時間：2022-04-06 04:54:23
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇數字圖像處理論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
（1. 武警工程大學 信息工程系，陜西 西安 710086；2. 武警工程大學 電子技術系，陜西 西安 710086）
摘 要：針對數字圖像處理課程基礎理論抽象、實用性強的特點，分析和探討該課程教學中存在的若干問題及原因，從師資力量建設、課程標準制定、教學方法與設計、考核方法4個方面闡述數字圖像處理課程的教學優化改革方案。
關鍵詞 ：數字圖像處理；教學優化改革；師資力量；課程標準
基金項目：全軍學位與研究生教育研討會研究課題“軍隊院校研究生教育中的導師與研究生關系研究”（YJZX14C14）。
第一作者簡介：孔韋韋，男，講師，研究方向為圖像處理，kwwking@163.com。
0 引 言
數字圖像處理[1-2]是信息處理領域的重要分支，通過該課程我們可以完成圖像的幾何變換、算術處理、圖像增強、圖像復原、圖像重建、圖像編碼、模式識別、圖像理解等多個方面的工作。目前，隨著計算機軟硬件處理能力的不斷提升，數字圖像處理技術已被廣泛應用于醫學檢測、反恐處突、彈道導彈精確制導等多個軍（民）用領域。由于該門課程的特殊地位和廣泛應用，國內外幾乎所有信息類專業都開設了該課程，許多專家、學者也針對課程的教學方式提出了自己的觀點[3-8]。
軍隊院校作為高等院校中的一類特殊群體，無論在課程設置還是人才培養需求上均與地方高等院校有很大的不同。軍隊院校自身的特殊屬性要求培養出的人才不僅要有扎實的理論基礎和科研能力，還能運用這些知識對作戰以及日常訓練中出現的問題加以解決，因此，軍隊院校對人才的理論與實踐結合能力提出了更高也更為嚴格的要求。
武警部隊負責維護國家安全和社會穩定，有效打擊國內外各種恐怖勢力，保障人民安居樂業。當前，世界各國都將“反恐”作為維護國家穩定和保衛人民生命財產安全的一項重要任務。反恐圖像目標的識別和監視能力更體現了一個國家的反恐技術力量和能力水平，其關鍵在于反恐圖像目標的識別。因此，有效地將數字圖像處理技術應用于反恐處突領域，不僅有助于提升針對恐怖勢力的打擊力度，還可以有效減少傷亡，最大限度地保障國家和人民的生命財產安全。
1 數字圖像處理課程的特點
數字圖像處理課程主要有以下幾個特點：①理論基礎要求高，涉及高等數學、信號與信息系統、信息論、計算機編碼等多個領域的知識；②數字圖像處理課程覆蓋的內容廣泛，知識點繁雜零碎；③新興理論的不斷出現要求廣大學者能夠敏銳把握數字圖像處理技術的發展前沿；④數字圖像處理技術的應用領域不斷拓展，處理方法也更為復雜。
2 軍隊院校數字圖像處理課程教學中存在的問題
2.1 課程設置不靈活
相比地方高等院校，軍隊院校的課程設置自由度十分受限，具體體現為課程的教學內容、學時安排、課堂組織形式甚至是開課時間均有嚴格的規定和限制，不能根據學生理論基礎和學習能力的實際情況做自適應的調整。
盡管研究生有自己的導師和研究方向，且很多研究生日后學位論文的研究方向可能與數字圖像處理領域并無關聯，然而，由于許多信息類專業院校的研究生培養方案均嚴格限定該課程為學位必修課，導致一些研究生為了學分和學位只得選擇一門與自己研究領域完全無關的課程，無形中造成了教學資源的浪費。
2.2 課時少內容多
數字圖像處理課程是國內外幾乎所有信息類專業的必修課。地方高等院校通常會開設50個學時，而軍隊院校大多只開設40學時，有的學校甚至只將其作為學位選修課開設20學時。眾所周知，該課程涉及的教學內容非常繁雜且對相關課程的理論基礎提出了較高要求，這類課程即使安排50學時也很難將重點內容講授完畢，軍隊院校課程課時不足無疑對該課程的教學質量造成重大影響。
2.3 教學形式單一
軍隊院校的特殊屬性在一定程度上約束了課堂多種教學形式的存在與發展，傳統的教師主體式教學法是主流。這種過于單一和機械的教學形式將對研究生的學習積極性造成不利影響。另外，軍隊中上下等級關系往往扼殺了研究生質疑教師的勇氣和可能，使研究生不敢對教師的見解有所質疑，不敢擅自踏入教師未首肯的領域中積極主動地發現問題、分析問題和解決問題，導致研究生的學習完全處于被動境地。
3 教學優化改革
3.1 師資力量建設
數字圖像處理課程專業性強、理論難度大，涉及的基礎學科門類較多，因此，在條件允許的情況下應盡可能安排科研方向或理論研究方向屬于圖像處理領域的教師擔任任課老師。一方面，長期從事該領域的教師對課程的基本內容和理論了如指掌，基本功非常扎實，授課更為流暢、自然；另一方面，教材中介紹的只是圖像處理領域的基礎理論和經典模型，長期從事該領域研究的老師在研究過程中往往對課程中的概念及理論模型有更深刻的理解，在授課過程中必然會附帶介紹本人在該領域內的研究現狀和最新進展，有利于開闊研究生視野，激發學習興趣，提高授課質量。
3.2 課程標準的制定
結合軍隊院校課時不足的教學實際以及人才培養類型的定位需求，我們完全有必要重新制定數字圖像處理課程的教學標準，在保證理論系統性完整的基礎上，側重實踐能力以及解決實際問題能力的培養和提升。具體措施如下：①教學對象精確定位，扭轉以往研究生課程頻頻出現的“被選課”現象，切實保障“選修權”，允許研究生按照自己學位論文的研究需求選課；②由于學時有限，在制定課程標準時必須全面分析和研究教學內容，梳理與課程內容相關的知識目標、技能目標和素質目標，適當地刪減一些非重點內容，重新劃分各章節的學時；③數字圖像處理雖然是一門理論性很強的課程，但學習的最終目的還是應用，因此，在制定課程標準時必須為研究生學員留有一定的實踐操作以及課堂研討課時；④要反映部隊特色，在授課過程中重點介紹能夠直接應用于部隊實際的模型和方法，譬如模式識別、圖像理解版塊，并要求研究生動手實踐；⑤緊跟發展前沿，保持知識的先進性，充分利用網絡資源，以完善的學習資料、豐富的課程資源、真實的實踐環境作為課程的基礎和支撐。
3.3 教學方法與設計
結合課程標準，我們擬將整個教學過程分解為4個階段：①基本理論講授；②專題討論；③專題講座；④實踐操作。
3.3.1 基本理論講授
教師對教學內容中的基本理論加以講解，旨在為研究生掃清基本理論障礙。該部分的講解并非只是對課本內容的簡單復制和重申，而是在介紹基本理論的基礎上，對基本概念中涉及的各層次知識點和潛在疑問加以梳理和闡釋，為下一階段的專題討論做鋪墊。該階段以教師講授為主體，采取案例式教學和啟發式教學相結合的授課方式。
3.3.2 專題討論
所謂專題討論，就是基于教師先前講授的某一個或某一類基本理論，探討具體應用效果以及可能影響最終圖像處理效果的若干因素。這一環節將徹底打破經典教學模式中的“教師主體”模式，轉變為“教師確定討論范圍—研究生為討論主體—教師最后總結”的模式。在整個過程中，教師和研究生的角色完全轉換，由研究生基于自身掌握的知識充分發揮自己的想象，針對若干問題展開探討或者辯論。譬如，教師在探討前先介紹圖像去噪理論的相關知識，包括噪聲產生的原理、噪聲的種類、噪聲在圖像中的表現、幾類經典圖像去噪方法等，上述部分內容講授完畢后確定3個問題，即均值去噪和中值去噪方法的原理有何不同？各自的優缺點何在？各自在去噪過程中可能影響最終效果的因素有哪些？下一次課教師可安排專題討論，并將研究生在討論中的表現作為課程成績的一項重要依據。
在該門課程課代表的組織下，研究生被分成若干小組，大家利用課余時間分別對兩種去噪方法展開了深入研究，并通過Matlab軟件仿真驗證，記錄諸如峰值信噪比PSNR等相關指標值，初步得出可能會影響最終去噪效果的若干因素；幾位同學針對一些不太一致的觀點展開激烈的討論；最后，由教師進行內容總結和答疑解惑，一些研究生還對教師的某些結論提出質疑。
專題討論完畢后，教師和研究生普遍感覺以往枯燥又不合時宜的教學方法得到了徹底改變，研究生內心的求知熱情得到了極大的激發。此外，整個專題討論過程也鍛煉了他們的邏輯思維，為了說服“對手”，他們必須要找到支撐自己觀點的科學依據，包括權威論壇上的答疑解惑以及仿真軟件仿真出來的實際結果等。有了這些證據后，他們還要對數據進行分析研究、組織語言、理清思路，而在以往的教學模式下，研究生并不會主動花費時間查找資料，教師由于課時的關系也不可能對每一種理論都進行仿真演示。
3.3.3 專題講座
擔任數字圖像處理課程任務的教師必須從事圖像處理領域研究，因此，在教學過程中，適時安排1~2次專題講座，由任課教師將自己在本領域的研究成果或是研究體會以講座的形式向研究生進行報告。在講座過程中，教師將從一個較高的層次，把一些新的內容介紹給研究生，同研究生一起分享圖像處理領域最新的發展動態和研究成果，開拓研究生的視野，為研究生動態更新最新的前沿知識。另一方面，由于課程標準制定過程中教學對象已實現了精確定位，凡是選修數字圖像處理課程的研究生日后均要從事該領域的研究，因此專題講座的開展也在一定程度上為研究生日后的學位論文撰寫提供靈感和研究方向。顯然，專題講座是課程教學強大而又有益的補充。
3.3.4 實踐操作
由教師從教學內容中選取若干重難點且與部隊作戰（訓練）密切關聯的內容，交由研究生自行仿真實現，記錄主客觀評價指標數值，對仿真結果進行比較與分析，并得出結論；對仿真結果中的不足展開討論，給出可能的解決方案。顯然，該階段側重課程標準中“反映部隊特色”的宗旨，要求學員學以致用，切實將書本中的理論知識運用到部隊實際中，為部隊服務，提高作戰能力，體現軍隊院校“向部隊靠攏，向實戰靠攏”的辦學宗旨。
在實際操作中，為了貼合武警部隊反恐處突場景的作戰實際，教師為學生布置了模式識別版塊中的圖像融合仿真實驗，給出了國際TNO組織提供的聯合國營地源圖像，源圖像取自同一場景，一幅由灰度可見光圖像傳感器獲得，另一幅由紅外圖像傳感器獲得。該實踐場景十分類似于武警部隊對潛藏在樹林中的恐怖分子進行圍捕的場景，要求研究生對現行資料中融合效果較好的6種融合方法進行仿真，記錄仿真結果并加以分析討論。
通過這一階段的訓練，研究生將書本中的理論知識與實際應用進行了有機結合，取得了良好的效果，并為日后將相應方法應用于部隊作戰（訓練）提供了理論基礎和支持。
3.4 考核方法
課程考核采取百分制，并綜合考慮研究生在筆試、專題討論、實踐操作3個環節中的表現，3者的比例為0.30：0.35：0.35。在考核中，教師更看重研究生在該門課程中針對實際問題的分析能力和實踐動手能力，以期學生真正理解和消化書本中的理論知識。筆試采取開卷方式進行，側重考核研究生對該門課程中的基本理論、概念、公式的掌握情況，因此，同以往的純閉卷考試相比，該考核方法靈活度更高，考核效果也更理想。在最終考核中，由于采取了更為有效的考核方式，學生只要認真參與教學活動，必然可以順利通過考試并拿到高分。如今，兩年的教學改革已經使該課程在研究生中小有名氣，從往日學員們的“黑名單”課程轉而成為“熱銷品牌”。
4 結 語
兩年的實踐結果表明，相比傳統的授課方式，該改革方案更符合高等院校的教學規律和實際情況，尤其是將部隊的實戰需求充分融入課程標準的制定過程，更加貼近了當前軍隊院校的人才培養需求，充分體現了軍隊院校“向部隊靠攏，向實戰靠攏”的辦學宗旨。
參考文獻：
[1] 岡薩雷斯. 數字圖像處理[M]. 北京: 電子工業出版社, 2014.
[2] 賈永紅. 數字圖像處理[M]. 武漢: 武漢大學出版社, 2010.
[3] 楊淑瑩, 張樺.“數字圖像處理”理論與實踐相結合教學模式[J]. 計算機教育, 2009(24): 84-86.
[4] 周海芳.“數字圖像處理”課程研討式教學[J]. 計算機教育, 2010(24): 93-97.
[5] 周耿烈, 魯逢蘭. 圖像處理技術精品課程建設[J]. 計算機教育, 2010(18): 101-104.
[6] 何楚, 馮倩, 楊芳, 等. 數字圖像處理課程實驗教學過程設計[J]. 計算機教育, 2011(18): 74-77.
[7] 沈曉晶, 王艷, 趙慧娟. 應用型院校數字圖像處理本科教學探索[J]. 計算機教育, 2012(1): 86-88.
關鍵詞：ImageJ；圖像處理；數字濾波；小波變換；算法設計
中圖分類號：TP751文獻標識碼：A文章編號：1009-3044(2011)07-1638-03
Image Processing Algorithm Design Research Based on ImageJ
ZHAO Yi-li
(Dept. of Computer, Southwest Forestry University, Kunming 650224, China)
Abstract: Proposing an image processing algorithm design program based on ImageJ software, the program can complete digital image processing algorithm design quickly and accurately, and it is a useful complement for which based on MATLAB or C/C++ language environments. Through two examples of digital filtering and wavelet transform, the paper shows the benefits of the program for the image processing algorithm design task. Meanwhile, with the ImageJ's open plug-in architecture, making the design has good modularity and scalability.
Key words: imagej; image processing; digital filtering; wavelet transform; algorithm design
1 數字圖象處理算法設計概述
在進行數字圖像處理算法仿真時，采用的方案主要有兩大類。一類是使用MathWorks公司開發的MATLAB軟件。另外一類基于C和C++語言，以及Microsoft公司的Visual Studio平臺和MFC框架。
1.1 基于MATLAB的圖像處理算法設計
由MathWorks公司開發的MATLAB[1]軟件非常適合用于處理向量和矩陣，在科學研究和產品的原型開發與設計中得到了廣泛的應用。并且被國內外許多大學采用作為線性代數和數值計算的計算機輔助教學軟件。該軟件本身提供了一種高級語言，能夠通過編程的方式解決問題。由于MATLAB附帶了一個功能完整的圖像處理工具箱[2]，因此很多研究者都基于MATLAB進行數字圖像處理算法的設計[3-5]。
采用MATLAB軟件作為原型系統設計具有可靠和快速的優點，但是也存在三個缺點。第一，由于MATLAB是一個商業軟件，軟件的版權費用比較昂貴。第二，MATLAB對相應的圖像處理算法行了封裝。因此，很難有機會看到相關算法的實現代碼。第三，在MATLAB中開發的程序必須要有MATLAB的運行庫支持，脫離了MATLAB環境就無法運行。
1.2 基于C和C++語言的圖像處理算法設計
另外一類設計方案基于C和C++語言。C語言是很多圖像處理和數值分析庫的首選編程語言。但是，使用C語言需要通過指針訪問圖像數據，而且需要手動進行內存的分配和釋放。因此在使用C語言進行算法設計的時候，往往會把注意力轉移到其它和圖像處理無關的領域上面，而且C語言本身也沒有提供用戶界面接口環境。
隨著C++語言的普及，越來越多的研究者開始采用C++語言進行圖像處理算法設計。這些設計大部分都是基于Visual C++環境，并且使用MFC完成相關的用戶界面接口。由于C++語言本身的復雜性，以及MFC具有相對陡峭的學習曲線，使得這個方案開發效率不是很高。言內容。
2 基于ImageJ的圖像處理算法設計
為了能夠解決以上提到的問題，作者在進行數字圖像處理工程實踐中，采用基于Java語言編寫的ImageJ平臺的算法仿真方案。通過一些項目的實踐，取得了不錯的效果。下面對采Java語言和ImageJ平臺的原因進行闡述。
2.1 采用Java語言的原因
隨著Java語言及其平臺的日益成熟，使得Java語言[6]在多個領域都得到了廣泛的應用。選擇Java語言的原因是（1）Java語言是跨平臺的，可以使用多個操作系統來進行算法設計，例如Windows、Linux或者Mac OS；（2）Java語言是免費和開放的；（3）Java語言帶有網絡開發的標準庫，這使得開發基于Web的圖像處理系統更加方便；（4）Java語言帶有用戶界面庫AWT和Swing，可以將圖像處理算法和處理結果的可視化無縫銜接起來；（5）Java語言是面向對象的，并且支持垃圾回收和良好的異常處理機制。這樣研究者更容易把注意力集中在算法實現上面，而不是指針的操作以及內存的手動分配與回收這些與問題域無關的事物上面；（6）Java程序運行速度很快，這意味著可以得到算法運行結果的即時反饋，即實時性。
2.2 采用ImageJ的原因
ImageJ是由美國國家衛生總局的維恩開發的一個功能強大的圖像處理和分析軟件[7]，在全世界被很多生物學家和醫學圖像處理研究者應用于生物醫學圖像處理研究[8]。由于ImageJ本身是使用Java語言編寫的，因此可以運行在任何一個安裝了Java虛擬機的操作系統上面。同時，在ImageJ的網站上也提供了相應的源程序和幫助文檔下載，研究者可以通過下載ImageJ的源代碼對ImageJ內部的工作機制和原理進行分析。最重要的是ImageJ的設計基于插件架構體系，可以通過編寫插件對其功能進行擴展。利用ImageJ的插件機制，可以將不同的圖像處理算法編寫為相應的插件。通過Java虛擬機和ImageJ提供的插件動態加載功能，當用戶對插件進行更改以后，直接編譯就可以在ImageJ中進行加載和運行，而無需重新啟動應用程序，即提供了所謂“熱拔插”的功能。
3 圖像處理算法設計示例
下面將通過兩個例子來說明如何基于ImageJ平臺進行數字圖像處理算法設計。通過這兩個例子可以看到ImageJ的插件機制為圖像處理算法的實現提供了一個非常好的平臺。
3.1 數字濾波
隨著數字濾波是圖像平滑和銳化算法的理論基礎[9]。論文實現了數字濾波的兩種算法，一種使用不可分離算法，另外一種使用可分離的算法。一個大小為m*n的濾波器，對于每個像素，不可分離算法的時間復雜度為O(m*n)，可分離算法的時間復雜度為O(m+n)。因此，可分離算法在模塊化和計算時間方面更有優勢。
算法1 垂直邊緣濾波器的不可分離算法
public ImageProcessor nonseparable(ImageProcessor input) {
int w = input.getWidth();
int h = input.getHeight();
ImageProcessor output = new ImageProcessor(w, h);
double[][] block = new double[3][3];
double value = 0.0;
for (int x = 0; x < w; x++) {
for (int y = 0; y < h; y++) {
input.getNeighborhood(x, y, block);
value = (block[2][0] - block[0][0] + block[2][1] - block[0][1] + block[2][2] -block[0][2])/6.0;
output.putPixel(x, y, value);}}
return output;}
算法2 垂直邊緣濾波器的可分離算法
public ImageProcessor separable(ImageProcessor input) {
int w = input.getWidth();
int h = input.getHeight();
ImageProcessor output = new ImageProcessor(w, h);
double rowin[]= new double[w];
double rowout[] = new double[w];
for (int y = 0; y < h; y++) {
input.getRow(y, rowin);
difference(rowin, rowout);
output.putRow(y, rowout);}
double colin[]= new double[h];
double colout[] = new double[h];
for (int x = 0; x < nx; x++) {
output.getColumn(x, colin);
average(colin, colout);
output.putColumn(x, colout);}
return output;}
private void average(double in[], double out[]) {
int n = in.length;
out[0] = (2.0 * in[1] + in[0]) / 3.0;
for (int k=1; k
out[k] = (in[k-1] + in[k] + in[k+1]) / 3.0;}
out[n-1] = (2.0 * in[n-2] + in[n-1]) / 3.0;}
private void difference(double in[], double out[]) {
int n = in.length;
out[0] = 0.0;
for (int k=1; k
out[k] = (in[k+1] - in[k-1])/2.0;}
out[n-1] = 0.0;}
表1列出了ImageJ的均值濾波的測試時間，測試環境為：512 x 512的灰度圖像，JRE 1.6.0_21，Intel Core Quad/2.33GHz，4GB RAM。從表1中可以看到可分離算法相對于不可分離算法的優勢，特別是當濾波器尺寸加大以后更加明顯。
3.2 小波變換
另外一個例子是實現可分離的二維Haar小波變換[10]。
算法3 二維Haar小波變換
public ImageProcessor analysis(ImageProcessor input, int nbScale) {
int nx = input.getWidth();
int ny = input.getHeight();
ImageProcessor output = input.duplicate();
ImageProcessor buffer;
for (int i=0; i
buffer = new ImageProcessor(nx, ny);
ouput.getSubImage(0, 0, buffer);
buffer = split(buffer);
output.putSubImage(0, 0, buffer);
nx = nx / 2;
ny = ny / 2;}
return output;}
private ImageProcessor split(ImageProcessor input) {
int nx = input.getWidth();
int ny = input.getHeight();
ImageProcessor output= new ImageProcessor(nx, ny);
double rowin[]= new double[nx];
double rowout[] = new double[nx];
for (int y=0; y
input.getRow(y, rowin);
split_1D(rowin, rowout);
output.putRow(y,rowout);}
double colin[] = new double[ny];
double colout[] = new double[ny];
for (int x=0; x
output.getColumn(x, colin);
split_1D(colin, colout);
output.putColumn(x,colout);}
return output;}
private void split_1D(double in[], double out[]) {
int n = in.length / 2;
double sqrt2 = Math.sqrt(2.0);
int k1;
for (int k=0; k
k1 = 2 * k;
out[k] = (in[k1] + in[k1+1]) / sqrt2;
out[k+n] = (in[k1] - in[k1+1]) / sqrt2;}}
圖1是基于ImageJ設計的Haar小波變換仿真的運行結果。
3 結論
論文提出的基于ImageJ軟件的數字圖像處理算法設計方案對傳統的基于MATLAB和C/C++語言的方案是一個非常好的補充。通過相關的兩個實例也展現了這種方案在實現數字圖象處理算法時的簡潔和快速，對于研究者設計和驗證新的圖像處理算法是一個非常好的平臺。同時由于ImageJ基于插件的架構體系設計，使得研究者可以將不同的圖像處理算法編寫為相應的插件，對其進行擴充和二次開發。
參考文獻：
[1] The MathWorks Inc. MATLAB,Natwick,MA.[CP/OL].
[2] Rafael C,Richard E,Steven L.Digital Image Processing Using MATLAB [M].[S.l]:Prentice Hall,2004.
[3] 安平,王朔中.建立在MATLAB平臺上的數字圖像處理教學實驗系統[J].實驗室研究與探索,2001(1).
[4] 賈永紅.現代化教學手段在數字圖像處理教學中的應用研究[J].測繪通報,2006(1).
[5] 張國琴,吳周橋.MATLAB在數字圖像處理教學中的應用[J].武漢科技學院學報,2005(10).
[6] The Java Language.[CP/OL].
[7] Image J.rsb.info.nih.gov/ij[CP/OL].
[8] Sage D,Unser M.Teaching Image-Processing Programming in Java[J].IEEE Signal Processing Magazine,2003,20(6):43-52.
論文關鍵詞：數字圖像處理,方差,均方差,衛星圖像
遙感有著高效、快捷且不受時間空間限制的特點，被廣泛應用于農、林、地、礦、軍事等諸多領域。通過衛星遙感技術獲得的地球表面客體或事物的衛星遙感圖像也越來越多地應用在地球資源的調查、自然災害預測預報環境污染監測、氣象衛星云圖處理以及用于軍事目的的地面目標識別等各個方面。有著遙感作用的NOAA氣象衛星的運行周期短、覆蓋面廣，目前正廣泛受到人們的關注，并作用于農業估產、林火監測、漁況預報、城市熱島等方面。但是，NOAA衛星圖像數據的使用效率并不高，再加上云的存在，使衛星資料反演的各種參數出現誤差，而對于同一幅NOAA衛星圖像中的薄云和濃云的處理目前還未見到很適用算法，所以，研究時效性的除云算法在軍事、環境、氣候、自然災害等領域有重要的意義和研究價值。
1云檢測方法
根據同一衛星圖像，它在各個分量上的水汽、二氧化碳、一氧化碳、甲烷等氣體據有相同的屬性參數，截取目標區域圖像和該區域附近的無云樣品區域進行處理。
由于云是不穩定因子，它隨時間和空間變化而變化，即不同季節云的反射率和亮溫不同，不同空間高度云的反射率和亮溫又有所不同。因此，要能較好地識別云區范圍就要了解它的空間和時間分布特性，并采用行之有效的方法來解決這個難題。然而鑒于不同的云相對于植被、土壤、水域等不同下墊面在可見光和近紅外波段具有較高的反射率，而在熱紅外波段由較低的亮溫，這就給我們判云帶來了有利條件。針對與所選用的熱紅外通道，我們采用了以下幾種方法進行了檢測云。
1.1單通道探測值閾值檢測
任取NOAA氣象衛星的某一通道圖像資料，并給定一個云區灰度閾值，凡高于該閾值的像元皆為云。
1.2可見光和近紅外通道反射率閾值檢測
計算可見光和近紅外通道圖像的反射率，給定反射率閾值，凡高于該閾值的為云。
1.3紅外通道溫度閾值檢測
運用普朗克公式計算紅外通道的亮溫和溫度，設立溫度閾值，凡低于該閾值的為云。
2除云方法討論
云檢測的目的是找出云影響的測量值，回歸晴空測量值后用于計算海面溫度。云檢測是基于觀測目標自身的特性，比如，海面溫度梯度變化不大；在紅外和可見光波段中，海面較云頂有較高的溫度和低得多的反射率；海面和云頂在不同紅外窗區通道反射率上的差異等，推測出有云影響的數據。
在氣候變化中，云與輻射起著關鍵的作用，云層影響著地球的輻射收支地球表面溫度以及氣候變化趨勢。遙感圖像處理中，與覆蓋時最常見的噪聲之一，它不僅對圖像的處理帶來諸多困難。
2.1國外遙感溫度研究
從70年代開始，研究者開始嘗試從機理方面著手研究亮溫與地表溫度的關系。由于衛星獲得的亮溫是由大氣頂層接收的輻射亮度值換算而成的，而大氣對遙感器接收地表信息的影響較大，所以早期的研究主要集中于大氣輻射校正上。到目前為止，己經研究出很多輻射校正方法，但是這些方法大部分都需要其它氣象數據的支持，比如不同高度的大氣濕度等。
大氣校正方法比較煩瑣，后來有的學者基于相鄰波段大氣吸收特性提出了一種全新的方法，直接運用兩個波段的亮溫數據去推算地表的溫度。這就是一種比較簡單有效的溫度反演方法，即分窗口技術法(Split-windowTechnology)，該方法可在少量的地表參數支持下從氣象衛星數據反演出地表溫度。目前溫度反演研究主要集中在NOAA衛星圖像的熱紅外波段。
2.2國內遙感溫度研究
國內在遙感地表溫度研究中主要采用的還是數理統計方法，此后沿襲這些研究思路和研究方法，特別是中國科學院遙感應用研究所在土壤水分方面進行了大量的研究，但是作為其中最為重要的參數之一的地表溫度的研究卻進展不大，沒有跟上國際上由數理統計研究取得的結果。
北京大學學者提出了一種新的改進分窗口技術方法，該方法的特色之處在于引入相鄰像元的概念。研究者給定了兩種情況下的溫度反演法，第一種情況是假設地表輻射率已知，然后運用迭代反演方法求解地表溫度。該方法模擬結果與其它共5種模型結果分析比較，精度有較大的提高。第二種情況是地表輻射率未知，來反演地表溫度與輻射率。這時采用雙通道雙像元法去求解相應的參數。通過模擬計算取得了較好的精度，在大氣廓線總水汽含量誤差小于10%時，反演的溫度均方根誤差0.7。輻射率均方根誤差0.013，地表輻射項的均方根誤差小于0.6%，己經可以滿足陸地表面溫度反演1的精度要求。
雙通道雙像元法是經典分窗口技術法的延伸，利用相鄰像元間輻射率之間的關系，在地表輻射率未知的情況下反演地表溫度是個很好的方法。但是該方法也有局限性，在大氣水汽含量誤差大于20%時，反演的溫度誤差就會顯著增加。
陸面溫度反演中分窗口技術法經過不斷改進，反演精度有所提高，但是這些改進的方法還沒有達到大面積應用階段，更不能像海溫研究那樣進入業務運行階段，因此，要達到陸面溫度反演的實用化程度，還需要繼續拓展。最近幾年遙感界出現了一個熱門的研究領域，就是多角度遙感數據反演研究，這個方法可能為組分溫度遙感提供一個新的思路。
參考文獻
1 陸玲,王蕾,桂穎.數字圖像處理[M],北京:中國電力出版社, 2007.
2 高成,董長虹,郭磊等.Matlab 圖像處理與應用(第二版)[M],北京:國防工業出版社.2006.
3 何東健,耿楠,張義寬. 數字圖像處理[M],西安電子科技大學出版社,2003.
4 陳良富,徐希儒.陸面溫度反演的新進展[J],國土資源遙感,1999,3:47-50.
關鍵詞：稀疏表示 圖像質量 幾何結構
中圖分類號：TP3 文獻標識碼：A 文章編號：1674-098X（2012）12（c）-00-01
1993年Mallat和Zhang提出了信號的稀疏表示，在信號逼近上取得了出色的表現，迅速引起了廣大學者的普遍關注，信號稀疏表示研究很快被從一維信號推廣到二維信號圖像的研究上。
稀疏表示的模型可以表示為：
式中為向量的l0范數，表示向量x中非零元素的個數，x即為信號y的稀疏表示。
在數字圖像處理中，由于圖像的數據信息具有冗余性，為冗余字典，因此可以在冗余字典上進行稀疏表示，y則為圖像子塊的列向量表示。如何構造表達能力強、訓練簡單的冗余字典是圖像處理中的關鍵一步，自稀疏表示理論的提出，在圖像去噪、去模糊、超分辨率、圖像修復等方面得到了廣泛的應用，取得了比傳統方法更好的處理結果。
1 稀疏表示理論在提高數字圖像質量中的應用
Michael Elad是較早將稀疏表示理論應用于圖像去噪與超分辨率的代表人物[1]，他將K均值聚類方法引入字典訓練過程中。在K均值算法中，求解一個包括K個代碼的碼本，使得在此碼本上，根據最鄰近分配法則，對包含N個信號的集合進行分類，得到最佳分類。在稀疏表示中，稀疏表示的過程可以看做廣義矢量量化過程，其中的每個信號用多個代碼的線性組合表示。當要求K-SVD中的每個信號只能用一個原子來近似時，K-SVD算法就退化為K均值算法。K-SVD在稀疏編碼與字典更新之間交替迭代，保證總誤差單調下降，因此可保證能收斂到局部（或全局）最小值，從而得到性能優良的過完備字典。K-SVD訓練字典方法廣泛的應用在圖像復原問題上。基于K-SVD訓練得到的過完備字典，取得了較好的圖像去噪與超分辨率結果。
統計學中的主成分分析（PCA）的概念，也被引入到字典訓練當中。在統計學當中，變量個數太多會增加問題的復雜性主成分分析作為一種統計分析方法，它可以從多元事物中解析出主要影響因素，簡化復雜問題。PCA的核心思想，就是將高維數據投影到低維空間。尋找 r 個新變量，使其反映事物的主要特征，每個新變量是原有變量的線性組合，體現原有變量的綜合效果，則這 r 個新變量稱之為“主成分”，它們兩兩正交不相關。這 r 個主成分可以在很大程度上反映原來變量的信息。Hui Zou引入了SPCA（Sparse PCA）的概念，他修改了傳統的PCA方法，利用主成分負載的稀疏性，使算法變得更加易懂，且得到更為稀疏的結果。
形態學成分分析（MCA）作為一種新興的信號分解方法，吸引了很多人的注意。MCA根據圖像信號組成成分的形態差異性，將圖像內容分割為紋理區域和卡通區域。不同區域其擬合字典類型不同。小波變換可以很好的表示圖像光滑區域的特征，curvelet變換通過帶方向的局部傅里葉基，可以有效的處理邊緣特征。離散余弦變換（DCT）以及Gabor變換是紋理區經常采用的兩種處理方式。MCA充分的考慮了圖像的結構組成部分以及內部特征，廣泛用于盲源分離、圖像分解、圖像修補等。
Julien Mairal將自然圖像的自相似性引入到圖像恢復模型中。圖像的自相似性，其根本是自然圖像的統計特征。Julien Mairal非局部模型與稀疏編碼結合成一個框架，將噪聲在相似塊之間進行平均，取得了較好的去噪、去馬賽克結果。同樣，自相似性在圖像去模糊、圖像修補方面也展示了其良好的性能。
Weisheng Dong提出了一種新的圖像復原模型CSR，利用減小退化圖像分解系數與原圖分解系數之間的差異來達到復原圖像的目的，其本質是自相似性的應用。在超分辨率方面，他提出了自適應稀疏域選擇超分辨率算法，認為超分辨率重建結果的優劣很大部分取決于稀疏域的選擇，對輸入的樣本先采用K-均值聚類，采用PCA算法進行詞典訓練，將非局部相似性（NL）和圖像去噪中的自回歸（AR）模型與超分辨率重建模型有效結合，提高了超分辨率重建質量。
Nebojsa創造性的提出了圖像摘要的概念。他將圖像的特征提取為一幅摘要圖，在圖像處理過程中，對該摘要圖進行分解處理，這是合理并且有效的。Louise 利用該思想，在圖像去噪方面取得了較好的去噪結果。
Kostadin在變換域，通過一組協作濾波器，將一幅圖像中結構相似的二位塊聚合成一組，形成一個三維模型，以增強其表示的稀疏性。Aram利用該3D理論，建立了一個新的圖像模型―BM3D。BM3D在圖像復原方面表現了其卓越的性能。
最近，保持圖像幾何結構的思想吸引了很多人的注意。Samy Bengio將圖像分割成相互重疊的塊，結構相似的塊組成一個群組，分別對每個組進行分解訓練，這就是群組編碼的思想，其基本思想類似于非局部思想，也是利用了自然圖像的自相似性。關于結構稀疏方面的研究展示了結構分組比簡單不重疊的分組更一般的特性。例如，樹狀分組或是重疊分組。結構稀疏正則化具有十分廣闊的應用前景。結構稀疏PCA作為一種新型的有效的非凸稀疏方法，在字典訓練方面，可以取得較為理想的結果。
縱觀稀疏表示理論出現以后的圖像處理論文，廣大研究者著重于研究如何獲得表示能力強的冗余字典，以及通過結合多重約束，如平滑約束，相似性約束，幾何結構不變性約束等來得到高質量的圖像，近年來取得了很大的進展。但是稀疏表示屬于一種優化問題，涉及到字典學習和稀疏求解的計算過程比較復雜，因而對于該理論在圖像的實時處理上受到了限制，因此如何縮短計算時間也是這個模型急需解決的問題。
2 結語
該文介紹了稀疏表示模型，重點對其在提高數字圖像質量方面的應用進行了綜述，最后指出稀疏表示模型在圖像處理中要實用化必須縮短計算時間。
摘要：本文主要介紹了基于結構光雙目立體視覺技術的焊縫識別與測量的處理方法，實現了焊縫圖像識別與測量的自動化。通過對已有算法的組合設計出了一套相應的算法處理流程。重點研究了焊縫圖像預處理以及特征提取部分。在焊縫圖像預處理部分，采取中值濾波和灰度最大化對圖像進行簡要處理，并且結合后續處理步驟對灰度最大化算法進行了一些改變，即只在焊縫邊緣附近進行灰度最大化。在特征提取部分，分別介紹了兩種不同中心線提取的方法和基于最遠距離的特征點提取方法。在以上工作的基礎上，運用HALCON進行編程并且開發出一個MFC簡單操作界面，將所有程序模塊進行集成。實驗部分首先驗證了該視覺系統的有效性、穩定性和精度，同時為了更加真實的模擬現實情況，我們還進行了強光干擾實驗，并且對實驗數據進行分析，提出了一些改進措施。
關鍵詞焊縫視覺識別測量，圖像處理，特征提取，HALCON，干擾實驗
Visual Recognition and Measurement of Weld Seam
Abstract: A vision processing method to identify and measure the weld seam based on structured light binocular stereo vision technology is described in this paper and we automated image recognition and measurement of weld seam. We design a corresponding algorithm processing by a combination of existing algorithms. This paper focuses on the pre-processing and feature extraction section of weld seam image. In image pre-processing part, we use the methods of median filtering and grayscale maximizing to process image briefly, and we change the grayscale maximizing method based on subsequent processing steps, that is, only use it near the edge of the weld seam. In the feature extraction part, we introduce two different methods to extract the centerline and the method of feature point extraction based on the distance. Based on the above work, we program with HALCON and develop a simple user interface of MFC, and then all program modules are integrated. In the experimental section, the validity，stability and accuracy of the visual system are verified, and at the same time, we also conduct a light interference experiments for a more realistic simulation of the actual situation. Finally we analyze the experimental data and make some improvements.
Keywords:Visual measurement and recognition of weld seam, image processing, feature extraction, HALCON, interference experiment
1 緒論
視覺識別與測量以計算機視覺技術為基礎，涉及光學、光電子學、信號處理、圖像處理等一系列學科。其快速發展使得這一技術已經從實驗室研究開始慢慢走向實際生產，具有廣泛的應用前景，逐漸受到各類研究人員的重視，已成為生產過程中的關鍵技術之一。鑒于焊接技術的發展現狀以及焊接過程中各種因素的影響，焊接之后焊縫尚無法達到很高的質量，焊縫的后續處理短期內無法避免。要獲得質量較高的焊縫就需要進行后期的焊縫磨拋，而人工打磨費時費力，勞動強度大，還不能保證打磨質量。因此研究焊縫視覺識別與測量對磨拋過程實現智能化和自動化是一項非常有意義的工作。本論文旨在通過組合設計一套焊縫圖像的識別與測量的算法流程，并且進行編程實現，同時通過實驗進行驗證以及改進。
2 視覺算法
首先介紹一下雙目立體視覺技術，雙目立體視覺技術基于視差原理，兩攝像機同時記錄下空間某一物體的同一特征點，分別獲得點P的圖像。由P在圖像上所處的位置通過一些換算可以求得P在左右攝像機坐標系下的，然后通過坐標的旋轉與平移可以得到P點的三維坐標。為了便于理論分析及計算，對實際情況情況進行適當轉化做出其原理圖，如圖2.1所示。
圖2.1 雙目視覺技術原理圖
上述雙目立體視覺原理在本論文中很多地方都有運用，包括CCD標定原點獲取以及三維測量，在后續不再介紹。
獲取焊縫的圖像之后，由于采集現場的各種干擾，在對圖像進行特征提取之前需要采取相應的措施降低圖像的各種干擾，增強圖像的對比度，在不破壞圖像保存的原有信息的前提下使焊縫更加便于后續的處理。此處重點介紹中值濾波去噪、灰度最大化等過程，這些對于后期焊縫輪廓以及特征點的提取有較大的影響，直至影響最終的測量結果。
中值濾波通常用于去除圖像中的噪聲以及毛刺，它是一種基于排序統計理論非線性信號處理技術，其基本思路是將待處理數字圖像中某一點的灰度值用該點附近鄰域中各點灰度值的中值來代替，從而消除孤立的噪聲點。處理效果如下圖2.2所示。
圖2.2 中值濾波后焊縫圖像對比
灰度最大化處理指的是將原圖像的灰度值范圍擴大到0至255，一般對整體偏暗或者偏亮的圖像處理效果明顯。在對采集到的焊縫圖像進行觀察過之后，我們可以發現由于激光的能量是比較強的，其亮度一般較大，而背景處很暗，正常的灰度最大化處理效果不明顯。在本課題中，我們只關注某一灰度范圍內的灰度值，即焊縫邊緣處附近的灰度。此處對邊緣灰度最大化稍加改變，使得其只作用在焊縫邊緣處，而背景和焊縫中心處的灰度被設置為0或者255。不僅使圖像對比更明顯而且達到了二值化的效果，剔除了一些不必要的干擾。處理效果如圖2.3。
圖2.3 經灰度最大化處理后焊縫圖像對比
在提取出焊縫的輪廓之后，可以將焊縫上下兩條輪廓的行坐標相加取平均值，列坐標不變得到焊縫中心線，如圖2.4所示。也可以由HALCON中自帶的算子直接提取焊縫中心線，它提取中心線是在輪廓曲線法方向上進行的。如圖2.5所示。
圖2.4 輪廓平均值方法求得的焊縫中心線
圖2.5 直接求得的焊縫中心線
在得到焊縫中心線之后，我們就需要在中心線上找出關鍵點，用于計算焊縫的參數。如圖2.6所示，B、C、D三點為關鍵點，可以通過坐標旋轉進行提取。以C點為例，連接AE并且將中心線繞A旋轉至AE水平找到曲線上行坐標的最大值，該最大值處所對應的點的坐標就是特征點C。同理可以找到B點和D點。找到左右目圖像的特征點之后可以還原他們在世界坐標中的三維坐標，從而可以計算出焊縫的相關參數。
圖2.6 焊縫特征點提取示意圖
3 焊縫視覺軟件開發
程序框架如下圖3.1所示，第一步在HALCON中編寫各個模塊的組成程序，如二值化、中值濾波、邊緣提取等等，然后在HALCON 中將其組合，使其能實現某一功能，比如圖像增強、特征提取等等，在這之后我們將HALCON程序轉存為VC程序，并且建立起對應的程序工程，使其可以實現獨立的功能。最后編寫MFC界面，在每個按鈕對應的位置添加相應的響應函數調用之前的各個功能模塊，將所有程序集合在一起，通過界面響應外界的操作。集成之后的軟件如圖3.2所示。
圖3.1 程序總體框架
圖3.7 MFC主要界面
4實驗分析及研究
在測得實際數據（如圖4.3）之后，我們使用視覺系統對相同的焊縫段進行測量，通過比較實測數據和視覺測量數據來驗證算法的有效性。為避免實驗的偶然性，我們采用視覺系統對劃定好的焊縫重復測量三次，另一方面還能驗證該套視覺處理系統的重復穩定性，即對同一段焊縫在完全相同的條件測量多次觀察每次測量的數據是否一致。實驗所得數據如下圖4.2所示。
圖4.1 視覺測量與實測焊縫余高對比圖 4.2 視覺測量與實測焊縫余高對比綜合圖
由圖4.1易知，視覺測得數據與實測數據之間并沒有特別大的差距，其變化趨勢也基本一致，這說明該視覺系統具有一定的可用性。從實驗平均值來看，實測平均值為1.8923mm視覺測量平均值為1.8057mm，誤差大概為5%。從圖4.2可以看出，使用視覺測量時，三次測量結果之間沒有明顯差異，數據幾乎一致，只存在很小的差別，考慮到現實測量過程中存在各種各樣的隨機誤差，這些差異應該是被允許的。
圖4.3 焊縫實測數據圖 4.4 強光干擾下視覺系統所測數據與實際數據對比
在實際生產現場往往有可能出現強光干擾，這對于圖像采集而言影響特別大，會使采集到的圖像嚴重失真，存在很嚴重的噪點，嚴重時可能無法提取像素的有用信息，使得圖像失去其意義，如圖4.5右半部分。為防止這種情況出現，我們進行相應的強光干擾實驗，并且提出相應的解決措施。在實驗之前我們先采集在手電筒光照下的圖片，觀察發現干擾較強時，圖片質量很低，幾乎不能獲得什么有用信息，如圖4.4右目圖像所示。為解決這一問題，我們使用了窄帶濾波片，濾除不必要的干擾光，只讓激光器的光所對應的頻率光通過攝像機鏡頭。其后獲得的圖像對比如圖：
圖4.4 強光干擾下加濾光片前后采集圖片對比圖
由上圖可以明顯看出，加上濾光片之后采集到的圖片質量有很大改善，右邊圖像明顯無法進行利用，而左目圖像則可以進行處理。在加濾光片的條件下，我們使用LED手電筒做干擾光源，在焊縫上方一米處垂直照射焊縫模擬強光煩擾情況，并且持續到所有焊縫圖片采集結束。重復進行了三組實驗，用來研究強光 干擾下系統的性能。此處給出其中一組數據如圖4.4。強光干擾下測得實驗數據如上圖綠線所示，其平均值為1.7953mm，與之前視覺所測的數據相差不大，與實測數據的差距也沒多大變化。可以看出在加上濾光片的前提下，強光對該系統測量性能影響不大。
5 結論
通過對已有算法的組合，設計出一套從焊縫圖像預處理到特征提取，最后獲得焊縫具體參數的算法流程。在軟件方面，用HALCON對各個圖像處理模塊進行了編程，在VC環境中配置了HALCON函數庫，并且制作了MFC界面使各個程序模塊能夠在該界面下集成。在上述工作基礎上，進行了算法有效性和穩定性試驗以及強光干擾試驗，對實驗數據進行了處理并且進行了一些改進。
參考文獻
[1] Carsten Steger，Markus UlrichChristian，Wiedemann.Machine Vision Algorithms and Application. 北京：清華大學出版社，2008.
[2] 何斌等. Visual C++數字圖像處理.北京市：人民郵電出版社，2002
[3] 張宏林.精通Visual C++數字圖像處理典型算法及實現.北京市：人民郵電出版社，2008
關鍵詞：集裝箱港口；自動定位；起重機吊具
我國的海上絲綢之路計劃使得我國的海運的到了極大的發展，而海運本身也是需要很多技術支持的，除了在海上運輸的過程中需要極高的航海技術，在船只到達碼頭后的對船上貨物進行裝卸也是同樣需要技術支持。
近年來，社會經濟發展對件雜貨碼頭裝卸工藝提出新要求。港口件雜貨裝卸生產囊括了船舶、貨物、設備、場地等多種因素，各因素相互交叉影響。目前件雜貨物集裝箱化的比例不斷提高，而港口件雜貨裝卸生產卻普遍存在自動化水平較低、生產成本高、裝卸效率無法滿足需求的問題。對于我國社會經濟發展前進重要一部分的件雜貨碼頭而言，傳統的手動控制抓取集裝箱已經極大的影響了生產效率和裝卸速度，基于此本文對將圖像識別技術引入集裝箱抓取自動化，及其優化進行研究與探討。
1. 港口集裝箱起重機吊具的控制方法
隨著自動化運輸系統的開發及應用，集裝箱港口運輸環節效率得到極大提升，于是便要求集裝箱裝卸效率與之相匹配。可是裝卸操作作業仍依賴于人工操作。
1.1集裝箱裝卸工藝及其特點
集b箱運輸需要高效配合，適用于大規模生產。作為海陸聯運的樞紐，集裝箱港口是海上運輸和陸上運輸的連接點。目前，集裝箱碼頭上所采用的裝卸工藝基本有三種，分別是：底盤車方式、跨運車方式、龍門吊方式（亦稱場橋方式）。為了裝卸的便利，海陸聯運的集裝箱都采用國際標準集裝箱，所以裝卸機械要符合國際集裝箱的作業規范，要使用集裝箱專用機械。
1.2傳統的集裝箱起重機裝卸
港口起重機采用集裝箱吊具來裝卸集裝箱，是集裝箱碼頭作業的主要機械設備。現階段，集裝箱的提升、放置仍需要專業人員在操控室中進行人工操作。
操作室里的控制人員通過操縱設備移動吊具，當移動至集裝箱正上方時再放下吊具；在吊具降至箱面時，在確認箱頂面鎖孔對準無誤后，插入并旋轉鎖頭固定集裝箱，即完成吊具鎖孔工作。然而，大型港口起重機控制室普遍高達幾十米，操作人員主要靠肉眼判斷鎖孔與鎖頭的相對位置，如有障礙物遮蔽，并且集裝箱的鎖孔很小，四個鎖頭同時固定難度極大，控制人員在操作時難以完成吊具鎖孔固定工作，從而導致裝卸時間延長，裝卸效率降低。即使控制人員對低處的吊運機和叉車進行操控，也難以實現鎖頭的準確鎖孔。
1.3起重機吊具自動化發展現狀
經濟全球化的發展也帶動了集裝箱航運業的飛速發展，集裝箱船舶的大型化，對裝卸的高速化提出新要求。現在已有一些國內外自動化集裝箱碼頭實踐的范例。日本名古屋TCB碼頭水平運輸為AGV，堆場設備選擇ARTG，并在前沿碼頭設置岸邊集裝箱起重機，此外，為實現集裝箱箱號和卡車號的自動采集，該碼頭使用了無線射頻識別（FRID）技術及光學字符識別（OCR）技術；德國漢堡港CTA碼頭的水平運輸選用AGV，應用計算機模擬技術對碼頭進行路徑規劃設計和設備調度；意大利FATA碼頭選取起重機-高架橋-立體倉 的模式，使小車運行時的定位更為精確，也減少了裝卸次數以及對岸線的占用，上海外高橋集裝箱自動化碼頭采用高效環保型集裝箱碼頭全自動化裝卸系統，借助現代港口集裝箱物流智能化、數字化管理平臺，港口集裝箱綜合作業效率提高5%一8%，堆場能力比國際上幾乎高出一倍。新型岸邊集裝箱起重機能夠提高吊具與船上集裝箱對位的準確性，同時采用雙梁結構，運用載重小車擔負集裝箱在水平方向的運輸，裝卸效率顯著提高。
圖像識別技術作為人工智能的一個重要部分，隨著它的發展，其應用范圍也越來越廣。光學字符識別（OCR）技術及自動導引車系統（AGV）技術等都涉及到圖像識別技術，勢必會給港口起重機吊具自動化發展帶來新的機會。
2.利用圖像技術對集裝箱起重機吊具精確定位技術的研究
2.1國內外研究現狀
當今的集裝箱港口應用了如：RFID技術、GPS技術、自動導引車系統技術AGVS（automated guided vehicle system）、信息管理系統技術、決策支持系統技術、自動場吊ASC技術等新技術。這些新技術的引進，降低了人力資源投入以及港口操作的失誤率，實現了港口資源的實時調度，從而提高了整個港口工作效率，增強了港口的競爭力。
集裝箱運輸的迅速發展是為了能夠提高集裝箱的自動化信息管理，正因如此大量學者以集裝箱為研究對象，采用圖像處理方法，進行了許多深入的研究。
（1）以集裝箱為對象的圖像成像原理的研究
清華大學核能技術研究院的吳志芳等人利用輻射成像原理實現集裝箱的檢測。張廣軍主要利用MATLAB進行仿真，對集裝箱的破損部位（孔洞）進行了數字圖像處理方面的研究。常捷等人研究的是基于圖像的集裝箱箱號識別，為碼頭、堆場、海關管理邁向自動化解決了最基本最關鍵的問題。李如松，何彬，楊杰研究了基于集裝箱γ射線檢測的圖像處理[1]。
（2）集裝箱識別與定位的研究
張森、傅圣雪提出了MATLAB平臺下的集裝箱識別定位的新方法，并結合實際情況采取邊步長平移搜索方案，進一步提高了系統速度，滿足系統實時性的要求。陳丹研究了關于圖像識別系統的集裝箱精確定位的圖形處理。謝丁龍研究編寫上位機與運動控制器的通訊協議，完成了根據實際的集裝箱裝卸環境設計構造的模擬集裝箱裝卸系統。武玉升利用單片機基于以太網通訊實現吊橋集裝箱裝卸的遠程定位，司機通過駕駛室內的顯示器和語音提示系統，就能實時掌握集裝箱的位置。肖洋研究了吊具、集裝箱、卡車所構成的裝卸系統的集裝箱定位[1]。
國外的學者Hee-Joo Yoon，Young_Chul Hwang and Eui-Young Cha提出了基于雙目立體視覺系統的集裝箱裝卸自動化集裝箱實時監測與定位，為集裝箱自動化裝卸提供了更深入的研究。
（3）集裝箱自動定位的研究成果轉化
三菱重工業株式會社發明了“裝卸用起重機中的集裝箱位置檢測方法及裝置、集裝箱著地、探放控制方法”專利（專利號：EP1333003A1）。在吊具上安裝攝像設備對目標集裝箱進行圖像采集，該方法通過所采集的圖像數據，可以精確的對目標集裝箱與吊具的相對位置進行檢測。最終，由magic eye（該專利采用的計算機視覺部分）引導吊具定位集裝箱。
德國西門子公司SIEMENS AG（DE）的專利（專利號：DE10107048）涉及了一種集裝箱起重機裝卸方法，也適用于集裝箱船舶運輸裝卸作業。在起重機駕駛室中采用帶有監視器的PC機，用過觸摸屏操作，根據預先設定的值能使起重機自動定位預期目標[1]。
2.2圖像識別技術的基本流程與原理
在實驗室模擬試驗后，結合畫面獲取時間、集裝箱識別率、計算機計算速度、和裝配維護成本多方面因素，最終擬采用雙目視覺伺服系統，系統模式為手眼系統（eye-in-hand），是基于圖像的視覺伺服系統。
所需攝像機數量為2個，型號為ZBS-002，放置于岸橋吊具對角抓腳處；工業一體式計算機1臺。為滿足夜間作業，需要在攝像機安裝處各加裝白熾燈1盞。（如表1）
（1）圖像處理的基本流程圖（圖1）
（2）工作原理
1.駕駛員手動操作岸橋，使抓具移動到集裝箱上空。按下“抓取”按鈕。
2.攝像頭獲取圖像，以矩形的特征抓取目標。
3.鎖定目標后，分別以A、B攝像頭作為橫、縱軸的基準點，大致判斷抓具與集裝箱的方位。
4.計算機運作，通過提前輸入的算法，計算出抓具所需移動的方向、距離。具體實現方法見下。
5.抓具勻速下降，與此同時計算機持續運算，不斷微調抓具位置，直至最后對準集裝箱。
6.抓具準確抓取集裝箱，駕駛員按下“確認“按鈕后，轉為手動操作。
7.若出現抓具未能準確抓取的情況，系統提示駕駛員選擇“再次對準”或“手動抓取”。
2.3機器人的控制系統系統設計
機器人采用集中式控制，在操控室安放一臺微型計算機。在Windows10操作平臺下運行Open Source Computer Vision Library（簡稱opencv），進行圖像識別和計算，再將處理后的數據傳輸至抓具控制系統，抓具控制系統自動操作抓具抓取集裝箱，具體包括：①采用攝像頭對集裝箱進行圖像樣；②對采集的集裝箱圖像進行預處理；③進行圖像分割，提取待識別物體集裝箱；④進行集裝箱特征識別，特別是集裝箱的頂點特征，為集裝箱定位提供基礎；⑤進行集裝箱定位研究。
具體實現方法：
假設作業人員左側攝像機為A攝像機，右側攝像機為B攝像機。
1.A攝像機獲取集裝箱左側圖片信息后，計算出左抓腳與集裝箱的橫向（x軸）的距離。B攝像機獲取集裝箱右側圖片信息后，計算出右抓腳縱向（y軸）的距離。
2.通過相位差算法，抓具每次位移的距離為：抓腳與集裝箱相應抓取點差距的一半，位移結束后重復計算位移，直至差距小于3cm。
3.下放抓具，準確抓起集裝箱，再由作業人員移動載具。
選用相位差算法的原因如下：
①可以快速確定移動范圍。
②能有效減輕抓具因慣性的搖擺，對計算結果的影響。
③所需設備數量少，成本低。
3.結束語
集裝箱碼頭和裝卸實際情況復雜、隨機性大。關于港口集裝箱起重機吊具自動定位技術難題實際上還有很多，但是在這里就不贅述了，如果想實現港口集裝箱起重機吊具自動定位技術的真正智能，還是需要高度發達的人工智能機器人的支持。目前這種人工智能還停留在概念階段，所以要把集裝箱起重機吊具自動定位技術進一步智能化，高效化，還有一段很長的路要走。
參考文獻
[1] 陳丹.集裝箱圖像識別與定位系統研究與實現[碩士學位論文].西南交通大學.軟件工程.2013.
[2] 王雪.基于機器視覺的港口集裝箱卸船定位識別系統[A].中國水運.2015（11）.
[3] 謝丁龍.基于計算機視覺的集裝箱定位系統的研究[碩士學位論文].天津：天津科技大學.檢測技術與自動化裝置.2006.
[4] 楊宇華.集裝箱自動化碼頭發展趨勢報告[A].中國工程機械學.2015（06）.
[5] 沈元浩.伸縮式集裝箱吊具的現狀與發展.武漢交通科技大學.
[6] 楊建勇.現代港口發展的理論與實踐研究[博士學位論文].上海海事大學.交通運輸規劃與管理.2005 .
[7] 張廣軍.數字圖像處理在集裝箱檢測中的應用研究[碩士學位論文].哈爾濱工業大學.控制科學與工程.2008.
2005-2006學年，擔任班級組織委員;
2005-2006學年，參與市場營銷活動，并且業績良好;
2006-2007學年，參與市場營銷活動，并且業績良好;
2006-2007學年，擔任學院體育部部長;
2006-2007學年，單位學校計算機協會會長;
2006-2007學年，負責學校校園網站二期工程
2007-2008學年，在微軟中國實習體驗
專業課程
無機及分析化學無機及分析化學實驗有機化學物理化學生物化學生物化學實驗植物學動物學微生物學微生物學實驗遺傳學植物生理學解剖生理學解剖生理學實驗現代生物技術概論細胞生物學分子生物學分子生物學實驗多媒體課件制作電子商務專業英語等
公共課程
體育大學英語高等數學A線性代數大學物理大學物理實驗A計算機文化基礎C語言軍事理論思想品德修養法律基礎科技寫作等
選修課程
C語言、C++、數據庫技術原理與SQLServer2000、數據結構、軟件技術基礎、微機原理與匯編語言、電工、電子技術(數電、模電)、計算機圖形學、數字圖像處理、視頻技術及運用、計算機網絡與數字通信、多媒體技術及運用、Web技術及網絡出版、色彩學、信息論與編碼技術、信號與系統等。
技能專長
繪畫：國畫、水粉、素描、油畫等。
擅長寫作，曾在院學生會新聞部、晨帆詩社編輯部工作。
熟練運用Word、Excel、Authorware、Powerpoint等軟件，能使用C語言編輯基本程序。
課外曾協助老師和獨立作過研究工作，熟悉部分生物技術藥品、儀器、基本原理及流程。論文《關于黑曲霉產纖維素酶能力的研究》獲得大學生挑戰杯課外學術科技作品二等獎。畢業論文《產堿性果膠酶細菌的分離純化及其酶活測定》獲得優秀。
個人愛好
讀書、繪畫、下棋、辯論、聽音樂、看電影、講故事等
自我鑒定
性格：沉著穩重，勤學好問，樂觀自信，做事仔細認真，表達能力、適應能力強，有責任心和極強的親和力，具有較強的團隊合作精神。
自我評價
誠實守信、塌實肯干、肯吃苦、做事細心、責任心強、有較強的團隊精神;上進心強、性格開朗有較強的自學能力和適應能力;年輕的我希望點燃自身的熱情來使貴公司發光發熱，一定會實現自身價值并在工作中為企業創造更大的財富。我真誠的向您提出求職的懇求，以我拳拳寸草心，濃濃赤子情期待與貴公司共呼吸，共命運，同發展，求進步。
工作態度:
誠實守信，敬業樂業。沒有最好，只有更好。
榮獲獎勵
2004年11月院大學生辯論賽最佳風度獎
2005年5月院環保征文二等獎
2005年3月大學生挑戰杯課外學術科技作品二等獎
社會實踐
課余時間從事家教工作，受到家長和學生的好評。
有教師資格證。普通話二級甲等。英語四級。計算機一級。
工作及實習經歷
2003.7青島野外實習
2006.2-2006.6畢業實習
2006.7中國水產煙臺海洋漁業分公司家工廠實習一周
2006.8-2007.2煙臺好利潔水性涂料有限公司化驗員
外語水平
大學期間進行德語基礎學習，后自學英語并以532分通過了英語四級
【關鍵詞】機器視覺；啤酒；空瓶；圖像采集
一、啤酒空瓶檢測系統介紹
啤酒生產廠商使用的啤酒瓶大多采用可以回收利用的啤酒瓶。回收的啤酒瓶可能非常臟或者存在許多缺陷，必須在灌裝前進行清洗，清洗之后需要檢測是否洗干凈。隨著啤酒工業的迅速發展，對啤酒生產效率的要求越來越高，啤酒生產速度可以達到每秒鐘10瓶以上，單靠人工檢測啤酒瓶是否干凈效率低、漏檢率高，檢測人員很容易產生視疲勞。而基于機器視覺技術的啤酒空瓶檢測能夠實現速度快、精度高的自動化檢測。
采用機器視覺系統的目的就是給機器或自動化生產線添加一套視覺系統，其原理是由計算機或圖像處理器以及相關設備來模擬人的視覺行為，完成得到人的視覺系統所得到的信息。人的視覺系統是由眼球、神經系統及大腦的視覺中樞構成，計算機視覺系統則是由圖像采集系統、圖像處理系統及信息綜合分析處理系統構成。如圖1所示為機器視覺系統基本結構。
二、啤酒空瓶檢測流程
采用機器視覺技術啤酒空瓶檢測流程如圖2所示。被檢啤酒瓶進入檢測系統后首先觸發輸入光電開關，系統將開關信號傳遞給控制器，控制器通過編碼器記錄脈沖信號，經過固定的脈沖之后瓶身檢測攝像機、瓶口檢測攝像機、瓶底檢測攝像機、瓶身內壁檢測攝像機相繼工作，分別對瓶身、瓶口、瓶底、瓶身內壁進行拍照。將拍得的圖像信息送入圖像處理模塊進行的圖像處理，控制系統判斷空瓶圖像是否合格。如果控制系統判斷瓶子不合格，控制器會輸出一個信號給踢出器。當次瓶運動到踢出器時，踢出器動作將次瓶擊出。最后合格的啤酒瓶被送入下一道工序。
三、啤酒空瓶檢測系統軟件設計
圖3為基于機器視覺技術啤酒空瓶檢測系統軟件框圖。啤酒瓶視覺檢測系統是高速實時控制系統，因而對軟件要求速度快、控制及時。在連續檢測時，PC機使用特殊的圖像采集卡和CCD攝像機連續地對被檢啤酒瓶進行準確地拍照，獲得圖像的數字化信息，并通過數字圖像處理與判斷模塊獲得啤酒瓶檢測的決策信息，并將其傳送給可編程控制器，完成對執行設備擊出器的控制。在系統待命時，PC機接收用戶的指令，完成對系統的軟件參數配置、硬件的檢測等，包括圖像處理與判斷模塊參數的設置，傳送系統電機轉速設置，系統各個傳感器檢測，擊出器檢測，CCD攝像機檢測等。
本系統選用PLC作為底層控制器，它通過I/O口與光電傳感器，編碼器，擊出器，圖像采集子系統等相連，通過圖像采集子系統控制CCD攝像機的拍攝以及直接控制擊出器的動作。同時PLC通過485總線與工控機連接，接收工控機傳來的控制信息和系統參數等。
在系統運行過程中，PLC負責及時地通知圖像采集子系統啟動CCD攝像機，抓拍處于拍攝位置的空瓶。為了達到這一目的，需要使用光電傳感器來檢測空瓶的位置。在系統中使用了反射式光電傳感器，這種光電傳感器在沒有接收到從反光板反射回來的光束時，就會輸出觸發信號。將光電傳感器安裝到CCD攝像機拍攝位置旁，把輸出接到PLC的I/O輸入口上。當沒有空瓶經過時，光電傳感器可以接收到反射光束，沒有輸出信號，而當有空瓶經過時，光電傳感器無法接收到返回的光束，于是輸出觸發信號。PLC從輸入口接收到此信號后，即可判定空瓶已到達拍攝位置，從I/O輸出口輸出啟動信號給圖像采集系統，啟動CCD攝像機，攝像機及時進行拍攝，獲取被檢空瓶的圖像。
在專門的信息處理模塊對獲取的圖像信息進行分析處理后，將得出空瓶質量是否合格的結論。如果不合格，主控的工控機就會通過485總線發出控制命令，要求PLC控制擊出器擊出該空瓶。PLC在接到擊出命令后，需要標定不合格空瓶，并追蹤其位置，當不合格空瓶到達擊出器所在位置時控制擊器動作，擊出不合格空瓶。為了確定需擊出空瓶位置，在系統中使用一個編碼器與驅動傳送帶的電機相連，當電機轉動時，編碼器相應發出脈沖。計算脈沖的數目，即可知道傳送帶運動的距離。這樣一來，如果能測出不合格空瓶要運動多長距離才到達擊出位置就能將其準確擊出。可以在事先把編碼器的脈沖輸出與PLC的I/O輸入口相連，然后在傳送帶上放一空瓶，讓其依次經過檢測位置和擊出位置，PLC使用計數器記下此過程中脈沖的數目，這一數值即對應著檢測位置和擊出位置之間的距離。
四、結語
基于機器視覺的啤酒空瓶檢測系統是我國目前啤酒行業急需的高科技設備之一。本系統從啤酒瓶視覺檢測的相關基礎技術、電氣控制系統等進行了說明，是PLC、視覺系統、傳感器、上位機的靈活結合應用，系統采用視覺傳感器拍攝和處理實時圖象，最終達到去除不合格啤酒瓶的目的。
我國的工業化、現代化還剛剛起步，圖像和機器視覺技術的應用也剛剛開始。隨著我國工業化進程的加快，工業體系的完善，勞動力成本的上升，參與國際競爭必定要求產品質量和生產效率不斷提升、自動化程度不斷提高，機器視覺技術的應用領域和應用水平也會隨之發展，機器視覺技術將會大顯身手。
參考文獻
段峰，王耀南，劉煥軍.基于機器視覺的智能空瓶檢測機器人研究.儀器儀表學報，2004，25（5）：624—627.
宋學勇，趙敏.機器視覺系統的關鍵技術.計算機世界，2007/7/23/第B11版.
董瑞翔.用機器視覺技術提高生產率.機器人技術與應用，2002（5）.
關勝曉.機器視覺及其應用發展.自動化博覽，2005（3）.
鐘權龍，許積飆.西門子機器視覺系統在煙草行業的應用.現代制造，2004（22）.
Hui—min Ma，Guang—da Su，Jun—yan Wang et al.A Glass Bottle Defect Detection System Without Touching.In：Proceedings of the first International Conference on Machine Learning and Cybernetics，Beijing，China，2002，628—632.
作者簡介：
摘要：顱腦病變的自動診斷是計算機輔助診斷領域研究的難點，本文的研究目的就是提出一種簡單的基于顱腦結構對稱性的病變區域分割算法并對病變區域提取特征信息。病變分割算法首先將圖像分割為固定的感興趣區域，采用二階統計矩的差值作為特征判斷出病變區域，然后采用自適應閾值分割算法分割出病灶。針對已分割出的病灶選擇平均灰度，二階統計矩，灰度共生矩陣的角二階矩，規則度等分別描述病變區域的紋理特征和形態特征。實驗結果表明，本文提出的分割算法對密度改變明顯的病灶可以自動地檢出并分割病變區域，并能提取病灶的特征信息，部分解決了顱腦病變的自動診斷難題。
關鍵字：顱腦病變分割；顱腦病變特征提取；計算機輔助診斷；Matlab
Research of automatic classification of CT brain
pathological changes
Abstract: The difficulty of the research about computer auxiliary diagnosis of medical image is how to automatically segment the brain and find the pathological region.The purpose of this paper is to propose a simple segmentation method of brain which is based on the brain’s symmetry.After the segmentation the computer can automatically extract the pathological feature information.Image is segmented into fixed regions of interest The discrepancy of second order statistics is taken as description parameters to find out the pathological region.Then self-adapting threshold segmentation algorithm used to segment nidus. Characteristics like the average of gray scale,second order statistics and so on for the segmented nidus are selected to describe the texture feature and the morph feature of the pathological region.The experimental results showed that the segmentation algorithm could automatically segment pathology regions and could extract pathological information aboutpathology and partly be used to solve the problem of computer auxiliary diagnosis of medical image of brain.
Key words: brain pathological segmentation, brain pathological feature extraction, computer auxiliary diagnosis, matlab
目 錄
第1章 緒 論 1
1.1 研究目標 1
1.2 研究的背景和意義 1
1.2.1 研究的背景 1
1.2.2 研究的意義 1
1.3 論文主要內容 2
第2章 顱腦病變自動識別的整體方案設計 3
2.1 顱腦病變CT基礎知識 3
2.2 顱腦病變自動識別整體方案 3
2.3 顱腦病變區域的自動分割方案 4
2.4 顱腦病變區域特征提取方案 5
2.5小結 5
第3章 顱腦病變區域的自動分割 6
3.1 圖像預處理 6
3.1.1 中值濾波 6
3.1.2 直方圖均衡 6
3.2 顱腦病變區域自動檢出 7
3.2.1 顱腦圖片的分塊 7
3.2.2 分塊特征選擇 9
3.2.3 病變區域檢出 13
3.3顱腦病變區域的分割 14
3.4實驗及問題分析 19
3.4.1 實驗及問題分析 19
3.4.2 問題及分析 20
3.5 小結 21
第4章 顱腦病變區域的特征提取 22
4.1顱腦醫學診斷中的常用特征 22
4.2顱腦病變區域的特征提取 22
4.2.1 區域位置 23
4.2.2 面積 23
4.2.3 平均灰度 23
4.2.4 灰度對比度 24
4.2.5灰度共生矩陣 24
4.2.6 規則度 26
4.3小結 27
結 論 28
感 謝 30
參考文獻 31
第1章 緒 論
1.1 研究目標
本文的研究目標為以下兩點：
1、尋找一種能夠自動識別出顱腦中病變區域的方法。
2、針對已經識別出的顱腦病變區域尋找合適的特征表示用于輔助診斷和識別病變類型。
1.2 研究的背景和意義
1.2.1 研究的背景
本文的研究從屬于基于醫學影像學的計算機輔助診斷，具體為顱腦病變的計算機輔助診斷。下面對基于影像學的計算機輔助診斷和其在顱腦方面的發展作一個簡要的介紹作為研究背景的闡述。
計算機輔助診斷簡稱CAD，其中D包含有Detection和Diagnosis兩個方面的含義，也即是發現病變區域和診斷病變種類這兩個主要的功能。上世紀50年代，美國學者首先將計算機應用于醫學診斷。上世紀80年代，一方面基礎的數學和統計學理論方法上有所發展，另一方面計算機技術的進步使得計算機輔助診斷在發達國家有了快速的發展。進入90年代后，在數字圖像處理技術和模式識別理論等相關學科發展的帶動下，計算機輔助診斷技術有了更快的進步，但是其依然處在一個不成熟的階段。
近年來基于影像學的計算機輔助診斷的發展狀況是在肺結節性病變和乳腺癌早期診斷方面的研究比較成功，其中有一部份成果已經通過了美國FDA認證而應用于臨床診斷，并對診斷起到了積極的作用。而我國的醫療設備制造商東軟的CT成像設備也具備對肺癌，冠狀動脈鈣化積分和結腸癌的早期檢測能力。但是，對顱腦病變的計算機輔助診斷的研究國內外都處于一個起步階段。對于顱腦病變計算機輔助診斷的研究，現階段多集中于圖片的篩選即對圖片是否含有病變的判斷和對顱腦結構的自動分割以及病變區域的自動劃分上，且尚無較好的方法。
1.2.2 研究的意義
對于顱腦計算機輔助診斷的研究主要有以下幾個方面的意義：
1、計算機有著精確，不會疲勞，速度快等等的優勢，在診斷中可以起到良好的輔助作用。醫生診斷的一些問題具體表現為：（1）放射科醫生的診斷是主觀判斷過程，因而會受到醫生經驗及知識水平的限制和影響；（2）醫生診斷時易于遺漏某些細微改變，如肺結節、乳腺內的細微鈣化等；（3）不同醫師間及同一醫師不同狀態時的閱片差異的影響，而計算機對于糾正彌補這些錯誤和不足具有巨大的優勢；（4）現代的影像設備所產生的圖片數量巨大，讀片醫生的工作量很大，利用計算機輔助可以從中篩選出需要閱讀的圖片從而大大提高工作效率。因此，計算機輔助診斷可以提高醫生診斷的準確性，速度和對疾病解釋的一致性。
2、顱腦疾病是對人類健康有著巨大影響的疾病，其種類繁多如腦腫瘤，腦溢血等等，往往會危害病人的勞動能力，思維能力和精神狀態，嚴重時甚至會危及病人的生命。而腦部疾病的診斷對醫生的要求較高，需要長時間的培養和實踐醫生才能滿足診斷需要。
3、顱腦病變的CAD研究在國內外尚處于起步階段。但是，在其他病變部位如肺部的CAD已經有商品問世。因此可見，隨著研究 的深入和技術的進步，顱腦CAD領域終會有成熟的商品出現。現階段的研究在學術和經濟意義上也都有一定的價值。
1.3 論文主要內容
本論文按照課題要求，首先將對顱腦病變自動診斷的流程做一個大體的論述。其次會對顱腦病變區域的自動識別和分割方法進行論述，并給出相應的實驗和問題分析。再次會對適合于所采用的分割算法的病變選擇利于診斷的特征，并簡單分析特征的效果。最后，對整個工作進行總結，討論方法的不足和有待提高的算法。
論文包含以下章節：第二章顱腦病變CAD系統的整體方案設計；第三章顱腦病變區域的自動分割；第四章顱腦病變區域的特征提取；總結。
第2章 顱腦病變自動識別的整體方案設計
2.1 顱腦病變CT基礎知識
對計算機輔助顱腦病變自動識別的研究，需要顱腦CT診斷學的知識。包括有顱腦的基本結構、顱腦疾病分類知識和CT腦圖的有關知識。下面首先對以上基礎知識做一個簡要的介紹。
人的頭部從外到內有以下幾層結構：顱蓋軟組織、腦顱骨、腦膜及其間隙、腦。腦部疾病多發于腦，腦分為大腦，腦干，間腦和小腦。大腦分左右兩個半球，基本對稱。大腦半球以三個溝裂為標記，分成四個葉和一個腦島。按Brodmann功能定位法，在CT圖像中進行定位，主要有：額葉、頂葉、顳葉、枕葉和島葉。大腦半球內部有側腦室、大腦半球內部的神經核團、大腦半球的白質等等。在CT圖片中，腦干、間腦、小腦較少被成像故不作介紹。
顱腦疾病種類相當繁多，這也是造成顱腦CAD研究艱難的一個原因。顱腦疾病可大體分為以下幾類：腦先天性疾病、腦血管病、顱內腫瘤性病變、顱內感染性疾病和腦白質病。其中，以顱內腫瘤性病變最為常見，占顱腦疾病的絕大多數。腦瘤有神經膠質細胞瘤、腦膜瘤、垂體瘤、顱神經瘤等等。其病變的表現多體現于密度變化、占位效應、水腫、鈣化等等。
CT是在現代醫院影像科中被廣泛使用的成像設備。CT圖片是由X射線透射人體斷層，射線被人體組織衰減后投影成像。較先進的有雙層螺旋CT，全身CT等等。顱腦CT圖片一般分為8層，最低層以聽眥線為基準，層厚約10毫米。有顱底層、蝶鞍層、第三腦室前后層、側腦室層等等。掃描分平掃和增強掃描。平掃的病變特征一般以密度的改變為主，增強掃描則主要為強化的種類不同。除此以外腦室系統的變化如占位效應，萎縮，梗阻等等也是醫生診斷時會注意的特征。
2.2 顱腦病變自動識別整體方案
本文研究顱腦病變自動識別方案的思路是首先研究醫生進行病變診斷的流程。在總結醫生診斷過程的基礎上，利用計算機模擬診斷的各個步驟。研究每個環節的計算機自動實現，最終達到顱腦病變自動識別的目的。
醫生對疾病進行診斷的基本流程可以概括為發現病灶、觀察分析病灶，最后根據觀察所得結合醫學理論和臨床表現確定疾病種類。發現病灶即是找出具體病變的區域，對于數字圖像就是分割問題。觀察分析病灶的目的是獲取病灶的表征其為區域特征提取問題。由特征來自動分類病變是模式識別問題。 綜上顱腦病變的自動識別方案如下圖所示。
圖2-1 顱腦病變識別過程
本文研究的重點是如何自動分割出病變區域以及對分割出的病變區域提取特征，下面將對這兩個模塊的方案進行介紹。
2.3 顱腦病變區域的自動分割方案
現在研究中比較常用的顱腦病變區域自動分割方案是：第一步先對顱腦CT圖像進行分割，將整個顱腦包括病變在內的所有結構和組織都分割出。第二步或是利用基準灰度模板或是利用結構化的先驗知識，基于對照或是分布規則將病變區域識別出來。其流程如圖2-2。
圖 2-2 常規顱腦病變分割方案
針對顱腦結構的分割算法很多，有基于統計學的算法、基于信息論的算法、基于神經網絡的算法、基于小波變換的算法等等。較為常用的是閾值分割算法。其利用了顱腦不同結構的CT值不同進行分割。但是想獲得較好的效果則圖源必須為標準的DICOM格式圖片。
對比模板的建立同樣是建立在優良的分割算法的基礎上的。而利用結構化的判斷方法需要有關各個CT層的大量結構先驗知識。同時，由于每個病人的顱腦結構都有個體差異，所以在利用以上方法時還需要先進行配準，在初步判斷后再依據一個概率意義上的容錯譜解決個體差異問題。
筆者缺少大量的醫學先驗知識，也沒有途徑獲得標準的CT圖源。通過對基礎醫學知識的學習，發現顱腦的結構對所有正常人而言都是對稱的這一先驗知識是一個很好的立足點。多數情況下，病變區域與對稱側腦的同區域是有著明顯不同的。這一點和所處的CT圖層無關，只和病變的具體情況有關。通過這一點，可以發現病變區域而排除正常的灰度值有變化的結構和組織。但是，在沒有進行分割之前是無法知道病變區域的，也就無法進行精確的基于對稱性的比較。
本文的思路如下：首先不對圖片進行分割，而只進行簡單的分塊。將顱腦CT圖片分為對稱矩形區域。其次對矩形區域選擇合適的特征并表達。根據特征和基于顱腦對稱性的先驗知識確定包含有病變的區域。將所有包含有病變的分塊進行合并。最后，利用基于閾值的分割算法分割出具體的病變區域。
圖2-3 本文設計的病變分割方案
2.4 顱腦病變區域特征提取方案
顱腦病變區域特征提取的合適與否關系到之后的分類器的設計。因為顱腦病變的種類多樣，判斷依據的特征較多，分類器多采用非度量的結構判斷，這也是符合醫生的判斷過程的。由此，特征的需要數量較多，選擇的標準應以醫生判斷病變時的選擇為依據，這樣可以在后續分類器設計時盡可能利用大量的成熟的醫學先驗知識。同時，也可以輔助醫生進行診斷。
通過學習相關的醫學理論，可以確定醫生在判斷時多會考察位置、邊緣、面積，灰度、病變區域內部紋理等等的特征。可以根據數字圖像處理的相關理論量化這些特征。選取平均灰度，灰度對比度，灰度共生矩陣的矩等等作為分類特征。
2.5小結
顱腦CT病變的自動識別整體方案包含三個步驟，其中病變區域自動分割，病變區域特征提取為本文關注的兩個核心模塊。病變區域自動分割首先利用顱腦結構對稱的先驗知識和病變區域灰度變化明顯的特征確定病變的分塊區域，之后再利用常規的閾值分割算法分割出精確的病變區域。病變區域特征提取依據醫生判斷所考慮的特征，選取平均灰度，灰度對比度，灰度共生矩陣等作為分類特征。
第3章 顱腦病變區域的自動分割
3.1 圖像預處理
本文中，圖像預處理 的目的有兩個。第一，濾除在圖片中的細小噪聲。第二，使所有圖像都能歸于一個標準統一的狀態，以利于后面的區域分割和特征提取取得良好的效果。
3.1.1 中值濾波
圖像中存在許多微小的噪點，其對后續處理的影響主要體現在對灰度對比度和紋理特征的計算上。會使灰度對比度增加和紋理的提取喪失一部份的規律性。對噪聲的處理采用空域平滑濾波，一般有中值濾波，自適應濾波等等具體算法。對于微小的噪點，中值濾波的效果較好，實現簡單。中值濾波的示意效果如下：
圖3-1 中值濾波效果示意
雖然會使顱腦圖像模糊，但是通過選取合適的區域尺寸可以使模糊效果處于可以接受的范圍內。而且，后續的處理方法多基于灰度統計特征，對邊界的細微變化不敏感。
3.1.2 直方圖均衡
由于無法從醫院獲得標準圖片，本文所采用的圖像都系從網絡中的醫學圖片庫獲得。雖然這些圖片都是以標準圖片為母本，但是為了適應網絡傳輸的需要其灰度有所變化。而且，由于缺乏統一的標準不同圖像庫的圖片的灰度有一定的區別。這就對后續的病變區域的判斷閾值的確定造成了困難。使用直方圖均衡可以使不同圖源的灰度在直方圖意義上分布統一，從而方便處理。
均衡前 均衡后
圖3-2 直方圖均衡效果圖
但是，由圖可見其增大了全圖的灰度對比度，原本灰度對稱性很好地區域在處理后對比增加使得后續的分塊對稱計算特征效果變差。
3.2 顱腦病變區域自動檢出
顱腦病變區域自動分割是顱腦CAD的首要難題，其他研究者的思路是首先對顱腦區域進行分割再根據有關顱腦分層結構的先驗知識設計判斷算法。此類算法存在以下問題：（1）顱腦的分割算法不成熟且實現復雜；（2）不同人的顱腦結構有其一定的特異性，尚沒有兼具標準性和適應性的顱腦分層結構模板；（3）本文關注的是病變區域的特征，在實現上沒有必要對顱腦的全部結構進行分割。
本文的思路是先找到病變的大體區域之后再對其進行具體的分割。找到病變的流程為劃分區域，尋找分塊特征，識別包含病變分塊。下面分別就這三個方面加以討論。
3.2.1 顱腦圖片的分塊
顱腦圖片的分塊是一種非傳統意義的分割。其目的是為后續的特征提取確定一個適合的圖像層次，使得特征參數的提取對識別效果明顯。分塊是將圖片固定的分割為一定數量的感興趣的區域，這些區域關于顱腦的中心線對稱。
數字圖像的表達為f(x,y)，每組(x,y)代表了圖像的一個像素。設圖像的尺寸為M行、N列。需要將圖像分割為P*Q個矩形的方塊，其中水平方向上分割為P部分，垂直方向上分割為Q部分且Q必須為偶數。則有垂直和水平分割點分別為M/P、M*2/P、…M*(P-1)/P及N/P、N*2/P、…N*(P-1)/P。
對圖像分塊處理示意圖如下：
圖3-3 圖像分塊示意圖
在具體的處理中，由于圖片的來源的不統一以及在MATLAB中后續處理的方便，首先要統一轉換圖片為256階的灰度圖。同時，在分塊中要求Q為偶數且垂直方向上的分塊尺寸對稱，則必須使N為偶數。為了分塊劃分計算的方便，M也取偶數。實現方法為對奇數的M和N省略最后一行或列。在實際應用中對后續特征提取效果沒有影響。實現在map_format函數中。
圖片的分塊實現需要用到MATLAB中的元胞數組。元胞數組的基本組成部分為元胞，其可以是任何類型和大小的數據。在MATLAB中，圖像的儲存為二維矩陣，利用元胞數組可以將指定尺寸的元素組合成元胞實現圖像的分塊。
在實際的處理中，還會有圖像尺寸無法被分割參數均分的問題。列如尺寸為300*310，劃分的參數為6*8。雖然尺寸和劃分參數都為偶數，但是無法實現均分。通過對CT圖像的觀察發現，CT圖片的邊緣都為不含任何信息的黑色區域，在分塊中雖然會將顱骨包含在內，但是一般而言在顱骨附近的區域發生病變的可能性較小。因此，處理的方法是采用非均勻的劃分，在CT圖片的周邊一圈采用較大的分塊來解決無法均分的問題。對于對稱分塊的特征提取影響很小。分塊的實現在block函數中。
an = 2 * floor(an/2); %行核心區域分割參數
bn = 2 * floor(bn/2); %列核心區域分割參數
a1 = (x - (m - 2) * an) / 2; %行邊界區域分割參數
b1 = (y - (n - 2) * bn) / 2; %列邊界區域分割參數
a = zeros(1,m); %行元胞分割數組
b = zeros(1,n); %列元胞分割數組
元胞數組處理過后的分塊圖像使用subplot函數的多塊顯示即可。
圖3-4 待識別的顱腦CT圖
圖3-5 分塊后的顱腦CT圖
3.2.2 分塊特征選擇
選擇分塊處理是出于顱腦結構的對稱性考慮，這點前文已經多次說明。在選擇分塊用于識別的特征時，有兩個方面的因素是考慮的基點。（1）顱腦結構對稱性的具體表現。（2）有哪些可供考量的特征。在確定的備選的特征后，即需要對其的效果進行評估。下面首先討論特征選擇的思路。
人的顱腦結構是基本對稱的。在CT圖像中，顱腦結構從聽眥線開始，從圖像處理的角度來看主要可以分為兩種結構：骨結構和組織結構。前者的灰度穩定，一般較高，后者情況復雜，依層次而定，一般為等密度。就對稱性來看，骨的形態對稱性較好，但是包裹腦的顱骨對稱性不佳。組織的形態對稱性一般，而且其邊界在CT圖片中常常模糊或彌散。但是其灰度的對稱性較好。
在數字圖像處理理論中，將區域的表示與描述大致分為兩類：邊界描繪子和區域描繪子。邊界描繪子主要針對圖像的邊界特征如邊界長度、形狀數等等進行數字化的表示。區域描繪子則對如區域面積、連通區域、紋理等等特性給以表達。
前面已經將圖片分割成了關于顱腦中線對稱的多個矩形區域，考慮特征選擇中的邊界描繪子和區域描繪子。因為前面的分塊是完全沒有引入顱腦結構的先驗知識而計算機又不具備人類關于圖像的配準能力，人的顱腦形狀結構在空間上并非嚴格的結構對稱而邊界描繪要求較為嚴格，如果在正常范圍內顱腦結構發生細微改變就會使得對稱效果變的極差。所以，沒有選擇邊界描繪子。在圖片的分塊中，必然會有一定量的圖片中的病變結構被分割到多個分塊中，如果分塊大小選擇合適，一般不會出現某個分塊完全為病變的內部的情況。而病變區域的密度亦即是像素的灰度相比正常組織結構會偏高或偏低表現為高密度或低密度病變，因此區域的灰度平均值可以作為一個特征。同時考慮到分塊會造成病變結構分割的不確定性和矩形分塊通常會包含一定量的正常結構（很少有矩形的顱腦病變結構）選擇區域 的二階統計矩即是灰度對比度作為另一個特征。
圖像的灰度平均值和灰度對比度都是圖像區域灰度直方圖的統計量。令Z為一個代表灰度級的隨機變量，則可得P(Zi)，i=0，1，2，……，L-1，為圖像的直方圖。L為處理圖像的灰度級，本文中一律為256級灰度。
圖像區域的第N階矩為：
(3-1)
其中m是z 的均值亦即平均灰度級：
(3-2)
從公式可見，m即是灰度平均值，二階統計矩即是灰度對比度。而三階和四階統計矩也有對應的意義，為直方圖的偏斜度和相關平直度。在分塊的特征提取中，意義不明顯故未使用。
灰度平均值的實現簡單，可以直接對元胞數組中的元胞應用函數mean。對于二階統計矩，元胞數組的元胞不支持直接使用函數var，故需要先將元胞中的元素轉賦給一個數組再用函數var即可。灰度平均值的實現在函數avr_gray中，二階統計矩的實現在函數d_gray中。下面為圖3-4所示圖像分塊后的特征提取效果。
圖3-6 分塊的灰度平均值
圖3-7 分塊的灰度對比度
從數據可見，灰度對比度的數值與正常區域的分離較為明顯，而灰度平均值的數值則有不穩定性。其表現為在病變區域的數值變化較大。原因是分塊中可能包含不同比例的正常區域。通過一定量的樣本圖像的實驗，發現總體而言灰度對比度的效果要明顯好于灰度平均值。
但是在后續的分類判斷中，灰度對比度特征的判斷閾值難以選擇。原因有以下兩點：
（1）顱腦不同層次和同層次的不同結構的灰度對比度情況較復雜，包含病變后的區域特征值會和包含有內部骨結構的分塊近似。
（2）采用的是固定的分塊，面對顱腦的復雜情況下無法保證對所有圖片的分塊中正常和非正常部分的比例相同。因此考慮將關于顱腦中線的對應分塊的特征值做差值，再以差值作為識別的特征值。這樣，對顱腦CT圖像的任何區域和圖層都有適用性。在理論上，顱腦關于中線對稱的區域的灰度統計特性是相同的。雖然因為CT圖片中的噪聲干擾以及顱腦結構個體差異會造成的一定的差別，但是如果區域的比較大時，灰度統計特性對此是不敏感的。之后，選擇合適的閾值就可以完成病變區域的識別。
分塊對應的規則如下圖。
圖3-8 對稱區域差值計算示意圖
在實現中建立一個和元胞數組同尺寸的數組用于存放對稱區域的差值。區域的對稱規則如下圖。由函數diff_gray實現以上功能。其也適用于灰度平均值的計算。圖3-5圖片的特征提取效果如下。
圖3-9 灰度平均值差值
圖3-10 灰度對比度差值
從數據可見，灰度平均值差值和灰度對比度差值的分類效果比其自身更好。通過實驗可以確定，灰度對比度差值的分類準確性和完全性效果仍然要好于灰度平均值差值。而且與病變種類的關聯較小。其能夠對大部分包含病變區域的分塊給出明顯區別于正常分塊的數值。
3.2.3 病變區域檢出
根據前面特征提取的結論，灰度對比度差值可以作為一個良好的特征用于分塊是否包含病變區域的識別。可以使用模式識別中的模糊聚類或者人工神經網絡的方法，也可以使用簡單的閾值判斷的方法。通過實驗發現閾值判斷的效果基本符合要求而實現簡單故選擇閾值判斷識別包含病變區域的分塊。
閾值的確定是通過實驗的方法確定的。閾值選擇為20。實驗表明其效果對腦腫瘤等灰度變化明顯的高密度、低密度和混合密度病灶的識別效果較好。對于大小基本和一個分塊相同的病變區域識別效果較好，對于彌漫性的病變和病灶多且小的病變如腦寄生蟲病的識別效果不佳。同時也發現邊緣的區域是假陽性誤判較多的，原因將在后文分析。對于此的處理是強制使所有邊緣默認為非病變。其實現比使用模式識別理論構建的分類器要簡單。由函數qypd實現初步的識別。
圖3-11 病變區域識別結果
3.3顱腦病變區域的分割
在初步判斷出包含了病變的分塊區域后，就可以針對這些分塊區域使用分割算法找出真正病變病灶的區域。而后續的特征提取的工作，就是針對這個真正的病變區域，這樣才能保證特征提取的有效性。
在對分塊區域使用分割算法之前，必須對已經判斷出的區域進行一定的預處理。這樣，可以保證分割算法的有效執行。預處理包括分塊的補全融合及病變對稱區域的濾除。
對分塊進行補全，以使得全部的分塊可以融合為一個矩形。原因有以下兩點：（1）分割算法的要求使得被分割的圖像輸入必須為矩形；（2）在加入了包含病變區域的分塊后，從融合后的圖片區域的整體灰度統計特性來看，雙峰的特征會得到一定程度的加強。這是有利于分割算法的實現和獲得更好的分割效果的。
因為前面的包含病變區域的判斷算法的原因，在判斷出的區域中，出現非矩形的區域情況很常見。例如：三角形、十字形等等。補全的目標是找到一個最小的包含非矩形病變區域的矩形。實現的思路很簡單，平掃整個圖像至第一個標記為病變的區域，對此區域的四個對角元胞進行是否為標記的判斷，如果被標記，則將以此元胞和中心的矩形區域都標記。如此往復，直至圖片的最后一個點。
圖3-12 區域補全前識別效果
圖3-13 區域補全后識別效果
從前面閾值判斷可知，包含有病變區域的分塊的對稱分塊。這樣在病變區域的分割中需要多處理一倍的數據，而且就結果而言其應該被視為假陽性。本方案暫時采用的處理方法為分別計算兩區域的灰度平均值和二階統計矩，再與圖像中正常區域的灰度均值和灰度對比度對比，如果有任何一值與正常值偏離較大則判定為包含病變區域。此方法的效果如下。
圖3-14 假陽性處理效果
通過實驗，發現此處理方法的效果不佳。表現在對含有一定正常腦灰度變化結構的分塊無法被濾除。但是，假陽性區域是可以接受的、其影響即是會降低后續處理的效率。在輔助診斷結果中出現一定的正常區域對診斷結論沒有危害。
圖3-15 分割處理源圖
在完成了以上的工作后，即可使用分割算法，應用區域為標記的元胞。
如第二章所述，應用于醫學圖像的分割算法很多，其中很多如基于神經網絡的分割、基于模糊聚類的分割，其算法復雜，實現困難。常用的分割算法是基于統計學的分割。本文也采用基于統計學的算法。具體的原因如下：（1）本文所提取的病變區域有很明顯的灰度對比度，其統計直方圖的雙峰較為明顯，如下圖；（2）基于統計學的分割算法實現相對簡單，分割速度比上文提及的分割算法有明顯的優勢。
在分割中，圖像可以認為有對象和背景兩部分構成。對象和背 景的灰度級是可以被分為兩組不同的支配模式。因此，從背景中提取對象的一種很直觀的思路是選擇一個合適的門限值，對全圖根據門限值進行判斷就可以將兩中模式分開。當圖像是更為一般的情況時，模式的種類更多則可以使用多門限處理的方式。
從以上敘述可見，應用此種算法的關鍵是尋找合適的門限值。為了保證算法可以適應不同密度變化的病變和不同層次的CT圖像，門限值最好是自適應的。下面將討論自適應門限值的確定。
如前文的定義，數字圖像為f(x,y)其尺寸為P*Q。若在圖像中灰度級i出現的次數為n,則有灰度級i的概率為：
且 ， (3-3)
在本文中是分割為兩類，背景類S1和目標類S2。以t為閾值。因為在顱腦病變中存在高于和低于正常灰度的病灶，因此以分塊圖像的邊界點的灰度值與閾值t的關系來確定背景類和目標類與閾值t的大于小于關系。現本文假定背景類灰度值i<t，目標類灰度值i>t。則可得背景類和目標類的出現概率分別為：
(3-4)
(3-5)
對于一幅圖像的閾值的自適應確定，本方法有以下兩點需要考慮：（1）兩個類的類間距，類間距越大則分割的效果越好；（2）兩個類中的內聚性，內聚性越高則表示每個類的分散度越小同時分割的效果越好。
對于類的類間距的度量，首先需要得出類的類內中心。定義為：
(3-6)
(3-7)
則類間距被定義為：
(3-8)
對于類的內聚性可以用類中的每一個像素到類內中心的距離來定義：
(3-9)
(3-10)
自適應的最佳閾值要能夠同時使得類間距最大而類的內聚性最小。此時的分割是最佳的。綜合考慮這兩個要素，可以定義分類的判別函數：
(3-11)
明顯，使得H(t)取最大值的灰度值t為自適應的最佳閾值。以此閾值進行分割得到S1和S2有：
且 (3-12)
在此情況下，背景類和目標類的分割效果最好。
實現過程即是首先獲得圖片的灰度直方圖，根據上文所述對每個灰度級計算其判別函數的值，選擇使判別函數值最大的灰度做為分割閾值對圖像進行二值化。
圖3-16 分割所得目標區域標記圖
分割后可以獲得一個二值圖像，以此二值圖像中的目標區域為標記結合原始圖像進行針對區域的特征處理。
3.4實驗及問題分析
3.4.1 實驗及問題分析
本實驗所采用的測試圖片都系從網絡上的醫學圖片庫中獲得。雖然和醫院所使用的標準的DICOM格式的圖源質量無法比較，但是作者認為其基本符合驗證算法的需要。因為圖片所包含的信息基本不變，而且前文也對此類圖片做了相應的預處理以保證其符合算法的需要。
實驗的流程如前所述，首先做預處理；其次分別進行分塊、提取特征、識別分塊區域；最后對識別及融合后的圖片進行分割。實驗結果的評定為是否正確找出病變區域及對病變區域分割的準確度也即是否找出了完整的病變區域。病變區域的評定標準為網上醫學圖片庫中的醫生意見。部份實驗結果如下表：
表3-1 實驗結果
病灶類型 病灶大小 正確性 準確性
低密度 大于分塊 正確 全部找出
低密度 近似等于分塊 正確 全部找出
高密度 大于分塊 正確 未全部找出
低密度 小于分塊 正確 全部找出
高密度 近似等于分塊 正確 全部找出
高密度 大于分塊 正確 全部找出
高密度 近似等于分塊 正確 未全部找出
混合密度 大于分塊 正確 未全部找出
混合密度 大于分塊 正確 未全部找出
高密度 大于分塊 正確 未全部找出
從上表中可以得出以下結論：（1）本文所采用的方法對密度表現為高密度和低密度、大小為等于或稍小于圖片每一分塊面積的病灶的識別分割效果較好。（2）分割的準確度有待提高，往往會出現無法找出完整區域的問題。基本可以認為，算法有其一定的適應病變表現。在先驗知識大大減少的情況下可以分割出病灶，但是分割的準確性不高。
對于結論（1），因為所采用的特征為灰度對比度，所以對于密度變化較大的高密度和低密度病灶的識別效果較好。在合適的分塊大小下其特征表現極為明顯。而因為提取特征的層次為每個分塊，因此，當病灶的大小與分塊大小基本相同或稍小時，其灰度對比度的值也較高。但是，當某個分塊完全為病灶的內部時，其灰度對比度很低，特征不明顯。關于結論（2）將在問題分析中討論。
以上所有的處理在matlab7.0.1中實現，在主頻為1.4GHz的閃龍2500處理器、448MB內存的環境下，處理一幅400*400大小的圖片用時少于20秒。如果進一步優化完善算法，并使用VC實現則處理速度還可以有所提高。
3.4.2 問題及分析
本文的算法在設計和實現上存在以下的問題：
1、分塊的大小的確定。本文中所使用的分塊系數為6*6。依據前文所述，分塊大小的選擇對別病灶的大小的影響是很大的。在6*6的系數下，對如腦寄生蟲病之類的病灶較小的病變的識別效果不佳。可見，如果想拓寬本算法的使用范圍則分塊系數的確定必須為自適應的，其可根據預先對圖片的某一特征如紋理的計算來有針對性的選擇分塊系數。如果是使用醫院的標準圖源，則可以考慮引入一定的先驗知識，如顱腦CT的分層來估計可能病變從而根據經驗大小確定分塊系數。
2、顱骨的影響。在本文中，對圖片的周邊一圈的包含顱骨分塊的區域是默認為無病變。因為人的顱骨有其一定的不對稱性，而這種不對稱性從實驗結果看常常會影響特征的有效性，從而使分類識別有假陽性。筆者尚未找到較好的解決辦法。
3、對稱區域的影響。從前文的效果可見，對于病變區域的對稱區域其也被標記而所采用的濾除方法效果不佳。因為特征為灰度對比度的絕對差值。如果想將此對稱的假陽性區域去除則需要加入灰度平均值。因為病灶的灰度平均值與周圍區域是不同的。初步的思路是構造一個結合灰度對比度絕對差值和區域與周圍分塊的灰度平均值對比的算子用于分類器的判斷。但是，此時灰度平均值對比的效果決定于病灶大小與分塊大小的關系。分塊近似等于病灶大小并恰好包含是理想狀況。
4、分割的遺漏部分問題。這個問題也是由分塊造成的。因為分塊會造成病灶的割裂。而一些包含病灶小部分的分塊不會被識別出，也不一定會被補全。這樣在分割時會遺漏此部分。解決的思路是對已經分割好的區域，再在全部分塊上采用區域生長的方法再次進行分割。生長的起點選擇為已分割區域的邊緣。
綜上可見，本算法的多數問題都是由分塊這種處理方法造成的。分塊方法在大大降低分割算法難度和對先驗知識的要求上有上佳表現，但是也表現出了一些問題。
3.5 小結
本章介紹了病變區域自動分 割的流程和采用的算法。其首先進行必要的預處理；其次運用分塊和顱腦的對稱性確定出病變的大體區域；最后，使用自適應的分割算法找出精確的病灶區域。通過實驗和分析，發現此算法有一定的適用性，判斷的正確率在某些類型的病變中較高，但是分割的準確性有待提高。本章最后對一些問題如分塊系數的選擇等提出了大致的解決思路。
第4章 顱腦病變區域的特征提取
與一般的某種特定類型疾病的自動識別不同，顱腦病變自動診斷的目標是自動獲得病變種類信息。一般的某種類型疾病特征提取的要求是找出與此疾病最相關的特征用于疾病的識別。而本文特征提取的目的是尋找足夠的、合適的特征以輔助醫生進行疾病類型的診斷和作為疾病分類器的輸入。關鍵在于疾病種類是未知的，僅僅知道病灶的區域。因此特征的選取一方面要考慮到醫生診斷時會注意的特征，另一方面要全面的描述病變區域的情況。下面首先介紹診斷中常用的特征，再以此為基礎尋找合適的特征描述。
4.1顱腦醫學診斷中的常用特征
醫生在進行診斷時所綜合考慮的信息包括：病人的臨床表現、病人的病史、CT腦圖的表現和輔助檢查結果等等。在CT腦圖的閱片中，根據圖像的成像方式是普通的平掃還是增強掃描具體關注的重點略有不同。而不同種類的病變其擁有的特征表現也是不同的。
1、考慮普通的平掃中的一般通用的特征。對于病灶而言，其特征可大體分為病灶內的特征如紋理、密度的對比度等等和病灶的形態特征如形狀、邊緣的清晰程度等等。除此之外，還有一些物理信息可用于診斷，如病灶的位置、面積等。
2、對于增強掃描而言，最重要的特征是增強的類型。有均勻性強化、非均勻性強化、環狀強化和無強化。強化是指在靜脈注射含碘的造影劑后，腦的某些結構有成像加強的效果。
3、是一些含有醫學意義的特征表現。這些表現較為復雜，很難用數字圖像中的已有特征描述子描述。但是其對病變的診斷有著重要的意義。因為這些特征的組合往往能夠大體確定病灶屬于哪幾類病變。這些特征有：占位效應、水腫、鈣化、梗阻、交通、囊變和膿腫等等。在這些特征中，如占位效應和移位等等的特征的提取還需要一定的關于被處理圖像的正常結構表現的先驗圖譜。
4.2顱腦病變區域的特征提取
根據上文所述，可以將需要的特征大體分為三類：（1）如病灶所在的位置、面積、周長等等基本信息，這些無須再為其選擇特征描述子；（2）病變區域的區域特征如密度、密度混合程度、紋理等等，可以考慮應用區域描述子如平均灰度、統計矩等描述；（3）病灶的形狀特征、邊緣特征等形態特征，需要在邊界描述子中選擇合適的特征。
本文選擇面積、位置、平均灰度、二階統計矩、灰度共生矩陣的統計量和規則度作為特征簡單描述病變區域。
4.2.1 區域位置
在診斷中病變位置是重要的信息，許多疾病都有其較為固定的多發位置。確定了位置可以縮小疾病可選種類，具體方法為為每一CT層的區域建立該位置可能發生疾病種類的數據庫。數據庫可以通過醫學理論得出，其可以使后續識別速度和精度大大增加。
利用本文的分塊方法很容易確定位置，只需要得到包含病灶的元胞數組的坐標，再分別對橫軸縱軸歸一化，最后根據歸一化的值進行判斷即可。
4.2.2 面積
病變的面積也是診斷是判斷疾病發展程度和分期的重要依據。利用在分割時得到的二值圖像標記可以計算病變的面積。對標記的區域記數即得面積。對病灶面積的提取如下表，其面積數字代表病灶點的數量，具體面積的計算還需要聯系設備參數，確定每個像素點所代表的面積。
表4-1 病灶面積
圖片 1 2 3 4 5 6 7 8 9 10
病灶面積 11940 10213 9784 3091 19615 16552 13652 10021 4426 18265
4.2.3 平均灰度
平均灰度是簡單的區域特征，它是區域的統計特征。定義為；
(4-1)
如上所述，在顱腦CT的平掃中，關于灰度的變化中有四種。平均灰度對于低密度和高密度病變而言是重要良好的特征，可以直接進行判斷。但是對于等密度和混合密度病變而言，其值區別不大。
在matlab 中可以用mean函數對區域計算即可。從下表可見，灰度對高密度和低密度的病變其特征值距離較大，可初步用于分類
表4-2 平均灰度表
圖片 1 2 3 4 5
病灶類型 低密度 高密度 低密度 高密度 高密度
平均灰度 94.1244 183.0749 110.8837 215.8641 223.4328
圖片 6 7 8 9 10
病灶類型 高密度 高密度 混合密度 混合密度 高密度
平均灰度 199.6623 226.3612 134.2215 164.0129 231.6241
4.2.4 灰度對比度
灰度對比度為圖像的二階統計矩，它可以用于描述區域的紋理特征，但是在這里則主要是用于等密度和混合密度病變的判斷。定義為：
(4-2)
雖然灰度平均值無法區分等密度和混合密度病變，但是混合密度病變內部為低密度和高密度組織的混雜，其灰度對比度遠大于等密度病變的在0附近的低值。
在matlab中的實現可以參考在第三章中分塊的特征提取。從下表可見，混合密度病灶的灰度對比度值與其它病變種類此值距離較大，可用于識別混合密度病灶。而有部份的高密度病灶的對比度較高，其原因是在子圖的分割中存在和病灶類似的小區域，其灰度略低但也被分割入病灶區。
表4-3 灰度對比度表
圖片 1 2 3 4 5
病灶類型 低密度 高密度 低密度 高密度 高密度
灰度對比度 79.1311 103.8946 84.0401 64.7789 128.0430
圖片 6 7 8 9 10
病灶類型 高密度 高密度 混合密度 混合密度 高密度
灰度對比度 205.3641 66.7496 469.3216 349.1668 135.1564
4.2.5灰度共生矩陣
灰度共生矩陣實際上是圖像中呈一定位置關系的兩像素點間的聯合灰度直方圖。其作用類似于灰度直方圖。同是在生成之后，根據需要在其上計算紋理特征系數。其類似于的統計矩即上文所使用的特征。
紋理通常被定義為“任何事物構成成分的分布或特征，尤其是涉及外觀或處決的品質”，圖像紋理反映了物體表面顏色和灰度的某種變化，紋理特征是從圖像中計算出的一個值，它對物體內部灰度級的變化性質進行量化。通常，紋理特征與物體的位置、走向、尺寸、形狀有關，但與平均灰度級（亮度）無關。
灰度共生矩陣p(a,d)的定義：圖像中灰度為i的點離開某個固定位置的點上灰度為j的概率。d為兩像素點的相隔距離，a為兩像素間的方位。d值的選取由實際應用決定，a的取值通常為0°、45°、90°、135°。灰度共生矩陣如下圖所示。
圖4-1 灰度共生矩陣示意圖
灰度共生矩陣p(i ，j | d, a)反映了圖像灰度分布關于方向、局部鄰域和變化幅度的綜合信息，比較常用的紋理特征系數有五種：角二階矩（能量）、慣性矩（對比度）、相關性、熵、局部均勻性（逆差矩）。
其中角二階矩和局部均勻性從理論上看對本文有一定意義。
角二階矩（能量）：角二階矩是圖像灰度分布均勻的度量，是灰度共生矩陣元素值平方和，也稱為能量。當灰度共生矩陣中的元素分布較集中于主對角線時，說明從局部區域觀察圖像的灰度分布是較均勻的。從圖像整體來觀察，紋理較粗，此時 E ( d，a) 較大，即粗紋理含有較多的能量；反之，細紋理則E ( d，a)較小。
(4-3)
局部均勻性（逆差矩）：用于均衡對比度程度，對比度較高的像素被賦予較低權重，對比度較低的像素被賦予較高權重。
(4-4)
角二階矩可以反映病變區域的內部的紋理的粗細程度。逆差矩可以反映病變區域內部的紋理對比度情況。
在matlab中可以利用graycomatrix生成灰度共生矩陣、graycoprops從灰度共生矩陣中提取紋理特征。函數的輸入為包含病變區域的最小分塊。其改變函數graycoprops中參數可以提取不同的紋理特征。
從下表可見，有少量紋理時，角二階矩較大，一般在紋理不明顯時，兩個統計矩都體現了一定的規律性。但是，由于分割效果不佳，當有干擾時，特征的效果極差，完全偏離正常數值。
表4-4 灰度共生矩陣的矩
圖片 1 2 3 4 5
紋理 不明顯 不明顯 有干擾 不明顯 不明顯
角二階矩 0.2309 0.2256 0.4308 0.3749 0.2425
逆差矩 0.9487 0.9571 0.9560 0.9638 0.9455
圖片 6 7 8 9 10
紋理 少量 少量 不明顯 不明顯 有干擾
角二階矩 0.4757 0.5001 0.2367 0.3325 0.3356
逆差矩 0.9716 0.9695 0.9512 0.9579 0.9713
4.2.6 規則度
設CS為病灶區域面積，Cl為病灶區域周長，Cr為區域的規則度。Cs通過累加區域內所有點，Cl等于病變區域邊界象素的總和。區域的規則度定義如下：
(4-5)
規則度可以用于衡量一個區域的致密性。其為無量綱的量且對方向性不敏感。可知圓形的致密性最小，在一定程度上，特征規則度可以反映病變區域的形狀。
因為具體病灶的區域已經提取出，故面積的計算直接對標記為病變的點進行記數即可。周長的計算需要得出其邊界。算法思路如下：第一步對包含病變區域的分塊進行掃描、檢出第一個邊界象素P0（i0，j0）則轉第二步執行；第二步對檢出的象素點的八領域進行考察、以逆時針為順序。將其中第一次出現的邊界點記為P1，存儲其坐標當標記點數等于周長時轉第三步執行。第三步逆時針方向從Pk-1的后一點像素開始考慮Pk的八領域像素，最先檢出的區域內像素記為Pk+1，存儲其坐標并將此點賦為檢測點，轉入第四步。第四步判斷檢測點和初始點是否相同，相同則結束，不同則回第三步繼續。得出邊界后對邊界點記數即得到周長。
由下表可見，在一定程度上，規則度可以反映病灶的形狀特征如是圓形或者不規則。其可用于后續對病灶形態的分類從而診斷病變。
表4-5 規則度
圖片 1 2 3 4 5
形狀 近似圓形 不規則 不規則 近似橢圓 不規則
規則度 0.1527 0.1291 0.0135 0.1633 0.1257
圖片 6 7 8 9 10
形狀 不規則 不規則 不規則 近似圓形 不規則
規則度 0.1186 0.1023 0.1235 0.1556 0.1211
4.3小結
本章是針對已經提取出的病變區域選擇并提取合適的特征參數。其目的是獲得可用于描述病灶以輔助醫生診斷和后續分類器設計的特征信息。根據醫生在診斷中的需求和數字圖像處理的相關理論，選取了平均灰度、灰度對比度和基于灰度共生矩陣的紋理特征用于病灶內部的特征描述。其反映了病灶的密度、密度構成和紋理的情況。選取了規則度用于描述病灶的形狀特征，其可以反映出病灶形狀的整體信息。
結 論
顱腦病變的計算機輔助診斷研究在國內外尚處于起步階段，其研究的難度較高。簡而言之，顱腦病變的復雜性多樣性和相關數字圖像處理技術的不成熟是研究的困難所在。本文作者通過一定的學習和思考，對此問題尤其是病變區域的自動分割做了一些研究。現總結和分析如下。
1、本文的工作包括如下幾個方面：
（1）研究了自動分割病變區域的方法。此方法的核心思想是利用顱腦結構的對稱性進行病變區域的預先識別，對判斷出的大區域再使用分割算法確定出病灶。此方法所需要的顱腦先驗知識較其他方法少，同時因為無須對全腦分割故使用的分割算法也要簡單的多。但是由于圖源的問題，測試的病變較少。
（2）針對分割出的病灶區域，研究了提取何種特征用于計算機輔助診斷。根據醫生的判斷經驗和理論，具體選取了描述區域內部關于密度和紋理的特征以及描述病灶外部形態特征的規則性等。
2、本文存在以下問題：
（1）由上文第3章所述可見，對于自動分割病變區域的方法存在的最主要問題在于分塊的自適應性問題無法解決。分塊的固定化無法適應某些病變，而基于顱腦對稱的分塊在用于判斷的特征上僅僅使用灰度對比度的差值也是無法適應更多病變的原因之一。
（2）對于特征的提取上，問題在于所使用的特征過于基本，使得特征的作用限于輔助診斷。而對于病變的診斷相當重要的醫學特征的提取較為困難。其原因為以下兩點：首先部分特征的提取需要全腦的信息和標準的醫學先驗知識，例如占位效應、萎縮等等；其次特征沒有合適的數字圖像描述子表達。
（3）在研究過程中：首先前期的準備工作略顯單薄，體現在CT診斷學的學習不夠充分，沒有能夠更多的發現顱腦疾病的復雜性使得后續的算法在適用性上存在硬傷。而對疾病診斷特征理解不深刻，難以找出對應的數字表達。在分塊判斷上可以采用模式識別的方法，但因為搜集的圖源非標準而放棄。其次在論文的閱讀上多集中于國內，較少涉及外文文獻尤其是IEEE文獻使得思路不夠開闊。最后在實驗數據的分析上，隨意性較大，沒有很好的依據科學規范和理論，造成對研究效果和存在問題認識不足。
3、對于后續的工作，還有以下需要完善和深入研究的：
（1）要解決圖源的問題。需要獲得標準的DICOM格式的圖片，其灰度、位置和附加信息都標準化故對于后續的處理有著重要的意義。
（2）對于分塊系數的確定，考慮引入含有一定的顱腦先驗知識和自適應性的分割系數。分塊系數的改進可以提高之后特征提取的效率。
（3）進一步學習顱腦CT診斷學的內容，考慮在分割和特征提取的過程中可以更多的加入醫學先驗知識，例如引入正常顱腦灰度分布圖用于病變區域 的提取。更多的背景知識對于優化算法和設計更好的整體識別流程有積極作用。
（4）對于如鈣化、水腫等重要的特征的數字表示加以研究。考慮組合多種基本的數字描述子加以表達。
感 謝
在論文完成之際，首先，衷心感謝我的導師蔡波老師。在半年多的學習中，我都得到了蔡老師的悉心指導和鼓勵。蔡老師淵博的學術知識、嚴謹的治學作風、忘我的工作熱情、一絲不茍的工作態度以及對學科前沿發展的敏銳洞察力給我留下了深刻的印象，使我受益匪淺。蔡老師給我樹立了良好的榜樣，對我以后的學習和工作將產生深遠的影響，在此，我要向他表示最誠摯的感謝。
在具體的做畢業設計過程中，我還得到了韓雪梅老師的細心指導，在這個過程中給予我的幫助和支持，在此非常感謝她。
同時，我還要感謝所有對本論文提出過寶貴意見的老師和同學以及將要評審該論文的各位專家們。
最后，我要感謝我的父母和朋友。沒有他們的理解、關心和支持，要順利地完成該論文是難以想象的。特別是我的父母給予了我大量的理解和支持，使我能夠專注于畢業設計工作，借此機會向他們表示深深的謝意。
參考文獻
[1] 樊尚春，周游.醫學圖像處理技術概述[R].北京：北京航空航天大學儀器科學與光電工程學院，2004.
[2] 劉俊敏，黃忠全等.醫學圖像處理技術的現狀及發展方向[J].醫療衛生設備，2005，26(12)：25-26.
[3] 邵 虹，崔文成等.基于圖像內容的顱腦病變自動分析[J].計算機工程，2003，29(12)：35-36.
[4] 邵 虹，崔文成等.一種基于形狀特征的顱骨圖像檢索方法[J].計算機工程，2003，29(08)：3-4.
[5] 邵 虹，崔文成等.遺傳算法在基于內容的圖像檢索中的應用[J].計算機工程，2003，16(08)：21-22.
[6] 趙志峰，張尤賽. 醫學圖像分割綜述[J].華東船舶工業學院學報(自然科學版)，2003，17(03)：
43-47.
[7] 李傳富，周康源等.基于先驗知識的顱腦CT圖像自動化分割[J].中國醫療器械新志，2004，
28（03）：34-39.
[8] 包尚聯，謝耀欽等.基于醫學影像計算機輔助診斷的分割方法[J].中國醫學物理學雜志，2003，
20（03）：83-86.
[9] 李傳富,周康源等.序列顱腦CT圖像的顱腔內結構自動化分割[J].中國科學技術大學學報，2006，
36（02）：148-152.
[10] 樊養余，薛耿劍等.一種基于分層Mumford－Shah模型的顱腦圖像分割方法[J].計算機應用，
2006，26(01)：112－113.
[11] 于 水，馬范援.一種基于數據融合的醫學圖像分割方法[J].計算機輔助設計與圖形學學報，
2001，13(12)：1073-1076.
[12] 李傳富，周康源等.基于配準方法的顱腦CT圖像病變信息自動提取算法[J].中國生物醫學工程學報，2006，25(01)：19-24.
[13] 王華峰，任青青.一種醫學圖像幾何特征的自動檢測[J]. 北京生物醫學工程，2001，20(03)：
175-177.
. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, vol. 22, no.1,
pp.85-106.
. Computer Methods and Programs in Biomedicine, 1990, vol.33, pp.221-239.
. IEEE Transactions on Medical Imaging, 1993, vol.12, pp.740-750.
關鍵詞：課題項目研發；教學模式；應用型人才
中圖分類號：G642 文獻標識碼：B
文章編號：1672-5913(2007)10-0039-02
西北師范大學知行學院是甘肅省第一所獨立院校，為了增強辦學競爭力，不斷地創建專業特色鮮明、應用優勢突出、就業需求看好的新專業，在傳承和發揚西北師范大學百年老校的崇尚學術、追求卓越、嚴謹治學的優良傳統同時，積極研究和探索，采用新的教學模式培養人才，提高教育教學質量。
知行學院計算機與信息科學系是為適應西部大開發，加快培養信息技術人才而設置的，在堅持科學發展觀的前提下，全面推進素質教育，從改革教學模式著眼，有效地培養應用型人才方面，做了許多切實的工作。
第一，從社會需要定位培養目標，制定務實的辦學思路，就是“面向社會、以人為本、任務激勵、實踐創新、多能多證、應試應市”。面向社會就是以社會的需求，和“科教興國”戰略、“人才強國”戰略的要求確定專業設置、培養目標和教學模式，為西部大開發培養信息技術人才。以人為本，就是以學生為本，教師和管理人員要為學生的成才服務。實踐創新，就是要培養學生的實踐能力和創新意識，使其具有新型應用型人才的重要素質。任務激勵，就是以課題項目的研究、開發，充分調動學生的學習積極性。多能多證是所培養的應用型人才，不僅要拿到學校的畢業證，還要拿到國家相關的專業等級與職業資格證書。應試應市，表明素質教育不排斥考試能力，學生要能適應專升本的考試、研究生考試和國家機關凡進必考的形勢，適應人才市場的需求，應聘就業。在此基礎上，進一步實施的新舉措是“兩手抓”：一手抓學生的搞課題項目實踐，一手抓考取國家的專業技術等級和職業資格證書。使學生在畢業時，每個人都搞出幾個項目成果，獲得幾個資格證書。幾年來的實踐證明了整個辦學思路有很強的指導性和實際意義，已在增強學生素質，提高就業率方面凸現優勢。
第二，根據經濟社會發展和人才市場對各專業人才的素質要求，合理地調整各專業的課程設置和教學內容，強化學生實踐能力、創業能力的培養，積極推行教學改革，努力推進教學創新已勢在必行。教學改革要落在實處，除了科學地制訂教學計劃外，在課程設置中，知行學院計算機系突出了這樣幾個方面：首先，瞄準技術發展應用領域的前沿，不斷的選擇增設實用性強的新課程，以適應計算機科學日益迅速的發展。幾年來先后增設了大型數據庫、ASP、EDA技術等課程；其次，著眼應用，增加實踐性課程，制定了x+1學期的教學與實踐計劃，即專科生第六學期從事專業實習，本科生第八學期安排專業實習。為了加強畢業生專升本與就業工作，把專升本的輔導提早到第5學期，把畢業設計與畢業論文提前到第7學期，這一措施既可以保證上述工作有充分的時間來完成，更重要的是學生的畢業論文和畢業設計成果在就業應聘面試中派上用場。再次，面向社會，增設開發和研究性課題。對專職教師要求教學采用新技術、新手段，以全新的姿態走上講臺，教學效果普遍較好。
第三，為落實辦學思路培養應用型人才，多年來的實踐中認識到，應用型人才的最主要的特點是具有較強的實踐能力和創新精神，既能創新，又能創業。能夠搞項目與課題的研究和開發，所以培養學生從事課題、項目的研究和開發能力，成為培養應用型人才的關鍵。依據動機理論，人們愿意做出努力的事情不外乎兩種：一是他們指望做后能成功的事，一是能看到成功帶來收益的事。在教學過程中向學生公布一系列有實際意義的課題任務，向學生說明實際意義，完成這些任務能學到什么技能，然后讓他們報名選做，老師進行個別指導，引導學生自己進行社會調查、搜集資料、進行實踐和創造性的學習。通過任務激勵，極大的調動了學生的學習積極性和主動性。
第四，采用課題、項目研究與開發教學模式，培養應用型人才。為了使學生有較多的項目開發的體驗與實踐，在一部分應用性強的專業技術課程的教學中，改變傳統的教學方法，采用新的教學模式，就是把教學的目標、教學的過程、教學結果考核均與課題項目的研發相連接的教學模式。這樣就改變了只靠畢業設計集中搞項目的辦法，而讓每一門專業課為新型人才培養做出貢獻。筆者有幸承擔了“Visual Basic程序設計”課程的教學任務，率先進行“課題、項目研究與開發教學模式”的教學。第一步，改編寫了教材，將VB課程學習中要做的課題一一列出。VB這門課程是計算機專業和電子信息工程專業學習的核心必修課，實踐性很強的課程，對培養學生的實踐能力和創新能力能發揮重要作用，在學生整個知識體系中，占有重要地位。第二步，設計一個全面全新的教學模式：“一個飛躍達標、兩個階段教學、三個層次要求、四個方面考核”。一個飛躍達標，就是實現從案例教學入門到項目開發的飛躍。由于教學目標定位于培養應用型人才，其最重要的特征就是能搞課題項目研發，具有較強的實踐能力和創新能力。把課題、項目研發的任務分解到相關課程教學中進行。這樣，畢業時每個學生可以搞出三、四項成果，提高了就業競爭能力；兩個階段教學，就是把一個學期分成兩個階段，進行階段教學。第一階段，進行案例教學，以課題為主線，學習基本概念、基本理論和基本設計方法，做到由基本概念與案例入門。第二個階段，進行項目研發。綜合運用所學知識和方法，分析和解決實際問題，不僅能做小項目，也能做功能相對完整的中等程度項目。實現由“案例”到“項目”的飛躍；整個階段都是講練結合，加強實際動手能力的培養。具體做法是：每個課題單元分兩個階段，教師講解、演示為一個階段（2學時），學生實訓練習為一個階段（4學時）。教師講解、演示課題項目時，給出課題項目名稱，說明課題目的、課題意義，講解演示設計過程，（包括界面設計、屬性設置、代碼編寫、運行調試、整理保存和注釋詳解）讓學生知其然而且知其所以然。通過實訓練習，使學生親手完成一些案例和項目任務，獲得成就感，從而引起繼續學習的興趣。提高學習的積極性，達到“任務激勵”和“實踐創新”的目的；因材施教，分層次教學。實訓練習課題難度分一般、較難和難三個層次。一般的課題任務要求全體同學完成，較難的課題任務要求二分之一的學生完成，難的課題任務供少數優秀同學選做。考核成績考慮到四個方面：學習態度、出勤情況、創新精神和成果業績。期末考試，讓學生分組選題，采用論文答辯的方式進行。看創新精神，看成果業績。第三步，根據改革了的教學模式，進一步設計了改革要求，即為授課編寫獨具特色的講稿，打印成冊；采用多媒體手段進行教學，做出教學課件；匯編學生完成的課題成果，刻錄成光盤并保存。按照上述的教學模式以及改革要求進行的教學，從教得方面來看，因為“Visual Basic程序設計”是一門實踐性很強的課程，為避免單調的理論講解，筆者從多本輔導教材中精心挑選了多個有代表性的實例匯總為16個課題（如窗體程序設計、復選框程序設計、查詢密碼程序設計、菜單程序設計、多重文檔程序設計、訪問數據庫技術、賓館管理系統等）作為主導教材詳細講解，制作了多媒體教學課件。并在多媒體教學環境中進行實際演示，配合理論知識的強調，教學效果良好，學生比較感興趣，學習的主動性和積極性較強，在期末課題設計時也充分發揮了創造性思維。從學的方面來看，學生對這門課程的教學比較感興趣，因為這門課程實用性較強，但難度不算很大。學生們為了能學好VB這門課，借閱了多本相關資料，花費了大量業余時間來上機實踐，進一步強化他們對一些VB實用例子的理解和掌握。因此，學習的效果也比較好。“Visual Basic程序設計”這門課程實用性較強，符合專業課學習的改革要求。達到了培養學生從事課題、項目的研究和開發能力，促進他們成為應用型人才的目的。2006年VB程序設計課題項目研發教學的成果比較顯著，下半年期末考試中列出26個課題，學生分組進行研發，同學們設計出了“學籍管理系統”、“電子教務系統”、“評語管理系統”、“企業人事管理系統”、“小區物業管理系統”、“快捷Windows桌面操作系統”、“AMT模擬系統”、“黃河風采抽獎系統”、“多媒體播放器”等課題項目，一些同學的程序設計很具特色和創造性。
第五，知行學院計算機系又將“課題項目研發的教學模式”推廣到EDA技術、數字圖像處理、C程序設計、CAXA、多媒體技術、JAVA等課程，都收到了良好的效果。數字圖像處理期末列出了27個課題，同學們完成的“建立五官數據庫為特征人物畫像”、“運動員號碼識別處理系統”獨具特色。EDA出了20個課題，“三層電梯控制設計器”、“乒乓球游戲設計”、“智能函數發生器設計”、“數字鐘”等課題學生們在創建過程中充分發揮了創造性，使同學們都很有成就感。2003年以來學生完成各類課題150多項，學生的專業技能顯著提高。因此在一部分專業課程中改革教學內容和教學模式，對學生的實踐能力、創新能力，培養應用型人才很有實際意義。
收稿時間：2007-2-3
關鍵詞：網站設計；課程改革；內容優化
中圖分類號：TP393.09 文獻標識碼：A 文章編號：1009-3044（2016）17-0100-02
1 引言
“網站設計”是使用標識性語言，通過一系列策劃、設計、建模、優化、開發步驟產生網站，最終以圖形用戶界面的形式展現給用戶[1]。在計算機相關學科的教學中，網站設計課程是一門重要的專業課，其知識多、操作性強、課程難度較大[2]。
當前，各院校普遍開設了網站設計類課程，但是在其教學過程中，我們發現學生內驅力較弱、動手能力有限、學習主動性較差、動手能力不足、橫向競爭力差等問題[3]。考慮到目前社會上對網站設計人員的需求，我們認為改革現有教學模式、提高學生實踐能力、增加職業競爭力等，是亟須解決的問題。因此，對“網站設計”相關類課程進行改革勢在必行。
2 文獻綜述
目前對網站設計類課程的改革研究體現在很多方面，例如：任鎖平 [4]基于搜索引擎優化的視角下，探析教學資源網站設計策略。分別從策劃層次、開發層次、界面設計層次、維護層次四個方面闡述了教學資源網站設計的策略。榮益 [5]從信息技術課程教學網站的需求分析與功能定位以及信息技術課程教學網站的內容設計兩方面探討了信息技術課程教學網站設計實現。張慧麗 [6]將Moodle平臺應用到《網站設計與制作》課程教學中，采用問卷調查法對Moodle平臺應用教學效果進行了分析。楊銘 [7]介紹了如何基于項目化實現網站設計與開發課程的教學內容，并總結了課程的特色與創新點。章早立 [8]討論了基于“分層分類”理念的高職《網頁制作與網站設計》課程教學新模式探究。郝靜 [9]通過對近年來教學過程中課程教學模式的研究、教學方法和手段的改革的探討，闡述如何在該課程中實現工作過程系統化的"教學做"合一。楊敬飛 [10]以文化洛陽網站的設計為例，講述了如何在網頁設計課程中應用項目教學法，將教學內容和教學目標巧妙地包含于項目設置之中。
然而，上述論文并沒有從課程的內容結構上進行優化。“網站設計”課程的難點在于內容多而碎，需要較多的先修課程知識。本文擬從課程設置的角度出發，深入探討如何設計該課程的內容，并以本人就職南京師范大學中北學院以來的教學經驗，匯報作者對網絡設計課程的授課計劃。
3 方法
傳統的“網站設計”類課程，僅包含基礎的HTML語言、JavaScript語言、CSS+DIV、圖像處理、動畫制作。選取的軟件僅包括網頁三劍客之一與Photoshop的搭配處理。然而我們認為上述授課內容過于陳舊、沒有緊跟前沿、缺少及時更新。為此，作者設置授課計劃如表 1所示。
4 結果
實驗對象選擇南京師范大學中北學院2011級某班。通過問卷調查方式對改革前后的教學效果進行調查，共發出問卷33份，回收問卷33份，其中有效問卷32份，有效率96.97%。對回收的問卷通過Excel進行統計處理。表 2給出分析結果。
5 討論
表 2可見，課程改革后，大部分學生認為新的課程知識面更廣、內容更新穎、更適合自學、能提高學習效率、可激發想象力、使課堂變得更加有趣、并能推動學生課后學習。因此，我們認為對“網站設計”教學內容的重新規劃是成功的。需要注意的是，新的課程內容需要至少72學時。對某些院校，教師反映僅分配36學時給“網站設計”課程，這種情況下本文提出的新的授課計劃并不適用，需要進行刪減。
6 結論與展望
本文通過提出了一種針對“課程設計”的授課內容改革探索，經過問卷調查證實其有效。下一步我們將要收集學生考試成績，對其進行量化分析。此外，可以考慮引入雙語教學[11]，以及將其他程序語言例如Matlab[12]嵌入到課程設計中去。
參考文獻：
[1] 胡珍新. 基于計算思維的網站設計教學研究[J]. 計算機教育， 2014（20）：56-58.
[2] 費麗君. 基于JSP的農業院校的大學計算機基礎教學網站設計研究[J]. 安徽農業科學， 2014，42（7）：2176-2177.
[3] 田久樂. 淺談獨立院校電子商務網站設計課程教學改革[J]. 中小企業管理與科技， 2014（13）：288-289.
[4] 任鎖平. 搜索引擎優化視角下教學資源網站設計策略[J]. 自動化與儀器儀表， 2014（6）：194-196.
[5] 榮益. 探討信息技術課程教學網站設計[J]. 計算機光盤軟件與應用， 2014，17（18）：222-222.
[6] 張慧麗. 基于 Moodle平臺的《網站設計與制作》教學應用研究[J]. 軟件導刊教育技術， 2014，13（3）： 29-30.
[7] 楊銘. 基于項目化教學的網站設計與開發課程改革探索[J]. 學園， 2014（36）： 21-22.
[8] 章早立. 基于“分層分類”理念的高職《網頁制作與網站設計》課程教學新模式探究[J]. 福建電腦， 2014，30（8）：146-147.
[9] 郝靜. 學習領域課程教學模式和方法的研究――以動態網站設計與制作課程為例[J]. 湖北工業職業技術學院學報， 2014，27（2）：93-95.
[10] 楊敬飛. 項目教學法在藝術設計專業網頁設計課程中的應用實踐――以文化洛陽網站設計為例[J]. 美術教育研究， 2014（5）：122-124.
我國高等工科教育的迫切任務應是在傳統的教學中引入先進的教學理念，培養出與國際接軌的新型人才。信息與計算科學專業是以信息處理和科學與工程計算為背景一個新的理科專業。所培養的學生應具備堅實的數學和計算機基礎，同時，掌握信息與計算科學的基本理論和方法，能夠運用所學的知識和計算機技能解決某些實際問題。因此，培養學生的理論、實踐和多學科交叉有機結合的能力是尤為必要的。我校的信息與計算科學專業一直以“理入工出”為主要培養模式,并在教學過程中深入貫徹和實施學校提出的“大德育、大工程、大實踐”的辦學理念。因此，培養學生的理論、實踐和多學科交叉有機結合的能力是尤為必要的，也符合本專業實際情況。作為一個專業、一個學科的基層行者，應適時將先進的教學理念融入到教學的實際環節中，與國際先進的教學方式接軌，適應國際社會人才市場需要。
CDIO即構思（Conceive）、設計（Design）、實現（Implement）和運作（Operate），是近年來國際工程教育改革的最新成果，系統地提出了具有可操作性的能力培養、全面實施以及檢驗測評的12條標準。使學生能夠以主動的、實踐的、課程之間有機聯系的方式進行學習。按CDIO模式培養的學生深受社會與企業的歡迎。國內外的經驗都表明CDIO的理念和方法是先進可行的，適合工科教育教學過程各個環節的改革。基于現階段《信息科學基礎》課程教學實踐存在的上述問題，本文秉承CDIO工程教育理念和我校“3+1”教育模式，結合《信息科學基礎》課程的教學工作實踐現狀，分析《信息科學基礎》課程教學與實踐環節的上述問題，從教學模式和手段、教學內容等方面提出和實施一些改進的措施。實踐表明取得了良好的效果。
一、教學實踐改革
1.合理選擇教學內容。信息與計算科學專業是一個理科專業，學生具備一定的數學和計算機基礎，對于數學分析，概率論等先修知識有一定程度掌握，同時缺少通信工程方面的知識，如信號處理和通信原理等。為使學生盡快掌握信息理論的基本原理和方法，也使信息論的思想、原理和方法在更為廣泛的范圍內得到推廣和應用。在充分考慮到專業的培養方向和需要，針對信息與計算科學專業學生所學先導課程體系現狀，合理選擇適當的教學內容。我們選擇石峰等編著的《信息論基礎》作為教材。該教材盡量較少地使用通信工程知識，并以離散情形作為討論問題的主要對象，而對于連續性的情形則作為選修內容。更適合理科專業學生接受的教學內容。
2.優化教學流程。適當借鑒“翻轉課堂”的思想，使講授知識點不再作為課堂教學的唯一重點，而適當地留出較多的時間讓學生參與實踐活動或討論。講授內容結束后，在課堂中適當設計新穎的討論課題（如高新信息技術研討），使學生在討論的過程中獲得知識，獲得“探索”新問題的樂趣；同時，在討論中，還讓學生發現，有些問題是本次課所學知識無法解決或是不能完全解決的，需要學生進一步了解新的理論內容，而此部分內容會在下一次課中出現。通過這樣的討論，通過合理地優化教學流程，將更多的討論環節融入到課堂教學過程中。使學生溫故知新的同時，又鍛煉了學生發現問題和探討新問題的能力。
3.增設實驗。將若干個枯燥的定理或是基本概念轉化為可以操作的練習題，讓學生更加感官的感知這些理論的意義和內涵。結合本課程及相關課程，引入當前較為流行的CDIO教學模式，設計一些可操作的實驗案例，如編碼的計算機實現、基于信息度量的圖像處理等實驗。促使學生課下做實驗、查資料，培養學生主動、實踐的、課程之間有機聯系的學習習慣和能力。激發學生的學習興趣，提高教學效果。由于Matlab操作簡單，同時，Matlab中的Simulink可以提供一個友好的通信系統仿真環境，更加便于學生建立和了解通信系統。因此，我們選擇Matlab作為實驗工具。
4.加強實踐應用能力的培養。鼓勵學生以《信息科學基礎》為基礎，結合數字圖像處理、密碼學等相關學科，積極申報大學生科研立項。同時，結合我校“3+1”教育模式,以畢業論文寫作作為培養學生的另一種方式。使學生深入理解基本理論、拓寬知識面的同時，又培養了學生的動手能力、查找文獻資料的能力、發現和分析解決問題的能力，提高學生的學習熱情。通過實踐改革，對教學內容和方法進行相應的改變，同時改變已有的教學模式。實踐中，更加重注學生的實踐參與，鼓勵學生自學，加深學生對知識的理解，提高了自學能力，從而培養學生的學習興趣。
二、結束語
本文主要對《信息科學基礎》課程的教學實踐中存在的諸多問題進行了分析和討論，并結合CDIO先進的教學理念和我校“3+1”教育模式，在教學實踐過程中，對該課程的教學內容、流程和環節等方面進行了適當的改革。在教學實踐的過程中，注重教學流程和內容的設計，加強與學生的互動，使學生能夠積極、主動的探索和掌握新的理論知識的同時，提高動手能力和知識擴展能力。使學生通過學理論、做實驗、討論和科研等多種形式的學習，體會到學科之間知識相互滲透、支撐的重要性。《信息科學基礎》教學內容和教學方法的改革，為培養理論基礎扎實、實踐能力強，有較強的科技運用、推廣、轉換能力的高素質的應用型人才奠定了基礎，更加適應國際社會人才的需求。
作者：李懿高志軍單位：黑龍江科技大學
