字图像处理课程属于图形图像应用领域的重要基础理论课，长久以来课程内容主要介绍基本的图像处理算法以及少部分图像分割和图像识别，对于图像处理在实际生活中所涉及的很多前沿科研领域介绍较少，因此很多研究生无法将课堂讲授的理论知识与其后续从事的研究课题有效地关联起来，感到课堂中讲授的很多内容看起来毫无用处，从而丧失了学习的积极性。
很多教师认为把图像处理中的算法研究透彻、把基础打好对研究生非常重要，但是这忽视了研究生是有着极强的科研探索精神和丰富想象力的年轻一代。如果将一些在生活中涉及图像处理的問题交给他们进行探索，将会激起他们浓厚的学习精神和创造力，这种没有标准答案的应用题目可以进一步锻炼他们的思考能力。
为此，在课程的教学方法和实验内容设计上，我们重点培养学生以下两方面能力。
（1）应用型研究能力，包括发现問题、分析問题和解决問题的能力；
（2）应用型技术能力，包括编程设计能力和项目合作能力。
下面笔者分别从教学大纲、教学方法设计和实验内容设计3个方面进行介绍。
1.数字图像处理课程教学大纲
我们在设定教学大纲时，重点参考了多本数字图像处理方面的经典教材，如杨枝灵和冈萨雷斯编写的教材。结合之前的教学经验，同时注意与本科生课程相区别，制订了两个原则：加强中高级图像处理算法的介绍；增加利用图像处理算法的应用案例的介绍。中高级图像处理算法主要指图像分割算法、图像特征提取方法和运动检测方法。同时我们还在课堂上给出一些应用案例，进一步帮助学生将理论知识与实践相结合。
数字图像处理课程目前作为北京林业大学研究生的专业必修课，总学时为32，其中课堂讲授24学时，实验8学时。相对于其他学校，这门课程的总学时和实验学时数不多，我们设计的教学内容如表1所示。
2.数字图像处理教学方法设计
针对培养学生应用型研究能力的目标，我们在教学方法设计上本着激发学生的学习兴趣，开阔学生眼界，给学生提供更自由的思考空间的原则，通过下面两个措施来实现我们的目标。
2.1精心选择案例
选择的案例要贴近实际生活，并与课堂上讲授的方法紧密衔接。例如，在讲解图像增强和复原这两章之后，我们引入在实际生活中常见的“图像去雾”問题，通过如下方法，培养学生研究能力。
（1）要求学生先尝试用学过的算法来解决这个問题，并在课堂进行算法讨论，给出算法结果。
（2）要求学生针对具体問题，查阅文献资料，了解别人的解决方法。通过查阅国内外的文献资料，同学们知道了如何根据关键词查询科研论文，了解哪些电子数据库中有与专业相关资料，知道了文献的级别有SCI、EI、核心期刊、一般期刊等。
（3）学生将查到的算法进行分类和总结，撰写文献综述。
（4）每位学生都需要编程实现“图像去雾”算法，这个算法是结合自己的思考、实践以及查阅文献的结果。
通过自己动手，同学们发现如果图像的清晰度不好，有噪声，或者没有归一化，结果就完全不同。通过自己动手验证，同学们会发现图像处理领域的一个最为重要的特点——任何算法主要都是针对一类图像或是针对一类問题而设计的，因此在算法的适应性上需要有所考虑。
2.2全面介绍图像处理的各个应用领域
老师在课堂上介绍几个图像处理涉及的较为重要的应用方向（如视频监控、图像检索、人脸识别、运动检测、车牌检测等）后，将同学们进行分组，每组负责查找一个应用方向的相关资料，讨论和汇报自学的结果。汇报内容主要包括：①应用方向的介绍；②涉及的主要問题；③目前的解决方法及应用成果。
通过查找文献，同学们不仅对课上学习过的经典算法有进一步了解，同时还接触到很多新算法。通过听取各组汇报，同学们在较短的时间里，了解了图像处理涉及的多个主要的应用领域。针对每个应用研究领域，老师引导学生分析该领域的难点和重点，提出問题，再让学生思考解决方案，没有标准答案，只希望能够锻炼学生的思考能力。以“人脸识别”为例，有很多经典的或较新颖的算法，老师会结合应用领域对其中常用的或比较重要的算法，如PCA方法和Adaboost算法，进行详细讲解，使学生全面了解图像处理算法的应用领域。
3.数字图像处理实验内容设计
针对培养学生的应用技术能力的目标，同时考虑到本课程实验学时数较少，我们设计了两个实验——基础性实验和综合性实验。
3.1基础性实验
目前很多经典的图像处理算法是用vC++程序实现的，我们要求大家学会读程序，能够看懂已有的算法实现程序，并在此基础上能开发新的功能。
实验一：实现对多种图像格式的支持（2学时）
实验内容：采用VC++编码实现，基于CDib类，添加支持打开，并保存多种图像格式的功能。包括JPEG和GIF。
实验要求：利用学习的图像压缩的知识，利用现有的编码解码库实现对IPEG和GIF图像的打开和保存。
实验目的：了解多种图像格式，编写针对多种图像格式的读写程序，能够进一步理解针对图像的编程的特点，同时也进一步了解开发图像应用程序的适应性問题。
老师在课程初期会向大家介绍图像处理的一个公开库——CDib类。该类很好地封装了图像的数据结构，涉及很多图像的基本操作。我们知道现实生活中的图像常常都是压缩格式的，如BMP、JPEG、PNG、GIF等。因此在讲完图像的压缩格式后，对照讲过的BMP图像结构，老师要求学生为CDib类添加能够支持多种图像格式的功能。以GIF图像为例，它不同于如JPEG、PNG等格式，GIF采用的是LZW压缩算法，使用的是无损压缩技术。GIF图像的特点是可以一次压缩多幅图像，图像颜色表控制为256色，使用渐显方式。
3.2综合性实验
针对综合性实验，我们会拟定多个题目让学生选择，如树叶提取、花朵提取、车牌识别等。
实验二：数字号码图像的识别（6学时）
实验内容：采用VC++编码实现，基于CDib类，针对数字号码图像，识别出数字，给出文本显示结果。
实验要求：将该题目进行分解，划分任务；组内每个同学负责一部分任务的编程工作；每个人针对自己负责的工作至少提供两种实现方法，并放入整个项目流程中验证这两种方法的有效性；最后总结出两种方法的异同以及适应的范围。
实验目的：考查学生对数字图像处理应用中每个步骤的掌握程度和项目合作沟通能力。
上述实验涉及以下几个步骤。
①图像的预处理；
②图像的分割；
③图像的特征提取；
④图像的分类。
组中每个学生负责一个步骤，所有步骤都需要尽心设计，这样整体的效果才可能最好。同时大家需要协商各自负责模块的人口和出口的数据结构，保证数据能够在模块之间顺利流转。这种协商和分工合作的能力是软件工程专业最需要的技术能力之一。
以“数字号码图像识别”为例，该题目可以分割成4个步骤：预处理、数字图像切分、数字图像特征提取和数字识别。在每个步骤中都有分别需要注意的問题，如在预处理阶段，需要对图像进行去噪声，增强对比度，甚至需要进行膨胀和腐蚀将图像中断裂的数字部分连通起来；在数字图像切分阶段需要制定适应性广泛的切分策略来应对各种情况，如数字排列可以呈现任意的倾斜角度，或数字字符相连等；在数字图像特征提取阶段，我们可以考察每个数字图像的自相关系数特征，或者每个数字图像的频谱特征，也可以考察数字图像的几何拓扑特征，如将数字图像分成2个洞的（8），1个洞的（4，6，9，0），没有洞的（1，2，3，5，7），针对每个类别再提取新的几何特征；在数字图像识别阶段，可以采用神经网络的分类器，或者利用制定的一些分类策略来分类，或者采用主成份分析（PCA）的方法来识别。
4.结语
两年多的教学实践表明，新的教学大纲、授课方法和实验内容有利于激发学生的兴趣，使他们带着問题去学习，从而加深了对图像处理应用领域的了解，锻炼了编写程序和协作开发的能力。下一步我们将设计更多合理有效的案例和综合性实验，力图通过这门课激发学生的创造力。
参考文献：
关键词：数字图像 图像处理 数字技术 应用
一、数字图像处理综述
数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息，数字图像处理作为一门学科大约形成于20世纪60年代初期，早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL），他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，医学技术中数字图像处理技术都发挥了巨大的作用。
从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，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提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
二、国内外研究现状
目前，国内图像识别的算法研究多是关于数字、文字、人脸、以及医用病理方面的较多，对产品内表图像进行分析识别、分类的还很少。国内已研制出了具有先进水平的高精度内表检测系统和装置，如何对产品零部件的外形，尺寸进行较高精度测量的激光在线检测系统等，但迄今为止，尚无能对生产出的产品内表面进行自动检测和识别的系统。应用CCD、电子、计算机技术检测内表面的实时自动检测技术在国内正处于刚刚起步的阶段，对内表面图像进行分析识别、分类的软件系统还没有十分完善，现在的识别算法对图像中的疵病部分定位不是很准确，对疵病的范围、大小、方位不能做定量分析，只能作定性分析，精度低，采用的传统的最小距离等分类器在图像复杂且类别多时，很难表示和提取特征，进行图像识别十分困难。
国外关于图像识别中的图像分割，特征信号提取，边缘检测，纹理识别等的算法已经取得了一定的成果，提出了一些新方法，如利用直线分割来识别三维人脸，通过子图匹配法在相邻区域间识别不同目标，用双值微波仿射不变函数识别二维形形状等等，近年来，国外基于图像识别与分类技术的图像检索，人脸识别，字体识别发展十分迅速。
在国外，为提高自动目标识别能力而开发的算法现在正被引入许多侦测和成像系统之中，图像分割、特征信号探测和析取、静止目标的模式识别等方面已取得了很大进步，这一自动目标识别能力大大减轻了操作人员的工作负担。如美国正在加紧自动检测能力与自动目标识别的研究工作，并在硬件能力的基础上开发多种用于信号图像处理的算法和开展各种算法软件的研制，包括相关法（匹配滤波器技术）、自适应多维处理法、基于模型的方法等。
三、数字图像处理的应用
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。
1、航天和航空技术方面的应用
数字图像处理技术在航天和航空技术方面的应用，除了JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。现在世界各国都在利用陆地卫星所获取的图像进行资源调查，灾害检测，资源勘察，农业规划，城市规划，我国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。
2、生物医学工程方面的应用
数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了一般的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等，此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。
3、通信工程方面的应用
当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100Mbit/s以上，要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。
4、工业和工程方面的应用
在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
5、军事公安方面的应用
在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。
6、文化艺术方面的应用
目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐形成一门新的艺术——计算机美术。
参考文献：
[1]孙即祥 图像压缩与投影重建 北京：科学出版社；2005.7：第一章：1～2，63～64.
[2]韩金姝.基于分形的植物形态模拟与图像压缩技术研究：[硕士论文]. 青岛：中国海洋大学信号与信息处理专业，2005.
关键词：网络 ASP ACCESS
中图分类号：G6 文献标识码：A 文章编号：1674-098X（2013）03（b）-0-01
1 研究背景
2003年4月，中国教育部了《关于启动高等学校教学质量与教学改革工程精品课程建设工作的通知》，提出精品课程是具有一流教师队伍、一流教学内容、一流教学方法、一流教学管理等特质的示范性课程。经过几年的推行实施，国家精品课程在数量上已具有一定规模，质量上也在逐年提高，但是在课程资源等方面仍然存在不足之处：（1）课程资源库建设。在《国家精品课程评价指标体系》中，课程资源主要是通过教学内容和教学条件两大项来评价，他们是课程的核心部分，是教学信息设计、组织与呈现等教学设计思想的具体化表现。经过这几年的努力，课程资源建设模块逐渐约定俗成，绝大多数课程均有课程介绍、教学大纲、教学安排、授课录像和试卷习题等，而实验/实践稍差，学习/教学指导、电子教材和素材库等最为薄弱；（2）课程资源类型。精品课程充分发挥现代教育技术强大功能，采用各种多媒体技术来呈现教学信息，如音/视频、PowerPoint、Word、Flash等，课程资源类型可以分为演示型、过程型、交互型、管理型和评价型5种，但是现在绝大多数课程都不重视过程型和交互型资源的建设，更是忽略知识管理型和评价型资源的建设[1]。
2 需求分析
精品课程网站的设计与开发，充分发挥计算机在呈现信息、提供联系、激发动机、学习评价方面等方面优势，弥补了教师、课本、视听媒体的不足；计算机作为使用者收集和组织信息、探究与批判性思考、合作与交流的工具，能很好的激发学习者的学习动机，促进有意义学习的发生；另外，精品课程的设计与开发，突破了时空限制，具有传播范围广的特点，任何人、任何时间、任何地点都可以按各自的兴趣选择任何课程进行学习。总之，精品课程网站的设计很好的适应了当今世界国际化、信息化、知识化等特征的要求，学习者能更好的实现自主学习。《遥感数字图像处理》是一门专业基础课，是以理论联系实践为主，注重运用，重视上机实践的一门课程。对于这样一门操作性较强的课程，设计与开发它的精品课程网站是非常有必要的。《遥感数字图像处理》精品课程网站的设计与开发依托了校级《遥感数字图像处理》精品课程的建设，面向遥感数字图像处理专业的学生，旨在辅助学生完成对本门课程的自主学习，实现学习效果的最优化，其目的是为了让学生通过学习，打牢遥感数字图像处理的基础知识，进而可以运用到实践中。通过该课程的学习，使学生树立正确的遥感数字图像处理的概念，培养学生良好的计算机实践习惯，实事求是的科学态度和严谨细致的工作作风，为后继课程的学习和将来参加社会生产实践打下基础。
3 主要技术简介
3.1 ASP技术简介
ASP是Microsoft Active Server Pages的简称，是服务器端脚本编写的环境，可以创建和运行动态、交互的Web服务器应用程序，即可以组合HTML页、脚本命令和Web页和基于Web的功能强大的应用程序。ASP不是一种语言，它所使用的语言是Javascript或VBScript，或者是这两种语言的结合体。总的来说，ASP具有以下的特点：（1）使用简单易懂的脚本语言（Javascript或VBScript等），结合HTML就可以快速开发出各种各样的应用程序；（2）不需要编译，容易编写，而且代码在服务器端直接执行；（3）ASP源程序在服务器端被执行后，将执行结果返回给客户端，从而提高了源程序的安全性；（4）可使用服务器端脚本来产生客户端脚本；（5）由于ASP程序在服务器端执行，因此只要客户端使用的浏览器可以执行HTML代码即可。这样便最高限度地保证了ASP程序的通用性；（6）可以使用VB等多种编程语言来开发ActiveX服务器组件来扩充服务器端程序的功能；（7）使用普通的文本编辑器即可对ASP程序进行设计、修改；（8）ASP提供了几种内置对象使得脚本功能更强大，在其他方面，这些对象完成从浏览器中检索或向浏览器发送信息的功能。总之，ASP是目前网页制作技术中最容易学习、灵活性也最大的工具之一。更重要的是它拥有非常好的可扩充性。像标准的HTML文件一样，ASP包含可以被Web浏览器显示并解释的HTML标签。通常放入HTML文件的Java小程序、闪烁文本、用户端脚本、用户端ActiveX控件都可以放入Active Server Pages中[4]。
3.2 ACCESS技术简介
Microsoft Office Access（前名 Microsoft Access）是由微软的关联式数据库管理系统，是 Microsoft Office的主要成员之一。Access能够存取 Access/Jet、Microsoft SQL Server、或者任何ODBC兼容数据库内的资料。Access 数据库由七种对象组成，它们是表、查询、窗体、报表、宏、页和模块。
表（Table）―是数据库的基本对象之一，是创建其他对象的基础。表由记录组成，记录由字段组成，表用来存贮数据库的数据，因此又称数据表。
查询（Query）―查询可以按索引查找到需要的记录，按要求筛选记录并能连接若干个表的字段从而组成新表。
窗体（Form）―窗体提供了一种方便的浏览、输入及更改数据的窗口。还可以创建子窗体显示相关联的表的内容。窗体也称表单。
报表（Report）―报表的功能是将数据库中的数据汇总，然后打印，以便
分析。
宏（Macro）―宏相当于DOS中的批处理，用来自动执行一系列操作流程。Access列出了一些常用的操作以方便用户选择，使用起来十分便捷。
模块（Module）―模块的功能和宏相似，但其操作比宏更加精细和复杂，用户可根据自己的需求编写程序。
页―是特殊的直接连接到数据库中数据的一种WEB页。通过数据访问页可将数据到Internet 或Intranet上，而且可以适用浏览器进行数据的维护和操作。
参考文献
[1] 许坦，石.精品课程发展现状综述[J].中国电化教育，2007（5）：244.
[2] 何克抗，李克东.教育技术学研究方法[M].北京师范大学出版社，2006.
关键词：边缘技术；石油；勘探；技术
中图分类号：F416.22 文献标识码：A
数字图像处理技术是通过电脑来去除噪声形象，提升、回收、分割、特征提取的处理方法和技术，探索石油地震勘探地球信息科学与科学之间的交叉学科，可以利用数字图像处理的一些方法进行研究。当前，图像处理技术的飞速发展提供一个新的方法来解决这些交叉科学问题。地震数据的处理过程中应采取综合研究模型，即采用合理的数学模型和信息技术，地震资料成像、地震数据的形式表达的形象，所以地震数据不仅形象直观，而且可以利用图像处理技术进行处理和分析，并改善直板的地质问题的认识。因此，边缘检测技术在地震资料储层预测将扮演一个重要的角色。
1 边缘检测
1.1 常见算子分析
边缘检测算法的比较分析在地震储层中的应用极为少见，但信息科学和图像差异对噪声有一定的抑制作用。从研究中，原始和渐变噪声图像处理效果较好，边缘检测算子更好，二阶微分算子，图像中的边缘点的顺序和精确定位的旋转不变，导致该算子容易丢失。边缘信息的一部分，导致一些离散的边缘检测方法相对适应。经典的边缘检测是应用微分形象的特点的边界点进行检测。该模型可以看出，这种方法是有效的检测，可应用于实际应用。因此，针对油藏断层、裂缝、泥岩边界，可以使用边缘检测技术对这些特定的边缘识别。
1.2 小波变换
裂纹检测和分析的图像边缘检测有很多相同之处，基于小波多尺度边缘检测理论，结合裂缝的地震波场的多尺度小波变换局部极值的模式，因为这些极端值设置没有门槛限制，检测裂缝三维地震记录的某些特征的位置，然后根据钻井、测井数据得到裂缝的总体特征的分类和分布的该区裂缝，调整模量在图像的灰度，最后自动识别裂缝发育程度。对储层砂体的识别和断口的分析，一般采用的方法是进行奇异性检测。无论是简单的边缘检测算子或多尺度小波边缘检测方法探测目标，边缘检测的结果有很大的不确定性。
2 应用
2.1 地震资料解释
地震资料解释水平地震剖面上断裂规模，因为地震资料分辨率的限制，在这种情况下，引入边缘检测算法比较，该方法能精确地识别出图像或数据放在一个水平的优势，可以很好地对具体比例的地质特征，成像识别。该技术在裂缝识别和河床边界识别，寻找图像的像素位置变换，简单说就是像素图像有用的信息，即断层和河床边界的信息，在油藏描述、河道砂、小断裂并且对预测和油气开发都有重要的意义。跟描述技术相比，边缘检测技术有其独特的优点，最大的优点是它的多尺度性。由于过错的沉积特征而使用像素来描述不同的集合像素，边缘检测技术有其独特的优势。利用图像处理的边缘检测理论，对地震资料的处理，不仅可以确定三维数据体的缺点而且对河道砂体连通性描述可靠合理的注采井网的部署和回收网络改善，具有重要的指导意义。
2.2 裂缝预测
将图像处理技术移植到地震储层预测会给裂缝性储层识别与评价的探索带来新的观念。利用边缘检测技术对地震属性处理，然后结合电阻率成像测井资料、岩性资料、测井资料和瞬间的压力数据高速预测裂缝。相比之下，国内学者的研究对更具体的边缘检测算法，提出了算法和研究对象。通过选定的振幅数据对象，利用数字图像处理的方法预测裂缝振幅值的测试，结合裂缝地震波场的多尺度特性，提出了碳酸盐岩裂缝预测的多尺度边缘检测方法。该方法的主要思想是用小波变换局部极值的模式试验三维地震记录，在裂纹特征的位置，并通过调整模量在图像的灰度、识别裂缝发育。
3 地震数据预处理方法
地震数据采集带噪声会影响地震资料的质量。因此，对地震数据预处理，图像预处理是用各种各样的数字图像处理技术来提高，这方面的研究方法很多，有自适应误差扩散算法、中值滤波等。这些方法的目的是光滑脉冲噪声，只有在通过图像预处理方法后才可以在后续的地震储层预测中取得良好效果。
3.1 滤波方法
在一些资料研究对象中，有些信息是不切合实际的应用价值，所以地震信息过滤是非常必要的。在这方面，技术的使用提高了地震剖面的信噪比的形象。其关键技术是利用光流分析技术，并计算了相应的分地震剖面上超过偏，然后使用图像积累的地震剖面进行积累技术，实现了三维地震数据体提高信噪比。该方法充分利用了三维地震信息，不仅可以改善的信噪比数据体，而且可以降低信号的能量损失，使原始信号的能量关系，使地震剖面的品质，增加明显的地震解释一个良好的基础。该方法的实现，为地震资料的处理提供了新的思想、横向分辨率图像增强，就是与相轴连续、断点清晰，以便提供更好的地震资料解释的物质。
3.2 边界处理方法
地震信息十分丰富，在这种情况下，我们必须有一个地震数据的边界处理，提出了一种基于边缘检测算法的动态误差扩散。分散的方法以及误差方向每一个像素的边缘，然后根据结果选择边缘检测的像素的动态误差四面八方扩散系数的方法，这种方法能减少误差分散过程中的误差积累。实验结果表明，该方法能有效提高造成的误差系数和分散的细节图像轮廓损失。在众多的滤波算法，提出了一种自适应反馈的误差扩散算法。该方法首先采用提出视、听知觉差的概念，并根据原始图像的灰度区域特征，自适应反馈系数的计算，将被遣送回原来的视觉形象，以弥补连续可调造成的误差扩散的不同区域的灰度损失。该算法可以显著提减弱点获得的不良影响的现象，准确地代表更多的图像细节，并表现出比传统算法更好的主观视觉效果，该方法的运用就会在地震储层的细节描述提供很好的保证。
4 展望
地震信息处理与分析是一门交叉学科，边缘检测技术依赖的地震资料、地质目标和数学方法来决定。在方法的选择，通常是经多种方法的比较分析及各种世界算法才能达到目的特殊待遇。根据技术边缘检测可以有效解决中小裂隙型储层、裂缝和砂体的边界识别，地球物理工作者建议在特定目标首先建立数学模型的实验验证了算法的权利。例如，一个差异，为代表的经典的边缘检测方法，可以通过不同的数学模型，能突出其变化信号点，重点是边缘化。但无论经典边缘检测算法或其他复杂的边缘检测方法，每一种方法的结果也不同。因此，边缘检测技术在地震资料用于问题不仅仅是简单的图像处理问题，尤其对小裂隙型储层、裂缝和砂体的边界识别和影像，首先引入到地震数据的边界滤波器，并在此基础上，对研究对象的规模水平选定合适的数学算法处理，最后达到对处理结果的空间认识和理解，并与之相配套的地质目标。最后，边缘检测技术在石油勘探开发中的应用应结合地质、物探、钻井测井数据分析。
参考文献
[1]杨文采.应用地球物理数据处理与分析[J].地学前缘，1998，5(2):231－235.
[2]王新成.高级图形处理技术[M].北京:中国科学技术出版社，2001:119－130.
[3]段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，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 .
【关键词】GPU；图像处理；并行算法
【Keywords】GPU； image process； parallel algorithm
【中图分类号】TP301. 6 【文献标志码】A 【文章编号】1673-1069（2017）03-0071-02
1 引言
在目前业务逐渐复杂的情况下，人们需要进行各种形式的图像处理，其处理形式主要包括对数字图形进行模糊、锐化和合并并根据人们的实际需求将原始图形转化成人们所需要的图形。人们对应用系统图形方面处理质量要求越来越高，虽然CPU的整体运行速度无法满足人们的实际需求，这就需要利用GPU的快速计算能力，将其应用到图形计算当中，以此来形成相应的通用计算，并且能够通过C++语言解决和处理复杂问题。
2 基于GPU图像处理的相关技术
GPU技术。在计算机发展的过程中，人们对图像处理的要求还没有那么复杂，其中图像的运行和相关的计算方法都比较简单，所以说不用借助相应的硬件处理设备来对图像进行编辑处理，只需要借助GPU强大的计算能力就能蚨酝夹谓行处理。但是随着社会的不断进步和计算机技术的不断发展，人们需要更快的运算速度来进行更高质量的图像处理，这就促使GPU运算技术产生并不断发展。从目前来看，CPU一般指的是中央处理器，是一种超大规模的集成电路，其主要功能是对计算机的指令进行解释，并对相应的计算机软件数据进行处理，而对数字进行处理就主要依靠GPU来进行，通过指令来产生相应的操作控制信号，以此来进行相应的图像处理。而GPU主要指的是图形处理器，也可以被称为视觉处理器，其主要功能是将计算机系统所需要的现实信息进行转换驱动，并且向显示器提供相应的扫描信号，来对显示器的显示进行正确控制，另外，图形处理器也是显卡的处理器，是显卡中较为重要的一部分，与CPU相比来说，两者具有一定的相似之处，而GPU主要是执行复杂的数学计算和几何计算，也就是说如果CPU想要画一个图形，只需要结合想要图形的实际坐标和特征，来产生相应的信号，而GPU就能够对该图形的所有像素进行计算并且集成，并且在显示器的指定位置上画出相应的图形，并且对CPU进行图形完成的通知，等待后续的命令[1]。
CUDA。从上述可以知道，GPU主要是对图形进行编辑和处理，但是在计算机的众多应用领域当中，GPU仍旧不能发挥出其具体功能，其主要是由于API的编程较为复杂，同时由于GPU内部的内存量较小，不能支持较大的程序规模，另外GPU的编程灵活性较差，这就使GPU无法发挥出其主要功能。为了对上述问题进行解决，厂商NVIDIA推出了一种运算平台，也就是CUDA，这种运算平台能够并行计算架构，使GPU能够对相对较为复杂的问题进行解决，目前的CUDA已经能够支持C++语言的实际运行，这也就意味着GPU能够发挥出更为重要的作用。
数字图形处理算法。数字图像处理是根据实际的需求，来对图像进行相应的运算和设计，对数字图像进行处理主要目的体现以下方面：一是提高图像的整体视觉效果和质量；二是对图像中所包含的信息和资源进行提取和处理，三是对数字图像的格式和信息进行变化处理，以此来保证数字图像数据的安全快速传递[2]。
3 基于GPU的数字图像处理并行算法
3.1 高斯模糊算法并行化
高斯模糊也被称为高斯平滑，目前属于一种在各种图像处理软件中进行广泛使用的处理效果，对其进行应用的主要目的是减少图像噪声和降低细节层次，高斯模糊当中的模糊，可以被看成周边像素的平均值。高斯模糊算法并行化在串联的程序结构当中无法进行灵活变换，为了能够对GPU中的硬件多线程资料进行最大程度的利用，就需要按照CUDA多线程架构处理的思想来对程序进行重构。在利用GPU对图像进行高斯模糊变化的过程中，其主要前提是水平方向上的一维高斯矩阵变换和垂直方向上的一维高斯矩阵变换是不相关的，换个说法是可以对其进行分开处理，针对某一方向的处理，各个像素之间的处理也是不相关的，结合这样的特性，可以利用GPU中的多线程并行将像素的处理任务分为不同的模块，并且使GPU的线程来对其进行计算。基于CUDA的高斯模糊处理，首先是需要对需要处理的原始图形进行读入，然后将图像中的像素在水平和垂直方向中进行分块，使GPU的线程块能够对这些模块进行分开处理，在进行处理之后，将处理之后的结果进行合并，这样就达到了想要的原始图像高斯模糊效果。在这样的过程中，需要根据实际的不同需求，来提供相应的函数，使GPU中的线程块能够对不同的数据进行不同的理和操作，这也就是高斯模糊算法在CUDA基础上来进行图像处理的[3]。
3.2 彩色附页处理算法并行化
对于彩色附页的处理来说，属于一种特别耗费时间的图像处理过程，因为这种数字图像处理方法要求将整个图像中的每一个像素点都进行处理，但是从数字处理的角度来看彩色附页处理，其整体处理流程较为简单，首先是需要对图像进行处理，然后根据图像格式的不同来放入内存，并且对图像的所有像素点进行读取，对其中的r、g、b值进行取出，用255减去所取出的值，得出处理过后的数值，最后利用这些数值，就能够形成所需要的负片图像。在进行负片处理的过程中可以看出，针对图像中的每一个像素点的处理都是相对独立的，也就是说在对某一像素点进行处理的过程中，其中各种数值的取值是与其他像素值不相关的，针对这样的独立性特点，可以在图像处理的过程中，充分利用GPU多线程并行处理的优势，对所需要处理图像中进行一定程度的分割，然后对所分割图像中的所有像素点进行处理，最后进行统一的合并，就能够得出所需要的图像[4]。在对图像中各个像素点进行处理的过程中，需要注意这样像素点之间的运算必须保证相互独立，如果出现像素点不独立的情况，那么就需要在程序中编写大量的控制代码，而这样的控制代码的运行方式与GPU的处理方式不相匹配，不能达到最好的图像处理效果。
3.3 透明合并处理算法并行化
图像的透明合并处理也就是说需要实现图像的一种半透明效果，从这种处理方式的数学公式和函数当中可以看出，图像的透明合并处理并不复杂，并且能够在一定程度上实现各种形式的半透明效果，其中主要包括火光、烟雾和阴影等。在利用GPU多线程处理器来对图像进行透明合并处理的过程中，首先需要对两幅图像的位置进行确定，并且根据图像的实际大小，来对混合处理的范围进行确定，并且将所需要处理的范围进行分割，然后利用GPU的多线程处理器，来对所分割的单元进行处理，最后进行统一合并，来完成图像的透明化处理[5]。在对图像进行透明合并处理的过程中，不存在较为复杂的逻辑控制，也就是说对于不同的处理对象，其处理流程和方式都是保持一致的，而不同处理对象之间并不存在相应的联系。
4 结语
通过对以上算法的介绍可以发现，在利用CUDA编程框架，在基于GPU多线程处理器对图像进行处理的方式，具有较快的速度和较高的成像效果。
【参考文献】
【1】翟优，曾峦，熊伟.基于不变特征描述符实现星点匹配[J].光学精密工程，2012（11）：56-57.
【2】陈庆奎，王海峰，那丽春，等.图形处理器通用计算的研究综述[J].黑龙江大学自然科学学报，2012（05）：23-24.
【3】Giorgia Zucchelli.使用MATLAB轻松享受GPU的强大功能[J].电子设计技术，2012（03）：44-45.
关键词：CCD、轨迹、图像处理
视觉在人类生活中起着非常重要的作用，人们每天都通过眼睛采集大量的信息，这些信息经过大脑的处理，成为人们认知和理解世界的基础。机器人视觉信息主要指CCD摄像机采集的二维图像信息。视觉信息能否被正确、实时地处理直接关系到机器人对障碍物的避碰、对路标的识别以及对路径的跟踪，对系统的实时性和鲁棒性具有决定性的作用。视觉信息的处理技术是移动机器人研究中关键的技术之一。为了简化视觉信息处理，通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境。结构化道路的检测相对来说较易实现，其检测技术一般都以边缘检测为基础，辅以Hough变换、模式匹配等，并利用最小二乘法对应于道路边界的线条，得出道路的几何描述。由于非结构化道路的环境复杂、特征描述困难，使得非结构化道路的检测及信息处理复杂化。
近年来，机器人视觉导航技术有了很大的发展。移动机器人的工作环境可能比较复杂，因此，提高图像识别的准确性以实现移动机器人的准确定位是移动机器人完成其导航任务的首要前提；同时，由于移动机器人在导航过程中需要实时的采集并分析图像信息，从而实现对作业环境的识别以进行准确的路径跟踪。因此，如何在提高图像识别的准确性的同时达到较好的实时性是移动机器人视觉技术的一个发展方向
1.图像处理
数字图像处理，是对数字图像信息进行加工以满足人的视觉心理或应用需求的行为，数字图像处理的英文名称是"Digital Image Processing''，通常所说的数字图像处理是指用计算机对图像进行的处理，因此也称为计算机图像处理。图像处理就是用一系列的特定操作来改变图像的像素，以达到特定的目标，比如使图像更清晰，或者从图像中提取某些特定的信息等。
CCD摄像头的主要工作原理具体而言，就是摄像头连续地扫描图像上的一行，输出就是一段连续的电压视频信号，该电压信号的高低起伏正反映了该行图像的灰度变化情况。当扫描完一行，视频信号端就输出低于最低视频信号电压的电平(如0.3v)，并保持一段时间。这样相当于，紧接着每行图像对应的电压信号之后会有一个电压"凹槽"，此"凹槽"叫做行同步脉冲，它是扫描换行的标志。然后就需要跳行，跳过一行后(因为摄像头是隔行扫描的方式)，开始扫描新的一行，如此下去，直到扫描完该行的视频信号，接着就会出现一段场消隐区。此区中有若干个复合消隐脉冲，其中会有个脉冲远宽于(即持续时间长于)其它的消隐脉冲，该消隐脉冲又称为场同步脉冲，它是扫描换行的标志。场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾部分和下一场的开始部分，要等到场消隐区过去，下一场的视频信号才真正到来。摄像头每秒扫描25幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描50场图像。奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。
选择一款具有全电视信号输出的黑白CCD图像传感器，用LMl881进行信号分离，结合A／D采样，实现了视频信号的采集。在总线周期为400M的情况下，每行采集72个有效数据，摄像头每场信号有320行，其中第23到310行为视频信号。我们从中均匀采集了24行，最后得到一个24×72的二维数组。
CCD采集的原始数据包含了黑线的位置信息，为了稳定可靠地提取这一信息，有一下几种方法：
(1)二值化算法
算法的思路是：设定一个阈值value，对于视频信号矩阵中每一行，从左至右比较各像素值和阈值的大小。若像素值大于等于阈值，则判定该像素对应的是白色道路；反之，则判定对应的是目标指引线。记下第一次和最后一次出现像素值小于阈值时的像素点的列号，算出两者的平均值，以此作为该行上目标指引线的位置。该算法的思想简单，具体实现时还可以一旦检测到左边缘后就退出该行扫描，这样上面的流程图将变得更加简洁。但是这种提取算法鲁棒性较差，当拍摄图像中只有目标指引线一条黑线时，还能准确提取出目标指引线。但当光强有大幅度的变化，或图像中出现其它黑色图像的干扰时，并且离机器人比较近的黑线比较的明显，离机器人越来越远时黑线越来越淡，该算法提取的位置有可能与目标指引线的实际位置偏离较大。
(2)直接边缘检测算法
算法的思路是：设定一个阈值，对于视频信号矩阵中每一行，从左至右求出相邻两像素值的差值(左减右)。若差值大于等于阈值，则判定下一个的像素点对应的是目标指引线的左边缘，以此像点作为该列的特征点，记录下此像素点的列号，作为该行上目标指引线的位置。当然，可能出现差值始终小于阈值的情况，此时一种方法是令该行上目标指引线位置为0，通过进一步滤波或拟合来修正；另一种方法是让该行上目标指引线位置和通过上一场视频数据求得的位置一样。
该算法较二值化方法而言，抗环境光强变化干扰的能力更强．同时还能削弱或消除垂直交叉黑色指引线的干扰。因为该算法在视频信号矩阵中是由左至右来寻找目标指引线的左边缘的，所以当黑色图像出现在目标指引线左方时，该算法无法排除干扰，而当其出现在右方时，则可以排除干扰。
(3)跟踪边缘检测法
这种算法跟直接边缘榆测算法一样，也是寻找出目标指引线的左边缘，仍然用左边缘的位置代表目标指引线的位置。但跟踪边缘检测从视频信号矩阵每行中寻找左边缘的方法与直接边缘检测法不同。
因为目标指引线是连续曲线，所以相邻两行的左边缘点比较靠近。跟踪边缘检测正是利用了这一特性，对直接边缘检测进行了简化。其思路是：若已寻找到某行的左边缘，则下一次就在上一个左边缘附近进行搜寻。这种方法的特点是始终跟踪每行左边缘的附近，去寻找下一列的左边缘，所以称为"跟踪"边缘检测算法。
在首行边缘检测正确的前提下，该算法具有较强的抗干扰性，能更有效地消除垂直交叉黑色指引线的干扰，以及指引线外黑色图像的影响，始终跟踪目标指引线。
另外，较之前两种算法，跟踪边缘检测算法的时间复杂度更低，因此效率更高。但值得注意的是第一行的左边缘位置对整个目标指引线的搜寻影响 很大，一旦它的位置和实际导引线偏差较大，就会产生一连串的错误，这是不可容忍的。
通过比较本系统选择了效率更高，更可靠的跟踪边缘检测法。流程图如图所示：
2.结论
本文中图像处理和路径信息识别的方法，并对不同时刻不同位置采集到的图像的处理效果进行比较研究，结合实际环境中的图像特点，确定出适合于本研究的图像处理算法。提出了改善路径信息辨识速度和精度的方法。
参考文献：
［1］张文志，吕恬生．基于改进的遗传算法和模糊逻辑控制的移动机器人导航［J］．机器人．2003，
25(1)：1
［2］邱茂林，马颂德，李毅．计算机视觉中摄像机定标综述［J］．自动化学报．2000，26(1)：44-45
［3］吴文琪，孙增圻．机器视觉中的摄像机定标方法综述［J］．计算机应用研究．2004，21(2)：4-5
关键词：分形理论 图像处理 识别检测 粒径分布
中图分类号：TQ533 文献标识码：A 文章编号：1674-098X（2014）01（a）-0005-02
在我国的电力供应中，有很大一部分来自火力发电。火力发电对煤炭资源的需求最大，因此提高煤的燃烧效率变得十分重要。煤的燃烧特征是煤的颗粒越小，越容易燃烧殆尽，而且在其燃烧过程中所产生的硫化气体等污染物也会相对较少。所以通过一种有效的办法对煤堆进行颗粒粒度识别具有重要意义。颗粒物识别检测通常采用的方法为筛析法、重量沉降法、激光散射分析等，这些方法中存在人为操作量大，重复性不好，且不能给出颗粒的相关参数特性等缺点[1]。该文运用数字图像处理技术对煤颗粒进行处理分析，可避免上述方法的不足，提升测量速度节省时间，增强测量准度和精度。并提出结合分形理论，对煤堆颗粒作分形分析。图像处理方法作为对煤堆特性分析方法可利用软件得到相关的煤堆颗粒粒度参数、进而可以选择相应适合的条件对煤堆进行颗粒过滤，从而满足工业要求。
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，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.
[3] 霍红涛.数字图象处理[M].北京：机械工业出版社，2003.
购物车(0)
