时间：2022-04-06 04:54:23
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇数字图像处理论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
（1. 武警工程大学 信息工程系，陕西 西安 710086；2. 武警工程大学 电子技术系，陕西 西安 710086）
摘 要：针对数字图像处理课程基础理论抽象、实用性强的特点，分析和探讨该课程教学中存在的若干问题及原因，从师资力量建设、课程标准制定、教学方法与设计、考核方法4个方面阐述数字图像处理课程的教学优化改革方案。
关键词 ：数字图像处理；教学优化改革；师资力量；课程标准
基金项目：全军学位与研究生教育研讨会研究课题“军队院校研究生教育中的导师与研究生关系研究”（YJZX14C14）。
第一作者简介：孔韦韦，男，讲师，研究方向为图像处理，kwwking@163.com。
0 引 言
数字图像处理[1-2]是信息处理领域的重要分支，通过该课程我们可以完成图像的几何变换、算术处理、图像增强、图像复原、图像重建、图像编码、模式识别、图像理解等多个方面的工作。目前，随着计算机软硬件处理能力的不断提升，数字图像处理技术已被广泛应用于医学检测、反恐处突、弹道导弹精确制导等多个军（民）用领域。由于该门课程的特殊地位和广泛应用，国内外几乎所有信息类专业都开设了该课程，许多专家、学者也针对课程的教学方式提出了自己的观点[3-8]。
军队院校作为高等院校中的一类特殊群体，无论在课程设置还是人才培养需求上均与地方高等院校有很大的不同。军队院校自身的特殊属性要求培养出的人才不仅要有扎实的理论基础和科研能力，还能运用这些知识对作战以及日常训练中出现的问题加以解决，因此，军队院校对人才的理论与实践结合能力提出了更高也更为严格的要求。
武警部队负责维护国家安全和社会稳定，有效打击国内外各种恐怖势力，保障人民安居乐业。当前，世界各国都将“反恐”作为维护国家稳定和保卫人民生命财产安全的一项重要任务。反恐图像目标的识别和监视能力更体现了一个国家的反恐技术力量和能力水平，其关键在于反恐图像目标的识别。因此，有效地将数字图像处理技术应用于反恐处突领域，不仅有助于提升针对恐怖势力的打击力度，还可以有效减少伤亡，最大限度地保障国家和人民的生命财产安全。
1 数字图像处理课程的特点
数字图像处理课程主要有以下几个特点：①理论基础要求高，涉及高等数学、信号与信息系统、信息论、计算机编码等多个领域的知识；②数字图像处理课程覆盖的内容广泛，知识点繁杂零碎；③新兴理论的不断出现要求广大学者能够敏锐把握数字图像处理技术的发展前沿；④数字图像处理技术的应用领域不断拓展，处理方法也更为复杂。
2 军队院校数字图像处理课程教学中存在的问题
2.1 课程设置不灵活
相比地方高等院校，军队院校的课程设置自由度十分受限，具体体现为课程的教学内容、学时安排、课堂组织形式甚至是开课时间均有严格的规定和限制，不能根据学生理论基础和学习能力的实际情况做自适应的调整。
尽管研究生有自己的导师和研究方向，且很多研究生日后学位论文的研究方向可能与数字图像处理领域并无关联，然而，由于许多信息类专业院校的研究生培养方案均严格限定该课程为学位必修课，导致一些研究生为了学分和学位只得选择一门与自己研究领域完全无关的课程，无形中造成了教学资源的浪费。
2.2 课时少内容多
数字图像处理课程是国内外几乎所有信息类专业的必修课。地方高等院校通常会开设50个学时，而军队院校大多只开设40学时，有的学校甚至只将其作为学位选修课开设20学时。众所周知，该课程涉及的教学内容非常繁杂且对相关课程的理论基础提出了较高要求，这类课程即使安排50学时也很难将重点内容讲授完毕，军队院校课程课时不足无疑对该课程的教学质量造成重大影响。
2.3 教学形式单一
军队院校的特殊属性在一定程度上约束了课堂多种教学形式的存在与发展，传统的教师主体式教学法是主流。这种过于单一和机械的教学形式将对研究生的学习积极性造成不利影响。另外，军队中上下等级关系往往扼杀了研究生质疑教师的勇气和可能，使研究生不敢对教师的见解有所质疑，不敢擅自踏入教师未首肯的领域中积极主动地发现问题、分析问题和解决问题，导致研究生的学习完全处于被动境地。
3 教学优化改革
3.1 师资力量建设
数字图像处理课程专业性强、理论难度大，涉及的基础学科门类较多，因此，在条件允许的情况下应尽可能安排科研方向或理论研究方向属于图像处理领域的教师担任任课老师。一方面，长期从事该领域的教师对课程的基本内容和理论了如指掌，基本功非常扎实，授课更为流畅、自然；另一方面，教材中介绍的只是图像处理领域的基础理论和经典模型，长期从事该领域研究的老师在研究过程中往往对课程中的概念及理论模型有更深刻的理解，在授课过程中必然会附带介绍本人在该领域内的研究现状和最新进展，有利于开阔研究生视野，激发学习兴趣，提高授课质量。
3.2 课程标准的制定
结合军队院校课时不足的教学实际以及人才培养类型的定位需求，我们完全有必要重新制定数字图像处理课程的教学标准，在保证理论系统性完整的基础上，侧重实践能力以及解决实际问题能力的培养和提升。具体措施如下：①教学对象精确定位，扭转以往研究生课程频频出现的“被选课”现象，切实保障“选修权”，允许研究生按照自己学位论文的研究需求选课；②由于学时有限，在制定课程标准时必须全面分析和研究教学内容，梳理与课程内容相关的知识目标、技能目标和素质目标，适当地删减一些非重点内容，重新划分各章节的学时；③数字图像处理虽然是一门理论性很强的课程，但学习的最终目的还是应用，因此，在制定课程标准时必须为研究生学员留有一定的实践操作以及课堂研讨课时；④要反映部队特色，在授课过程中重点介绍能够直接应用于部队实际的模型和方法，譬如模式识别、图像理解版块，并要求研究生动手实践；⑤紧跟发展前沿，保持知识的先进性，充分利用网络资源，以完善的学习资料、丰富的课程资源、真实的实践环境作为课程的基础和支撑。
3.3 教学方法与设计
结合课程标准，我们拟将整个教学过程分解为4个阶段：①基本理论讲授；②专题讨论；③专题讲座；④实践操作。
3.3.1 基本理论讲授
教师对教学内容中的基本理论加以讲解，旨在为研究生扫清基本理论障碍。该部分的讲解并非只是对课本内容的简单复制和重申，而是在介绍基本理论的基础上，对基本概念中涉及的各层次知识点和潜在疑问加以梳理和阐释，为下一阶段的专题讨论做铺垫。该阶段以教师讲授为主体，采取案例式教学和启发式教学相结合的授课方式。
3.3.2 专题讨论
所谓专题讨论，就是基于教师先前讲授的某一个或某一类基本理论，探讨具体应用效果以及可能影响最终图像处理效果的若干因素。这一环节将彻底打破经典教学模式中的“教师主体”模式，转变为“教师确定讨论范围—研究生为讨论主体—教师最后总结”的模式。在整个过程中，教师和研究生的角色完全转换，由研究生基于自身掌握的知识充分发挥自己的想象，针对若干问题展开探讨或者辩论。譬如，教师在探讨前先介绍图像去噪理论的相关知识，包括噪声产生的原理、噪声的种类、噪声在图像中的表现、几类经典图像去噪方法等，上述部分内容讲授完毕后确定3个问题，即均值去噪和中值去噪方法的原理有何不同？各自的优缺点何在？各自在去噪过程中可能影响最终效果的因素有哪些？下一次课教师可安排专题讨论，并将研究生在讨论中的表现作为课程成绩的一项重要依据。
在该门课程课代表的组织下，研究生被分成若干小组，大家利用课余时间分别对两种去噪方法展开了深入研究，并通过Matlab软件仿真验证，记录诸如峰值信噪比PSNR等相关指标值，初步得出可能会影响最终去噪效果的若干因素；几位同学针对一些不太一致的观点展开激烈的讨论；最后，由教师进行内容总结和答疑解惑，一些研究生还对教师的某些结论提出质疑。
专题讨论完毕后，教师和研究生普遍感觉以往枯燥又不合时宜的教学方法得到了彻底改变，研究生内心的求知热情得到了极大的激发。此外，整个专题讨论过程也锻炼了他们的逻辑思维，为了说服“对手”，他们必须要找到支撑自己观点的科学依据，包括权威论坛上的答疑解惑以及仿真软件仿真出来的实际结果等。有了这些证据后，他们还要对数据进行分析研究、组织语言、理清思路，而在以往的教学模式下，研究生并不会主动花费时间查找资料，教师由于课时的关系也不可能对每一种理论都进行仿真演示。
3.3.3 专题讲座
担任数字图像处理课程任务的教师必须从事图像处理领域研究，因此，在教学过程中，适时安排1~2次专题讲座，由任课教师将自己在本领域的研究成果或是研究体会以讲座的形式向研究生进行报告。在讲座过程中，教师将从一个较高的层次，把一些新的内容介绍给研究生，同研究生一起分享图像处理领域最新的发展动态和研究成果，开拓研究生的视野，为研究生动态更新最新的前沿知识。另一方面，由于课程标准制定过程中教学对象已实现了精确定位，凡是选修数字图像处理课程的研究生日后均要从事该领域的研究，因此专题讲座的开展也在一定程度上为研究生日后的学位论文撰写提供灵感和研究方向。显然，专题讲座是课程教学强大而又有益的补充。
3.3.4 实践操作
由教师从教学内容中选取若干重难点且与部队作战（训练）密切关联的内容，交由研究生自行仿真实现，记录主客观评价指标数值，对仿真结果进行比较与分析，并得出结论；对仿真结果中的不足展开讨论，给出可能的解决方案。显然，该阶段侧重课程标准中“反映部队特色”的宗旨，要求学员学以致用，切实将书本中的理论知识运用到部队实际中，为部队服务，提高作战能力，体现军队院校“向部队靠拢，向实战靠拢”的办学宗旨。
在实际操作中，为了贴合武警部队反恐处突场景的作战实际，教师为学生布置了模式识别版块中的图像融合仿真实验，给出了国际TNO组织提供的联合国营地源图像，源图像取自同一场景，一幅由灰度可见光图像传感器获得，另一幅由红外图像传感器获得。该实践场景十分类似于武警部队对潜藏在树林中的恐怖分子进行围捕的场景，要求研究生对现行资料中融合效果较好的6种融合方法进行仿真，记录仿真结果并加以分析讨论。
通过这一阶段的训练，研究生将书本中的理论知识与实际应用进行了有机结合，取得了良好的效果，并为日后将相应方法应用于部队作战（训练）提供了理论基础和支持。
3.4 考核方法
课程考核采取百分制，并综合考虑研究生在笔试、专题讨论、实践操作3个环节中的表现，3者的比例为0.30：0.35：0.35。在考核中，教师更看重研究生在该门课程中针对实际问题的分析能力和实践动手能力，以期学生真正理解和消化书本中的理论知识。笔试采取开卷方式进行，侧重考核研究生对该门课程中的基本理论、概念、公式的掌握情况，因此，同以往的纯闭卷考试相比，该考核方法灵活度更高，考核效果也更理想。在最终考核中，由于采取了更为有效的考核方式，学生只要认真参与教学活动，必然可以顺利通过考试并拿到高分。如今，两年的教学改革已经使该课程在研究生中小有名气，从往日学员们的“黑名单”课程转而成为“热销品牌”。
4 结 语
两年的实践结果表明，相比传统的授课方式，该改革方案更符合高等院校的教学规律和实际情况，尤其是将部队的实战需求充分融入课程标准的制定过程，更加贴近了当前军队院校的人才培养需求，充分体现了军队院校“向部队靠拢，向实战靠拢”的办学宗旨。
参考文献：
[1] 冈萨雷斯. 数字图像处理[M]. 北京: 电子工业出版社, 2014.
[2] 贾永红. 数字图像处理[M]. 武汉: 武汉大学出版社, 2010.
[3] 杨淑莹, 张桦.“数字图像处理”理论与实践相结合教学模式[J]. 计算机教育, 2009(24): 84-86.
[4] 周海芳.“数字图像处理”课程研讨式教学[J]. 计算机教育, 2010(24): 93-97.
[5] 周耿烈, 鲁逢兰. 图像处理技术精品课程建设[J]. 计算机教育, 2010(18): 101-104.
[6] 何楚, 冯倩, 杨芳, 等. 数字图像处理课程实验教学过程设计[J]. 计算机教育, 2011(18): 74-77.
[7] 沈晓晶, 王艳, 赵慧娟. 应用型院校数字图像处理本科教学探索[J]. 计算机教育, 2012(1): 86-88.
关键词：ImageJ；图像处理；数字滤波；小波变换；算法设计
中图分类号：TP751文献标识码：A文章编号：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 数字图象处理算法设计概述
在进行数字图像处理算法仿真时，采用的方案主要有两大类。一类是使用MathWorks公司开发的MATLAB软件。另外一类基于C和C++语言，以及Microsoft公司的Visual Studio平台和MFC框架。
1.1 基于MATLAB的图像处理算法设计
由MathWorks公司开发的MATLAB[1]软件非常适合用于处理向量和矩阵，在科学研究和产品的原型开发与设计中得到了广泛的应用。并且被国内外许多大学采用作为线性代数和数值计算的计算机辅助教学软件。该软件本身提供了一种高级语言，能够通过编程的方式解决问题。由于MATLAB附带了一个功能完整的图像处理工具箱[2]，因此很多研究者都基于MATLAB进行数字图像处理算法的设计[3-5]。
采用MATLAB软件作为原型系统设计具有可靠和快速的优点，但是也存在三个缺点。第一，由于MATLAB是一个商业软件，软件的版权费用比较昂贵。第二，MATLAB对相应的图像处理算法行了封装。因此，很难有机会看到相关算法的实现代码。第三，在MATLAB中开发的程序必须要有MATLAB的运行库支持，脱离了MATLAB环境就无法运行。
1.2 基于C和C++语言的图像处理算法设计
另外一类设计方案基于C和C++语言。C语言是很多图像处理和数值分析库的首选编程语言。但是，使用C语言需要通过指针访问图像数据，而且需要手动进行内存的分配和释放。因此在使用C语言进行算法设计的时候，往往会把注意力转移到其它和图像处理无关的领域上面，而且C语言本身也没有提供用户界面接口环境。
随着C++语言的普及，越来越多的研究者开始采用C++语言进行图像处理算法设计。这些设计大部分都是基于Visual C++环境，并且使用MFC完成相关的用户界面接口。由于C++语言本身的复杂性，以及MFC具有相对陡峭的学习曲线，使得这个方案开发效率不是很高。言内容。
2 基于ImageJ的图像处理算法设计
为了能够解决以上提到的问题，作者在进行数字图像处理工程实践中，采用基于Java语言编写的ImageJ平台的算法仿真方案。通过一些项目的实践，取得了不错的效果。下面对采Java语言和ImageJ平台的原因进行阐述。
2.1 采用Java语言的原因
随着Java语言及其平台的日益成熟，使得Java语言[6]在多个领域都得到了广泛的应用。选择Java语言的原因是（1）Java语言是跨平台的，可以使用多个操作系统来进行算法设计，例如Windows、Linux或者Mac OS；（2）Java语言是免费和开放的；（3）Java语言带有网络开发的标准库，这使得开发基于Web的图像处理系统更加方便；（4）Java语言带有用户界面库AWT和Swing，可以将图像处理算法和处理结果的可视化无缝衔接起来；（5）Java语言是面向对象的，并且支持垃圾回收和良好的异常处理机制。这样研究者更容易把注意力集中在算法实现上面，而不是指针的操作以及内存的手动分配与回收这些与问题域无关的事物上面；（6）Java程序运行速度很快，这意味着可以得到算法运行结果的即时反馈，即实时性。
2.2 采用ImageJ的原因
ImageJ是由美国国家卫生总局的维恩开发的一个功能强大的图像处理和分析软件[7]，在全世界被很多生物学家和医学图像处理研究者应用于生物医学图像处理研究[8]。由于ImageJ本身是使用Java语言编写的，因此可以运行在任何一个安装了Java虚拟机的操作系统上面。同时，在ImageJ的网站上也提供了相应的源程序和帮助文档下载，研究者可以通过下载ImageJ的源代码对ImageJ内部的工作机制和原理进行分析。最重要的是ImageJ的设计基于插件架构体系，可以通过编写插件对其功能进行扩展。利用ImageJ的插件机制，可以将不同的图像处理算法编写为相应的插件。通过Java虚拟机和ImageJ提供的插件动态加载功能，当用户对插件进行更改以后，直接编译就可以在ImageJ中进行加载和运行，而无需重新启动应用程序，即提供了所谓“热拔插”的功能。
3 图像处理算法设计示例
下面将通过两个例子来说明如何基于ImageJ平台进行数字图像处理算法设计。通过这两个例子可以看到ImageJ的插件机制为图像处理算法的实现提供了一个非常好的平台。
3.1 数字滤波
随着数字滤波是图像平滑和锐化算法的理论基础[9]。论文实现了数字滤波的两种算法，一种使用不可分离算法，另外一种使用可分离的算法。一个大小为m*n的滤波器，对于每个像素，不可分离算法的时间复杂度为O(m*n)，可分离算法的时间复杂度为O(m+n)。因此，可分离算法在模块化和计算时间方面更有优势。
算法1 垂直边缘滤波器的不可分离算法
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 垂直边缘滤波器的可分离算法
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的均值滤波的测试时间，测试环境为：512 x 512的灰度图像，JRE 1.6.0_21，Intel Core Quad/2.33GHz，4GB RAM。从表1中可以看到可分离算法相对于不可分离算法的优势，特别是当滤波器尺寸加大以后更加明显。
3.2 小波变换
另外一个例子是实现可分离的二维Haar小波变换[10]。
算法3 二维Haar小波变换
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;}}
图1是基于ImageJ设计的Haar小波变换仿真的运行结果。
3 结论
论文提出的基于ImageJ软件的数字图像处理算法设计方案对传统的基于MATLAB和C/C++语言的方案是一个非常好的补充。通过相关的两个实例也展现了这种方案在实现数字图象处理算法时的简洁和快速，对于研究者设计和验证新的图像处理算法是一个非常好的平台。同时由于ImageJ基于插件的架构体系设计，使得研究者可以将不同的图像处理算法编写为相应的插件，对其进行扩充和二次开发。
参考文献：
[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平台上的数字图像处理教学实验系统[J].实验室研究与探索,2001(1).
[4] 贾永红.现代化教学手段在数字图像处理教学中的应用研究[J].测绘通报,2006(1).
[5] 张国琴,吴周桥.MATLAB在数字图像处理教学中的应用[J].武汉科技学院学报,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.
论文关键词：数字图像处理,方差,均方差,卫星图像
遥感有着高效、快捷且不受时间空间限制的特点，被广泛应用于农、林、地、矿、军事等诸多领域。通过卫星遥感技术获得的地球表面客体或事物的卫星遥感图像也越来越多地应用在地球资源的调查、自然灾害预测预报环境污染监测、气象卫星云图处理以及用于军事目的的地面目标识别等各个方面。有着遥感作用的NOAA气象卫星的运行周期短、覆盖面广，目前正广泛受到人们的关注，并作用于农业估产、林火监测、渔况预报、城市热岛等方面。但是，NOAA卫星图像数据的使用效率并不高，再加上云的存在，使卫星资料反演的各种参数出现误差，而对于同一幅NOAA卫星图像中的薄云和浓云的处理目前还未见到很适用算法，所以，研究时效性的除云算法在军事、环境、气候、自然灾害等领域有重要的意义和研究价值。
1云检测方法
根据同一卫星图像，它在各个分量上的水汽、二氧化碳、一氧化碳、甲烷等气体据有相同的属性参数，截取目标区域图像和该区域附近的无云样品区域进行处理。
由于云是不稳定因子，它随时间和空间变化而变化，即不同季节云的反射率和亮温不同，不同空间高度云的反射率和亮温又有所不同。因此，要能较好地识别云区范围就要了解它的空间和时间分布特性，并采用行之有效的方法来解决这个难题。然而鉴于不同的云相对于植被、土壤、水域等不同下垫面在可见光和近红外波段具有较高的反射率，而在热红外波段由较低的亮温，这就给我们判云带来了有利条件。针对与所选用的热红外通道，我们采用了以下几种方法进行了检测云。
1.1单通道探测值阈值检测
任取NOAA气象卫星的某一通道图像资料，并给定一个云区灰度阈值，凡高于该阈值的像元皆为云。
1.2可见光和近红外通道反射率阈值检测
计算可见光和近红外通道图像的反射率，给定反射率阈值，凡高于该阈值的为云。
1.3红外通道温度阈值检测
运用普朗克公式计算红外通道的亮温和温度，设立温度阈值，凡低于该阈值的为云。
2除云方法讨论
云检测的目的是找出云影响的测量值，回归晴空测量值后用于计算海面温度。云检测是基于观测目标自身的特性，比如，海面温度梯度变化不大；在红外和可见光波段中，海面较云顶有较高的温度和低得多的反射率；海面和云顶在不同红外窗区通道反射率上的差异等，推测出有云影响的数据。
在气候变化中，云与辐射起着关键的作用，云层影响着地球的辐射收支地球表面温度以及气候变化趋势。遥感图像处理中，与覆盖时最常见的噪声之一，它不仅对图像的处理带来诸多困难。
2.1国外遥感温度研究
从70年代开始，研究者开始尝试从机理方面着手研究亮温与地表温度的关系。由于卫星获得的亮温是由大气顶层接收的辐射亮度值换算而成的，而大气对遥感器接收地表信息的影响较大，所以早期的研究主要集中于大气辐射校正上。到目前为止，己经研究出很多辐射校正方法，但是这些方法大部分都需要其它气象数据的支持，比如不同高度的大气湿度等。
大气校正方法比较烦琐，后来有的学者基于相邻波段大气吸收特性提出了一种全新的方法，直接运用两个波段的亮温数据去推算地表的温度。这就是一种比较简单有效的温度反演方法，即分窗口技术法(Split-windowTechnology)，该方法可在少量的地表参数支持下从气象卫星数据反演出地表温度。目前温度反演研究主要集中在NOAA卫星图像的热红外波段。
2.2国内遥感温度研究
国内在遥感地表温度研究中主要采用的还是数理统计方法，此后沿袭这些研究思路和研究方法，特别是中国科学院遥感应用研究所在土壤水分方面进行了大量的研究，但是作为其中最为重要的参数之一的地表温度的研究却进展不大，没有跟上国际上由数理统计研究取得的结果。
北京大学学者提出了一种新的改进分窗口技术方法，该方法的特色之处在于引入相邻像元的概念。研究者给定了两种情况下的温度反演法，第一种情况是假设地表辐射率已知，然后运用迭代反演方法求解地表温度。该方法模拟结果与其它共5种模型结果分析比较，精度有较大的提高。第二种情况是地表辐射率未知，来反演地表温度与辐射率。这时采用双通道双像元法去求解相应的参数。通过模拟计算取得了较好的精度，在大气廓线总水汽含量误差小于10%时，反演的温度均方根误差0.7。辐射率均方根误差0.013，地表辐射项的均方根误差小于0.6%，己经可以满足陆地表面温度反演1的精度要求。
双通道双像元法是经典分窗口技术法的延伸，利用相邻像元间辐射率之间的关系，在地表辐射率未知的情况下反演地表温度是个很好的方法。但是该方法也有局限性，在大气水汽含量误差大于20%时，反演的温度误差就会显著增加。
陆面温度反演中分窗口技术法经过不断改进，反演精度有所提高，但是这些改进的方法还没有达到大面积应用阶段，更不能像海温研究那样进入业务运行阶段，因此，要达到陆面温度反演的实用化程度，还需要继续拓展。最近几年遥感界出现了一个热门的研究领域，就是多角度遥感数据反演研究，这个方法可能为组分温度遥感提供一个新的思路。
参考文献
1 陆玲,王蕾,桂颖.数字图像处理[M],北京:中国电力出版社, 2007.
2 高成,董长虹,郭磊等.Matlab 图像处理与应用(第二版)[M],北京:国防工业出版社.2006.
3 何东健,耿楠,张义宽. 数字图像处理[M],西安电子科技大学出版社,2003.
4 陈良富,徐希儒.陆面温度反演的新进展[J],国土资源遥感,1999,3:47-50.
关键词：稀疏表示 图像质量 几何结构
中图分类号：TP3 文献标识码：A 文章编号：1674-098X（2012）12（c）-00-01
1993年Mallat和Zhang提出了信号的稀疏表示，在信号逼近上取得了出色的表现，迅速引起了广大学者的普遍关注，信号稀疏表示研究很快被从一维信号推广到二维信号图像的研究上。
稀疏表示的模型可以表示为：
式中为向量的l0范数，表示向量x中非零元素的个数，x即为信号y的稀疏表示。
在数字图像处理中，由于图像的数据信息具有冗余性，为冗余字典，因此可以在冗余字典上进行稀疏表示，y则为图像子块的列向量表示。如何构造表达能力强、训练简单的冗余字典是图像处理中的关键一步，自稀疏表示理论的提出，在图像去噪、去模糊、超分辨率、图像修复等方面得到了广泛的应用，取得了比传统方法更好的处理结果。
1 稀疏表示理论在提高数字图像质量中的应用
Michael Elad是较早将稀疏表示理论应用于图像去噪与超分辨率的代表人物[1]，他将K均值聚类方法引入字典训练过程中。在K均值算法中，求解一个包括K个代码的码本，使得在此码本上，根据最邻近分配法则，对包含N个信号的集合进行分类，得到最佳分类。在稀疏表示中，稀疏表示的过程可以看做广义矢量量化过程，其中的每个信号用多个代码的线性组合表示。当要求K-SVD中的每个信号只能用一个原子来近似时，K-SVD算法就退化为K均值算法。K-SVD在稀疏编码与字典更新之间交替迭代，保证总误差单调下降，因此可保证能收敛到局部（或全局）最小值，从而得到性能优良的过完备字典。K-SVD训练字典方法广泛的应用在图像复原问题上。基于K-SVD训练得到的过完备字典，取得了较好的图像去噪与超分辨率结果。
统计学中的主成分分析（PCA）的概念，也被引入到字典训练当中。在统计学当中，变量个数太多会增加问题的复杂性主成分分析作为一种统计分析方法，它可以从多元事物中解析出主要影响因素，简化复杂问题。PCA的核心思想，就是将高维数据投影到低维空间。寻找 r 个新变量，使其反映事物的主要特征，每个新变量是原有变量的线性组合，体现原有变量的综合效果，则这 r 个新变量称之为“主成分”，它们两两正交不相关。这 r 个主成分可以在很大程度上反映原来变量的信息。Hui Zou引入了SPCA（Sparse PCA）的概念，他修改了传统的PCA方法，利用主成分负载的稀疏性，使算法变得更加易懂，且得到更为稀疏的结果。
形态学成分分析（MCA）作为一种新兴的信号分解方法，吸引了很多人的注意。MCA根据图像信号组成成分的形态差异性，将图像内容分割为纹理区域和卡通区域。不同区域其拟合字典类型不同。小波变换可以很好的表示图像光滑区域的特征，curvelet变换通过带方向的局部傅里叶基，可以有效的处理边缘特征。离散余弦变换（DCT）以及Gabor变换是纹理区经常采用的两种处理方式。MCA充分的考虑了图像的结构组成部分以及内部特征，广泛用于盲源分离、图像分解、图像修补等。
Julien Mairal将自然图像的自相似性引入到图像恢复模型中。图像的自相似性，其根本是自然图像的统计特征。Julien Mairal非局部模型与稀疏编码结合成一个框架，将噪声在相似块之间进行平均，取得了较好的去噪、去马赛克结果。同样，自相似性在图像去模糊、图像修补方面也展示了其良好的性能。
Weisheng Dong提出了一种新的图像复原模型CSR，利用减小退化图像分解系数与原图分解系数之间的差异来达到复原图像的目的，其本质是自相似性的应用。在超分辨率方面，他提出了自适应稀疏域选择超分辨率算法，认为超分辨率重建结果的优劣很大部分取决于稀疏域的选择，对输入的样本先采用K-均值聚类，采用PCA算法进行词典训练，将非局部相似性（NL）和图像去噪中的自回归（AR）模型与超分辨率重建模型有效结合，提高了超分辨率重建质量。
Nebojsa创造性的提出了图像摘要的概念。他将图像的特征提取为一幅摘要图，在图像处理过程中，对该摘要图进行分解处理，这是合理并且有效的。Louise 利用该思想，在图像去噪方面取得了较好的去噪结果。
Kostadin在变换域，通过一组协作滤波器，将一幅图像中结构相似的二位块聚合成一组，形成一个三维模型，以增强其表示的稀疏性。Aram利用该3D理论，建立了一个新的图像模型―BM3D。BM3D在图像复原方面表现了其卓越的性能。
最近，保持图像几何结构的思想吸引了很多人的注意。Samy Bengio将图像分割成相互重叠的块，结构相似的块组成一个群组，分别对每个组进行分解训练，这就是群组编码的思想，其基本思想类似于非局部思想，也是利用了自然图像的自相似性。关于结构稀疏方面的研究展示了结构分组比简单不重叠的分组更一般的特性。例如，树状分组或是重叠分组。结构稀疏正则化具有十分广阔的应用前景。结构稀疏PCA作为一种新型的有效的非凸稀疏方法，在字典训练方面，可以取得较为理想的结果。
纵观稀疏表示理论出现以后的图像处理论文，广大研究者着重于研究如何获得表示能力强的冗余字典，以及通过结合多重约束，如平滑约束，相似性约束，几何结构不变性约束等来得到高质量的图像，近年来取得了很大的进展。但是稀疏表示属于一种优化问题，涉及到字典学习和稀疏求解的计算过程比较复杂，因而对于该理论在图像的实时处理上受到了限制，因此如何缩短计算时间也是这个模型急需解决的问题。
2 结语
该文介绍了稀疏表示模型，重点对其在提高数字图像质量方面的应用进行了综述，最后指出稀疏表示模型在图像处理中要实用化必须缩短计算时间。
摘要：本文主要介绍了基于结构光双目立体视觉技术的焊缝识别与测量的处理方法，实现了焊缝图像识别与测量的自动化。通过对已有算法的组合设计出了一套相应的算法处理流程。重点研究了焊缝图像预处理以及特征提取部分。在焊缝图像预处理部分，采取中值滤波和灰度最大化对图像进行简要处理，并且结合后续处理步骤对灰度最大化算法进行了一些改变，即只在焊缝边缘附近进行灰度最大化。在特征提取部分，分别介绍了两种不同中心线提取的方法和基于最远距离的特征点提取方法。在以上工作的基础上，运用HALCON进行编程并且开发出一个MFC简单操作界面，将所有程序模块进行集成。实验部分首先验证了该视觉系统的有效性、稳定性和精度，同时为了更加真实的模拟现实情况，我们还进行了强光干扰实验，并且对实验数据进行分析，提出了一些改进措施。
关键词焊缝视觉识别测量，图像处理，特征提取，HALCON，干扰实验
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 绪论
视觉识别与测量以计算机视觉技术为基础，涉及光学、光电子学、信号处理、图像处理等一系列学科。其快速发展使得这一技术已经从实验室研究开始慢慢走向实际生产，具有广泛的应用前景，逐渐受到各类研究人员的重视，已成为生产过程中的关键技术之一。鉴于焊接技术的发展现状以及焊接过程中各种因素的影响，焊接之后焊缝尚无法达到很高的质量，焊缝的后续处理短期内无法避免。要获得质量较高的焊缝就需要进行后期的焊缝磨抛，而人工打磨费时费力，劳动强度大，还不能保证打磨质量。因此研究焊缝视觉识别与测量对磨抛过程实现智能化和自动化是一项非常有意义的工作。本论文旨在通过组合设计一套焊缝图像的识别与测量的算法流程，并且进行编程实现，同时通过实验进行验证以及改进。
2 视觉算法
首先介绍一下双目立体视觉技术，双目立体视觉技术基于视差原理，两摄像机同时记录下空间某一物体的同一特征点，分别获得点P的图像。由P在图像上所处的位置通过一些换算可以求得P在左右摄像机坐标系下的，然后通过坐标的旋转与平移可以得到P点的三维坐标。为了便于理论分析及计算，对实际情况情况进行适当转化做出其原理图，如图2.1所示。
图2.1 双目视觉技术原理图
上述双目立体视觉原理在本论文中很多地方都有运用，包括CCD标定原点获取以及三维测量，在后续不再介绍。
获取焊缝的图像之后，由于采集现场的各种干扰，在对图像进行特征提取之前需要采取相应的措施降低图像的各种干扰，增强图像的对比度，在不破坏图像保存的原有信息的前提下使焊缝更加便于后续的处理。此处重点介绍中值滤波去噪、灰度最大化等过程，这些对于后期焊缝轮廓以及特征点的提取有较大的影响，直至影响最终的测量结果。
中值滤波通常用于去除图像中的噪声以及毛刺，它是一种基于排序统计理论非线性信号处理技术，其基本思路是将待处理数字图像中某一点的灰度值用该点附近邻域中各点灰度值的中值来代替，从而消除孤立的噪声点。处理效果如下图2.2所示。
图2.2 中值滤波后焊缝图像对比
灰度最大化处理指的是将原图像的灰度值范围扩大到0至255，一般对整体偏暗或者偏亮的图像处理效果明显。在对采集到的焊缝图像进行观察过之后，我们可以发现由于激光的能量是比较强的，其亮度一般较大，而背景处很暗，正常的灰度最大化处理效果不明显。在本课题中，我们只关注某一灰度范围内的灰度值，即焊缝边缘处附近的灰度。此处对边缘灰度最大化稍加改变，使得其只作用在焊缝边缘处，而背景和焊缝中心处的灰度被设置为0或者255。不仅使图像对比更明显而且达到了二值化的效果，剔除了一些不必要的干扰。处理效果如图2.3。
图2.3 经灰度最大化处理后焊缝图像对比
在提取出焊缝的轮廓之后，可以将焊缝上下两条轮廓的行坐标相加取平均值，列坐标不变得到焊缝中心线，如图2.4所示。也可以由HALCON中自带的算子直接提取焊缝中心线，它提取中心线是在轮廓曲线法方向上进行的。如图2.5所示。
图2.4 轮廓平均值方法求得的焊缝中心线
图2.5 直接求得的焊缝中心线
在得到焊缝中心线之后，我们就需要在中心线上找出关键点，用于计算焊缝的参数。如图2.6所示，B、C、D三点为关键点，可以通过坐标旋转进行提取。以C点为例，连接AE并且将中心线绕A旋转至AE水平找到曲线上行坐标的最大值，该最大值处所对应的点的坐标就是特征点C。同理可以找到B点和D点。找到左右目图像的特征点之后可以还原他们在世界坐标中的三维坐标，从而可以计算出焊缝的相关参数。
图2.6 焊缝特征点提取示意图
3 焊缝视觉软件开发
程序框架如下图3.1所示，第一步在HALCON中编写各个模块的组成程序，如二值化、中值滤波、边缘提取等等，然后在HALCON 中将其组合，使其能实现某一功能，比如图像增强、特征提取等等，在这之后我们将HALCON程序转存为VC程序，并且建立起对应的程序工程，使其可以实现独立的功能。最后编写MFC界面，在每个按钮对应的位置添加相应的响应函数调用之前的各个功能模块，将所有程序集合在一起，通过界面响应外界的操作。集成之后的软件如图3.2所示。
图3.1 程序总体框架
图3.7 MFC主要界面
4实验分析及研究
在测得实际数据（如图4.3）之后，我们使用视觉系统对相同的焊缝段进行测量，通过比较实测数据和视觉测量数据来验证算法的有效性。为避免实验的偶然性，我们采用视觉系统对划定好的焊缝重复测量三次，另一方面还能验证该套视觉处理系统的重复稳定性，即对同一段焊缝在完全相同的条件测量多次观察每次测量的数据是否一致。实验所得数据如下图4.2所示。
图4.1 视觉测量与实测焊缝余高对比图 4.2 视觉测量与实测焊缝余高对比综合图
由图4.1易知，视觉测得数据与实测数据之间并没有特别大的差距，其变化趋势也基本一致，这说明该视觉系统具有一定的可用性。从实验平均值来看，实测平均值为1.8923mm视觉测量平均值为1.8057mm，误差大概为5%。从图4.2可以看出，使用视觉测量时，三次测量结果之间没有明显差异，数据几乎一致，只存在很小的差别，考虑到现实测量过程中存在各种各样的随机误差，这些差异应该是被允许的。
图4.3 焊缝实测数据图 4.4 强光干扰下视觉系统所测数据与实际数据对比
在实际生产现场往往有可能出现强光干扰，这对于图像采集而言影响特别大，会使采集到的图像严重失真，存在很严重的噪点，严重时可能无法提取像素的有用信息，使得图像失去其意义，如图4.5右半部分。为防止这种情况出现，我们进行相应的强光干扰实验，并且提出相应的解决措施。在实验之前我们先采集在手电筒光照下的图片，观察发现干扰较强时，图片质量很低，几乎不能获得什么有用信息，如图4.4右目图像所示。为解决这一问题，我们使用了窄带滤波片，滤除不必要的干扰光，只让激光器的光所对应的频率光通过摄像机镜头。其后获得的图像对比如图：
图4.4 强光干扰下加滤光片前后采集图片对比图
由上图可以明显看出，加上滤光片之后采集到的图片质量有很大改善，右边图像明显无法进行利用，而左目图像则可以进行处理。在加滤光片的条件下，我们使用LED手电筒做干扰光源，在焊缝上方一米处垂直照射焊缝模拟强光烦扰情况，并且持续到所有焊缝图片采集结束。重复进行了三组实验，用来研究强光 干扰下系统的性能。此处给出其中一组数据如图4.4。强光干扰下测得实验数据如上图绿线所示，其平均值为1.7953mm，与之前视觉所测的数据相差不大，与实测数据的差距也没多大变化。可以看出在加上滤光片的前提下，强光对该系统测量性能影响不大。
5 结论
通过对已有算法的组合，设计出一套从焊缝图像预处理到特征提取，最后获得焊缝具体参数的算法流程。在软件方面，用HALCON对各个图像处理模块进行了编程，在VC环境中配置了HALCON函数库，并且制作了MFC界面使各个程序模块能够在该界面下集成。在上述工作基础上，进行了算法有效性和稳定性试验以及强光干扰试验，对实验数据进行了处理并且进行了一些改进。
参考文献
[1] Carsten Steger，Markus UlrichChristian，Wiedemann.Machine Vision Algorithms and Application. 北京：清华大学出版社，2008.
[2] 何斌等. Visual C++数字图像处理.北京市：人民邮电出版社，2002
[3] 张宏林.精通Visual C++数字图像处理典型算法及实现.北京市：人民邮电出版社，2008
关键词：集装箱港口；自动定位；起重机吊具
我国的海上丝绸之路计划使得我国的海运的到了极大的发展，而海运本身也是需要很多技术支持的，除了在海上运输的过程中需要极高的航海技术，在船只到达码头后的对船上货物进行装卸也是同样需要技术支持。
近年来，社会经济发展对件杂货码头装卸工艺提出新要求。港口件杂货装卸生产囊括了船舶、货物、设备、场地等多种因素，各因素相互交叉影响。目前件杂货物集装箱化的比例不断提高，而港口件杂货装卸生产却普遍存在自动化水平较低、生产成本高、装卸效率无法满足需求的问题。对于我国社会经济发展前进重要一部分的件杂货码头而言，传统的手动控制抓取集装箱已经极大的影响了生产效率和装卸速度，基于此本文对将图像识别技术引入集装箱抓取自动化，及其优化进行研究与探讨。
1. 港口集装箱起重机吊具的控制方法
随着自动化运输系统的开发及应用，集装箱港口运输环节效率得到极大提升，于是便要求集装箱装卸效率与之相匹配。可是装卸操作作业仍依赖于人工操作。
1.1集装箱装卸工艺及其特点
集b箱运输需要高效配合，适用于大规模生产。作为海陆联运的枢纽，集装箱港口是海上运输和陆上运输的连接点。目前，集装箱码头上所采用的装卸工艺基本有三种，分别是：底盘车方式、跨运车方式、龙门吊方式（亦称场桥方式）。为了装卸的便利，海陆联运的集装箱都采用国际标准集装箱，所以装卸机械要符合国际集装箱的作业规范，要使用集装箱专用机械。
1.2传统的集装箱起重机装卸
港口起重机采用集装箱吊具来装卸集装箱，是集装箱码头作业的主要机械设备。现阶段，集装箱的提升、放置仍需要专业人员在操控室中进行人工操作。
操作室里的控制人员通过操纵设备移动吊具，当移动至集装箱正上方时再放下吊具；在吊具降至箱面时，在确认箱顶面锁孔对准无误后，插入并旋转锁头固定集装箱，即完成吊具锁孔工作。然而，大型港口起重机控制室普遍高达几十米，操作人员主要靠肉眼判断锁孔与锁头的相对位置，如有障碍物遮蔽，并且集装箱的锁孔很小，四个锁头同时固定难度极大，控制人员在操作时难以完成吊具锁孔固定工作，从而导致装卸时间延长，装卸效率降低。即使控制人员对低处的吊运机和叉车进行操控，也难以实现锁头的准确锁孔。
1.3起重机吊具自动化发展现状
经济全球化的发展也带动了集装箱航运业的飞速发展，集装箱船舶的大型化，对装卸的高速化提出新要求。现在已有一些国内外自动化集装箱码头实践的范例。日本名古屋TCB码头水平运输为AGV，堆场设备选择ARTG，并在前沿码头设置岸边集装箱起重机，此外，为实现集装箱箱号和卡车号的自动采集，该码头使用了无线射频识别（FRID）技术及光学字符识别（OCR）技术；德国汉堡港CTA码头的水平运输选用AGV，应用计算机模拟技术对码头进行路径规划设计和设备调度；意大利FATA码头选取起重机-高架桥-立体仓 的模式，使小车运行时的定位更为精确，也减少了装卸次数以及对岸线的占用，上海外高桥集装箱自动化码头采用高效环保型集装箱码头全自动化装卸系统，借助现代港口集装箱物流智能化、数字化管理平台，港口集装箱综合作业效率提高5%一8%，堆场能力比国际上几乎高出一倍。新型岸边集装箱起重机能够提高吊具与船上集装箱对位的准确性，同时采用双梁结构，运用载重小车担负集装箱在水平方向的运输，装卸效率显著提高。
图像识别技术作为人工智能的一个重要部分，随着它的发展，其应用范围也越来越广。光学字符识别（OCR）技术及自动导引车系统（AGV）技术等都涉及到图像识别技术，势必会给港口起重机吊具自动化发展带来新的机会。
2.利用图像技术对集装箱起重机吊具精确定位技术的研究
2.1国内外研究现状
当今的集装箱港口应用了如：RFID技术、GPS技术、自动导引车系统技术AGVS（automated guided vehicle system）、信息管理系统技术、决策支持系统技术、自动场吊ASC技术等新技术。这些新技术的引进，降低了人力资源投入以及港口操作的失误率，实现了港口资源的实时调度，从而提高了整个港口工作效率，增强了港口的竞争力。
集装箱运输的迅速发展是为了能够提高集装箱的自动化信息管理，正因如此大量学者以集装箱为研究对象，采用图像处理方法，进行了许多深入的研究。
（1）以集装箱为对象的图像成像原理的研究
清华大学核能技术研究院的吴志芳等人利用辐射成像原理实现集装箱的检测。张广军主要利用MATLAB进行仿真，对集装箱的破损部位（孔洞）进行了数字图像处理方面的研究。常捷等人研究的是基于图像的集装箱箱号识别，为码头、堆场、海关管理迈向自动化解决了最基本最关键的问题。李如松，何彬，杨杰研究了基于集装箱γ射线检测的图像处理[1]。
（2）集装箱识别与定位的研究
张森、傅圣雪提出了MATLAB平台下的集装箱识别定位的新方法，并结合实际情况采取边步长平移搜索方案，进一步提高了系统速度，满足系统实时性的要求。陈丹研究了关于图像识别系统的集装箱精确定位的图形处理。谢丁龙研究编写上位机与运动控制器的通讯协议，完成了根据实际的集装箱装卸环境设计构造的模拟集装箱装卸系统。武玉升利用单片机基于以太网通讯实现吊桥集装箱装卸的远程定位，司机通过驾驶室内的显示器和语音提示系统，就能实时掌握集装箱的位置。肖洋研究了吊具、集装箱、卡车所构成的装卸系统的集装箱定位[1]。
国外的学者Hee-Joo Yoon，Young_Chul Hwang and Eui-Young Cha提出了基于双目立体视觉系统的集装箱装卸自动化集装箱实时监测与定位，为集装箱自动化装卸提供了更深入的研究。
（3）集装箱自动定位的研究成果转化
三菱重工业株式会社发明了“装卸用起重机中的集装箱位置检测方法及装置、集装箱着地、探放控制方法”专利（专利号：EP1333003A1）。在吊具上安装摄像设备对目标集装箱进行图像采集，该方法通过所采集的图像数据，可以精确的对目标集装箱与吊具的相对位置进行检测。最终，由magic eye（该专利采用的计算机视觉部分）引导吊具定位集装箱。
德国西门子公司SIEMENS AG（DE）的专利（专利号：DE10107048）涉及了一种集装箱起重机装卸方法，也适用于集装箱船舶运输装卸作业。在起重机驾驶室中采用带有监视器的PC机，用过触摸屏操作，根据预先设定的值能使起重机自动定位预期目标[1]。
2.2图像识别技术的基本流程与原理
在实验室模拟试验后，结合画面获取时间、集装箱识别率、计算机计算速度、和装配维护成本多方面因素，最终拟采用双目视觉伺服系统，系统模式为手眼系统（eye-in-hand），是基于图像的视觉伺服系统。
所需摄像机数量为2个，型号为ZBS-002，放置于岸桥吊具对角抓脚处；工业一体式计算机1台。为满足夜间作业，需要在摄像机安装处各加装白炽灯1盏。（如表1）
（1）图像处理的基本流程图（图1）
（2）工作原理
1.驾驶员手动操作岸桥，使抓具移动到集装箱上空。按下“抓取”按钮。
2.摄像头获取图像，以矩形的特征抓取目标。
3.锁定目标后，分别以A、B摄像头作为横、纵轴的基准点，大致判断抓具与集装箱的方位。
4.计算机运作，通过提前输入的算法，计算出抓具所需移动的方向、距离。具体实现方法见下。
5.抓具匀速下降，与此同时计算机持续运算，不断微调抓具位置，直至最后对准集装箱。
6.抓具准确抓取集装箱，驾驶员按下“确认“按钮后，转为手动操作。
7.若出现抓具未能准确抓取的情况，系统提示驾驶员选择“再次对准”或“手动抓取”。
2.3机器人的控制系统系统设计
机器人采用集中式控制，在操控室安放一台微型计算机。在Windows10操作平台下运行Open Source Computer Vision Library（简称opencv），进行图像识别和计算，再将处理后的数据传输至抓具控制系统，抓具控制系统自动操作抓具抓取集装箱，具体包括：①采用摄像头对集装箱进行图像样；②对采集的集装箱图像进行预处理；③进行图像分割，提取待识别物体集装箱；④进行集装箱特征识别，特别是集装箱的顶点特征，为集装箱定位提供基础；⑤进行集装箱定位研究。
具体实现方法：
假设作业人员左侧摄像机为A摄像机，右侧摄像机为B摄像机。
1.A摄像机获取集装箱左侧图片信息后，计算出左抓脚与集装箱的横向（x轴）的距离。B摄像机获取集装箱右侧图片信息后，计算出右抓脚纵向（y轴）的距离。
2.通过相位差算法，抓具每次位移的距离为：抓脚与集装箱相应抓取点差距的一半，位移结束后重复计算位移，直至差距小于3cm。
3.下放抓具，准确抓起集装箱，再由作业人员移动载具。
选用相位差算法的原因如下：
①可以快速确定移动范围。
②能有效减轻抓具因惯性的摇摆，对计算结果的影响。
③所需设备数量少，成本低。
3.结束语
集装箱码头和装卸实际情况复杂、随机性大。关于港口集装箱起重机吊具自动定位技术难题实际上还有很多，但是在这里就不赘述了，如果想实现港口集装箱起重机吊具自动定位技术的真正智能，还是需要高度发达的人工智能机器人的支持。目前这种人工智能还停留在概念阶段，所以要把集装箱起重机吊具自动定位技术进一步智能化，高效化，还有一段很长的路要走。
参考文献
[1] 陈丹.集装箱图像识别与定位系统研究与实现[硕士学位论文].西南交通大学.软件工程.2013.
[2] 王雪.基于机器视觉的港口集装箱卸船定位识别系统[A].中国水运.2015（11）.
[3] 谢丁龙.基于计算机视觉的集装箱定位系统的研究[硕士学位论文].天津：天津科技大学.检测技术与自动化装置.2006.
[4] 杨宇华.集装箱自动化码头发展趋势报告[A].中国工程机械学.2015（06）.
[5] 沈元浩.伸缩式集装箱吊具的现状与发展.武汉交通科技大学.
[6] 杨建勇.现代港口发展的理论与实践研究[博士学位论文].上海海事大学.交通运输规划与管理.2005 .
[7] 张广军.数字图像处理在集装箱检测中的应用研究[硕士学位论文].哈尔滨工业大学.控制科学与工程.2008.
2005-2006学年，担任班级组织委员；
2005-2006学年，参与市场营销活动，并且业绩良好；
2006-2007学年，参与市场营销活动，并且业绩良好；
2006-2007学年，担任学院体育部部长；
2006-2007学年，单位学校计算机协会会长；
2006-2007学年，负责学校校园网站二期工程
2007-2008学年，在微软中国实习体验
专业课程 无机及分析化学 无机及分析化学实验 有机化学 物理化学 生物化学 生物化学实验 植物学 动物学 微生物学 微生物学实验 遗传学 植物生理学 解剖生理学 解剖生理学实验 现代生物技术概论 细胞生物学 分子生物学 分子生物学实验 多媒体课件制作 电子商务 专业英语等
公共课程 体育 大学英语 高等数学A 线性代数 大学物理 大学物理实验A 计算机文化基础 C语言 军事理论 思想品德修养 法律基础 科技写作等选修课程 C语言、C++、数据库技术原理与SQL Server2000、数据结构、软件技术基础、微机原理与汇编语言、电工、电子技术（数电、模电）、计算机图形学、数字图像处理、视频技术及运用、计算机网络与数字通信、多媒体技术及运用、Web技术及网络出版、色彩学、信息论与编码技术、信号与系统等。技能专长 绘画：国画、水粉、素描、油画等。
擅长写作，曾在院学生会新闻部、晨帆诗社编辑部工作。
熟练运用Word、Excel、Authorware、Powerpoint等软件，能使用C语言编辑基本程序。
课外曾协助老师和独立作过研究工作，熟悉部分生物技术药品、仪器、基本原理及流程。论文《关于黑曲霉产纤维素酶能力的研究》获得大学生“挑战杯”课外学术科技作品二等奖。毕业论文《产碱性果胶酶细菌的分离纯化及其酶活测定》获得优秀。个人爱好 读书、绘画、下棋、辩论、听音乐、看电影、讲故事等自我鉴定
性 格：沉着稳重，勤学好问，乐观自信，做事仔细认真，表达能力、适应能力强，有责任心和极强的亲和力，具有较强的团队合作精神。
自我评价诚实守信、塌实肯干、肯吃苦、做事细心、责任心强、有较强的团队精神；上进心强、性格开朗有较强的自学能力和适应能力；年轻的我希望点燃自身的热情来使贵公司发光发热，一定会实现自身价值并在工作中为企业创造更大的财富。我真诚的向您提出求职的恳求，以我拳拳寸草心，浓浓赤子情期待与贵公司共呼吸，共命运，同发展，求进步。工作态度: 诚实守信，敬业乐业。没有最好，只有更好。荣获奖励 2004年11月 院大学生辩论赛最佳风度奖
2005年 5月 院环保征文二等奖
2005年 3月 大学生“挑战杯”课外学术科技作品二等奖社会实践 课余时间从事家教工作，受到家长和学生的好评。
有教师资格证。普通话二级甲等。英语四级。计算机一级。工作及实习经历 2003.7青岛野外实习
2006.2-2006.6毕业实习
2006．7中国水产烟台海洋渔业分公司家工厂实习一周
2006．8-2007．2烟台好利洁水性涂料有限公司化验员
【关键词】机器视觉；啤酒；空瓶；图像采集
一、啤酒空瓶检测系统介绍
啤酒生产厂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脏或者存在许多缺陷，必须在灌装前进行清洗，清洗之后需要检测是否洗干净。随着啤酒工业的迅速发展，对啤酒生产效率的要求越来越高，啤酒生产速度可以达到每秒钟10瓶以上，单靠人工检测啤酒瓶是否干净效率低、漏检率高，检测人员很容易产生视疲劳。而基于机器视觉技术的啤酒空瓶检测能够实现速度快、精度高的自动化检测。
采用机器视觉系统的目的就是给机器或自动化生产线添加一套视觉系统，其原理是由计算机或图像处理器以及相关设备来模拟人的视觉行为，完成得到人的视觉系统所得到的信息。人的视觉系统是由眼球、神经系统及大脑的视觉中枢构成，计算机视觉系统则是由图像采集系统、图像处理系统及信息综合分析处理系统构成。如图1所示为机器视觉系统基本结构。
二、啤酒空瓶检测流程
采用机器视觉技术啤酒空瓶检测流程如图2所示。被检啤酒瓶进入检测系统后首先触发输入光电开关，系统将开关信号传递给控制器，控制器通过编码器记录脉冲信号，经过固定的脉冲之后瓶身检测摄像机、瓶口检测摄像机、瓶底检测摄像机、瓶身内壁检测摄像机相继工作，分别对瓶身、瓶口、瓶底、瓶身内壁进行拍照。将拍得的图像信息送入图像处理模块进行的图像处理，控制系统判断空瓶图像是否合格。如果控制系统判断瓶子不合格，控制器会输出一个信号给踢出器。当次瓶运动到踢出器时，踢出器动作将次瓶击出。最后合格的啤酒瓶被送入下一道工序。
三、啤酒空瓶检测系统软件设计
图3为基于机器视觉技术啤酒空瓶检测系统软件框图。啤酒瓶视觉检测系统是高速实时控制系统，因而对软件要求速度快、控制及时。在连续检测时，PC机使用特殊的图像采集卡和CCD摄像机连续地对被检啤酒瓶进行准确地拍照，获得图像的数字化信息，并通过数字图像处理与判断模块获得啤酒瓶检测的决策信息，并将其传送给可编程控制器，完成对执行设备击出器的控制。在系统待命时，PC机接收用户的指令，完成对系统的软件参数配置、硬件的检测等，包括图像处理与判断模块参数的设置，传送系统电机转速设置，系统各个传感器检测，击出器检测，CCD摄像机检测等。
本系统选用PLC作为底层控制器，它通过I/O口与光电传感器，编码器，击出器，图像采集子系统等相连，通过图像采集子系统控制CCD摄像机的拍摄以及直接控制击出器的动作。同时PLC通过485总线与工控机连接，接收工控机传来的控制信息和系统参数等。
在系统运行过程中，PLC负责及时地通知图像采集子系统启动CCD摄像机，抓拍处于拍摄位置的空瓶。为了达到这一目的，需要使用光电传感器来检测空瓶的位置。在系统中使用了反射式光电传感器，这种光电传感器在没有接收到从反光板反射回来的光束时，就会输出触发信号。将光电传感器安装到CCD摄像机拍摄位置旁，把输出接到PLC的I/O输入口上。当没有空瓶经过时，光电传感器可以接收到反射光束，没有输出信号，而当有空瓶经过时，光电传感器无法接收到返回的光束，于是输出触发信号。PLC从输入口接收到此信号后，即可判定空瓶已到达拍摄位置，从I/O输出口输出启动信号给图像采集系统，启动CCD摄像机，摄像机及时进行拍摄，获取被检空瓶的图像。
在专门的信息处理模块对获取的图像信息进行分析处理后，将得出空瓶质量是否合格的结论。如果不合格，主控的工控机就会通过485总线发出控制命令，要求PLC控制击出器击出该空瓶。PLC在接到击出命令后，需要标定不合格空瓶，并追踪其位置，当不合格空瓶到达击出器所在位置时控制击器动作，击出不合格空瓶。为了确定需击出空瓶位置，在系统中使用一个编码器与驱动传送带的电机相连，当电机转动时，编码器相应发出脉冲。计算脉冲的数目，即可知道传送带运动的距离。这样一来，如果能测出不合格空瓶要运动多长距离才到达击出位置就能将其准确击出。可以在事先把编码器的脉冲输出与PLC的I/O输入口相连，然后在传送带上放一空瓶，让其依次经过检测位置和击出位置，PLC使用计数器记下此过程中脉冲的数目，这一数值即对应着检测位置和击出位置之间的距离。
四、结语
基于机器视觉的啤酒空瓶检测系统是我国目前啤酒行业急需的高科技设备之一。本系统从啤酒瓶视觉检测的相关基础技术、电气控制系统等进行了说明，是PLC、视觉系统、传感器、上位机的灵活结合应用，系统采用视觉传感器拍摄和处理实时图象，最终达到去除不合格啤酒瓶的目的。
我国的工业化、现代化还刚刚起步，图像和机器视觉技术的应用也刚刚开始。随着我国工业化进程的加快，工业体系的完善，劳动力成本的上升，参与国际竞争必定要求产品质量和生产效率不断提升、自动化程度不断提高，机器视觉技术的应用领域和应用水平也会随之发展，机器视觉技术将会大显身手。
参考文献
段峰，王耀南，刘焕军.基于机器视觉的智能空瓶检测机器人研究.仪器仪表学报，2004，25（5）：624—627.
宋学勇，赵敏.机器视觉系统的关键技术.计算机世界，2007/7/23/第B11版.
董瑞翔.用机器视觉技术提高生产率.机器人技术与应用，2002（5）.
关胜晓.机器视觉及其应用发展.自动化博览，2005（3）.
钟权龙，许积飙.西门子机器视觉系统在烟草行业的应用.现代制造，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.
作者简介：
摘要：颅脑病变的自动诊断是计算机辅助诊断领域研究的难点，本文的研究目的就是提出一种简单的基于颅脑结构对称性的病变区域分割算法并对病变区域提取特征信息。病变分割算法首先将图像分割为固定的感兴趣区域，采用二阶统计矩的差值作为特征判断出病变区域，然后采用自适应阈值分割算法分割出病灶。针对已分割出的病灶选择平均灰度，二阶统计矩，灰度共生矩阵的角二阶矩，规则度等分别描述病变区域的纹理特征和形态特征。实验结果表明，本文提出的分割算法对密度改变明显的病灶可以自动地检出并分割病变区域，并能提取病灶的特征信息，部分解决了颅脑病变的自动诊断难题。
关键字：颅脑病变分割；颅脑病变特征提取；计算机辅助诊断；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 录
第1章 绪 论 1
1.1 研究目标 1
1.2 研究的背景和意义 1
1.2.1 研究的背景 1
1.2.2 研究的意义 1
1.3 论文主要内容 2
第2章 颅脑病变自动识别的整体方案设计 3
2.1 颅脑病变CT基础知识 3
2.2 颅脑病变自动识别整体方案 3
2.3 颅脑病变区域的自动分割方案 4
2.4 颅脑病变区域特征提取方案 5
2.5小结 5
第3章 颅脑病变区域的自动分割 6
3.1 图像预处理 6
3.1.1 中值滤波 6
3.1.2 直方图均衡 6
3.2 颅脑病变区域自动检出 7
3.2.1 颅脑图片的分块 7
3.2.2 分块特征选择 9
3.2.3 病变区域检出 13
3.3颅脑病变区域的分割 14
3.4实验及问题分析 19
3.4.1 实验及问题分析 19
3.4.2 问题及分析 20
3.5 小结 21
第4章 颅脑病变区域的特征提取 22
4.1颅脑医学诊断中的常用特征 22
4.2颅脑病变区域的特征提取 22
4.2.1 区域位置 23
4.2.2 面积 23
4.2.3 平均灰度 23
4.2.4 灰度对比度 24
4.2.5灰度共生矩阵 24
4.2.6 规则度 26
4.3小结 27
结 论 28
感 谢 30
参考文献 31
第1章 绪 论
1.1 研究目标
本文的研究目标为以下两点：
1、寻找一种能够自动识别出颅脑中病变区域的方法。
2、针对已经识别出的颅脑病变区域寻找合适的特征表示用于辅助诊断和识别病变类型。
1.2 研究的背景和意义
1.2.1 研究的背景
本文的研究从属于基于医学影像学的计算机辅助诊断，具体为颅脑病变的计算机辅助诊断。下面对基于影像学的计算机辅助诊断和其在颅脑方面的发展作一个简要的介绍作为研究背景的阐述。
计算机辅助诊断简称CAD，其中D包含有Detection和Diagnosis两个方面的含义，也即是发现病变区域和诊断病变种类这两个主要的功能。上世纪50年代，美国学者首先将计算机应用于医学诊断。上世纪80年代，一方面基础的数学和统计学理论方法上有所发展，另一方面计算机技术的进步使得计算机辅助诊断在发达国家有了快速的发展。进入90年代后，在数字图像处理技术和模式识别理论等相关学科发展的带动下，计算机辅助诊断技术有了更快的进步，但是其依然处在一个不成熟的阶段。
近年来基于影像学的计算机辅助诊断的发展状况是在肺结节性病变和乳腺癌早期诊断方面的研究比较成功，其中有一部份成果已经通过了美国FDA认证而应用于临床诊断，并对诊断起到了积极的作用。而我国的医疗设备制造商东软的CT成像设备也具备对肺癌，冠状动脉钙化积分和结肠癌的早期检测能力。但是，对颅脑病变的计算机辅助诊断的研究国内外都处于一个起步阶段。对于颅脑病变计算机辅助诊断的研究，现阶段多集中于图片的筛选即对图片是否含有病变的判断和对颅脑结构的自动分割以及病变区域的自动划分上，且尚无较好的方法。
1.2.2 研究的意义
对于颅脑计算机辅助诊断的研究主要有以下几个方面的意义：
1、计算机有着精确，不会疲劳，速度快等等的优势，在诊断中可以起到良好的辅助作用。医生诊断的一些问题具体表现为：（1）放射科医生的诊断是主观判断过程，因而会受到医生经验及知识水平的限制和影响；（2）医生诊断时易于遗漏某些细微改变，如肺结节、乳腺内的细微钙化等；（3）不同医师间及同一医师不同状态时的阅片差异的影响，而计算机对于纠正弥补这些错误和不足具有巨大的优势；（4）现代的影像设备所产生的图片数量巨大，读片医生的工作量很大，利用计算机辅助可以从中筛选出需要阅读的图片从而大大提高工作效率。因此，计算机辅助诊断可以提高医生诊断的准确性，速度和对疾病解释的一致性。
2、颅脑疾病是对人类健康有着巨大影响的疾病，其种类繁多如脑肿瘤，脑溢血等等，往往会危害病人的劳动能力，思维能力和精神状态，严重时甚至会危及病人的生命。而脑部疾病的诊断对医生的要求较高，需要长时间的培养和实践医生才能满足诊断需要。
3、颅脑病变的CAD研究在国内外尚处于起步阶段。但是，在其他病变部位如肺部的CAD已经有商品问世。因此可见，随着研究 的深入和技术的进步，颅脑CAD领域终会有成熟的商品出现。现阶段的研究在学术和经济意义上也都有一定的价值。
1.3 论文主要内容
本论文按照课题要求，首先将对颅脑病变自动诊断的流程做一个大体的论述。其次会对颅脑病变区域的自动识别和分割方法进行论述，并给出相应的实验和问题分析。再次会对适合于所采用的分割算法的病变选择利于诊断的特征，并简单分析特征的效果。最后，对整个工作进行总结，讨论方法的不足和有待提高的算法。
论文包含以下章节：第二章颅脑病变CAD系统的整体方案设计；第三章颅脑病变区域的自动分割；第四章颅脑病变区域的特征提取；总结。
第2章 颅脑病变自动识别的整体方案设计
2.1 颅脑病变CT基础知识
对计算机辅助颅脑病变自动识别的研究，需要颅脑CT诊断学的知识。包括有颅脑的基本结构、颅脑疾病分类知识和CT脑图的有关知识。下面首先对以上基础知识做一个简要的介绍。
人的头部从外到内有以下几层结构：颅盖软组织、脑颅骨、脑膜及其间隙、脑。脑部疾病多发于脑，脑分为大脑，脑干，间脑和小脑。大脑分左右两个半球，基本对称。大脑半球以三个沟裂为标记，分成四个叶和一个脑岛。按Brodmann功能定位法，在CT图像中进行定位，主要有：额叶、顶叶、颞叶、枕叶和岛叶。大脑半球内部有侧脑室、大脑半球内部的神经核团、大脑半球的白质等等。在CT图片中，脑干、间脑、小脑较少被成像故不作介绍。
颅脑疾病种类相当繁多，这也是造成颅脑CAD研究艰难的一个原因。颅脑疾病可大体分为以下几类：脑先天性疾病、脑血管病、颅内肿瘤性病变、颅内感染性疾病和脑白质病。其中，以颅内肿瘤性病变最为常见，占颅脑疾病的绝大多数。脑瘤有神经胶质细胞瘤、脑膜瘤、垂体瘤、颅神经瘤等等。其病变的表现多体现于密度变化、占位效应、水肿、钙化等等。
CT是在现代医院影像科中被广泛使用的成像设备。CT图片是由X射线透射人体断层，射线被人体组织衰减后投影成像。较先进的有双层螺旋CT，全身CT等等。颅脑CT图片一般分为8层，最低层以听眦线为基准，层厚约10毫米。有颅底层、蝶鞍层、第三脑室前后层、侧脑室层等等。扫描分平扫和增强扫描。平扫的病变特征一般以密度的改变为主，增强扫描则主要为强化的种类不同。除此以外脑室系统的变化如占位效应，萎缩，梗阻等等也是医生诊断时会注意的特征。
2.2 颅脑病变自动识别整体方案
本文研究颅脑病变自动识别方案的思路是首先研究医生进行病变诊断的流程。在总结医生诊断过程的基础上，利用计算机模拟诊断的各个步骤。研究每个环节的计算机自动实现，最终达到颅脑病变自动识别的目的。
医生对疾病进行诊断的基本流程可以概括为发现病灶、观察分析病灶，最后根据观察所得结合医学理论和临床表现确定疾病种类。发现病灶即是找出具体病变的区域，对于数字图像就是分割问题。观察分析病灶的目的是获取病灶的表征其为区域特征提取问题。由特征来自动分类病变是模式识别问题。 综上颅脑病变的自动识别方案如下图所示。
图2-1 颅脑病变识别过程
本文研究的重点是如何自动分割出病变区域以及对分割出的病变区域提取特征，下面将对这两个模块的方案进行介绍。
2.3 颅脑病变区域的自动分割方案
现在研究中比较常用的颅脑病变区域自动分割方案是：第一步先对颅脑CT图像进行分割，将整个颅脑包括病变在内的所有结构和组织都分割出。第二步或是利用基准灰度模板或是利用结构化的先验知识，基于对照或是分布规则将病变区域识别出来。其流程如图2-2。
图 2-2 常规颅脑病变分割方案
针对颅脑结构的分割算法很多，有基于统计学的算法、基于信息论的算法、基于神经网络的算法、基于小波变换的算法等等。较为常用的是阈值分割算法。其利用了颅脑不同结构的CT值不同进行分割。但是想获得较好的效果则图源必须为标准的DICOM格式图片。
对比模板的建立同样是建立在优良的分割算法的基础上的。而利用结构化的判断方法需要有关各个CT层的大量结构先验知识。同时，由于每个病人的颅脑结构都有个体差异，所以在利用以上方法时还需要先进行配准，在初步判断后再依据一个概率意义上的容错谱解决个体差异问题。
笔者缺少大量的医学先验知识，也没有途径获得标准的CT图源。通过对基础医学知识的学习，发现颅脑的结构对所有正常人而言都是对称的这一先验知识是一个很好的立足点。多数情况下，病变区域与对称侧脑的同区域是有着明显不同的。这一点和所处的CT图层无关，只和病变的具体情况有关。通过这一点，可以发现病变区域而排除正常的灰度值有变化的结构和组织。但是，在没有进行分割之前是无法知道病变区域的，也就无法进行精确的基于对称性的比较。
本文的思路如下：首先不对图片进行分割，而只进行简单的分块。将颅脑CT图片分为对称矩形区域。其次对矩形区域选择合适的特征并表达。根据特征和基于颅脑对称性的先验知识确定包含有病变的区域。将所有包含有病变的分块进行合并。最后，利用基于阈值的分割算法分割出具体的病变区域。
图2-3 本文设计的病变分割方案
2.4 颅脑病变区域特征提取方案
颅脑病变区域特征提取的合适与否关系到之后的分类器的设计。因为颅脑病变的种类多样，判断依据的特征较多，分类器多采用非度量的结构判断，这也是符合医生的判断过程的。由此，特征的需要数量较多，选择的标准应以医生判断病变时的选择为依据，这样可以在后续分类器设计时尽可能利用大量的成熟的医学先验知识。同时，也可以辅助医生进行诊断。
通过学习相关的医学理论，可以确定医生在判断时多会考察位置、边缘、面积，灰度、病变区域内部纹理等等的特征。可以根据数字图像处理的相关理论量化这些特征。选取平均灰度，灰度对比度，灰度共生矩阵的矩等等作为分类特征。
2.5小结
颅脑CT病变的自动识别整体方案包含三个步骤，其中病变区域自动分割，病变区域特征提取为本文关注的两个核心模块。病变区域自动分割首先利用颅脑结构对称的先验知识和病变区域灰度变化明显的特征确定病变的分块区域，之后再利用常规的阈值分割算法分割出精确的病变区域。病变区域特征提取依据医生判断所考虑的特征，选取平均灰度，灰度对比度，灰度共生矩阵等作为分类特征。
第3章 颅脑病变区域的自动分割
3.1 图像预处理
本文中，图像预处理 的目的有两个。第一，滤除在图片中的细小噪声。第二，使所有图像都能归于一个标准统一的状态，以利于后面的区域分割和特征提取取得良好的效果。
3.1.1 中值滤波
图像中存在许多微小的噪点，其对后续处理的影响主要体现在对灰度对比度和纹理特征的计算上。会使灰度对比度增加和纹理的提取丧失一部份的规律性。对噪声的处理采用空域平滑滤波，一般有中值滤波，自适应滤波等等具体算法。对于微小的噪点，中值滤波的效果较好，实现简单。中值滤波的示意效果如下：
图3-1 中值滤波效果示意
虽然会使颅脑图像模糊，但是通过选取合适的区域尺寸可以使模糊效果处于可以接受的范围内。而且，后续的处理方法多基于灰度统计特征，对边界的细微变化不敏感。
3.1.2 直方图均衡
由于无法从医院获得标准图片，本文所采用的图像都系从网络中的医学图片库获得。虽然这些图片都是以标准图片为母本，但是为了适应网络传输的需要其灰度有所变化。而且，由于缺乏统一的标准不同图像库的图片的灰度有一定的区别。这就对后续的病变区域的判断阈值的确定造成了困难。使用直方图均衡可以使不同图源的灰度在直方图意义上分布统一，从而方便处理。
均衡前 均衡后
图3-2 直方图均衡效果图
但是，由图可见其增大了全图的灰度对比度，原本灰度对称性很好地区域在处理后对比增加使得后续的分块对称计算特征效果变差。
3.2 颅脑病变区域自动检出
颅脑病变区域自动分割是颅脑CAD的首要难题，其他研究者的思路是首先对颅脑区域进行分割再根据有关颅脑分层结构的先验知识设计判断算法。此类算法存在以下问题：（1）颅脑的分割算法不成熟且实现复杂；（2）不同人的颅脑结构有其一定的特异性，尚没有兼具标准性和适应性的颅脑分层结构模板；（3）本文关注的是病变区域的特征，在实现上没有必要对颅脑的全部结构进行分割。
本文的思路是先找到病变的大体区域之后再对其进行具体的分割。找到病变的流程为划分区域，寻找分块特征，识别包含病变分块。下面分别就这三个方面加以讨论。
3.2.1 颅脑图片的分块
颅脑图片的分块是一种非传统意义的分割。其目的是为后续的特征提取确定一个适合的图像层次，使得特征参数的提取对识别效果明显。分块是将图片固定的分割为一定数量的感兴趣的区域，这些区域关于颅脑的中心线对称。
数字图像的表达为f(x,y)，每组(x,y)代表了图像的一个像素。设图像的尺寸为M行、N列。需要将图像分割为P*Q个矩形的方块，其中水平方向上分割为P部分，垂直方向上分割为Q部分且Q必须为偶数。则有垂直和水平分割点分别为M/P、M*2/P、…M*(P-1)/P及N/P、N*2/P、…N*(P-1)/P。
对图像分块处理示意图如下：
图3-3 图像分块示意图
在具体的处理中，由于图片的来源的不统一以及在MATLAB中后续处理的方便，首先要统一转换图片为256阶的灰度图。同时，在分块中要求Q为偶数且垂直方向上的分块尺寸对称，则必须使N为偶数。为了分块划分计算的方便，M也取偶数。实现方法为对奇数的M和N省略最后一行或列。在实际应用中对后续特征提取效果没有影响。实现在map_format函数中。
图片的分块实现需要用到MATLAB中的元胞数组。元胞数组的基本组成部分为元胞，其可以是任何类型和大小的数据。在MATLAB中，图像的储存为二维矩阵，利用元胞数组可以将指定尺寸的元素组合成元胞实现图像的分块。
在实际的处理中，还会有图像尺寸无法被分割参数均分的问题。列如尺寸为300*310，划分的参数为6*8。虽然尺寸和划分参数都为偶数，但是无法实现均分。通过对CT图像的观察发现，CT图片的边缘都为不含任何信息的黑色区域，在分块中虽然会将颅骨包含在内，但是一般而言在颅骨附近的区域发生病变的可能性较小。因此，处理的方法是采用非均匀的划分，在CT图片的周边一圈采用较大的分块来解决无法均分的问题。对于对称分块的特征提取影响很小。分块的实现在block函数中。
an = 2 * floor(an/2); %行核心区域分割参数
bn = 2 * floor(bn/2); %列核心区域分割参数
a1 = (x - (m - 2) * an) / 2; %行边界区域分割参数
b1 = (y - (n - 2) * bn) / 2; %列边界区域分割参数
a = zeros(1,m); %行元胞分割数组
b = zeros(1,n); %列元胞分割数组
元胞数组处理过后的分块图像使用subplot函数的多块显示即可。
图3-4 待识别的颅脑CT图
图3-5 分块后的颅脑CT图
3.2.2 分块特征选择
选择分块处理是出于颅脑结构的对称性考虑，这点前文已经多次说明。在选择分块用于识别的特征时，有两个方面的因素是考虑的基点。（1）颅脑结构对称性的具体表现。（2）有哪些可供考量的特征。在确定的备选的特征后，即需要对其的效果进行评估。下面首先讨论特征选择的思路。
人的颅脑结构是基本对称的。在CT图像中，颅脑结构从听眦线开始，从图像处理的角度来看主要可以分为两种结构：骨结构和组织结构。前者的灰度稳定，一般较高，后者情况复杂，依层次而定，一般为等密度。就对称性来看，骨的形态对称性较好，但是包裹脑的颅骨对称性不佳。组织的形态对称性一般，而且其边界在CT图片中常常模糊或弥散。但是其灰度的对称性较好。
在数字图像处理理论中，将区域的表示与描述大致分为两类：边界描绘子和区域描绘子。边界描绘子主要针对图像的边界特征如边界长度、形状数等等进行数字化的表示。区域描绘子则对如区域面积、连通区域、纹理等等特性给以表达。
前面已经将图片分割成了关于颅脑中线对称的多个矩形区域，考虑特征选择中的边界描绘子和区域描绘子。因为前面的分块是完全没有引入颅脑结构的先验知识而计算机又不具备人类关于图像的配准能力，人的颅脑形状结构在空间上并非严格的结构对称而边界描绘要求较为严格，如果在正常范围内颅脑结构发生细微改变就会使得对称效果变的极差。所以，没有选择边界描绘子。在图片的分块中，必然会有一定量的图片中的病变结构被分割到多个分块中，如果分块大小选择合适，一般不会出现某个分块完全为病变的内部的情况。而病变区域的密度亦即是像素的灰度相比正常组织结构会偏高或偏低表现为高密度或低密度病变，因此区域的灰度平均值可以作为一个特征。同时考虑到分块会造成病变结构分割的不确定性和矩形分块通常会包含一定量的正常结构（很少有矩形的颅脑病变结构）选择区域 的二阶统计矩即是灰度对比度作为另一个特征。
图像的灰度平均值和灰度对比度都是图像区域灰度直方图的统计量。令Z为一个代表灰度级的随机变量，则可得P(Zi)，i=0，1，2，……，L-1，为图像的直方图。L为处理图像的灰度级，本文中一律为256级灰度。
图像区域的第N阶矩为：
(3-1)
其中m是z 的均值亦即平均灰度级：
(3-2)
从公式可见，m即是灰度平均值，二阶统计矩即是灰度对比度。而三阶和四阶统计矩也有对应的意义，为直方图的偏斜度和相关平直度。在分块的特征提取中，意义不明显故未使用。
灰度平均值的实现简单，可以直接对元胞数组中的元胞应用函数mean。对于二阶统计矩，元胞数组的元胞不支持直接使用函数var，故需要先将元胞中的元素转赋给一个数组再用函数var即可。灰度平均值的实现在函数avr_gray中，二阶统计矩的实现在函数d_gray中。下面为图3-4所示图像分块后的特征提取效果。
图3-6 分块的灰度平均值
图3-7 分块的灰度对比度
从数据可见，灰度对比度的数值与正常区域的分离较为明显，而灰度平均值的数值则有不稳定性。其表现为在病变区域的数值变化较大。原因是分块中可能包含不同比例的正常区域。通过一定量的样本图像的实验，发现总体而言灰度对比度的效果要明显好于灰度平均值。
但是在后续的分类判断中，灰度对比度特征的判断阈值难以选择。原因有以下两点：
（1）颅脑不同层次和同层次的不同结构的灰度对比度情况较复杂，包含病变后的区域特征值会和包含有内部骨结构的分块近似。
（2）采用的是固定的分块，面对颅脑的复杂情况下无法保证对所有图片的分块中正常和非正常部分的比例相同。因此考虑将关于颅脑中线的对应分块的特征值做差值，再以差值作为识别的特征值。这样，对颅脑CT图像的任何区域和图层都有适用性。在理论上，颅脑关于中线对称的区域的灰度统计特性是相同的。虽然因为CT图片中的噪声干扰以及颅脑结构个体差异会造成的一定的差别，但是如果区域的比较大时，灰度统计特性对此是不敏感的。之后，选择合适的阈值就可以完成病变区域的识别。
分块对应的规则如下图。
图3-8 对称区域差值计算示意图
在实现中建立一个和元胞数组同尺寸的数组用于存放对称区域的差值。区域的对称规则如下图。由函数diff_gray实现以上功能。其也适用于灰度平均值的计算。图3-5图片的特征提取效果如下。
图3-9 灰度平均值差值
图3-10 灰度对比度差值
从数据可见，灰度平均值差值和灰度对比度差值的分类效果比其自身更好。通过实验可以确定，灰度对比度差值的分类准确性和完全性效果仍然要好于灰度平均值差值。而且与病变种类的关联较小。其能够对大部分包含病变区域的分块给出明显区别于正常分块的数值。
3.2.3 病变区域检出
根据前面特征提取的结论，灰度对比度差值可以作为一个良好的特征用于分块是否包含病变区域的识别。可以使用模式识别中的模糊聚类或者人工神经网络的方法，也可以使用简单的阈值判断的方法。通过实验发现阈值判断的效果基本符合要求而实现简单故选择阈值判断识别包含病变区域的分块。
阈值的确定是通过实验的方法确定的。阈值选择为20。实验表明其效果对脑肿瘤等灰度变化明显的高密度、低密度和混合密度病灶的识别效果较好。对于大小基本和一个分块相同的病变区域识别效果较好，对于弥漫性的病变和病灶多且小的病变如脑寄生虫病的识别效果不佳。同时也发现边缘的区域是假阳性误判较多的，原因将在后文分析。对于此的处理是强制使所有边缘默认为非病变。其实现比使用模式识别理论构建的分类器要简单。由函数qypd实现初步的识别。
图3-11 病变区域识别结果
3.3颅脑病变区域的分割
在初步判断出包含了病变的分块区域后，就可以针对这些分块区域使用分割算法找出真正病变病灶的区域。而后续的特征提取的工作，就是针对这个真正的病变区域，这样才能保证特征提取的有效性。
在对分块区域使用分割算法之前，必须对已经判断出的区域进行一定的预处理。这样，可以保证分割算法的有效执行。预处理包括分块的补全融合及病变对称区域的滤除。
对分块进行补全，以使得全部的分块可以融合为一个矩形。原因有以下两点：（1）分割算法的要求使得被分割的图像输入必须为矩形；（2）在加入了包含病变区域的分块后，从融合后的图片区域的整体灰度统计特性来看，双峰的特征会得到一定程度的加强。这是有利于分割算法的实现和获得更好的分割效果的。
因为前面的包含病变区域的判断算法的原因，在判断出的区域中，出现非矩形的区域情况很常见。例如：三角形、十字形等等。补全的目标是找到一个最小的包含非矩形病变区域的矩形。实现的思路很简单，平扫整个图像至第一个标记为病变的区域，对此区域的四个对角元胞进行是否为标记的判断，如果被标记，则将以此元胞和中心的矩形区域都标记。如此往复，直至图片的最后一个点。
图3-12 区域补全前识别效果
图3-13 区域补全后识别效果
从前面阈值判断可知，包含有病变区域的分块的对称分块。这样在病变区域的分割中需要多处理一倍的数据，而且就结果而言其应该被视为假阳性。本方案暂时采用的处理方法为分别计算两区域的灰度平均值和二阶统计矩，再与图像中正常区域的灰度均值和灰度对比度对比，如果有任何一值与正常值偏离较大则判定为包含病变区域。此方法的效果如下。
图3-14 假阳性处理效果
通过实验，发现此处理方法的效果不佳。表现在对含有一定正常脑灰度变化结构的分块无法被滤除。但是，假阳性区域是可以接受的、其影响即是会降低后续处理的效率。在辅助诊断结果中出现一定的正常区域对诊断结论没有危害。
图3-15 分割处理源图
在完成了以上的工作后，即可使用分割算法，应用区域为标记的元胞。
如第二章所述，应用于医学图像的分割算法很多，其中很多如基于神经网络的分割、基于模糊聚类的分割，其算法复杂，实现困难。常用的分割算法是基于统计学的分割。本文也采用基于统计学的算法。具体的原因如下：（1）本文所提取的病变区域有很明显的灰度对比度，其统计直方图的双峰较为明显，如下图；（2）基于统计学的分割算法实现相对简单，分割速度比上文提及的分割算法有明显的优势。
在分割中，图像可以认为有对象和背景两部分构成。对象和背 景的灰度级是可以被分为两组不同的支配模式。因此，从背景中提取对象的一种很直观的思路是选择一个合适的门限值，对全图根据门限值进行判断就可以将两中模式分开。当图像是更为一般的情况时，模式的种类更多则可以使用多门限处理的方式。
从以上叙述可见，应用此种算法的关键是寻找合适的门限值。为了保证算法可以适应不同密度变化的病变和不同层次的CT图像，门限值最好是自适应的。下面将讨论自适应门限值的确定。
如前文的定义，数字图像为f(x,y)其尺寸为P*Q。若在图像中灰度级i出现的次数为n,则有灰度级i的概率为：
且 ， (3-3)
在本文中是分割为两类，背景类S1和目标类S2。以t为阈值。因为在颅脑病变中存在高于和低于正常灰度的病灶，因此以分块图像的边界点的灰度值与阈值t的关系来确定背景类和目标类与阈值t的大于小于关系。现本文假定背景类灰度值i<t，目标类灰度值i>t。则可得背景类和目标类的出现概率分别为：
(3-4)
(3-5)
对于一幅图像的阈值的自适应确定，本方法有以下两点需要考虑：（1）两个类的类间距，类间距越大则分割的效果越好；（2）两个类中的内聚性，内聚性越高则表示每个类的分散度越小同时分割的效果越好。
对于类的类间距的度量，首先需要得出类的类内中心。定义为：
(3-6)
(3-7)
则类间距被定义为：
(3-8)
对于类的内聚性可以用类中的每一个像素到类内中心的距离来定义：
(3-9)
(3-10)
自适应的最佳阈值要能够同时使得类间距最大而类的内聚性最小。此时的分割是最佳的。综合考虑这两个要素，可以定义分类的判别函数：
(3-11)
明显，使得H(t)取最大值的灰度值t为自适应的最佳阈值。以此阈值进行分割得到S1和S2有：
且 (3-12)
在此情况下，背景类和目标类的分割效果最好。
实现过程即是首先获得图片的灰度直方图，根据上文所述对每个灰度级计算其判别函数的值，选择使判别函数值最大的灰度做为分割阈值对图像进行二值化。
图3-16 分割所得目标区域标记图
分割后可以获得一个二值图像，以此二值图像中的目标区域为标记结合原始图像进行针对区域的特征处理。
3.4实验及问题分析
3.4.1 实验及问题分析
本实验所采用的测试图片都系从网络上的医学图片库中获得。虽然和医院所使用的标准的DICOM格式的图源质量无法比较，但是作者认为其基本符合验证算法的需要。因为图片所包含的信息基本不变，而且前文也对此类图片做了相应的预处理以保证其符合算法的需要。
实验的流程如前所述，首先做预处理；其次分别进行分块、提取特征、识别分块区域；最后对识别及融合后的图片进行分割。实验结果的评定为是否正确找出病变区域及对病变区域分割的准确度也即是否找出了完整的病变区域。病变区域的评定标准为网上医学图片库中的医生意见。部份实验结果如下表：
表3-1 实验结果
病灶类型 病灶大小 正确性 准确性
低密度 大于分块 正确 全部找出
低密度 近似等于分块 正确 全部找出
高密度 大于分块 正确 未全部找出
低密度 小于分块 正确 全部找出
高密度 近似等于分块 正确 全部找出
高密度 大于分块 正确 全部找出
高密度 近似等于分块 正确 未全部找出
混合密度 大于分块 正确 未全部找出
混合密度 大于分块 正确 未全部找出
高密度 大于分块 正确 未全部找出
从上表中可以得出以下结论：（1）本文所采用的方法对密度表现为高密度和低密度、大小为等于或稍小于图片每一分块面积的病灶的识别分割效果较好。（2）分割的准确度有待提高，往往会出现无法找出完整区域的问题。基本可以认为，算法有其一定的适应病变表现。在先验知识大大减少的情况下可以分割出病灶，但是分割的准确性不高。
对于结论（1），因为所采用的特征为灰度对比度，所以对于密度变化较大的高密度和低密度病灶的识别效果较好。在合适的分块大小下其特征表现极为明显。而因为提取特征的层次为每个分块，因此，当病灶的大小与分块大小基本相同或稍小时，其灰度对比度的值也较高。但是，当某个分块完全为病灶的内部时，其灰度对比度很低，特征不明显。关于结论（2）将在问题分析中讨论。
以上所有的处理在matlab7.0.1中实现，在主频为1.4GHz的闪龙2500处理器、448MB内存的环境下，处理一幅400*400大小的图片用时少于20秒。如果进一步优化完善算法，并使用VC实现则处理速度还可以有所提高。
3.4.2 问题及分析
本文的算法在设计和实现上存在以下的问题：
1、分块的大小的确定。本文中所使用的分块系数为6*6。依据前文所述，分块大小的选择对别病灶的大小的影响是很大的。在6*6的系数下，对如脑寄生虫病之类的病灶较小的病变的识别效果不佳。可见，如果想拓宽本算法的使用范围则分块系数的确定必须为自适应的，其可根据预先对图片的某一特征如纹理的计算来有针对性的选择分块系数。如果是使用医院的标准图源，则可以考虑引入一定的先验知识，如颅脑CT的分层来估计可能病变从而根据经验大小确定分块系数。
2、颅骨的影响。在本文中，对图片的周边一圈的包含颅骨分块的区域是默认为无病变。因为人的颅骨有其一定的不对称性，而这种不对称性从实验结果看常常会影响特征的有效性，从而使分类识别有假阳性。笔者尚未找到较好的解决办法。
3、对称区域的影响。从前文的效果可见，对于病变区域的对称区域其也被标记而所采用的滤除方法效果不佳。因为特征为灰度对比度的绝对差值。如果想将此对称的假阳性区域去除则需要加入灰度平均值。因为病灶的灰度平均值与周围区域是不同的。初步的思路是构造一个结合灰度对比度绝对差值和区域与周围分块的灰度平均值对比的算子用于分类器的判断。但是，此时灰度平均值对比的效果决定于病灶大小与分块大小的关系。分块近似等于病灶大小并恰好包含是理想状况。
4、分割的遗漏部分问题。这个问题也是由分块造成的。因为分块会造成病灶的割裂。而一些包含病灶小部分的分块不会被识别出，也不一定会被补全。这样在分割时会遗漏此部分。解决的思路是对已经分割好的区域，再在全部分块上采用区域生长的方法再次进行分割。生长的起点选择为已分割区域的边缘。
综上可见，本算法的多数问题都是由分块这种处理方法造成的。分块方法在大大降低分割算法难度和对先验知识的要求上有上佳表现，但是也表现出了一些问题。
3.5 小结
本章介绍了病变区域自动分 割的流程和采用的算法。其首先进行必要的预处理；其次运用分块和颅脑的对称性确定出病变的大体区域；最后，使用自适应的分割算法找出精确的病灶区域。通过实验和分析，发现此算法有一定的适用性，判断的正确率在某些类型的病变中较高，但是分割的准确性有待提高。本章最后对一些问题如分块系数的选择等提出了大致的解决思路。
第4章 颅脑病变区域的特征提取
与一般的某种特定类型疾病的自动识别不同，颅脑病变自动诊断的目标是自动获得病变种类信息。一般的某种类型疾病特征提取的要求是找出与此疾病最相关的特征用于疾病的识别。而本文特征提取的目的是寻找足够的、合适的特征以辅助医生进行疾病类型的诊断和作为疾病分类器的输入。关键在于疾病种类是未知的，仅仅知道病灶的区域。因此特征的选取一方面要考虑到医生诊断时会注意的特征，另一方面要全面的描述病变区域的情况。下面首先介绍诊断中常用的特征，再以此为基础寻找合适的特征描述。
4.1颅脑医学诊断中的常用特征
医生在进行诊断时所综合考虑的信息包括：病人的临床表现、病人的病史、CT脑图的表现和辅助检查结果等等。在CT脑图的阅片中，根据图像的成像方式是普通的平扫还是增强扫描具体关注的重点略有不同。而不同种类的病变其拥有的特征表现也是不同的。
1、考虑普通的平扫中的一般通用的特征。对于病灶而言，其特征可大体分为病灶内的特征如纹理、密度的对比度等等和病灶的形态特征如形状、边缘的清晰程度等等。除此之外，还有一些物理信息可用于诊断，如病灶的位置、面积等。
2、对于增强扫描而言，最重要的特征是增强的类型。有均匀性强化、非均匀性强化、环状强化和无强化。强化是指在静脉注射含碘的造影剂后，脑的某些结构有成像加强的效果。
3、是一些含有医学意义的特征表现。这些表现较为复杂，很难用数字图像中的已有特征描述子描述。但是其对病变的诊断有着重要的意义。因为这些特征的组合往往能够大体确定病灶属于哪几类病变。这些特征有：占位效应、水肿、钙化、梗阻、交通、囊变和脓肿等等。在这些特征中，如占位效应和移位等等的特征的提取还需要一定的关于被处理图像的正常结构表现的先验图谱。
4.2颅脑病变区域的特征提取
根据上文所述，可以将需要的特征大体分为三类：（1）如病灶所在的位置、面积、周长等等基本信息，这些无须再为其选择特征描述子；（2）病变区域的区域特征如密度、密度混合程度、纹理等等，可以考虑应用区域描述子如平均灰度、统计矩等描述；（3）病灶的形状特征、边缘特征等形态特征，需要在边界描述子中选择合适的特征。
本文选择面积、位置、平均灰度、二阶统计矩、灰度共生矩阵的统计量和规则度作为特征简单描述病变区域。
4.2.1 区域位置
在诊断中病变位置是重要的信息，许多疾病都有其较为固定的多发位置。确定了位置可以缩小疾病可选种类，具体方法为为每一CT层的区域建立该位置可能发生疾病种类的数据库。数据库可以通过医学理论得出，其可以使后续识别速度和精度大大增加。
利用本文的分块方法很容易确定位置，只需要得到包含病灶的元胞数组的坐标，再分别对横轴纵轴归一化，最后根据归一化的值进行判断即可。
4.2.2 面积
病变的面积也是诊断是判断疾病发展程度和分期的重要依据。利用在分割时得到的二值图像标记可以计算病变的面积。对标记的区域记数即得面积。对病灶面积的提取如下表，其面积数字代表病灶点的数量，具体面积的计算还需要联系设备参数，确定每个像素点所代表的面积。
表4-1 病灶面积
图片 1 2 3 4 5 6 7 8 9 10
病灶面积 11940 10213 9784 3091 19615 16552 13652 10021 4426 18265
4.2.3 平均灰度
平均灰度是简单的区域特征，它是区域的统计特征。定义为；
(4-1)
如上所述，在颅脑CT的平扫中，关于灰度的变化中有四种。平均灰度对于低密度和高密度病变而言是重要良好的特征，可以直接进行判断。但是对于等密度和混合密度病变而言，其值区别不大。
在matlab 中可以用mean函数对区域计算即可。从下表可见，灰度对高密度和低密度的病变其特征值距离较大，可初步用于分类
表4-2 平均灰度表
图片 1 2 3 4 5
病灶类型 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
图片 6 7 8 9 10
病灶类型 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 灰度对比度
灰度对比度为图像的二阶统计矩，它可以用于描述区域的纹理特征，但是在这里则主要是用于等密度和混合密度病变的判断。定义为：
(4-2)
虽然灰度平均值无法区分等密度和混合密度病变，但是混合密度病变内部为低密度和高密度组织的混杂，其灰度对比度远大于等密度病变的在0附近的低值。
在matlab中的实现可以参考在第三章中分块的特征提取。从下表可见，混合密度病灶的灰度对比度值与其它病变种类此值距离较大，可用于识别混合密度病灶。而有部份的高密度病灶的对比度较高，其原因是在子图的分割中存在和病灶类似的小区域，其灰度略低但也被分割入病灶区。
表4-3 灰度对比度表
图片 1 2 3 4 5
病灶类型 低密度 高密度 低密度 高密度 高密度
灰度对比度 79.1311 103.8946 84.0401 64.7789 128.0430
图片 6 7 8 9 10
病灶类型 高密度 高密度 混合密度 混合密度 高密度
灰度对比度 205.3641 66.7496 469.3216 349.1668 135.1564
4.2.5灰度共生矩阵
灰度共生矩阵实际上是图像中呈一定位置关系的两像素点间的联合灰度直方图。其作用类似于灰度直方图。同是在生成之后，根据需要在其上计算纹理特征系数。其类似于的统计矩即上文所使用的特征。
纹理通常被定义为“任何事物构成成分的分布或特征，尤其是涉及外观或处决的品质”，图像纹理反映了物体表面颜色和灰度的某种变化，纹理特征是从图像中计算出的一个值，它对物体内部灰度级的变化性质进行量化。通常，纹理特征与物体的位置、走向、尺寸、形状有关，但与平均灰度级（亮度）无关。
灰度共生矩阵p(a,d)的定义：图像中灰度为i的点离开某个固定位置的点上灰度为j的概率。d为两像素点的相隔距离，a为两像素间的方位。d值的选取由实际应用决定，a的取值通常为0°、45°、90°、135°。灰度共生矩阵如下图所示。
图4-1 灰度共生矩阵示意图
灰度共生矩阵p(i ，j | d, a)反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息，比较常用的纹理特征系数有五种：角二阶矩（能量）、惯性矩（对比度）、相关性、熵、局部均匀性（逆差矩）。
其中角二阶矩和局部均匀性从理论上看对本文有一定意义。
角二阶矩（能量）：角二阶矩是图像灰度分布均匀的度量，是灰度共生矩阵元素值平方和，也称为能量。当灰度共生矩阵中的元素分布较集中于主对角线时，说明从局部区域观察图像的灰度分布是较均匀的。从图像整体来观察，纹理较粗，此时 E ( d，a) 较大，即粗纹理含有较多的能量；反之，细纹理则E ( d，a)较小。
(4-3)
局部均匀性（逆差矩）：用于均衡对比度程度，对比度较高的像素被赋予较低权重，对比度较低的像素被赋予较高权重。
(4-4)
角二阶矩可以反映病变区域的内部的纹理的粗细程度。逆差矩可以反映病变区域内部的纹理对比度情况。
在matlab中可以利用graycomatrix生成灰度共生矩阵、graycoprops从灰度共生矩阵中提取纹理特征。函数的输入为包含病变区域的最小分块。其改变函数graycoprops中参数可以提取不同的纹理特征。
从下表可见，有少量纹理时，角二阶矩较大，一般在纹理不明显时，两个统计矩都体现了一定的规律性。但是，由于分割效果不佳，当有干扰时，特征的效果极差，完全偏离正常数值。
表4-4 灰度共生矩阵的矩
图片 1 2 3 4 5
纹理 不明显 不明显 有干扰 不明显 不明显
角二阶矩 0.2309 0.2256 0.4308 0.3749 0.2425
逆差矩 0.9487 0.9571 0.9560 0.9638 0.9455
图片 6 7 8 9 10
纹理 少量 少量 不明显 不明显 有干扰
角二阶矩 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 规则度
设CS为病灶区域面积，Cl为病灶区域周长，Cr为区域的规则度。Cs通过累加区域内所有点，Cl等于病变区域边界象素的总和。区域的规则度定义如下：
(4-5)
规则度可以用于衡量一个区域的致密性。其为无量纲的量且对方向性不敏感。可知圆形的致密性最小，在一定程度上，特征规则度可以反映病变区域的形状。
因为具体病灶的区域已经提取出，故面积的计算直接对标记为病变的点进行记数即可。周长的计算需要得出其边界。算法思路如下：第一步对包含病变区域的分块进行扫描、检出第一个边界象素P0（i0，j0）则转第二步执行；第二步对检出的象素点的八领域进行考察、以逆时针为顺序。将其中第一次出现的边界点记为P1，存储其坐标当标记点数等于周长时转第三步执行。第三步逆时针方向从Pk-1的后一点像素开始考虑Pk的八领域像素，最先检出的区域内像素记为Pk+1，存储其坐标并将此点赋为检测点，转入第四步。第四步判断检测点和初始点是否相同，相同则结束，不同则回第三步继续。得出边界后对边界点记数即得到周长。
由下表可见，在一定程度上，规则度可以反映病灶的形状特征如是圆形或者不规则。其可用于后续对病灶形态的分类从而诊断病变。
表4-5 规则度
图片 1 2 3 4 5
形状 近似圆形 不规则 不规则 近似椭圆 不规则
规则度 0.1527 0.1291 0.0135 0.1633 0.1257
图片 6 7 8 9 10
形状 不规则 不规则 不规则 近似圆形 不规则
规则度 0.1186 0.1023 0.1235 0.1556 0.1211
4.3小结
本章是针对已经提取出的病变区域选择并提取合适的特征参数。其目的是获得可用于描述病灶以辅助医生诊断和后续分类器设计的特征信息。根据医生在诊断中的需求和数字图像处理的相关理论，选取了平均灰度、灰度对比度和基于灰度共生矩阵的纹理特征用于病灶内部的特征描述。其反映了病灶的密度、密度构成和纹理的情况。选取了规则度用于描述病灶的形状特征，其可以反映出病灶形状的整体信息。
结 论
颅脑病变的计算机辅助诊断研究在国内外尚处于起步阶段，其研究的难度较高。简而言之，颅脑病变的复杂性多样性和相关数字图像处理技术的不成熟是研究的困难所在。本文作者通过一定的学习和思考，对此问题尤其是病变区域的自动分割做了一些研究。现总结和分析如下。
1、本文的工作包括如下几个方面：
（1）研究了自动分割病变区域的方法。此方法的核心思想是利用颅脑结构的对称性进行病变区域的预先识别，对判断出的大区域再使用分割算法确定出病灶。此方法所需要的颅脑先验知识较其他方法少，同时因为无须对全脑分割故使用的分割算法也要简单的多。但是由于图源的问题，测试的病变较少。
（2）针对分割出的病灶区域，研究了提取何种特征用于计算机辅助诊断。根据医生的判断经验和理论，具体选取了描述区域内部关于密度和纹理的特征以及描述病灶外部形态特征的规则性等。
2、本文存在以下问题：
（1）由上文第3章所述可见，对于自动分割病变区域的方法存在的最主要问题在于分块的自适应性问题无法解决。分块的固定化无法适应某些病变，而基于颅脑对称的分块在用于判断的特征上仅仅使用灰度对比度的差值也是无法适应更多病变的原因之一。
（2）对于特征的提取上，问题在于所使用的特征过于基本，使得特征的作用限于辅助诊断。而对于病变的诊断相当重要的医学特征的提取较为困难。其原因为以下两点：首先部分特征的提取需要全脑的信息和标准的医学先验知识，例如占位效应、萎缩等等；其次特征没有合适的数字图像描述子表达。
（3）在研究过程中：首先前期的准备工作略显单薄，体现在CT诊断学的学习不够充分，没有能够更多的发现颅脑疾病的复杂性使得后续的算法在适用性上存在硬伤。而对疾病诊断特征理解不深刻，难以找出对应的数字表达。在分块判断上可以采用模式识别的方法，但因为搜集的图源非标准而放弃。其次在论文的阅读上多集中于国内，较少涉及外文文献尤其是IEEE文献使得思路不够开阔。最后在实验数据的分析上，随意性较大，没有很好的依据科学规范和理论，造成对研究效果和存在问题认识不足。
3、对于后续的工作，还有以下需要完善和深入研究的：
（1）要解决图源的问题。需要获得标准的DICOM格式的图片，其灰度、位置和附加信息都标准化故对于后续的处理有着重要的意义。
（2）对于分块系数的确定，考虑引入含有一定的颅脑先验知识和自适应性的分割系数。分块系数的改进可以提高之后特征提取的效率。
（3）进一步学习颅脑CT诊断学的内容，考虑在分割和特征提取的过程中可以更多的加入医学先验知识，例如引入正常颅脑灰度分布图用于病变区域 的提取。更多的背景知识对于优化算法和设计更好的整体识别流程有积极作用。
（4）对于如钙化、水肿等重要的特征的数字表示加以研究。考虑组合多种基本的数字描述子加以表达。
感 谢
在论文完成之际，首先，衷心感谢我的导师蔡波老师。在半年多的学习中，我都得到了蔡老师的悉心指导和鼓励。蔡老师渊博的学术知识、严谨的治学作风、忘我的工作热情、一丝不苟的工作态度以及对学科前沿发展的敏锐洞察力给我留下了深刻的印象，使我受益匪浅。蔡老师给我树立了良好的榜样，对我以后的学习和工作将产生深远的影响，在此，我要向他表示最诚挚的感谢。
在具体的做毕业设计过程中，我还得到了韩雪梅老师的细心指导，在这个过程中给予我的帮助和支持，在此非常感谢她。
同时，我还要感谢所有对本论文提出过宝贵意见的老师和同学以及将要评审该论文的各位专家们。
最后，我要感谢我的父母和朋友。没有他们的理解、关心和支持，要顺利地完成该论文是难以想象的。特别是我的父母给予了我大量的理解和支持，使我能够专注于毕业设计工作，借此机会向他们表示深深的谢意。
参考文献
[1] 樊尚春，周游.医学图像处理技术概述[R].北京：北京航空航天大学仪器科学与光电工程学院，2004.
[2] 刘俊敏，黄忠全等.医学图像处理技术的现状及发展方向[J].医疗卫生设备，2005，26(12)：25-26.
[3] 邵 虹，崔文成等.基于图像内容的颅脑病变自动分析[J].计算机工程，2003，29(12)：35-36.
[4] 邵 虹，崔文成等.一种基于形状特征的颅骨图像检索方法[J].计算机工程，2003，29(08)：3-4.
[5] 邵 虹，崔文成等.遗传算法在基于内容的图像检索中的应用[J].计算机工程，2003，16(08)：21-22.
[6] 赵志峰，张尤赛. 医学图像分割综述[J].华东船舶工业学院学报(自然科学版)，2003，17(03)：
43-47.
[7] 李传富，周康源等.基于先验知识的颅脑CT图像自动化分割[J].中国医疗器械新志，2004，
28（03）：34-39.
[8] 包尚联，谢耀钦等.基于医学影像计算机辅助诊断的分割方法[J].中国医学物理学杂志，2003，
20（03）：83-86.
[9] 李传富,周康源等.序列颅脑CT图像的颅腔内结构自动化分割[J].中国科学技术大学学报，2006，
36（02）：148-152.
[10] 樊养余，薛耿剑等.一种基于分层Mumford－Shah模型的颅脑图像分割方法[J].计算机应用，
2006，26(01)：112－113.
[11] 于 水，马范援.一种基于数据融合的医学图像分割方法[J].计算机辅助设计与图形学学报，
2001，13(12)：1073-1076.
[12] 李传富，周康源等.基于配准方法的颅脑CT图像病变信息自动提取算法[J].中国生物医学工程学报，2006，25(01)：19-24.
[13] 王华峰，任青青.一种医学图像几何特征的自动检测[J]. 北京生物医学工程，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.
关键词：课题项目研发；教学模式；应用型人才
中图分类号：G642 文献标识码：B
文章编号：1672-5913(2007)10-0039-02
西北师范大学知行学院是甘肃省第一所独立院校，为了增强办学竞争力，不断地创建专业特色鲜明、应用优势突出、就业需求看好的新专业，在传承和发扬西北师范大学百年老校的崇尚学术、追求卓越、严谨治学的优良传统同时，积极研究和探索，采用新的教学模式培养人才，提高教育教学质量。
知行学院计算机与信息科学系是为适应西部大开发，加快培养信息技术人才而设置的，在坚持科学发展观的前提下，全面推进素质教育，从改革教学模式着眼，有效地培养应用型人才方面，做了许多切实的工作。
第一，从社会需要定位培养目标，制定务实的办学思路，就是“面向社会、以人为本、任务激励、实践创新、多能多证、应试应市”。面向社会就是以社会的需求，和“科教兴国”战略、“人才强国”战略的要求确定专业设置、培养目标和教学模式，为西部大开发培养信息技术人才。以人为本，就是以学生为本，教师和管理人员要为学生的成才服务。实践创新，就是要培养学生的实践能力和创新意识，使其具有新型应用型人才的重要素质。任务激励，就是以课题项目的研究、开发，充分调动学生的学习积极性。多能多证是所培养的应用型人才，不仅要拿到学校的毕业证，还要拿到国家相关的专业等级与职业资格证书。应试应市，表明素质教育不排斥考试能力，学生要能适应专升本的考试、研究生考试和国家机关凡进必考的形势，适应人才市场的需求，应聘就业。在此基础上，进一步实施的新举措是“两手抓”：一手抓学生的搞课题项目实践，一手抓考取国家的专业技术等级和职业资格证书。使学生在毕业时，每个人都搞出几个项目成果，获得几个资格证书。几年来的实践证明了整个办学思路有很强的指导性和实际意义，已在增强学生素质，提高就业率方面凸现优势。
第二，根据经济社会发展和人才市场对各专业人才的素质要求，合理地调整各专业的课程设置和教学内容，强化学生实践能力、创业能力的培养，积极推行教学改革，努力推进教学创新已势在必行。教学改革要落在实处，除了科学地制订教学计划外，在课程设置中，知行学院计算机系突出了这样几个方面：首先，瞄准技术发展应用领域的前沿，不断的选择增设实用性强的新课程，以适应计算机科学日益迅速的发展。几年来先后增设了大型数据库、ASP、EDA技术等课程；其次，着眼应用，增加实践性课程，制定了x+1学期的教学与实践计划，即专科生第六学期从事专业实习，本科生第八学期安排专业实习。为了加强毕业生专升本与就业工作，把专升本的辅导提早到第5学期，把毕业设计与毕业论文提前到第7学期，这一措施既可以保证上述工作有充分的时间来完成，更重要的是学生的毕业论文和毕业设计成果在就业应聘面试中派上用场。再次，面向社会，增设开发和研究性课题。对专职教师要求教学采用新技术、新手段，以全新的姿态走上讲台，教学效果普遍较好。
第三，为落实办学思路培养应用型人才，多年来的实践中认识到，应用型人才的最主要的特点是具有较强的实践能力和创新精神，既能创新，又能创业。能够搞项目与课题的研究和开发，所以培养学生从事课题、项目的研究和开发能力，成为培养应用型人才的关键。依据动机理论，人们愿意做出努力的事情不外乎两种：一是他们指望做后能成功的事，一是能看到成功带来收益的事。在教学过程中向学生公布一系列有实际意义的课题任务，向学生说明实际意义，完成这些任务能学到什么技能，然后让他们报名选做，老师进行个别指导，引导学生自己进行社会调查、搜集资料、进行实践和创造性的学习。通过任务激励，极大的调动了学生的学习积极性和主动性。
第四，采用课题、项目研究与开发教学模式，培养应用型人才。为了使学生有较多的项目开发的体验与实践，在一部分应用性强的专业技术课程的教学中，改变传统的教学方法，采用新的教学模式，就是把教学的目标、教学的过程、教学结果考核均与课题项目的研发相连接的教学模式。这样就改变了只靠毕业设计集中搞项目的办法，而让每一门专业课为新型人才培养做出贡献。笔者有幸承担了“Visual Basic程序设计”课程的教学任务，率先进行“课题、项目研究与开发教学模式”的教学。第一步，改编写了教材，将VB课程学习中要做的课题一一列出。VB这门课程是计算机专业和电子信息工程专业学习的核心必修课，实践性很强的课程，对培养学生的实践能力和创新能力能发挥重要作用，在学生整个知识体系中，占有重要地位。第二步，设计一个全面全新的教学模式：“一个飞跃达标、两个阶段教学、三个层次要求、四个方面考核”。一个飞跃达标，就是实现从案例教学入门到项目开发的飞跃。由于教学目标定位于培养应用型人才，其最重要的特征就是能搞课题项目研发，具有较强的实践能力和创新能力。把课题、项目研发的任务分解到相关课程教学中进行。这样，毕业时每个学生可以搞出三、四项成果，提高了就业竞争能力；两个阶段教学，就是把一个学期分成两个阶段，进行阶段教学。第一阶段，进行案例教学，以课题为主线，学习基本概念、基本理论和基本设计方法，做到由基本概念与案例入门。第二个阶段，进行项目研发。综合运用所学知识和方法，分析和解决实际问题，不仅能做小项目，也能做功能相对完整的中等程度项目。实现由“案例”到“项目”的飞跃；整个阶段都是讲练结合，加强实际动手能力的培养。具体做法是：每个课题单元分两个阶段，教师讲解、演示为一个阶段（2学时），学生实训练习为一个阶段（4学时）。教师讲解、演示课题项目时，给出课题项目名称，说明课题目的、课题意义，讲解演示设计过程，（包括界面设计、属性设置、代码编写、运行调试、整理保存和注释详解）让学生知其然而且知其所以然。通过实训练习，使学生亲手完成一些案例和项目任务，获得成就感，从而引起继续学习的兴趣。提高学习的积极性，达到“任务激励”和“实践创新”的目的；因材施教，分层次教学。实训练习课题难度分一般、较难和难三个层次。一般的课题任务要求全体同学完成，较难的课题任务要求二分之一的学生完成，难的课题任务供少数优秀同学选做。考核成绩考虑到四个方面：学习态度、出勤情况、创新精神和成果业绩。期末考试，让学生分组选题，采用论文答辩的方式进行。看创新精神，看成果业绩。第三步，根据改革了的教学模式，进一步设计了改革要求，即为授课编写独具特色的讲稿，打印成册；采用多媒体手段进行教学，做出教学课件；汇编学生完成的课题成果，刻录成光盘并保存。按照上述的教学模式以及改革要求进行的教学，从教得方面来看，因为“Visual Basic程序设计”是一门实践性很强的课程，为避免单调的理论讲解，笔者从多本辅导教材中精心挑选了多个有代表性的实例汇总为16个课题（如窗体程序设计、复选框程序设计、查询密码程序设计、菜单程序设计、多重文档程序设计、访问数据库技术、宾馆管理系统等）作为主导教材详细讲解，制作了多媒体教学课件。并在多媒体教学环境中进行实际演示，配合理论知识的强调，教学效果良好，学生比较感兴趣，学习的主动性和积极性较强，在期末课题设计时也充分发挥了创造性思维。从学的方面来看，学生对这门课程的教学比较感兴趣，因为这门课程实用性较强，但难度不算很大。学生们为了能学好VB这门课，借阅了多本相关资料，花费了大量业余时间来上机实践，进一步强化他们对一些VB实用例子的理解和掌握。因此，学习的效果也比较好。“Visual Basic程序设计”这门课程实用性较强，符合专业课学习的改革要求。达到了培养学生从事课题、项目的研究和开发能力，促进他们成为应用型人才的目的。2006年VB程序设计课题项目研发教学的成果比较显著，下半年期末考试中列出26个课题，学生分组进行研发，同学们设计出了“学籍管理系统”、“电子教务系统”、“评语管理系统”、“企业人事管理系统”、“小区物业管理系统”、“快捷Windows桌面操作系统”、“AMT模拟系统”、“黄河风采抽奖系统”、“多媒体播放器”等课题项目，一些同学的程序设计很具特色和创造性。
第五，知行学院计算机系又将“课题项目研发的教学模式”推广到EDA技术、数字图像处理、C程序设计、CAXA、多媒体技术、JAVA等课程，都收到了良好的效果。数字图像处理期末列出了27个课题，同学们完成的“建立五官数据库为特征人物画像”、“运动员号码识别处理系统”独具特色。EDA出了20个课题，“三层电梯控制设计器”、“乒乓球游戏设计”、“智能函数发生器设计”、“数字钟”等课题学生们在创建过程中充分发挥了创造性，使同学们都很有成就感。2003年以来学生完成各类课题150多项，学生的专业技能显著提高。因此在一部分专业课程中改革教学内容和教学模式，对学生的实践能力、创新能力，培养应用型人才很有实际意义。
收稿时间：2007-2-3
关键词：网站设计；课程改革；内容优化
中图分类号：TP393.09 文献标识码：A 文章编号：1009-3044（2016）17-0100-02
1 引言
“网站设计”是使用标识性语言，通过一系列策划、设计、建模、优化、开发步骤产生网站，最终以图形用户界面的形式展现给用户[1]。在计算机相关学科的教学中，网站设计课程是一门重要的专业课，其知识多、操作性强、课程难度较大[2]。
当前，各院校普遍开设了网站设计类课程，但是在其教学过程中，我们发现学生内驱力较弱、动手能力有限、学习主动性较差、动手能力不足、横向竞争力差等问题[3]。考虑到目前社会上对网站设计人员的需求，我们认为改革现有教学模式、提高学生实践能力、增加职业竞争力等，是亟须解决的问题。因此，对“网站设计”相关类课程进行改革势在必行。
2 文献综述
目前对网站设计类课程的改革研究体现在很多方面，例如：任锁平 [4]基于搜索引擎优化的视角下，探析教学资源网站设计策略。分别从策划层次、开发层次、界面设计层次、维护层次四个方面阐述了教学资源网站设计的策略。荣益 [5]从信息技术课程教学网站的需求分析与功能定位以及信息技术课程教学网站的内容设计两方面探讨了信息技术课程教学网站设计实现。张慧丽 [6]将Moodle平台应用到《网站设计与制作》课程教学中，采用问卷调查法对Moodle平台应用教学效果进行了分析。杨铭 [7]介绍了如何基于项目化实现网站设计与开发课程的教学内容，并总结了课程的特色与创新点。章早立 [8]讨论了基于“分层分类”理念的高职《网页制作与网站设计》课程教学新模式探究。郝静 [9]通过对近年来教学过程中课程教学模式的研究、教学方法和手段的改革的探讨，阐述如何在该课程中实现工作过程系统化的"教学做"合一。杨敬飞 [10]以文化洛阳网站的设计为例，讲述了如何在网页设计课程中应用项目教学法，将教学内容和教学目标巧妙地包含于项目设置之中。
然而，上述论文并没有从课程的内容结构上进行优化。“网站设计”课程的难点在于内容多而碎，需要较多的先修课程知识。本文拟从课程设置的角度出发，深入探讨如何设计该课程的内容，并以本人就职南京师范大学中北学院以来的教学经验，汇报作者对网络设计课程的授课计划。
3 方法
传统的“网站设计”类课程，仅包含基础的HTML语言、JavaScript语言、CSS+DIV、图像处理、动画制作。选取的软件仅包括网页三剑客之一与Photoshop的搭配处理。然而我们认为上述授课内容过于陈旧、没有紧跟前沿、缺少及时更新。为此，作者设置授课计划如表 1所示。
4 结果
实验对象选择南京师范大学中北学院2011级某班。通过问卷调查方式对改革前后的教学效果进行调查，共发出问卷33份，回收问卷33份，其中有效问卷32份，有效率96.97%。对回收的问卷通过Excel进行统计处理。表 2给出分析结果。
5 讨论
表 2可见，课程改革后，大部分学生认为新的课程知识面更广、内容更新颖、更适合自学、能提高学习效率、可激发想象力、使课堂变得更加有趣、并能推动学生课后学习。因此，我们认为对“网站设计”教学内容的重新规划是成功的。需要注意的是，新的课程内容需要至少72学时。对某些院校，教师反映仅分配36学时给“网站设计”课程，这种情况下本文提出的新的授课计划并不适用，需要进行删减。
6 结论与展望
本文通过提出了一种针对“课程设计”的授课内容改革探索，经过问卷调查证实其有效。下一步我们将要收集学生考试成绩，对其进行量化分析。此外，可以考虑引入双语教学[11]，以及将其他程序语言例如Matlab[12]嵌入到课程设计中去。
参考文献：
[1] 胡珍新. 基于计算思维的网站设计教学研究[J]. 计算机教育， 2014（20）：56-58.
[2] 费丽君. 基于JSP的农业院校的大学计算机基础教学网站设计研究[J]. 安徽农业科学， 2014，42（7）：2176-2177.
[3] 田久乐. 浅谈独立院校电子商务网站设计课程教学改革[J]. 中小企业管理与科技， 2014（13）：288-289.
[4] 任锁平. 搜索引擎优化视角下教学资源网站设计策略[J]. 自动化与仪器仪表， 2014（6）：194-196.
[5] 荣益. 探讨信息技术课程教学网站设计[J]. 计算机光盘软件与应用， 2014，17（18）：222-222.
[6] 张慧丽. 基于 Moodle平台的《网站设计与制作》教学应用研究[J]. 软件导刊教育技术， 2014，13（3）： 29-30.
[7] 杨铭. 基于项目化教学的网站设计与开发课程改革探索[J]. 学园， 2014（36）： 21-22.
[8] 章早立. 基于“分层分类”理念的高职《网页制作与网站设计》课程教学新模式探究[J]. 福建电脑， 2014，30（8）：146-147.
[9] 郝静. 学习领域课程教学模式和方法的研究――以动态网站设计与制作课程为例[J]. 湖北工业职业技术学院学报， 2014，27（2）：93-95.
[10] 杨敬飞. 项目教学法在艺术设计专业网页设计课程中的应用实践――以文化洛阳网站设计为例[J]. 美术教育研究， 2014（5）：122-124.
我国高等工科教育的迫切任务应是在传统的教学中引入先进的教学理念，培养出与国际接轨的新型人才。信息与计算科学专业是以信息处理和科学与工程计算为背景一个新的理科专业。所培养的学生应具备坚实的数学和计算机基础，同时，掌握信息与计算科学的基本理论和方法，能够运用所学的知识和计算机技能解决某些实际问题。因此，培养学生的理论、实践和多学科交叉有机结合的能力是尤为必要的。我校的信息与计算科学专业一直以“理入工出”为主要培养模式,并在教学过程中深入贯彻和实施学校提出的“大德育、大工程、大实践”的办学理念。因此，培养学生的理论、实践和多学科交叉有机结合的能力是尤为必要的，也符合本专业实际情况。作为一个专业、一个学科的基层行者，应适时将先进的教学理念融入到教学的实际环节中，与国际先进的教学方式接轨，适应国际社会人才市场需要。
CDIO即构思（Conceive）、设计（Design）、实现（Implement）和运作（Operate），是近年来国际工程教育改革的最新成果，系统地提出了具有可操作性的能力培养、全面实施以及检验测评的12条标准。使学生能够以主动的、实践的、课程之间有机联系的方式进行学习。按CDIO模式培养的学生深受社会与企业的欢迎。国内外的经验都表明CDIO的理念和方法是先进可行的，适合工科教育教学过程各个环节的改革。基于现阶段《信息科学基础》课程教学实践存在的上述问题，本文秉承CDIO工程教育理念和我校“3+1”教育模式，结合《信息科学基础》课程的教学工作实践现状，分析《信息科学基础》课程教学与实践环节的上述问题，从教学模式和手段、教学内容等方面提出和实施一些改进的措施。实践表明取得了良好的效果。
一、教学实践改革
1.合理选择教学内容。信息与计算科学专业是一个理科专业，学生具备一定的数学和计算机基础，对于数学分析，概率论等先修知识有一定程度掌握，同时缺少通信工程方面的知识，如信号处理和通信原理等。为使学生尽快掌握信息理论的基本原理和方法，也使信息论的思想、原理和方法在更为广泛的范围内得到推广和应用。在充分考虑到专业的培养方向和需要，针对信息与计算科学专业学生所学先导课程体系现状，合理选择适当的教学内容。我们选择石峰等编著的《信息论基础》作为教材。该教材尽量较少地使用通信工程知识，并以离散情形作为讨论问题的主要对象，而对于连续性的情形则作为选修内容。更适合理科专业学生接受的教学内容。
2.优化教学流程。适当借鉴“翻转课堂”的思想，使讲授知识点不再作为课堂教学的唯一重点，而适当地留出较多的时间让学生参与实践活动或讨论。讲授内容结束后，在课堂中适当设计新颖的讨论课题（如高新信息技术研讨），使学生在讨论的过程中获得知识，获得“探索”新问题的乐趣；同时，在讨论中，还让学生发现，有些问题是本次课所学知识无法解决或是不能完全解决的，需要学生进一步了解新的理论内容，而此部分内容会在下一次课中出现。通过这样的讨论，通过合理地优化教学流程，将更多的讨论环节融入到课堂教学过程中。使学生温故知新的同时，又锻炼了学生发现问题和探讨新问题的能力。
3.增设实验。将若干个枯燥的定理或是基本概念转化为可以操作的练习题，让学生更加感官的感知这些理论的意义和内涵。结合本课程及相关课程，引入当前较为流行的CDIO教学模式，设计一些可操作的实验案例，如编码的计算机实现、基于信息度量的图像处理等实验。促使学生课下做实验、查资料，培养学生主动、实践的、课程之间有机联系的学习习惯和能力。激发学生的学习兴趣，提高教学效果。由于Matlab操作简单，同时，Matlab中的Simulink可以提供一个友好的通信系统仿真环境，更加便于学生建立和了解通信系统。因此，我们选择Matlab作为实验工具。
4.加强实践应用能力的培养。鼓励学生以《信息科学基础》为基础，结合数字图像处理、密码学等相关学科，积极申报大学生科研立项。同时，结合我校“3+1”教育模式,以毕业论文写作作为培养学生的另一种方式。使学生深入理解基本理论、拓宽知识面的同时，又培养了学生的动手能力、查找文献资料的能力、发现和分析解决问题的能力，提高学生的学习热情。通过实践改革，对教学内容和方法进行相应的改变，同时改变已有的教学模式。实践中，更加重注学生的实践参与，鼓励学生自学，加深学生对知识的理解，提高了自学能力，从而培养学生的学习兴趣。
二、结束语
本文主要对《信息科学基础》课程的教学实践中存在的诸多问题进行了分析和讨论，并结合CDIO先进的教学理念和我校“3+1”教育模式，在教学实践过程中，对该课程的教学内容、流程和环节等方面进行了适当的改革。在教学实践的过程中，注重教学流程和内容的设计，加强与学生的互动，使学生能够积极、主动的探索和掌握新的理论知识的同时，提高动手能力和知识扩展能力。使学生通过学理论、做实验、讨论和科研等多种形式的学习，体会到学科之间知识相互渗透、支撑的重要性。《信息科学基础》教学内容和教学方法的改革，为培养理论基础扎实、实践能力强，有较强的科技运用、推广、转换能力的高素质的应用型人才奠定了基础，更加适应国际社会人才的需求。
作者：李懿高志军单位：黑龙江科技大学
