時(shí)間：2022-11-20 05:51:13
開篇：寫作不僅是一種記錄，更是一種創(chuàng)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篇醫(yī)學(xué)圖像論文，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進(jìn)步。
1.1.1醫(yī)學(xué)圖像處理的特點(diǎn)及重要性
醫(yī)學(xué)圖像處理技術(shù)包括很多方面,如:圖像恢復(fù)、圖像重建、圖像分割、圖像提取、圖象融合、圖象配準(zhǔn)、圖像分析、圖像識(shí)別等等。進(jìn)行醫(yī)學(xué)圖像處理的最終目的是實(shí)際應(yīng)用于醫(yī)學(xué)輔助、工業(yè)區(qū)生產(chǎn)、科學(xué)研究等方面,所以其具有較廣泛的應(yīng)用價(jià)值和研究意義。醫(yī)學(xué)圖像處理的對(duì)象是各種不同模態(tài)的醫(yī)學(xué)影像。在醫(yī)學(xué)臨床的使用中,醫(yī)學(xué)影像主要有超聲波(UI)、X-射線(X-CT)、核磁共振成像(MRI)、核醫(yī)學(xué)成像(NMI)等。隨著計(jì)算機(jī)技術(shù)的發(fā)展,醫(yī)學(xué)影像技術(shù)已成為一門新興交叉學(xué)科,目前是計(jì)算技術(shù)與醫(yī)學(xué)結(jié)合技術(shù)中發(fā)展最快的領(lǐng)域之一。借助有力的醫(yī)學(xué)圖像處理技術(shù)手段,極大的改善了醫(yī)學(xué)影像的質(zhì)量和顯示方法,其成果使臨床醫(yī)生能更直接、更清晰地觀察人體內(nèi)部組織及病變部位,確診率也得到了提高。這不僅使醫(yī)學(xué)臨床診斷水平在現(xiàn)有的醫(yī)療設(shè)備的基礎(chǔ)上得到極大地提高,并且能使醫(yī)學(xué)研究與教學(xué)、醫(yī)學(xué)培訓(xùn)、計(jì)算機(jī)輔助臨床外科手術(shù)等實(shí)現(xiàn)數(shù)字化應(yīng)用,從而為醫(yī)學(xué)研究與發(fā)展提供堅(jiān)實(shí)的基礎(chǔ),在醫(yī)學(xué)應(yīng)用中具有不可估量的實(shí)用價(jià)值。
醫(yī)學(xué)圖像與普通圖像相比,具有以下幾方面的特點(diǎn)(1)醫(yī)學(xué)圖像具有灰度上的含糊性。表現(xiàn)為兩方面:一方面是由于成像技術(shù)上的原因帶來的噪聲擾,往往使物體邊緣的高頻信號(hào)被模糊化;另一方面,由于人體組織的螺動(dòng)等現(xiàn)象會(huì)造成圖像在一定程度上產(chǎn)生模糊效應(yīng)。(2)局部體效應(yīng)。處于邊界上的像素中,通常同時(shí)包含了邊界和物質(zhì),使得難以精確地描述圖像中物體的邊緣、拐角及區(qū)域間的關(guān)系,加之假如出現(xiàn)病變組織,則其會(huì)侵襲周圍正常組織,導(dǎo)致其邊緣無法明確界定。
1.2論文的研究目標(biāo)及工作
1.2.1論文主要涉及的三方面基礎(chǔ)理論
論文主要涉及馬爾科夫隨機(jī)場(MRF)理論、模糊集理論及Dempster-shafe證據(jù)理論三個(gè)方面的基礎(chǔ)理論,下面分別作介紹:1)馬爾科夫隨機(jī)場(MRF)理論基于隨機(jī)場的圖像分割方法是一類考慮像素點(diǎn)間的空間關(guān)聯(lián)性的統(tǒng)計(jì)學(xué)方法。其實(shí)質(zhì)是從統(tǒng)計(jì)學(xué)的角度出發(fā),將圖像中各像素點(diǎn)的灰度值看作是具有一定概率分布的隨機(jī)變量,從而對(duì)數(shù)字圖像進(jìn)行建模。Cristian Lorenz等人,在醫(yī)學(xué)圖像分割中提出了一種可應(yīng)用于任意拓?fù)浣Y(jié)構(gòu)的新型統(tǒng)計(jì)模型。根據(jù)馬爾科夫隨機(jī)場圖像模型,利用最大后驗(yàn)概率準(zhǔn)則(MAP),提出一種迭代松弛算法。MRF模型能夠區(qū)分不同紋理的分布,其特別適用于紋理圖像的分割。但使用MRF模型進(jìn)行分割的關(guān)鍵問題在于參數(shù)估計(jì),所以分割的效果往往取決于對(duì)參數(shù)估計(jì)的準(zhǔn)確度。為此通常在分割與參數(shù)估計(jì)間進(jìn)行輪流迭代計(jì)算,例如:先初始化參數(shù),在此基礎(chǔ)上分割,再利用分割的結(jié)果對(duì)參數(shù)進(jìn)行進(jìn)一步的估計(jì),然后再分割,如此直到滿足收斂條件。然而此類方法只能利用單一的圖像信息,不能綜合利用多種圖像信息。
第二章馬爾科夫隨機(jī)場(MRF、理論及其應(yīng)用
馬爾科夫隨機(jī)場簡稱,是英文Morkov Random Fields的縮寫。它包含了兩層意思:一個(gè)是馬爾科夫(Morkov)性質(zhì);一個(gè)是隨機(jī)場性質(zhì)。它是基于統(tǒng)計(jì)學(xué)的分割方法在醫(yī)學(xué)圖像分割的應(yīng)用中,最為常用的一種方法。圖像具有高度的空間信息相關(guān)性,而馬爾科夫隨機(jī)場(腫)恰好具有有效描述空間信息相關(guān)性的特點(diǎn),加之其具有完善的數(shù)學(xué)理論和性質(zhì),所以廣泛的被應(yīng)用于圖像的處理中,如:圖像的恢復(fù)、紋理的提取、模板的匹配和圖像的分割等。娜于圖像的分割,對(duì)噪聲有很好的抑制作用;同時(shí)是基于模型的方法,所以容易與其它方法結(jié)合是它的優(yōu)點(diǎn)。在本文中主要用于腦部—圖像的預(yù)處理及前期的分割。下面介紹馬爾科夫隨機(jī)場(MRF )的基本理論及其在本文中的應(yīng)用。
2.1馬爾科夫隨機(jī)場CMRF )基本理論
2.1.1一維馬爾科夫(MARKOV)隨機(jī)過程
過程(或系統(tǒng))在Zg時(shí)刻(即? = /q)的狀態(tài)己知,若過程在/Q后面的時(shí)刻,即的狀態(tài)與過程在時(shí)刻之前(即
2.2圖像中馬爾科夫隨機(jī)場、MRF )模型的建立
2.2.1鄰域系統(tǒng)與勢(shì)團(tuán)(Cliques)
由本文2.1.2小節(jié)中馬爾科夫隨機(jī)場(娜)的定義中,任何滿足條件1)非負(fù)性的概率都由條件2)中的描述馬爾科夫(MARKOV)性的條件概率所唯一確定。條件2)中的條件概率所描述的也稱為隨機(jī)場F (本文中也即數(shù)字圖像)的局部特性。而條件2)中的條件概率的直接求得是很困難的,由概率論中條件概率的公式可知要求的尸C/i 需要知道即需要知道隨機(jī)場的聯(lián)合分布,而馬爾科夫隨機(jī)場)是用條件概率來定義的,不能很好反映的聯(lián)合分布。也就意味著由馬爾科夫隨機(jī)場(MRF )的局部特性來定義整個(gè)場的全局特性是存在困難的。以上問題的解決要?dú)w功于Hammersley-Clifford定理,該定理給出了馬爾科夫隨機(jī)場隨機(jī)場(MRF )與吉布斯隨機(jī)場(GRF )的等價(jià)關(guān)系,從而可以用吉布斯(Gibbs)分布來求解中的概率分布問題。
1.1論文研究的目的和意義………………1
1.1.1醫(yī)學(xué)圖像處理的特點(diǎn)及重要性……………… 1
1.1.2醫(yī)學(xué)圖像分割中存在的問題、現(xiàn)狀及發(fā)展………2
1.1.3醫(yī)學(xué)圖像分割的方法………………
1.2論文的研究目標(biāo)及工作………………6
1.3本文組織結(jié)構(gòu)………………9
第二章馬爾科夫隨機(jī)場(MRF、理論及其應(yīng)用………………11
2.1馬爾科夫隨機(jī)場、MRF )基本理論……………… 11
2.2圖像中馬爾科夫隨機(jī)場QMRF )模型的建立………12
2.3估計(jì)準(zhǔn)則與優(yōu)化算法………………16
2.4本章小結(jié)………………19
英文名稱：Journal of Image and Graphics
主管單位：中國科學(xué)院
主辦單位：中國科學(xué)院遙感應(yīng)用研究所;中國圖象圖形學(xué)學(xué)會(huì);北京應(yīng)用物理與計(jì)算數(shù)學(xué)研究所
出版周期：月刊
出版地址：北京市
語
種：中文
開
本：大16開
國際刊號(hào)：1006-8961
國內(nèi)刊號(hào)：11-3758/TB
郵發(fā)代號(hào)：82-831
發(fā)行范圍：國內(nèi)外統(tǒng)一發(fā)行
創(chuàng)刊時(shí)間：1996
期刊收錄：
中國科學(xué)引文數(shù)據(jù)庫(CSCD―2008)
核心期刊：
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
期刊榮譽(yù)：
聯(lián)系方式
期刊簡介
《中國圖象圖形學(xué)報(bào)》是由中國科學(xué)院遙感應(yīng)用研究所、中國圖象圖形學(xué)會(huì)、北京應(yīng)用物理與計(jì)算數(shù)學(xué)研究所共同創(chuàng)辦，是集計(jì)算機(jī)圖像圖形高科技理論、技術(shù)方法與應(yīng)用研究成果產(chǎn)業(yè)化于一體的綜合性學(xué)術(shù)期刊。《中國圖象圖形學(xué)報(bào)》是被國內(nèi)主要檢索系統(tǒng)收錄的核心中文期刊，是圖像圖形學(xué)及相關(guān)領(lǐng)域的權(quán)威性雜志。
1 完善各項(xiàng)規(guī)章制度， 抓好落實(shí)
要提高超聲診斷質(zhì)量， 必須做好規(guī)范化建設(shè)， 建章立制。嚴(yán)格執(zhí)行國家《執(zhí)業(yè)醫(yī)師法》、《大型醫(yī)用設(shè)備配置與應(yīng)用管理暫行辦法》、《醫(yī)療技術(shù)操作常規(guī)》等法律法規(guī)， 持證上崗。設(shè)立完備的醫(yī)療設(shè)備管理制度、監(jiān)督機(jī)制、故障應(yīng)急預(yù)案、維修檔案等質(zhì)量管理制度， 使影像管理工作制度化、科學(xué)化有章可循。對(duì)各項(xiàng)檢查以《超聲技術(shù)操作規(guī)范》為指導(dǎo)， 規(guī)范操作規(guī)程， 對(duì)操作步驟、方法、程序、結(jié)果、圖片質(zhì)量、報(bào)告書寫規(guī)范等檢查設(shè)立績效考評(píng)機(jī)制， 有效進(jìn)行質(zhì)量控制， 量化管理， 科學(xué)地統(tǒng)計(jì)、規(guī)范各臟器及常見疾病的檢查范圍。
2 學(xué)科基礎(chǔ)建設(shè)， 人才是關(guān)鍵
2. 1 無論超聲設(shè)備如何發(fā)展， 科室的持續(xù)發(fā)展， 取決于高素質(zhì)的專業(yè)團(tuán)隊(duì)及合理的梯隊(duì)建設(shè)。醫(yī)學(xué)是一門經(jīng)驗(yàn)學(xué)科， 人才的成長是一個(gè)晚成熟期。必須分析科室人員的構(gòu)成及其優(yōu)勢(shì)， 做好職業(yè)規(guī)劃及培養(yǎng)方向。從事超聲醫(yī)學(xué)工作的人員來源于臨床醫(yī)學(xué)及醫(yī)學(xué)影像專業(yè)， 專業(yè)的不同， 知識(shí)結(jié)構(gòu)會(huì)存有差異， 臨床醫(yī)學(xué)畢業(yè)生臨床知識(shí)相對(duì)豐富， 但影像理論基礎(chǔ)原理欠缺， 而醫(yī)學(xué)影像專業(yè)畢業(yè)生影像專業(yè)理論知識(shí)較為熟悉， 但臨床知識(shí)存在不足。不同的院校、不同的專業(yè)有其不同的專業(yè)理論和實(shí)際工作能力的優(yōu)勢(shì)。針對(duì)不同的人員采取不同的要求， 對(duì)醫(yī)學(xué)影像專業(yè)畢業(yè)生， 強(qiáng)調(diào)臨床技能的學(xué)習(xí)；鼓勵(lì)參加醫(yī)院臨床知識(shí)學(xué)術(shù)講座， 增加臨床知識(shí)。對(duì)臨床醫(yī)學(xué)專業(yè)畢業(yè)生， 強(qiáng)調(diào)超聲基礎(chǔ)理論知識(shí)及其他影像專業(yè)知識(shí)的學(xué)習(xí)， 打牢基礎(chǔ)。活躍的學(xué)習(xí)氛圍， 形成專業(yè)互補(bǔ)， 強(qiáng)化了綜合素質(zhì)提高。
2. 2 加強(qiáng)在職培訓(xùn)， 全面開展醫(yī)學(xué)繼續(xù)教育， 只有不斷地充實(shí)自己才能提高專業(yè)技術(shù)。①打牢基礎(chǔ)是關(guān)鍵， 對(duì)新入職影像專業(yè)畢業(yè)人員， 采取崗前臨床科室輪轉(zhuǎn) ， 學(xué)習(xí)臨床知識(shí)， 拓寬視野， 建立臨床思維方式， 了解臨床不同專業(yè)超聲檢查的目的所在， 了解本院臨床科室發(fā)展水平及開展的新技術(shù)；對(duì)臨床醫(yī)學(xué)專業(yè)畢業(yè)生， 在了解超聲專業(yè)的基礎(chǔ)理論、超聲解剖、儀器操作檢查方法后， 采取到其他影像專業(yè)短期輪訓(xùn)， 了解其他影像專業(yè)特點(diǎn)， 診斷優(yōu)勢(shì)， 建立大影像概念， 充實(shí)和拓展思維模式。在強(qiáng)調(diào)理論培訓(xùn)的同時(shí) ， 突出實(shí)際操作能力的規(guī)范與提高， 要求大家勤于實(shí)踐， 規(guī)范操作并不斷熟練。②適時(shí)選派工作作風(fēng)扎實(shí)， 安心本職工作， 有上進(jìn)心的技術(shù)骨干到技術(shù)力量雄厚的大醫(yī)院進(jìn)修， 進(jìn)行系統(tǒng)的規(guī)范化訓(xùn)練， 并根據(jù)個(gè)人的專業(yè)特長及科室專業(yè)的發(fā)展需要， 選派參加不同的專題學(xué)習(xí)班或提高班， 將讓個(gè)人的成長與科室的發(fā)展前景結(jié)合， 激勵(lì)其發(fā)揮更大的工作、學(xué)習(xí)熱情， 使科室人員“人人有專業(yè)， 人人有特長”， 既避免了內(nèi)耗， 又提高了科室整體技術(shù)力量。③加強(qiáng)對(duì)外學(xué)術(shù)交流， 鼓勵(lì)在職人員進(jìn)行工作經(jīng)驗(yàn)的總結(jié)， 撰寫論文。撰寫論文的過程也是對(duì)一個(gè)疾病深入學(xué)習(xí)的過程。中級(jí)以上職稱的工作人員每年至少參加一次全軍或全國專業(yè)學(xué)術(shù)會(huì)議， 讓大家及時(shí)了解本專業(yè)的最新動(dòng)態(tài)、發(fā)展方向， 了解本專業(yè)的前沿知識(shí)， 開闊視野。④聘請(qǐng)上級(jí)醫(yī)院的專家教授指導(dǎo)工作， 舉行專題講座等。以多種多樣的培訓(xùn)方式， 提高技術(shù)水平。
3 強(qiáng)化隨訪工作
超聲診斷的正確性必須通過隨訪臨床的最終診斷來印證。通過隨訪， 進(jìn)行回顧分析， 總結(jié)經(jīng)驗(yàn)教訓(xùn)， 提高診斷與鑒別診斷能力。平時(shí)將個(gè)人隨機(jī)隨訪與科室集體隨訪納入常規(guī)工作， 統(tǒng)籌安排， 有計(jì)劃、有組織地進(jìn)行。科室安排專人、專門時(shí)間， 下病區(qū)或病案室， 針對(duì)不同的臨床科室、某個(gè)病種等進(jìn)行統(tǒng)一的隨訪， 并統(tǒng)計(jì)分析隨訪結(jié)果，根據(jù)超聲診斷陽性符合率指導(dǎo)科室的下一步工作；個(gè)人隨訪隨機(jī)性比較大，尤其是個(gè)案，只有共享才能共同認(rèn)識(shí)該疾病， 所以隨訪結(jié)果的回報(bào)交流， 共同提高尤為重要。完善的隨訪制度納入科室質(zhì)量控制體系，每月進(jìn)行隨訪工作的檢查與考核，才能確保隨訪順利實(shí)行并取得良好的效果。利用隨訪結(jié)果分析超聲檢查的符合率， 評(píng)價(jià)超聲檢查質(zhì)量。如果超聲診斷與病理或手術(shù)結(jié)果相符， 則總結(jié)經(jīng)驗(yàn)，加深印象， 增強(qiáng)信心。如超聲診斷與臨床不符， 則分析誤診原因， 提高鑒別診斷水平。
4 規(guī)范化留圖
超聲檢查中普遍存在存圖的隨意性， 尤其患者較多時(shí)。為了提高超聲質(zhì)量， 必須規(guī)范化存圖， 與診斷有關(guān)的陽性或陰性切面， 應(yīng)做圖像儲(chǔ)存， 記錄并存檔。圖像質(zhì)量要清晰， 掌握儀器各項(xiàng)物理參數(shù)的調(diào)節(jié)， 熟悉已設(shè)置的不同臟器專用軟件， 根據(jù)個(gè)人習(xí)慣及患者條件， 調(diào)節(jié)圖像在最佳狀態(tài)。在眼球或產(chǎn)科檢查時(shí)， 嚴(yán)格按照規(guī)定的安全聲功率輸出。對(duì)于異常圖像保留相互正交的兩個(gè)切面， 杜絕了以往隨意性存圖檢查中因漏查器官結(jié)構(gòu)而造成的漏診， 對(duì)異常的動(dòng)態(tài)變化和前后對(duì)照分析提供了直觀的圖像資料， 同時(shí)為處理醫(yī)療糾紛提供證據(jù)， 規(guī)范化存圖使規(guī)范化檢查真正落到了實(shí)處， 規(guī)范化存圖成為超聲檢查管理體系中的重要組成部分。
5 規(guī)范書寫報(bào)告
超聲檢查報(bào)告書寫質(zhì)量體現(xiàn)了檢診水平。報(bào)告單作為一次檢查的結(jié)論， 必須將實(shí)際情況用圖文的形式報(bào)告給臨床和患者。一般項(xiàng)目要齊全， 真實(shí)， 必須實(shí)名制。必要時(shí)， 加填儀器型號(hào)、探頭類型與頻率， 檢查方法與途徑（如：經(jīng)直腸法）。描述檢查內(nèi)容時(shí)術(shù)語應(yīng)科學(xué)化、標(biāo)準(zhǔn)化， 文字簡練， 描述全面、客觀， 嚴(yán)禁加入任何主觀判斷， 既不武斷地以圖像診斷疾病， 也不要過于隨附臨床資料， 杜絕先入為主， 先有結(jié)論再有圖像描述的思維模式。超聲提示或診斷明確提示物理學(xué)診斷， 除十分明確的病例外， 不做病理學(xué)診斷， 可以提示數(shù)種需鑒別的診斷。
6 樹立服務(wù)意識(shí)
超聲檢查主要是為臨床診斷疾病提供客觀依據(jù)， 要樹立為臨床服務(wù)的理念， 多與臨床醫(yī)生溝通才能避免主觀臆斷， 其實(shí)與臨床醫(yī)生交流的過程也是學(xué)習(xí)臨床知識(shí)的過程， 只有結(jié)合臨床才能開展新技術(shù)、新業(yè)務(wù)， 才能謀求正確答案， 達(dá)到為患者負(fù)責(zé)的目的。
英文名稱：Journal of Biomedical Engineering Research
主管單位：山東省科學(xué)技術(shù)協(xié)會(huì)
主辦單位：山東生物醫(yī)學(xué)工程學(xué)會(huì);山東省醫(yī)療器械研究所;山東省千佛山醫(yī)院
出版周期：季刊
出版地址：山東省濟(jì)南市
語
種：中文
開
本：大16開
國際刊號(hào)：37-1413/R
國內(nèi)刊號(hào)：
郵發(fā)代號(hào)：
發(fā)行范圍：
創(chuàng)刊時(shí)間：1982
期刊收錄：
核心期刊：
期刊榮譽(yù)：
Caj-cd規(guī)范獲獎(jiǎng)期刊
聯(lián)系方式
關(guān)鍵詞：S3C2410；網(wǎng)絡(luò)監(jiān)控系統(tǒng)；Linux
中圖分類號(hào)：TP311.52
1 論文研究背景及意義
如今嵌入式系統(tǒng)在電子信息領(lǐng)域的發(fā)展已經(jīng)越來越獲得了國內(nèi)外各類廠商和用戶的一致關(guān)注，嵌入式系統(tǒng)已經(jīng)越來越多的影響到人類的日常生活、工業(yè)自動(dòng)化生產(chǎn)、高科技產(chǎn)業(yè)等諸多領(lǐng)域。嵌入式系統(tǒng)以其特有的專用性和便宜性大大沖擊了傳統(tǒng)以PC機(jī)位主導(dǎo)的電子信息產(chǎn)業(yè)，是的電子產(chǎn)業(yè)的發(fā)展出來了新的契機(jī)，在市場上獲得了普遍的認(rèn)可和追捧，其價(jià)格低廉，操作個(gè)性化、簡易化，符合針對(duì)不同用戶不同的需求，而且由于嵌入式系統(tǒng)這些年來的不斷發(fā)展和成熟，尤其是微軟公司專門針對(duì)嵌入式系統(tǒng)開發(fā)的Windows CE系統(tǒng)和目前普遍使用的開源的嵌入式Linux系統(tǒng)都在對(duì)硬件的支持和圖形界面的應(yīng)用方面取得豐厚的成果，使得嵌入式系統(tǒng)的競爭優(yōu)勢(shì)越來越突顯出來。而本文之所以選擇嵌入式Linux系統(tǒng)作為開發(fā)的軟件系統(tǒng)平臺(tái)，也是從其開放性的角度考慮的，嵌入式Linux系統(tǒng)基本上是免費(fèi)的，所以大大降低了開發(fā)成本，搭建了一個(gè)更為可靠的、實(shí)用的、高效的管理平臺(tái)，為后期的軟件開發(fā)奠定了堅(jiān)實(shí)的基礎(chǔ)。
2 監(jiān)控系統(tǒng)技術(shù)應(yīng)用現(xiàn)狀
視頻監(jiān)控系統(tǒng)在通信、醫(yī)療、金融、安保等諸多領(lǐng)域有著廣泛的使用。視頻監(jiān)控系統(tǒng)在國內(nèi)也獲得了廣泛的推廣，國家以及企業(yè)、個(gè)人的投入越來越多，視頻監(jiān)控技術(shù)的發(fā)展對(duì)于金融安全、人身財(cái)產(chǎn)、社會(huì)治安等方面的貢獻(xiàn)也越來越大。隨著社會(huì)的發(fā)展視頻監(jiān)控系統(tǒng)也越來越多的獲得廠商的青睞，在國內(nèi)也出現(xiàn)很多具有國際競爭力的知名品牌，如海康威視、大華、天地偉業(yè)等，以其一流的技術(shù)占據(jù)著國內(nèi)大部分市場。視頻監(jiān)控系統(tǒng)一般有兩個(gè)部分組成，即視頻服務(wù)器和視頻客戶端，在研究的過程中必須對(duì)這兩部分進(jìn)行軟件的開發(fā)和管理，建立好通信機(jī)制，設(shè)計(jì)好正好工作流程。按照視頻流的數(shù)模特性來劃分，模擬視頻監(jiān)控系統(tǒng)和數(shù)字視頻監(jiān)控系統(tǒng)構(gòu)成了視頻監(jiān)控系統(tǒng)目前最主要的兩個(gè)技術(shù)方向。視頻監(jiān)控系統(tǒng)技術(shù)在未來的發(fā)展中得到更多功能方面的擴(kuò)展，如無線視頻網(wǎng)絡(luò)、智能識(shí)別視頻系統(tǒng)等方向。
2.1 平臺(tái)選擇
本論文的硬件平臺(tái)選用s3c2410開發(fā)板，操作系統(tǒng)內(nèi)核采用Linux2.6內(nèi)核，本論文硬件平臺(tái)采用的主要硬件是s3c2410開發(fā)板。該板是韓國三星公司已經(jīng)比較成熟的產(chǎn)品，在硬件配置方面基本滿足本文的需要。采用Linux2.6內(nèi)核的主要原因是這個(gè)內(nèi)核版本經(jīng)過較長時(shí)間的推廣和完善，無論是對(duì)本文所需的視頻監(jiān)控系統(tǒng)硬件驅(qū)動(dòng)還是軟件系統(tǒng)的開發(fā)，都會(huì)有很好的支持，而且運(yùn)行穩(wěn)定，符合視頻監(jiān)控系統(tǒng)的要求。
2.2 USB視頻設(shè)備驅(qū)動(dòng)的實(shí)現(xiàn)
本論文的USB視頻設(shè)備驅(qū)動(dòng)運(yùn)行在嵌入式環(huán)境下，對(duì)視頻圖像處理能力有限，所以本驅(qū)動(dòng)程序不支持V4L中VIDIOCGPICT和VIDIOCSPICT接口。原始的圖像格式與攝像頭采集到的格式是一致的。
2.2.1 USB視頻設(shè)備驅(qū)動(dòng)實(shí)現(xiàn)待需解決的問題
USB視頻設(shè)備驅(qū)動(dòng)的實(shí)現(xiàn)需要解決如下幾個(gè)問題：對(duì)USB視頻設(shè)備的端點(diǎn)類型和端點(diǎn)號(hào)、一副圖片的結(jié)束等具體數(shù)據(jù)的判定。
（1）確定USB視頻設(shè)備的端點(diǎn)類型和端點(diǎn)號(hào)
從開發(fā)板的硬件支持角度來分析，使用USB接口作為視頻監(jiān)控系統(tǒng)的數(shù)據(jù)接口是比較合適的選擇，而Linux系統(tǒng)也為USB接口提供了強(qiáng)大的支持，通過視頻監(jiān)控系統(tǒng)的USB驅(qū)動(dòng)對(duì)USB設(shè)備的操作實(shí)際就是對(duì)某一端點(diǎn)的操作，而端點(diǎn)又進(jìn)一步的被定義為控制、中斷、同步、塊四個(gè)種類，每一個(gè)USB設(shè)備都具有特定數(shù)日的端點(diǎn)、特定類型的端點(diǎn)以及端點(diǎn)號(hào)確定的特點(diǎn)。因此在進(jìn)行USB視頻設(shè)備驅(qū)動(dòng)開發(fā)之前，USB視頻設(shè)備的端點(diǎn)類型、端點(diǎn)數(shù)日以及端點(diǎn)號(hào)需要在設(shè)計(jì)時(shí)設(shè)置。
（2）判斷一副圖片的結(jié)束
圖像數(shù)據(jù)在于USB核心是連續(xù)的數(shù)據(jù)流，而一副圖像的開始和結(jié)束并沒有嚴(yán)格的界定出來，如果沒有對(duì)這些數(shù)據(jù)進(jìn)行標(biāo)識(shí)，那么在系統(tǒng)看來這些數(shù)據(jù)就是一些單純的數(shù)據(jù)流，是沒有意義的數(shù)據(jù)，對(duì)圖像就不能進(jìn)行正確的識(shí)別和存儲(chǔ)，因此需要利用緩存技術(shù)，工作的原理就是USB視頻設(shè)備驅(qū)動(dòng)從連續(xù)的數(shù)據(jù)流中獲取圖片信息，通過緩存保存起來。而保存在緩存中的數(shù)據(jù)流并沒有提供圖片信息的開始和結(jié)束的標(biāo)識(shí)，這個(gè)時(shí)候攝像頭的數(shù)據(jù)格式有對(duì)圖像信息的開始和結(jié)束的定義和標(biāo)識(shí)，雖然不同廠商的芯片對(duì)標(biāo)志有不同的定義，導(dǎo)致沒有一定的規(guī)律可循，但是在沒有統(tǒng)一的標(biāo)準(zhǔn)的情況下，具體的定義可以由對(duì)應(yīng)的驅(qū)動(dòng)程序來代替，通過不同的數(shù)據(jù)格式的定義對(duì)標(biāo)識(shí)過的圖像信息逐一提取，就獲得我們所需要的圖像，如使用JPEG格式的圖像，就可以從標(biāo)示符Oxff Oxd8開始認(rèn)定一副圖片的起始。
（3）提高USB的數(shù)據(jù)傳輸速度
在Linux系統(tǒng)中urb來實(shí)現(xiàn)USB的數(shù)據(jù)通信。通過擴(kuò)大urb的緩沖，提高速度，提高有效數(shù)據(jù)的傳輸速度。
2.2.2 USB視頻設(shè)備驅(qū)動(dòng)具體實(shí)現(xiàn)
視頻設(shè)備驅(qū)動(dòng)層處于上層應(yīng)用和USB子系統(tǒng)之間，不同的USB設(shè)備在軟件上的差異主要體現(xiàn)在該層。該層主要要完成兩個(gè)方面的工作：上層應(yīng)用所需接口函的調(diào)用、接口函數(shù)供USB子系統(tǒng)回調(diào)。在本視頻設(shè)備驅(qū)動(dòng)函數(shù)中，如open函數(shù)、read函數(shù)、close函數(shù)和ioctl函數(shù)，構(gòu)成了USB子系統(tǒng)主要的數(shù)據(jù)傳輸，而probe函數(shù)和isoc irq函數(shù)實(shí)現(xiàn)了子系統(tǒng)的回調(diào)。上層應(yīng)用和USB子系統(tǒng)的通過函數(shù)調(diào)用接口的關(guān)系如圖1所示。
圖1 接日函數(shù)的調(diào)用關(guān)系
圖2 接日函數(shù)關(guān)系圖
圖2是這幾個(gè)接口函數(shù)的關(guān)系圖，參數(shù)信息，如分辨率、幀速度、圖像格式等數(shù)據(jù)存在全局內(nèi)存空間1中。而圖像數(shù)據(jù)的相關(guān)內(nèi)存空間則保存在全局內(nèi)存空間2中。同時(shí)以環(huán)形緩沖區(qū)的方式保存圖像的存儲(chǔ)空間，環(huán)大小為兩幀圖片大小。
2.3 網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)的軟件設(shè)計(jì)
本文主要通過Linux的多線程機(jī)制和Socket機(jī)制實(shí)現(xiàn)了視頻服務(wù)器。視頻壓縮采用了H.263壓縮標(biāo)準(zhǔn)，壓縮以后的數(shù)據(jù)以AVI文件格式保存。視頻服務(wù)器主要向USB視頻驅(qū)動(dòng)發(fā)出讀取數(shù)據(jù)的請(qǐng)求，數(shù)據(jù)發(fā)被服務(wù)器送給需要數(shù)據(jù)的客戶端。主要體現(xiàn)出處理多個(gè)客戶端的同步和共享的問題，而采用Linux的多線程機(jī)制就可以解決這兒問題，在Linux的多線程機(jī)制中一個(gè)主線程、一個(gè)讀取視頻數(shù)據(jù)子線程、其他客戶端通信子線程構(gòu)成了視頻服務(wù)器主要組成部分。
2.3.1 主線程邏輯
首先通過主線程對(duì)攝像頭進(jìn)行初始化，同時(shí)讀取視頻數(shù)據(jù)子線程將被啟動(dòng)，進(jìn)一步打開服務(wù)器端Socket，等待客戶端的連接，客戶端發(fā)送請(qǐng)求并由服務(wù)端接收，這樣客戶端通信子線程就生成了，用于和客戶通通信的線程就生成了。
2.3.2 兩類子線程序通信邏輯
視頻服務(wù)器包括了兩類子線程：讀取視頻數(shù)據(jù)子線程、客戶端通信子線程。就像正常的程序的讀寫功能一樣，視頻服務(wù)器對(duì)數(shù)據(jù)的讀寫分別依靠讀取視頻數(shù)據(jù)子線程和客戶端通信子線程，兩類子線程的通信邏輯是讀寫功能的擴(kuò)展，讀取視頻數(shù)據(jù)子線程完成寫的功能，戶端通信子線程執(zhí)行讀的功能，這樣在視頻服務(wù)器中就完整的體現(xiàn)了讀寫的邏輯功能。
2.3.3 讀取視頻數(shù)據(jù)的子線程
讀取視頻數(shù)據(jù)的子線程的主要功能是從設(shè)備驅(qū)動(dòng)中用read方法讀取一幅圖片的數(shù)據(jù)，并把數(shù)據(jù)拷貝到環(huán)形共享緩沖區(qū)當(dāng)中。
2.3.4 客戶端通信的子線程序
首先把視頻數(shù)據(jù)看作是一幅幅圖片數(shù)據(jù)的重復(fù)，為了在客戶端能夠定位一幅圖片的結(jié)束和下一幅圖片的開始，在每幅圖片數(shù)據(jù)的開始前插入定長的picwe header結(jié)構(gòu)，其中的size字段告訴客戶端當(dāng)前圖片數(shù)據(jù)的長度。從設(shè)計(jì)的角度來看我們希望客戶端能夠隨時(shí)、方便的控制服務(wù)器端，控制攝像頭的方位、攝像頭的焦距、圖片的分辨率等因素，只要在客戶端到服務(wù)器端的方向上定義一個(gè)數(shù)據(jù)流，負(fù)責(zé)兩端的通信和數(shù)據(jù)的控制，而從數(shù)據(jù)流的結(jié)構(gòu)來看，我們可以認(rèn)為這個(gè)數(shù)據(jù)流是message結(jié)構(gòu)的重復(fù)。
2.4 視頻客戶端的實(shí)現(xiàn)
2.4.1 視頻客戶端功能需求
由于C/S架構(gòu)的一些特性，如C/S架構(gòu)管理模式更加規(guī)范和高效比較適合視屏監(jiān)控系統(tǒng)的應(yīng)用，所以本論文選擇了C/S架構(gòu)作為客戶端的實(shí)現(xiàn)方法。視頻的播放、視頻的壓縮存儲(chǔ)的功能就是在采取C/S架構(gòu)的客戶端下實(shí)現(xiàn)的。在windwos下有兩種類型的線程：窗口線程和工作線程。窗口線程有自己的消息隊(duì)列，而工作線程在系統(tǒng)看來就是調(diào)用執(zhí)行函數(shù)的過程，系統(tǒng)為線程提供接口、緩存等系統(tǒng)資源，線程在執(zhí)行函數(shù)的結(jié)束后就自動(dòng)釋放占用的系統(tǒng)資源。
2.4.2 圖像的顯示
本論文選擇VFW作為客戶端的視頻開發(fā)技術(shù)，VFW在微軟公司的不斷開發(fā)下，已經(jīng)成為一個(gè)很強(qiáng)大的軟件開發(fā)包，能為視頻監(jiān)控系統(tǒng)提供一整套的功能服務(wù)，其功能模塊主要包括AVICAP，MCIAVI，MSVIDEO，AVIFILE，ICM，ACM等6個(gè)模塊，在VFW的支持下，包括視頻圖像的捕捉、播放、壓縮和存儲(chǔ)等功能都可以逐一實(shí)現(xiàn)。客戶端利用AVICAP模塊執(zhí)行捕獲視頻的函數(shù)為AVI文件輸入輸出和視頻設(shè)備驅(qū)動(dòng)程序提供一個(gè)編程接口，AVICAP模塊獲取到屏幕上的視頻操作以后需要通過MSVIDEO模塊來處理，而MSVIDEO模塊主要調(diào)用的函數(shù)是DrawDib函數(shù)，而MSVIDEO模塊把通過網(wǎng)絡(luò)接收到的圖像數(shù)據(jù)以特定格式進(jìn)行顯示。MCIAVI包含對(duì)VFW的MCI命令的解釋器。AVI文件則通過AVIFILE支持標(biāo)準(zhǔn)多媒體I/O函數(shù)所提供的更高的命令來訪問。ICM管理用于視頻壓縮、解壓縮的編解碼器。ACM功能模塊用于波形音頻壓縮、解壓的編解碼器的管理。DrawDib可以把DIB畫在屏幕上，使用了BITMAPINFO數(shù)據(jù)結(jié)構(gòu)。
2.4.3 圖像的壓縮
圖像的壓縮采用H.263標(biāo)準(zhǔn)，H.263壓縮算法的核心函數(shù)包括了對(duì)幀內(nèi)壓縮的CodeOneIntra函數(shù)和對(duì)幀間壓縮的CodeOneOrTwo函數(shù)。CodeOneIntra函數(shù)實(shí)現(xiàn)了圖像像素宏塊的劃分。CodeOneOrTwo函數(shù)一首先定義了一個(gè)二維數(shù)組MV，其變量類型為MotionVecto：結(jié)構(gòu)體，用來保存每一宏塊的運(yùn)動(dòng)矢量。
參考文獻(xiàn)：
[1]劉富弧.數(shù)字視頻監(jiān)控系統(tǒng)開發(fā)與應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2003.
[2]康軍，戴冠中.基于Internet的工業(yè)以太網(wǎng)遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)[J].控制工程，2004.
[3]FERRAIOLO D F，SANDHU R S，GAVRILA S，et al.Proposed NIST standard for role-based access control[J].ACM Press，2001.
[4]Jerry D，Gibson，Toby Berger.多媒體數(shù)字壓縮原理與標(biāo)準(zhǔn)[M].北京：電子工業(yè)出版社，2000.
[5]ITU-T.H.263 Video coding for low bit rate communication[J/OL]，1996.
關(guān)鍵詞：主動(dòng)輪廓；GVF Snake；輪廓檢測(cè)
中國分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2007)15-30840-02
Image Contour Detecting Based on GVF Snake
ZANG Shun-quan,WANG Zhu-xia
（1.Department of applied mathematics and physics,Xi’an Institute of Post and Telecommunications , Xi’an710061,China;2.Department of Telecommunication Engineening, Xi’an Institute of Post and Telecommunications, Xi’an710061, China）
Abstract:Active contour model is an important research domain in computer vision, attracts the attention of more and more researchers.The classic snake cannot converge to concave edge andconverge speed is slowly.Then,the external energy is improved, GVF Snake is proposed.The experimental results show that it can fast and accurate converge to contour.
Key words:Active contour;GVF Snake;contour detecting
1 引言
邊緣是圖像最基本的特征，是區(qū)域性質(zhì)發(fā)生突變的地方，包含著豐富的特征信息.圖像輪廓提取對(duì)圖像理解、圖像分析、計(jì)算機(jī)視覺等具有非常重要的意義。主動(dòng)輪廓模型又稱為Snake 模型, 是Kass 等人于1987 年首次提出的，并且已經(jīng)應(yīng)用到圖像分割、運(yùn)動(dòng)目標(biāo)追蹤、模式識(shí)別等方面。Snake 模型的主要思想是通過定義一條初始能量函數(shù)曲線，將其初始化在待分割輪廓周圍，在能量函數(shù)的極小值等約束下，經(jīng)過不斷地演化曲線最終收斂到圖像輪廓。
傳統(tǒng)的Snake模型雖然尤其自身的優(yōu)點(diǎn)，也有如對(duì)初始的位置依賴較大，不能收斂到邊界凹陷處等局限性。基于這些缺點(diǎn)，本文研究了GVF Snake模型，該模型能更好的克服曲線不能收斂到邊界凹陷處的缺點(diǎn).
2 傳統(tǒng)Snake模型
設(shè)v(s)=[x(s),y(s)]，s∈[0,1]是定義在圖像區(qū)域的封閉曲線，并定義能量函數(shù)
3 改進(jìn)的Snake模型――GVF Snake模型
針對(duì)傳統(tǒng)Snake模型對(duì)初始的位置依賴較大,不能收斂到邊界凹陷處等局限性,可以用梯度矢量流場(Gradient Vector Flow, GVF)作為新的外力,得出梯度矢量流主動(dòng)輪廓模型(GVF Snake).
假設(shè)f(x,y)為圖像I(x,y)的輪廓，則f(x,y)的梯度場為?犖f(x,y)；把梯度場?犖f(x,y)向圖像邊緣擴(kuò)散，則形成擴(kuò)散梯度矢量流場Q(x,y)=(u(x,y),v(x,y))。設(shè)F(v)=Q(x,y),定義輪廓的能量泛函：
(2.1)
其中f(x,y)=-Eext(x,y)。
而Q(x,y)通過能量泛函E得極小化得到。
(2.1)中，μ為控制參數(shù)。當(dāng)梯度|?犖f|較小時(shí),即初始曲線離真實(shí)輪廓線較遠(yuǎn)時(shí)，(2.1)中第一項(xiàng)(平滑項(xiàng))起主導(dǎo)作用,此時(shí)指向邊緣; 當(dāng)梯度|?f|較大時(shí),即初始曲線在真實(shí)輪廓線附近, (2.1)中第二項(xiàng)(梯度項(xiàng))起主導(dǎo)作用,此時(shí)反映輪廓的邊緣信息。這說明Q(x,y)在非邊緣區(qū)是較平滑的，在邊緣處取得極大值，得到圖像輪廓。
可以看出，提取I(x,y)輪廓線的問題，轉(zhuǎn)化成從Q(x,y)=(u(x,y),v(x,y))獲得輪廓線。由于初始曲線在Q(x,y)的作用下，向真實(shí)邊緣逼近,得到圖像輪廓.由變分法知識(shí)可得(2.1)的Euler-Lagrange方程為：
利用有限差分方法，先進(jìn)行網(wǎng)格剖分,將x,y,t分別離散化為I,j,n,步長分別為x,y,t;再將u,v進(jìn)行離散化,可得GVF Snake型的離散格式：
4 實(shí)驗(yàn)結(jié)果與分析
測(cè)試圖像為64×64 pgm格式圖像文中算法用matlab7.0編程實(shí)現(xiàn)。
圖1 傳統(tǒng)snake模型實(shí)驗(yàn)結(jié)果
圖2 GVF Snake模型實(shí)驗(yàn)結(jié)果
圖3 GVF Snake模型對(duì)醫(yī)學(xué)圖像的實(shí)驗(yàn)結(jié)果
由圖1,圖2可以看出GVF Snake模型表現(xiàn)出了更快的收斂速度和更好的收斂結(jié)果.圖3為利用GVF Snake模型對(duì)一醫(yī)學(xué)圖像進(jìn)行輪廓檢測(cè)的結(jié)果,取得了較好的效果.
5 結(jié)束語
由于傳統(tǒng)snake具有對(duì)初始的位置依賴較大、不能收斂到凹形區(qū)域和收斂速度較慢的缺點(diǎn)，通過改進(jìn)外部能量，引入了梯度矢量流算子（Gradient Vector Flow,GVF）,得到了梯度矢量流主動(dòng)輪廓模型(GVF Snake)。實(shí)驗(yàn)表明，該方法能更快、更好的收斂于圖像輪廓，能有效的克服傳統(tǒng)snake不能收斂到凹形區(qū)域和收斂速度較慢的缺點(diǎn)。
參考文獻(xiàn)：
[1]Kass M, Witkin A, Terzopouls D. Snake:active contour models[J]. Proceeding of International Journal of Computer Vision, 1987, 1(4)：321-331.
[2]Cohen L D. Note: On active contour models and balloons[J]. CVGIP:Image Understanding, 1991,53(2):211-218.
[3]章毓晉.圖像工程(中冊(cè))[M].北京:清華大學(xué)出版社，2006.
[4]宋新，羅軍，王魯平,沈振康.基于GVF Snake的運(yùn)動(dòng)目標(biāo)跟蹤方法[J].紅外與激光工程,2007,36(2):226-228,256.
【關(guān)鍵詞】散焦測(cè)距 灰度梯度 深度信息
目前，隨著工業(yè)生產(chǎn)和科學(xué)技術(shù)的不斷發(fā)展，對(duì)圖像測(cè)量技術(shù)的要求越來越高。在對(duì)目標(biāo)物體的幾何尺寸測(cè)量時(shí)，需采用CCD相機(jī)作為圖像傳感器，綜合應(yīng)用數(shù)字圖像處理、精密儀器測(cè)量等技術(shù)來進(jìn)行非接觸的物體測(cè)量，具有高精度、高效率、高自動(dòng)化程度及造價(jià)低等優(yōu)點(diǎn)，這種圖像測(cè)量在機(jī)器人視覺、醫(yī)學(xué)、工業(yè)生產(chǎn)的加工和檢測(cè)及國防航天等領(lǐng)域具有重要的應(yīng)用價(jià)值和意義。因此，對(duì)采用圖像測(cè)量方法的分析和研究，需尋求一種簡單、快捷、計(jì)算量小的幾何尺寸測(cè)量算法已成為當(dāng)務(wù)之急。測(cè)量方法是對(duì)采用單目視覺中的散焦圖像測(cè)距算法來提取目標(biāo)物體的深度信息，再根據(jù)獲取的深度信息得到目標(biāo)物體不同截面的高精度幾何尺寸測(cè)量的研究，具有十分重要的意義和廣泛的實(shí)用價(jià)值。
1 算法的基本理論及流程圖
在Subbarao提出散焦測(cè)距算法的基礎(chǔ)上，需要獲取圖像，通過利用幾何光學(xué)原理及圖像的灰度約束方程，對(duì)目標(biāo)物體和相機(jī)空間上所形成的幾何光學(xué)投影的關(guān)系與灰度圖像結(jié)合來恢復(fù)物體的三維信息；然后，通過利用散焦圖像的成像模型，由物體上兩點(diǎn)在成像面上彌散斑半徑的大小關(guān)系確定實(shí)際成像面與聚焦圖像面的位置關(guān)系；最后，利用S變換，估算散焦點(diǎn)擴(kuò)散參數(shù)，求得被測(cè)物與光學(xué)鏡頭間距離的公式，從而得出目標(biāo)物體的深度信息。
我們要想從單幅圖像中得到物體表面上兩點(diǎn)間的相對(duì)深度，可設(shè)物體表面上的反射模型是Lambert漫反射模型，實(shí)現(xiàn)灰度梯度法的CCD成像的空間幾何關(guān)系圖。由于立體物體表面上有無數(shù)個(gè)點(diǎn)，它們到薄透鏡的距離是不同的，因此聚焦像面與成像面間距離也是不同的，故散焦點(diǎn)擴(kuò)散函數(shù)的值也不同。雖然點(diǎn)擴(kuò)散函數(shù)在聚焦像面上是逐點(diǎn)變化，不能將獲取的散焦圖像表示為聚焦圖像與散焦點(diǎn)擴(kuò)散函數(shù)的卷積，但對(duì)于散焦圖像來說，散焦像面上的一個(gè)點(diǎn)的小區(qū)域內(nèi)可以看作是所有點(diǎn)的散焦點(diǎn)擴(kuò)散函數(shù)的值近似相等，它們都等于這個(gè)點(diǎn)的小區(qū)域中心點(diǎn)相互對(duì)應(yīng)的點(diǎn)擴(kuò)散函數(shù)的值。
算法流程圖如下圖1所示。
2 測(cè)量的實(shí)驗(yàn)結(jié)果及誤差分析
通過提出新的散焦測(cè)距算法來對(duì)目標(biāo)物體的深度信息的獲取，即基于圖像灰度梯度法的散焦測(cè)距算法，在應(yīng)用實(shí)踐的過程中是否有效，還需要具體的實(shí)驗(yàn)驗(yàn)證，以證明該算法的可行性，并采用這種恢復(fù)物體深度信息的測(cè)量算法來實(shí)現(xiàn)并完成了對(duì)階梯塊的散焦圖像做不同截面的目標(biāo)幾何尺寸的測(cè)量。
2.1 實(shí)驗(yàn)結(jié)果
在實(shí)驗(yàn)中采用深圳志先電子公司供應(yīng)的型號(hào)為MTV-1881EX的CCD相機(jī)，光學(xué)鏡頭選用的型號(hào)為M2514-MP的鏡頭獲取圖像，焦距f為25mm。將測(cè)量物體放在相機(jī)鏡頭前，得到一幅聚焦圖像，移動(dòng)像檢測(cè)器和鏡頭的距離使相機(jī)鏡頭得到目標(biāo)物體的一幅散焦圖像，為了使測(cè)量得到的實(shí)驗(yàn)結(jié)果更精確，需要對(duì)圖像經(jīng)過降噪處理，然后根據(jù)本文提出的算法計(jì)算出目標(biāo)物體上兩點(diǎn)間到相機(jī)鏡頭的距離，從而求出物體的高度差，并且應(yīng)用于測(cè)量被測(cè)物高精度二維幾何尺寸測(cè)量中的有效性。
可以通過獲取不同截面間的深度信息來驗(yàn)證本文所提的散焦測(cè)距算法的可行性，圖2（a）為兩個(gè)長方形盒子組成一個(gè)階梯塊進(jìn)行實(shí)驗(yàn)，該階梯塊用千分尺測(cè)量的不同截面高度為10mm，第二個(gè)截面的寬度為160mm。用使用相機(jī)拍攝聚焦圖像，再通過移動(dòng)被測(cè)物物體獲取散焦圖像如圖2（b），對(duì)不同截面分別記截面1和截面2。
實(shí)驗(yàn)前要對(duì)相機(jī)鏡頭進(jìn)行多次的聚焦成像，再通過光學(xué)鏡頭的成像公式來求得相機(jī)的像距和物距等測(cè)量參數(shù)，得出圖2（a）中階梯塊對(duì)第一個(gè)截面聚焦時(shí)的物距值為413.6245mm。
利用本文提出的基于灰度梯度的散焦測(cè)距算法得到圖2（b）中光軸成像方向上物距，從而計(jì)算出該階梯塊的兩個(gè)不同截面成像軸方向上的高度差如下表1所示。
通過多次實(shí)驗(yàn)求得階梯塊的高度值，如表1可得出，將離相機(jī)近的截面寬度為100mm作為標(biāo)準(zhǔn)塊規(guī)，根據(jù)這一實(shí)驗(yàn)數(shù)。據(jù)對(duì)第一個(gè)截面的像素進(jìn)行物理尺寸的標(biāo)定，然后可獲得每一個(gè)像素的物理尺寸，由物體光軸方向上的不同截面在相機(jī)中成像原理得到，即
，式中各個(gè)參量的數(shù)值分別為：物距L=413.6245mm，第一個(gè)截面的寬度h2=100mm，h'1=455，h'2=293，可計(jì)算得到第二個(gè)截面的寬度為h2；再通過對(duì)第一個(gè)階梯面聚焦時(shí)，利用傳統(tǒng)的邊緣檢測(cè)提取第二個(gè)截面的邊緣信息，通過像素值m來求得對(duì)應(yīng)的截面幾何尺寸，利用公式h2=（x1-x2）m，式中x1，x2為邊緣點(diǎn)坐標(biāo)，通過對(duì)像素值的標(biāo)定，圖像的像素值m=533，由x1，x2得到第二個(gè)截面的寬度h2。如表2所示。
從表2中可明顯看出，利用本文提出的算法求得目標(biāo)物體的深度信息，再根據(jù)這一實(shí)驗(yàn)數(shù)據(jù)來計(jì)算不同截面的二維幾何尺寸，得到測(cè)量值的相對(duì)誤差比傳統(tǒng)的邊緣測(cè)量得到的相對(duì)誤差要小，說明了本文采用對(duì)不同截面的幾何尺寸測(cè)量方法的有效性，而且測(cè)量精度高。
2.2 誤差分析
在對(duì)目標(biāo)物體的測(cè)量時(shí)都會(huì)存在很多的誤差因素，從而影響了實(shí)驗(yàn)結(jié)果的精度，本課題利用CCD相機(jī)拍攝的目標(biāo)物體圖像進(jìn)行實(shí)驗(yàn)，因此本節(jié)主要分析在光學(xué)成像系統(tǒng)中存在的誤差和獲取圖像數(shù)據(jù)過程中的誤差。
2.2.1 光學(xué)成像系統(tǒng)的誤差
本課題由于是利用相機(jī)拍攝的圖像測(cè)量物體的深度信息，因此光學(xué)成像系統(tǒng)會(huì)對(duì)實(shí)驗(yàn)結(jié)果造成誤差這是不可避免的問題，而對(duì)于光成像系統(tǒng)產(chǎn)生誤差的因素包括了兩種，分別為光學(xué)鏡頭和CCD相機(jī)器件的成像誤差，而后者會(huì)產(chǎn)生的噪聲可以限制在相對(duì)小的范圍之內(nèi)，對(duì)實(shí)際的實(shí)驗(yàn)結(jié)果影響也會(huì)很小，因此可以對(duì)這種誤差暫時(shí)不做考慮。
2.2.2 獲取圖像過程的誤差
在獲取拍攝的圖像過程中，常常將這些圖像輸入到計(jì)算機(jī)中時(shí)，總是要對(duì)光信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào)，在這個(gè)轉(zhuǎn)換的過程中會(huì)伴隨很多外界環(huán)境帶來的噪聲。同時(shí)在利用散焦圖像的灰度梯度法來估計(jì)彌散斑半徑判定實(shí)際成像面與聚焦面的相對(duì)位置時(shí)，再作S變換時(shí)得到的點(diǎn)擴(kuò)散函數(shù)，這時(shí)在作微分運(yùn)算時(shí)在掃描的過程中會(huì)使測(cè)量誤差放大，因此外界的和測(cè)量誤差都會(huì)對(duì)實(shí)驗(yàn)結(jié)果數(shù)據(jù)產(chǎn)生影響。
3 小結(jié)
在散焦圖像的測(cè)量問題中，必須對(duì)測(cè)量圖像進(jìn)行預(yù)處理，本課題通過對(duì)比分析和研究，最終圖像的降噪處理采用了中值濾波的算法。實(shí)驗(yàn)根據(jù)獲取階梯塊不同截面在成像軸方向上的高度差，利用這一高度差對(duì)不同截面之間的二維尺寸進(jìn)行測(cè)量，實(shí)驗(yàn)結(jié)果表明獲取目標(biāo)物體的深度信息應(yīng)用于單幅圖像的物體不同截面之間的二維幾何尺寸測(cè)量不僅有效且精度高、計(jì)算量小，應(yīng)用范圍廣泛。最后，對(duì)實(shí)驗(yàn)結(jié)果的誤差作了進(jìn)一步的分析研究，從而總結(jié)出產(chǎn)生誤差的原因。
參考文獻(xiàn)
[1]江曉.圖像測(cè)量技術(shù)及其應(yīng)用研究[D].廈門：廈門大學(xué)（碩士學(xué)位論文），2008.
[2]張愛明.利用散焦信息的深度恢復(fù)算法研究[D].安徽：安徽大學(xué)（碩士學(xué)位論文），2010.
[3]何淑珍.基于灰度梯度的散焦圖像測(cè)距算法的研究[D].青島：中國海洋大學(xué)（碩士學(xué)位論文），2008.
[4]周萬志.高精度圖像測(cè)量技術(shù)研究[D].西安：西安電子科技大學(xué)（碩士學(xué)位論文），2009.
[5]陳志軍，王小章，李劍鋒.影像測(cè)量儀的光學(xué)成像誤差分析及計(jì)算[J].測(cè)繪科學(xué)，2009，34（04）：164-165.
作者簡介
馬艷娥（1985-），女，山西省大同市人。現(xiàn)為山西農(nóng)業(yè)大學(xué)信息學(xué)院機(jī)電工程系教師。研究方向?yàn)殡娮有畔⒐こ獭?/p>
【關(guān)鍵詞】視頻檢索；信息融合；視頻檢索；運(yùn)動(dòng)目標(biāo)；監(jiān)控視頻
一、引言
在計(jì)算機(jī)視覺領(lǐng)域中，視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)與分割是一個(gè)重要的研究課題，它是對(duì)視頻圖像做進(jìn)一步處理、分析和理解的基礎(chǔ)，在機(jī)器人導(dǎo)航、智能監(jiān)控系統(tǒng)、交通監(jiān)測(cè)、醫(yī)學(xué)圖像處理以及視頻圖像壓縮和編碼等領(lǐng)域有著廣泛的應(yīng)用。在許多監(jiān)控場所，場景中的背景往往比較復(fù)雜，具體到每個(gè)像素點(diǎn)，其運(yùn)動(dòng)或?yàn)槎嗄B(tài)或?yàn)閱文B(tài)。數(shù)據(jù)規(guī)模的龐大和增長的快速是學(xué)術(shù)界和商業(yè)應(yīng)用中關(guān)注的新熱點(diǎn)，信息時(shí)代，數(shù)據(jù)結(jié)構(gòu)日益繁雜，數(shù)據(jù)規(guī)模急劇膨脹。數(shù)據(jù)結(jié)構(gòu)的繁雜體現(xiàn)在數(shù)據(jù)模態(tài)種類、模態(tài)間融合形式的多樣化上，特別是有了用戶的參與，數(shù)據(jù)內(nèi)容更加豐富。
二、視頻檢索
視頻檢索就是在視頻數(shù)據(jù)庫中找到與查詢相關(guān)的視頻片段，由于視頻具有復(fù)雜的層次結(jié)構(gòu)并且其中存在著圖像聲音等其他多媒體信息，所以視頻檢索較其他類的多媒體檢索來說更加復(fù)雜。目前國內(nèi)基于視頻媒體信息檢索的研究還處于初級(jí)階段，從各類文獻(xiàn)檢索較少找到相關(guān)的比較成熟的項(xiàng)目和論文，個(gè)別研究者只涉及了基于內(nèi)容的視頻媒體檢索技術(shù)的一個(gè)或幾個(gè)分支。
三、基于一種快速運(yùn)動(dòng)目標(biāo)視頻檢索
這種動(dòng)態(tài)的背景模型可以很好的適應(yīng)光線的變化，緩慢移動(dòng)的目標(biāo)等，它最大的特點(diǎn)是可以處理由于背景的來回運(yùn)動(dòng)而灰度分布呈現(xiàn)多峰的情況。然而這種算法需要對(duì)每一個(gè)點(diǎn)都用一個(gè)模型來描述，在不降低檢測(cè)結(jié)果的前提下提高實(shí)時(shí)性。具體做法是融入空間相關(guān)性和融入時(shí)間相關(guān)性。在視頻圖像背景區(qū)域固定不動(dòng)時(shí)，常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有光流法、相鄰分差法和背景差分法。
四、基于關(guān)系代數(shù)的多模態(tài)信息融合視頻檢索
文本檢索模塊主要針對(duì)視頻中包含的文本信息進(jìn)行查詢，它將自動(dòng)語音識(shí)別得到的腳本信息，字符識(shí)別得到的畫面文字信息和從視頻解碼中得到的字幕信息進(jìn)行綜合整理，并對(duì)應(yīng)到相應(yīng)的鏡頭，然后利用布爾查詢方法針對(duì)查詢處理得到的關(guān)鍵詞在已建立的視頻文本特征索引結(jié)構(gòu)上進(jìn)行查詢。該模塊利用W = TF ×IDF計(jì)算查詢?cè)~在查詢結(jié)果中的權(quán)重，并利用其計(jì)算每一個(gè)查詢得到的鏡頭的置信度，按照置信度的值對(duì)結(jié)果進(jìn)行排序，其中TF和IDF分別代表單詞頻率以及逆文檔頻率。
五、基于直方圖熵差的鏡頭檢測(cè)方法
直方圖熵差作為鏡頭檢測(cè)度的鏡頭檢測(cè)方法，使用連續(xù)幀間熵差檢測(cè)突變，使用隔幀熵差擴(kuò)大漸變效果，使用滑動(dòng)窗口法計(jì)算出適應(yīng)閾值可同時(shí)進(jìn)行突變和漸變鏡頭的檢測(cè)，使用最大熵確定分段全局最佳閾值消除滑動(dòng)窗口法局部極大值造成的誤撿。鏡頭邊界檢測(cè)的基本思想是通過比較視頻序列的幀間差異來尋找鏡頭邊界變化的規(guī)律。基于直方圖方法不使用像素位置信息，只是考慮像素亮度和顏色的統(tǒng)計(jì)值，這樣就降低對(duì)噪聲和運(yùn)動(dòng)的敏感性，是目前最常用的鏡頭檢測(cè)方法。
六、視頻多特征的綜合檢索方法
基于內(nèi)容視頻檢索還要解決多種檢索手段相結(jié)合的問題，以提高檢索的效率。對(duì)于單一特征檢索手段，由于其約束信息不足，在返回目標(biāo)視頻的同時(shí)往往會(huì)返回大量其他也滿足此檢索要求的視頻。采用多個(gè)檢索手段相結(jié)合的方法無疑可提供更多的約束而使得返回視頻中目標(biāo)視頻的比率得到提高，但檢索手段間的融合是所要解決的問題。
七、結(jié)束語
基于運(yùn)動(dòng)目標(biāo)的監(jiān)控視頻檢索是一種基于對(duì)象的視頻檢索方法，通過對(duì)監(jiān)控視頻的分析獲得運(yùn)動(dòng)目標(biāo)，以運(yùn)動(dòng)目標(biāo)為對(duì)象提取特征，在一定程度上提高了檢索準(zhǔn)確率。該方法具有一定的實(shí)用性，為警方在監(jiān)控視頻中查找嫌疑車輛或嫌疑人員提供幫助。基于內(nèi)容的視頻檢索是當(dāng)前信息檢索的研究熱點(diǎn)，它以圖象處理、模式識(shí)別、計(jì)算機(jī)視覺、圖象理解等領(lǐng)域的知識(shí)為基礎(chǔ)，從認(rèn)知科學(xué)、人工智能、數(shù)據(jù)庫管理系統(tǒng)及人機(jī)交互、信息檢索等領(lǐng)域，引入新的媒體數(shù)據(jù)表示和數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)的有效檢索。
2013年全國大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃立項(xiàng)項(xiàng)目（2013XKCX209）。
參考文獻(xiàn)：
[1]張靜，俞輝.一種多模態(tài)信息融合的視頻檢索模型[J].計(jì)算機(jī)應(yīng)用，2008，1.
[2]張麗花.基于內(nèi)容的視頻媒體信息檢索方法及框架研究[J].碩士不也論文，2009，4.
申請(qǐng)級(jí)別：副研究員
計(jì)算機(jī)工程與科學(xué)學(xué)院
XX年7月7日
教育與工作經(jīng)歷
教育
1994.9-1998.7 上海大學(xué)機(jī)械自動(dòng)化系 本科
1998.9-XX.3 上海大學(xué)機(jī)械自動(dòng)化系 碩士
XX.3-XX.9 上海交通大學(xué)圖像處理與模式 識(shí)別研究所 博士
工作
XX.9-今 上海大學(xué)計(jì)算機(jī)學(xué)院 講師
學(xué)術(shù)活動(dòng)
兼職
中國計(jì)算機(jī)學(xué)會(huì)yocsef上海分壇學(xué)術(shù)秘書委員(XX.5~今)
ieee會(huì)員，ieee計(jì)算機(jī)分會(huì)會(huì)員(XX.1~今)
上海市計(jì)算機(jī)學(xué)會(huì)會(huì)員(XX.1～今)
主持中國機(jī)器學(xué)習(xí)郵件列表(XX.1~今)
活動(dòng)
機(jī)器學(xué)習(xí)及其挑戰(zhàn)研討會(huì)，上海，參與，XX.11
第十屆中國機(jī)器學(xué)習(xí)會(huì)議，上海，口頭報(bào)告，XX.10
環(huán)太平洋人工智能大會(huì)，aucland，口頭報(bào)告，XX.8
國際神經(jīng)網(wǎng)絡(luò)大會(huì)，大連，展板，XX.8
神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研討會(huì)，北京，大會(huì)報(bào)告，XX.3
科研經(jīng)歷
參與國家自然科學(xué)基金四項(xiàng)
基于數(shù)據(jù)挖掘和綜合模型的腦磁共振圖像分析和診斷(30170274)已結(jié)題
面向鋼鐵生產(chǎn)的數(shù)據(jù)挖掘和數(shù)據(jù)融合信息處理平臺(tái)及應(yīng)用(50174038)已結(jié)題
納米氧化鋁材料設(shè)計(jì)的支持向量機(jī)方法 (20373040)進(jìn)展順利
分布式概念格數(shù)學(xué)模型及算法研究 (60275022)進(jìn)展順利
參與上海市高校網(wǎng)格技術(shù)e研究院一期項(xiàng)目
數(shù)據(jù)挖掘在生物醫(yī)學(xué)網(wǎng)格中的應(yīng)用 (XX.7-XX.6)
主持軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(南京大學(xué))開放課題一項(xiàng)
機(jī)器學(xué)習(xí)中冗余特征問題的研究(XX.5-XX.6)
已申請(qǐng)國家自然科學(xué)基金
合作者：化學(xué)系 陸文聰教授
已申請(qǐng)上海市教委科技發(fā)展基金
正在申請(qǐng)上海市高校網(wǎng)格技術(shù)e研究院二期項(xiàng)目
研究方向
特征選擇
結(jié)合學(xué)習(xí)器的研究
支持向量機(jī)
集成學(xué)習(xí)
多任務(wù)學(xué)習(xí)
偏最小二乘法
化學(xué)計(jì)量學(xué)
多元校正
藥物構(gòu)效關(guān)系
jcics，nsfc
學(xué)術(shù)成果
論文20余篇(第一作者9篇以上)
sci 收錄5篇，其中第一作者4篇
ei收錄10篇，其中第一作者3篇
其它核心雜志，第一作者5篇
sci收錄源雜志錄用2篇，正在出版
譯著一本(第一作者)
支持向量機(jī)導(dǎo)論，電子工業(yè)出版社出版，XX.3
專著一本(算法部分，五萬字以上)
support vector machine in chemistry，singapore, world scientific publishing company，XX.9
第一作者論文
************************************
學(xué)院工作
人工智能、軟件工程等專業(yè)課
學(xué)術(shù)報(bào)告(二次)
計(jì)算機(jī)學(xué)院一次
化學(xué)系一次
本科生班主任(03級(jí)10班)，優(yōu)秀生導(dǎo)師(5)
****************
其它條件
全國大學(xué)英語等級(jí)考試cet-6
合格，1997.6
上海市職稱計(jì)算機(jī)能力考試
合格，XX.4
匯總
【摘要】 數(shù)字化虛擬人體結(jié)合了醫(yī)學(xué)和計(jì)算機(jī)科學(xué)的最新成果，運(yùn)用信息技術(shù)建立數(shù)字化的人體各個(gè)層次的計(jì)算機(jī)模型，實(shí)現(xiàn)了人體的數(shù)字化描述，為醫(yī)學(xué)研究、教學(xué)與臨床提供了形象而真實(shí)的模型，可提高醫(yī)學(xué)教學(xué)和科研水平，指導(dǎo)臨床診斷和治療。數(shù)字化虛擬人體的研究將通過對(duì)基因、蛋白質(zhì)、組織和器官形態(tài)及功能的數(shù)字化描述，最終達(dá)到對(duì)人體信息的整體精確模擬。數(shù)字化虛擬人體研究是一項(xiàng)巨大的系統(tǒng)工程，集成了最新的科技成就，它的研究在醫(yī)學(xué)與計(jì)算機(jī)的結(jié)合上、在涉及人體模擬的許多方面開辟了新的研究領(lǐng)域，將促進(jìn)一系列相關(guān)學(xué)科研究的深入，具有廣泛的應(yīng)用前景。
【關(guān)鍵詞】 數(shù)字化虛擬人體；醫(yī)學(xué)應(yīng)用；計(jì)算機(jī)模型；力反饋
人體是由100多萬億個(gè)細(xì)胞組成的復(fù)雜整體。目前人類對(duì)自身的認(rèn)識(shí)和了解還遠(yuǎn)遠(yuǎn)不夠，對(duì)疾病病因、診斷、治療方法的研究及人體與環(huán)境相互關(guān)系的研究由于缺少精確量化的計(jì)算模型而受到限制。應(yīng)運(yùn)而生的數(shù)字虛擬人體是利用來源于真人的人體數(shù)據(jù)集，通過計(jì)算機(jī)模擬而構(gòu)造出來的一個(gè)與人類數(shù)據(jù)完全相同的虛擬人，它使計(jì)算機(jī)的定量分析計(jì)算和精確模擬成為可能，從而為研究人體在各種環(huán)境下的生理病理反應(yīng)提供一個(gè)新的平臺(tái)。在現(xiàn)有基礎(chǔ)上，我們對(duì)數(shù)字虛擬人體的解剖及功能方面的完善及延伸進(jìn)行了思索及探討。
1 數(shù)字虛擬人體在醫(yī)學(xué)領(lǐng)域的應(yīng)用前景
1.1 提高醫(yī)學(xué)教學(xué)和科研水平
數(shù)字化虛擬人體結(jié)合了醫(yī)學(xué)和計(jì)算機(jī)科學(xué)的最新成果，運(yùn)用信息技術(shù)建立數(shù)字化的人體各個(gè)層次的計(jì)算機(jī)模型，為醫(yī)學(xué)研究與教學(xué)提供形象而真實(shí)的模型［1~3］。如在外科教學(xué)上，以往培訓(xùn)一位合格的外科醫(yī)生，要在上級(jí)醫(yī)生帶領(lǐng)下，長期在病人身上積累開刀的經(jīng)驗(yàn)。這種“練手藝”的過程，通過數(shù)字化虛擬人體的程序設(shè)定，可在電腦上反復(fù)進(jìn)行演練。又如在醫(yī)學(xué)科學(xué)技術(shù)或新藥研制方面，以往必須先通過動(dòng)物實(shí)驗(yàn)、小樣本臨床驗(yàn)證才能用于臨床實(shí)踐，數(shù)字化虛擬人體的研究為這一過程提供模型以進(jìn)行預(yù)演，從而降低醫(yī)療風(fēng)險(xiǎn)，提高科研質(zhì)量，加速醫(yī)學(xué)教育和醫(yī)學(xué)研究的現(xiàn)代化。
1.2 提供臨床影像診斷的依據(jù)
臨床斷層影像診斷的形態(tài)學(xué)基礎(chǔ)是正常人體斷面解剖學(xué)。已有的斷面解剖學(xué)所提供的圖像和數(shù)據(jù)資料，采用的斷面標(biāo)本最薄也有5 mm以上，無法完全滿足當(dāng)前臨床影像診斷的需要。數(shù)字化虛擬人體數(shù)據(jù)集采集的連續(xù)斷面的圖像，其斷層間距離的精確度可達(dá)0.2 mm，甚至0.1 mm，從而為臨床斷層影像診斷提供與之匹配的斷面圖像和數(shù)據(jù)。
1.3 指導(dǎo)臨床治療
傳統(tǒng)的醫(yī)學(xué)診斷治療主要是靠醫(yī)生的經(jīng)驗(yàn)積累對(duì)病人進(jìn)行直接治療，一旦誤診誤治，錯(cuò)誤將無法挽回。數(shù)字人體的出現(xiàn)將能夠解決這個(gè)問題。由于其所有信息來源于真人，因而可以在數(shù)字人體上進(jìn)行在真人身上無法進(jìn)行的診斷和治療。用藥之前先將藥物信息賦予數(shù)字人體，來預(yù)測(cè)人體對(duì)治療的反應(yīng)，以便更好地對(duì)癥下藥。手術(shù)之前，先在數(shù)字人體身上進(jìn)行模擬，以制定詳細(xì)的手術(shù)計(jì)劃。目前雖然還不足以達(dá)到這一步，但是隨著虛擬現(xiàn)實(shí)、模擬技術(shù)、虛擬內(nèi)窺鏡等技術(shù)的發(fā)展，數(shù)字人體已經(jīng)開始廣泛應(yīng)用于臨床各科。
1.4 為中醫(yī)藥學(xué)與針灸經(jīng)絡(luò)研究開拓新領(lǐng)域
祖國醫(yī)學(xué)的理論體系的兩大特點(diǎn)是整體觀和辨證論治，數(shù)字化虛擬人體將從宏觀和微觀方面多指標(biāo)、全方位地為科學(xué)闡述這一理論奠定基礎(chǔ)。針灸經(jīng)絡(luò)學(xué)說是幾千年來國人對(duì)人體結(jié)構(gòu)研究的智慧結(jié)晶，融入針灸穴位數(shù)據(jù)的數(shù)字化虛擬人體，可從多層次、任意角度觀察穴位的解剖結(jié)構(gòu)、毗鄰結(jié)構(gòu)和針刺要點(diǎn)，為探討針灸經(jīng)絡(luò)實(shí)質(zhì)提供數(shù)字化平臺(tái)，從而為中醫(yī)藥學(xué)與針灸經(jīng)絡(luò)的深入研究開拓新領(lǐng)域［4~8］。
2 數(shù)字化、可視化虛擬人體的研究
“數(shù)字化、可視化虛擬人體”是指通過先進(jìn)的信息技術(shù)和生物技術(shù)相結(jié)合的方式，把人體形態(tài)學(xué)、物理學(xué)和生物學(xué)等信息與高級(jí)計(jì)算法整合成一個(gè)研究環(huán)境、研究人體對(duì)各種刺激的反應(yīng)、實(shí)現(xiàn)人體的數(shù)字化描述，為醫(yī)學(xué)及多學(xué)科的研究和應(yīng)用提供一個(gè)基礎(chǔ)技術(shù)的研究平臺(tái)。
數(shù)字化虛擬人體的研究目標(biāo)是通過將人體的結(jié)構(gòu)和機(jī)能數(shù)字化、可視化，進(jìn)而完整地描述基因、蛋白質(zhì)、細(xì)胞、組織以及器官的形態(tài)與功能，最終達(dá)到人體信息的整體精確模擬［9~11］。其可經(jīng)歷“虛擬可視人”、“虛擬物理人”、“虛擬生理人”和“虛擬智能人”4個(gè)發(fā)展階段。“虛擬可視人”是從幾何學(xué)角度定量描繪人體的解剖結(jié)構(gòu)，屬于“解剖人”；如果考慮人體組織的力學(xué)特性和形變等物理特性，就是第二代的“虛擬物理人”；包括生理特性的數(shù)字化人體被列為第三代的“虛擬生理人”；研究人體微觀結(jié)構(gòu)及生化特性的則屬于更高級(jí)的“虛擬智能人”［12］。
數(shù)字化虛擬人體研究是一項(xiàng)巨大的系統(tǒng)工程，集成了最新的科技成就，代表了當(dāng)代最高的科技發(fā)展水平。它的研究在醫(yī)學(xué)與計(jì)算機(jī)的結(jié)合上、在涉及人體模擬的許多方面開辟了新的研究領(lǐng)域，將促進(jìn)一系列相關(guān)學(xué)科研究的深入。
2.1 國際相關(guān)研究
數(shù)字化虛擬人體研究的起源要追溯到美國國立醫(yī)學(xué)圖書館（NLM）發(fā)起的可視人體計(jì)劃。1989年美國國立醫(yī)學(xué)圖書館開始醞釀建立一個(gè)醫(yī)學(xué)圖像庫，以提供生物醫(yī)學(xué)文獻(xiàn)的圖像檢索系統(tǒng)，這需采集人體橫斷面、CT、MRI和組織學(xué)數(shù)據(jù)集，目的是為利用計(jì)算機(jī)圖像重構(gòu)技術(shù)建造虛擬人體做準(zhǔn)備，此項(xiàng)目名稱為“Visible Human Project（VHP）”，即“可視化人體計(jì)劃”。VHP的人體斷面數(shù)據(jù)獲取工作由科羅拉多大學(xué)健康科學(xué)中心承擔(dān)實(shí)施，第一套男性、女性VHP數(shù)據(jù)集分別于1994年、1995年完成并向世界公布。美國“VHP計(jì)劃”的實(shí)施在全世界引起了巨大反響，不少研究機(jī)構(gòu)或大學(xué)利用VHP數(shù)據(jù)集開發(fā)新的計(jì)算機(jī)人體模擬系統(tǒng)和實(shí)用產(chǎn)品，如華盛頓大學(xué)開發(fā)的數(shù)字化解剖學(xué)系統(tǒng)、漢堡大學(xué)開發(fā)的Voxel-Man系統(tǒng)、斯坦福大學(xué)開發(fā)的虛擬內(nèi)窺鏡系統(tǒng)等。
VHP數(shù)據(jù)集的出現(xiàn)改變了醫(yī)學(xué)可視化的模式，為計(jì)算機(jī)圖像處理和虛擬現(xiàn)實(shí)技術(shù)進(jìn)入醫(yī)學(xué)領(lǐng)域敞開了大門，使三維重構(gòu)圖像處理技術(shù)以空前的速度得以普及，VHP項(xiàng)目是信息技術(shù)和醫(yī)學(xué)結(jié)合的重大創(chuàng)新工程［13~16］。其他國家也相應(yīng)展開了本國的VHP計(jì)劃，如日本、韓國等，但也都存在一定的問題，如美國可視人計(jì)劃獲得的數(shù)據(jù)由于受到當(dāng)時(shí)技術(shù)水平的限制，無法提供重要的血管和神經(jīng)內(nèi)容。虛擬人體的神經(jīng)顯示目前仍屬世界性難題，我國國內(nèi)學(xué)者在該研究方面有初步嘗試。
2.2 中國數(shù)字化虛擬人體研究動(dòng)態(tài)
2001年在北京香山召開了主題為“中國數(shù)字化虛擬人體科技問題”的第174次香山科學(xué)會(huì)議，香山會(huì)議啟動(dòng)了中國數(shù)字化虛擬人體的研究［17］。會(huì)議后，我國的解剖學(xué)專家們加強(qiáng)協(xié)作，目前提供了虛擬中國人體（Virtual Chinese Human， VCH）數(shù)據(jù)集、中國數(shù)字化可視人體（Chinese Digitized Visible Human，CDVH）數(shù)據(jù)集和中國穴位三維人體（Chinese Acupoint Visible Human，CAVH）數(shù)據(jù)集參與國際科研大協(xié)作。
由于可視人體研究在與人體形態(tài)結(jié)構(gòu)有關(guān)的眾多研究領(lǐng)域具有重要的理論意義及廣闊的應(yīng)用前景，國內(nèi)不少學(xué)者一直關(guān)注著這一研究領(lǐng)域的進(jìn)展，并利用美國的VHP數(shù)據(jù)集進(jìn)行了卓有成效的研究。如清華大學(xué)利用VHP數(shù)據(jù)集，在基于虛擬人體的計(jì)算機(jī)醫(yī)學(xué)研究方面，對(duì)人體多個(gè)器官的結(jié)構(gòu)與功能進(jìn)行了可視化顯示；中國科學(xué)院自動(dòng)化研究所構(gòu)建了開放的虛擬人體試驗(yàn)平臺(tái)，對(duì)于數(shù)據(jù)壓縮、圖像分割、配準(zhǔn)與融合、三維重建與繪制等算法進(jìn)行了研究［18］。
中國數(shù)字化虛擬人體研究工作的特點(diǎn)是起步晚、進(jìn)展快，把切入點(diǎn)放在解決國際上尚未解決的科學(xué)疑難問題上，創(chuàng)新尸體標(biāo)本整體立式包埋和磨削的科學(xué)方法，進(jìn)行血管灌注新配方的研究，取得血管標(biāo)識(shí)的成功應(yīng)用。中國數(shù)字化虛擬人體研究工作在取得斷層解剖數(shù)據(jù)、獲取關(guān)鍵技術(shù)成果之后，又進(jìn)入到后期圖形圖像處理（包括圖像配準(zhǔn)、分割、3D重建、瀏覽及網(wǎng)絡(luò)）、科學(xué)數(shù)據(jù)共享、神經(jīng)與微小器官信息獲取以及在醫(yī)學(xué)和相關(guān)領(lǐng)域的應(yīng)用等相應(yīng)的研究［19］。
3 有關(guān)問題的思索及探討
3.1 數(shù)字虛擬人體的血管、神經(jīng)解剖結(jié)構(gòu)的建模
血管和神經(jīng)系統(tǒng)是正常人體解剖結(jié)構(gòu)的重要組成部分，但血管與神經(jīng)系統(tǒng)的模擬仍是目前面臨的最大挑戰(zhàn)。由于原始數(shù)據(jù)采集先天缺失，我們不得不承認(rèn)開發(fā)的軟件在血管和神經(jīng)顯示上不盡如意。血管和神經(jīng)由于具有管狀結(jié)構(gòu)細(xì)而長的特征，包含的切片層次較多，涵蓋的顏色層次也很豐富并具有漸變性，且神經(jīng)組織與周圍脂肪組織的顏色對(duì)比度較小，故利用分割肌肉、骨骼的RGB色度空間的雙色度橢球的多步分割方法［20］所得的邊界較為模糊，顯示效果不甚理想。因此采用圖形建模的方法，利用管狀圖形編輯器構(gòu)建重要的血管和神經(jīng)模型［21］。其步驟為：① 把血管、神經(jīng)在每個(gè)解剖斷面切片上的形狀標(biāo)注出來；② 根據(jù)標(biāo)注組成不同直徑的球體標(biāo)記；③ 通過專用程序?qū)?biāo)記自動(dòng)連接形成管狀結(jié)構(gòu)；④ 將通過面成像方法的多面形表面模型轉(zhuǎn)化為基于體素的體數(shù)據(jù)模型。在德國漢堡大學(xué)開發(fā)的VOXEL-MAN開發(fā)平臺(tái)上運(yùn)用此方法較好地顯示了血管及神經(jīng)結(jié)構(gòu)。第一軍醫(yī)大學(xué)80歲的鐘世鎮(zhèn)院士花了幾十年的時(shí)間掌握了人體血管鑄型技術(shù)，能將血管標(biāo)本分離出來，做出三維立體的管道模型，若這項(xiàng)技術(shù)與計(jì)算機(jī)技術(shù)相結(jié)合，可能也會(huì)彌補(bǔ)血管顯示不充分的缺陷。
3.2 力反饋構(gòu)想
目前大部分的虛擬人研究仍集中在第一代虛擬人即“虛擬可視人”階段。“虛擬可視人”是從幾何角度定量描繪人體的解剖結(jié)構(gòu)，把實(shí)體變成切片數(shù)據(jù)，然后在計(jì)算機(jī)中重建成三維人體，沒有生理變化，是人體斷層解剖學(xué)意義上的數(shù)字化的解剖人。如果在此基礎(chǔ)上我們能將其更進(jìn)一步，即在“虛擬可視人”的基礎(chǔ)上加入人體組織的力學(xué)特性和形變等物理特性，在質(zhì)感、質(zhì)地、軟硬度及溫度等方面達(dá)到和人體一樣的指標(biāo)，如皮膚有彈性、肌肉可以收縮、骨骼遭到打擊時(shí)會(huì)斷裂、血管受到損傷后會(huì)出血等，那么將進(jìn)一步擴(kuò)大數(shù)字虛擬人的應(yīng)用范圍。如與相應(yīng)的具有精確力反饋的觸摸裝置相連接，操作者就可以手持虛擬針灸針在虛擬人體上針刺，從而獲得如同真實(shí)環(huán)境下針刺穴位的感覺。
數(shù)字化虛擬人體研究是一項(xiàng)巨大的系統(tǒng)工程，在其現(xiàn)有的基礎(chǔ)上加入血管、神經(jīng)信息以完善虛擬人的解剖結(jié)構(gòu)，同時(shí)開發(fā)虛擬人的力反饋研究領(lǐng)域以擴(kuò)大其應(yīng)用范圍，將會(huì)為進(jìn)一步的醫(yī)學(xué)研究開辟更新的領(lǐng)域及促進(jìn)一系列相關(guān)醫(yī)學(xué)研究的深入，具有廣泛的應(yīng)用前景。
【參考文獻(xiàn)】
［1］周果宏. 醫(yī)學(xué)虛擬現(xiàn)實(shí)及相關(guān)技術(shù)［J］. 世界醫(yī)療器械，2003，9（5）：34-37，41.
［2］徐升，唐慶玉. 虛擬現(xiàn)實(shí)技術(shù)在醫(yī)學(xué)中的應(yīng)用［J］. 國外醫(yī)學(xué)·生物醫(yī)學(xué)工程分冊(cè)，2001，24（2）：49-53.
［3］Akay M. The ART revolution［J］. IEEE Engineering in Medicine and Biology，1996，15（2）:31-33.
［4］鐘世鎮(zhèn). 數(shù)字化虛擬人體的科學(xué)意義及應(yīng)用前景［J］. 第一軍醫(yī)大學(xué)學(xué)報(bào)，2003，23（3）：193-195.
［5］鐘世鎮(zhèn)，原林，黃文華，等. 數(shù)字化虛擬人體為臨床解剖學(xué)開拓研究新領(lǐng)域［J］. 中國臨床解剖學(xué)雜志，2002，20（1）:3-4.
［6］李愷，張紹祥，劉正津，等. 腦干、三叉神經(jīng)、大腦動(dòng)脈環(huán)的可視化 研究［J］. 第三軍醫(yī)大學(xué)學(xué)報(bào)，2003，25（7）：595-598.
［7］邱明國，張紹祥，劉正津，等. 耳三維重建及虛擬內(nèi)窺鏡［J］. 第三軍醫(yī)大學(xué)學(xué)報(bào)，2003，25（7）：572-574.
［8］林鴻國，楊時(shí)鴻. 虛擬人對(duì)中醫(yī)藥學(xué)發(fā)展的影響［J］. 中醫(yī)藥學(xué)刊，2003，21（6）：953-954.
［9］李華. 數(shù)字化虛擬人［J］. 科學(xué)，2003，54（5）:20-23.
［10］鐘世鎮(zhèn). 數(shù)字化虛擬人體研究現(xiàn)狀和展望［J］. 解放軍醫(yī)學(xué)雜志，2003，28（5）:385-388.
［11］秦篤烈. 可視人體、虛擬人體及數(shù)字人體研究的國內(nèi)外進(jìn)展及應(yīng)用［G］// 香山會(huì)議論文（174次）. 北京：中科院基礎(chǔ)局香山會(huì)議辦公室，2001：20-26.
［12］鐘世鎮(zhèn). 數(shù)字化虛擬人的研究和前景［M］// 科學(xué)前沿與未來.北京:中國環(huán)境科學(xué)出版社，2002:171.
［13］Ackerman M J. The Visible Human Project［J］. Proceedings of theIEEE，1998，86（3）：504-510.
［14］Spitzer V M，Whitlock D G. The Visible Human Dataset:the anat-omical platform for human simulation［J］. Anat Rec，1998，253（2）:49-57.
［15］Ackerman M J，Yoo T，Jenkins D. From data to know ledge-theVisible Human Project continues［J］. Medinfo，2001，10（pt2）：887-890.
［16］Ackerman M J. The Visible Human Project:a resource for educat- ion［J］. Acad Med，1999，74（6）:667.
［17］鐘世鎮(zhèn)，李華，林宗楷，等. 數(shù)字化虛擬人背景和意義［J］. 中國基礎(chǔ)科學(xué)，2002（6）：12-16.
［18］鐘世鎮(zhèn)，李華，羅述謙，等. 中國數(shù)字化虛擬人研究［G］// 香山會(huì)議 論文（174次）. 北京：中科院基礎(chǔ)局香山會(huì)議辦公室，2001：4－12.
［19］林鴻國，楊時(shí)鴻. 虛擬人對(duì)中醫(yī)藥學(xué)發(fā)展的影響［J］. 中醫(yī)藥學(xué) 刊，2003，21（6）：953-954.
［20］鄭雷. 結(jié)合中醫(yī)針灸的三維醫(yī)學(xué)影像學(xué)研究［D］. 上海：上海交通大學(xué)，2004：18-27.
新技術(shù)改善乳腺癌診斷精準(zhǔn)度
日前，一個(gè)巴西研究團(tuán)隊(duì)開發(fā)了一項(xiàng)可以對(duì)乳腺癌進(jìn)行早期診斷的新技術(shù)，應(yīng)用紅外線熱感照相機(jī)直接成像，可以使患者免于造影或活檢所帶來的不適與不便。據(jù)悉，這一熱感成像技術(shù)對(duì)乳腺腫瘤診斷具有非常高的靈敏度和特異性，準(zhǔn)確率約為90%。該技術(shù)的一個(gè)重要優(yōu)勢(shì)在于檢查的無痛性，因?yàn)榛颊邿o需與器械接觸所以完全無創(chuàng)。研究團(tuán)隊(duì)開發(fā)的新型軟件可以將熱感圖像輸入計(jì)算機(jī)數(shù)據(jù)庫，以用于自動(dòng)獲取有助于診斷的感興趣區(qū)域圖像。這一工具還將存儲(chǔ)、特征提取與識(shí)別功能相聯(lián)合，可以通過相似性分析和數(shù)字模擬方法來分析深部和表面溫度的關(guān)系，進(jìn)而在獲取圖像的過程中檢測(cè)病灶的存在。
計(jì)算醫(yī)學(xué)改善疾病診療
計(jì)算醫(yī)學(xué)正在飛速發(fā)展，使用計(jì)算機(jī)模型和先進(jìn)的軟件來探索疾病的發(fā)展及治療機(jī)制，已經(jīng)開始為眾多醫(yī)生所應(yīng)用，以對(duì)抗心臟疾病、癌癥和其他疾病。通過數(shù)字工具，研究人員已經(jīng)開始使用實(shí)驗(yàn)和臨床數(shù)據(jù)建立模型，以解決復(fù)雜的醫(yī)學(xué)謎團(tuán)。日前，約翰霍普金斯大學(xué)計(jì)算醫(yī)學(xué)研究所的四位教授發(fā)表了題為《計(jì)算醫(yī)學(xué)：從模型到臨床過渡》的論文，關(guān)注了這一領(lǐng)域的一些最新觀點(diǎn)。
據(jù)悉，該研究所成立于2005年，由大學(xué)的工程學(xué)院和醫(yī)學(xué)院進(jìn)行合作，目標(biāo)是使用強(qiáng)大的計(jì)算機(jī)來分析并對(duì)疾病機(jī)制進(jìn)行數(shù)學(xué)建模，其結(jié)果將被用來幫助預(yù)測(cè)疾病的高危人群，并探索如何更加有效的治療疾病。
智能手機(jī)分散醫(yī)務(wù)人員注意力
隨著移動(dòng)設(shè)備，尤其是智能手機(jī)與醫(yī)療保健的融合越來越緊密，其在危急情況下導(dǎo)致的注意力分散問題也在不斷增加。
在美國經(jīng)濟(jì)周期研究所（ECRI）最新公布的年度十大健康技術(shù)危害名單中，智能手機(jī)首次上榜，位列第九。醫(yī)療專業(yè)人士常常需要應(yīng)對(duì)由手機(jī)引起的注意力分散，在美國曾發(fā)生過醫(yī)師在操作醫(yī)囑錄入系統(tǒng)時(shí)，因接收和回復(fù)來自智能手機(jī)的短信而忘記錄入醫(yī)囑導(dǎo)致重大醫(yī)療事故的案例。而今年一項(xiàng)針對(duì)體外循環(huán)灌注師的調(diào)查則顯示，有一半的灌注師承認(rèn)他們?cè)谑中g(shù)期間發(fā)送過手機(jī)短信。這種可以聯(lián)機(jī)互聯(lián)網(wǎng)并發(fā)送電子郵件的智能手機(jī)引起的注意力分散將大大提升分心因素給工作帶來的影響。醫(yī)療服務(wù)提供者應(yīng)確保他們時(shí)刻處于警惕狀態(tài)，并建立有效方法勸阻危急時(shí)刻智能手機(jī)的非職業(yè)用途。
X線檢查不增加癌癥風(fēng)險(xiǎn)
在進(jìn)行X線檢查期間，部分X線偏離主光束向不同方向散射。人們一直擔(dān)心婦女在X線檢查期間散射輻射的暴露可能會(huì)導(dǎo)致癌癥風(fēng)險(xiǎn)增加，特別是諸如甲狀腺等放射敏感區(qū)域，懷疑乳腺X光檢查可能是甲狀腺癌的危險(xiǎn)因素，并且認(rèn)為在進(jìn)行檢查時(shí)婦女應(yīng)穿甲狀腺防護(hù)鉛套。
今年北美放射學(xué)年會(huì)上一項(xiàng)來自美國賓夕法尼亞州的研究報(bào)告稱，在進(jìn)行X線檢查時(shí)，靠近身體區(qū)域的放射劑量非常低或可以忽略，不會(huì)增加癌癥的發(fā)病風(fēng)險(xiǎn)。為更好的了解分散射線的潛在影響，研究團(tuán)隊(duì)測(cè)量了數(shù)字X光檢查期間甲狀腺、唾液腺、胸骨、子宮和眼晶體接受的劑量。結(jié)果顯示外其他不同區(qū)域的劑量介于可忽略和非常低的水平之間。
關(guān)鍵詞：圖像拼接 SURF ROI 漸入漸出法
中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）12-0133-01
圖像拼接技術(shù)是當(dāng)前圖像處理的研究熱點(diǎn)，被廣泛應(yīng)用于計(jì)算機(jī)視覺、遙感圖像繪制、醫(yī)學(xué)圖像分析、智能視頻監(jiān)控和虛擬現(xiàn)實(shí)等領(lǐng)域。圖像配準(zhǔn)是圖像拼接的基礎(chǔ)，目前配準(zhǔn)效果最好的是SURF算法。SURF（Speeded Up Robust Features）是一種具有魯棒性的局部特征檢測(cè)算法，SURF算法來源于SIFT[1]（Scale Inviariant Feature Transform）。文獻(xiàn)[2]與文獻(xiàn)[3]中對(duì)SIFT和SURF算法進(jìn)行了綜合對(duì)比，在執(zhí)行速度上，SURF算法是SIFT算法的三倍多，當(dāng)圖像存在旋轉(zhuǎn)、模糊、光照、尺度和視角變換下，SURF與SIFT都表現(xiàn)出了較好的穩(wěn)定性。因此本文采用SURF算法實(shí)現(xiàn)圖像的配準(zhǔn)。文獻(xiàn)[4]提出了在感興趣區(qū)域?qū)?yōu)搜索的策略，將特征配準(zhǔn)算法縮減到重疊區(qū)域，提高了圖像配準(zhǔn)的效率，同時(shí)減少了特征的誤匹配，提高了圖像配準(zhǔn)精度。圖像融合是圖像拼接另一個(gè)關(guān)鍵部分，漸入漸出法在速度上具有較好的體現(xiàn)，但是當(dāng)圖像質(zhì)量不高和曝光不一致的情況下會(huì)出現(xiàn)明顯的斷裂和拼接痕跡。為解決普通監(jiān)控?cái)z像頭圖像質(zhì)量不高以及視差引起的拼接質(zhì)量問題，本文提出基于ROI與SURF算法的圖像拼接方法，并采用RANSAC[5]算法求取最佳單應(yīng)變換矩陣，最后通過改進(jìn)的漸入漸出法[6][7]融合圖像，有效解決了圖像融合過程中的拼接痕跡，使融合區(qū)域過渡更自然。
1 系統(tǒng)流程
基于SURF和改進(jìn)漸入漸出法的圖像拼接思路如下：
（1）首先輸入兩張具有重疊區(qū)域的圖像；
（2）大致估算重疊區(qū)域的大小；
（3）對(duì)ROI區(qū)域?qū)ふ姨卣鼽c(diǎn)，進(jìn)行特征匹配，并通過比值提純、對(duì)稱性提純以及RANSAC提純選出優(yōu)質(zhì)匹配，然后利用RANSAC計(jì)算最佳單應(yīng)性矩陣；
（4）采用改進(jìn)的漸入漸出法進(jìn)行圖像融合；
（5）輸出圖像。
2 圖像配準(zhǔn)
圖像拼接要求重疊區(qū)域占圖像的20%至30%，特征點(diǎn)的尋找與匹配只針對(duì)重疊區(qū)域，重疊區(qū)域外的特征點(diǎn)檢測(cè)和匹配，增加了算法的耗時(shí)，同時(shí)會(huì)帶來不必要的誤匹配，降低了圖像配準(zhǔn)的精度。本文通過估算重疊區(qū)域的大致范圍，然后在ROI區(qū)域內(nèi)檢測(cè)特征點(diǎn)并進(jìn)行匹配。
3 圖像融合
4 實(shí)驗(yàn)結(jié)果及分析
測(cè)試的實(shí)驗(yàn)平臺(tái)為Intel 酷睿2 T6600@2.20 GHz CPU，內(nèi)存為2GB，軟件開發(fā)環(huán)境為VS2010及opencv2.4.9，圖像為普通USB攝像頭所拍攝，分辨率為640X480。
本文在該平臺(tái)上實(shí)現(xiàn)了使用ROI區(qū)域的SURF算法進(jìn)行圖像配準(zhǔn)，與直接使用SURF算法對(duì)比，對(duì)特征點(diǎn)數(shù)與程序耗時(shí)的統(tǒng)計(jì)如表1所示。對(duì)特定區(qū)域提取后的SURF算法比原SURF算法快了大約2倍。使用漸入漸出法融合后的圖像過渡區(qū)域會(huì)出現(xiàn)斷裂以及不自然的現(xiàn)象。使用改進(jìn)算法融合后的圖像拼接效果更接近原圖像，沒有明顯的拼接痕跡。
5 結(jié)語
本文基于提取ROI與SURF算法快速找到特征點(diǎn)對(duì)并進(jìn)行圖像配準(zhǔn)，然后利用改進(jìn)的漸入漸出算法實(shí)現(xiàn)了圖像的拼接，消除了拼接痕跡，改善了拼接質(zhì)量。
參考文獻(xiàn)
[1]David G Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision.2004，60（60）：91-110.
[2]索春寶，楊東清.多種角度比較SIFT、SURF、BRISK、ORB、FREAK算法[J].北京測(cè)繪，2014，4，23-26.
[3]張銳娟，張建奇，楊翠.基于SURF的圖像配準(zhǔn)方法研究[J].紅外與激光工程，2009，38（1）：160-165.
[4]王勇，何曉川，劉清華等.一種感興趣區(qū)域?qū)?yōu)搜索的全自動(dòng)圖像拼接算法[J].電子與信息學(xué)報(bào).2009， 31（2）：261-264.
[5]楊云濤，馮瑩，曹毓.基于SURF的序列D像快速拼接方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（3）：6.
