内边界跟踪算法原理
基于边缘的分割常用方法之一，用于区域已分出（二值或已标注），但边界未知的情况。
具体算法如下：
1. 从左上方开始搜索图像直至找到一个新区域的像素p0，该点为该域所有像素中具有最小行、最小列的像素；dir：移动方向，初值为：
dir-0=3 （4领域；-90°）；dir-0=7 （8领域；-45°）
2. 按照逆时针顺序搜索当前像素的3*3领域，，计算dir
（a）4领域：（dir-k+3）mod4
（b）8领域：（dir-k+7）mod8 （dir-k为偶数）
（dir-k+6）mod 8 （dir-k为奇数）
3. 找到的第一个与当前相同的像素就是一个新的内边界元素pn，更新dir；
4. 若pn=p1且pn-1=p0 stop，内边界为p0……pn-2；否则重复2
8-邻域边界跟踪算法
利用点的八邻域信息，选择下一个点作为边界点，这个算法需要选择一个开始点，可以选择图像上是目标点，在最上，最左的点。然后查看它的八邻域的点，从右下方45°的位置开始寻找，如果是目标点，将沿顺时针90°作为下一次寻找的方向，如果不是，则逆时针45°继续寻找，一旦找到重复上面的过程。 void VessDibTrack(HDIB hdib,vector 粒子群优化算法综述 摘要：本文围绕粒子群优化算法的原理、特点、改进与应用等方面进行全面综述。侧重于粒子群的改进算法，简短介绍了粒子群算法在典型理论问题和实际工业对象中的应用，并给出了粒子群算三个重要的网址，最后对粒子群算做了进一步展望。 关键词；粒子群算法；应用；电子资源；综述 0.引言 粒子群优化算法]1[(Particle Swarm Optimization ，PSO)是由美国的Kenned 和Eberhar 于1995年提出的一种优化算法,该算法通过模拟鸟群觅食行为的规律和过程，建立了一种基于群智能方法的演化计算技术。由于此算法在多维空间函数寻优、动态目标寻优时有实现容易，鲁棒性好，收敛快等优点在科学和工程领域已取得很好的研究成果。 1. 基本粒子群算法]41[- 假设在一个D 维目标搜索空间中，有m 个粒子组成一个群落，其中地i 个粒子组成一个D 维向量，),,,(21iD i i i x x x x =，m i ,2,1=，即第i 个粒子在D 维目标搜索空间中的位置是i x 。换言之，每个粒子 的位置就是一个潜在的解。将i x 带入一个目标函数就可以计算出其适 应值，根据适应值得大小衡量i x 的优劣。第i 个粒子的飞翔速度也是一个D 维向量，记为),,,(21iD i i i v v v v =。记第i 个粒子迄今为止搜索到的最优位置为),,,(21iD i i i p p p p =，整个粒子群迄今为止搜索到的最优位置为),,,(21gD gi g g p p p p =。 粒子群优化算法一般采用下面的公式对粒子进行操作 )()(22111t id t gd t id t id t id t id x p r c x p r c v v -+-+=+ω (1) 11+++=t id t id t id v x x (2) 式中，m i ,,2,1 =；D d ,,2,1 =；ω是惯性权重， 1c 和2c 是非负常数， 称为学习因子， 1r 和2r 是介于]1,0[间的随机数；],[max max v v v id -∈，max v 是常数，由用户设定。 2. 粒子群算法的改进 与其它优化算法一样PSO 也存在早熟收敛问题。随着人们对算 法搜索速度和精度的不断追求，大量的学者对该算法进行了改进，大致可分为以下两类：一类是提高算法的收敛速度；一类是增加种群多样性以防止算法陷入局部最优。以下是对最新的这两类改进的总结。 2.1.1 改进收敛速度 量子粒子群优化算法]5[:在量子系统中，粒子能够以某一确定的 概率出现在可行解空间中的任意位置，因此，有更大的搜索范围，与传统PSO 法相比，更有可能避免粒子陷入局部最优。虽然量子有更大的搜索空间，但是在粒子进化过程中，缺乏很好的方向指导。针对这个缺陷，对进化过程中的粒子进行有效疫苗接种，使它们朝着更好的进化方向发展，从而提高量子粒子群的收敛速度和寻优能力。 文化粒子群算法]6[:自适应指导文化PSO 由种群空间和信念空间 两部分组成。前者是基于PSO 的进化，而后者是基于信念文化的进化。两个空间通过一组由接受函数和影响函数组成的通信协议联系在一起，接受函数用来收集群体空间中优秀个体的经验知识；影响函数利用解决问题的知识指导种群空间进化；更新函数用于更新信念空间； 教师陆阳红学生年级一年级上课日期2019.5.25 学科数学课题名称求代数式值的方法上课时间13:00-15:00 教学目标 1.会求代数式的值，感受代数式求值可以理解为一个转换过程或某种算法. 2.会利用代数式求值推断代数式反映的规律. 3.能解释代数式求值的实际应用. 教学重难点 重点：列代数式，会求代数式的值 难点：感受代数式求值可以理解为一个转换过程或某种算法 课程教案 一、创设情境 如图就是小明设计的一个程序.当输入x的值为3时，你能求出输出的值吗？ 二、 知识点一、代数式的值 1、概念像这样，用具体数值代替代数式里的字母，按照代数式中的运算关系计算得出的结果称为代 数式的值（value of algebraic expression）． 通过上面的游戏，我们知道，同一个代数式，由于字母的取值不同，代数式的值会有变化． 2、字母的取值 ①代数式中的字母取值必须使这个代数式有意义．如在代数式 1 x－3 中，x不能取3，因为当x＝3时，分母x－3＝0，代数式 1 x－3 无意义． ②实际问题中，字母的取值要符合题意．如当x表示人数时，x不能取负数和分数． [例题1] ：下列代数式中，a不能取0的是( )． A. 1 3 a B. 3 a C. 2 a－5 D．2a－b 解析：代数式中字母的取值必须使这个代数式有意义，由分母不能为0可知，B选项中的a不能取0.故选B. 答案：B 练一练 1、要使代数式 1 x 1 - 有意义，则x需要满足什么条件？ 2、要让代数式 9 3 8 - x 有意义，则x需要满足什么条件？ 知识点二、代数式求值的步骤 1、步骤 第一步：代入，用具体数值代替代数式里的字母 第二步：计算，按照代数式中指明的运算，计算出结果 2、注意事项 ①一个代数式中的同一个字母，只能用同一个数值去代替。 ②如果代数式里省略乘号，那么字母用数值代替时要添上乘号，代入负数和分数时要加括号。 ③代入时，不能改变原式中的运算符号及数字。 ④运算时，要注意运算顺序，即先算平方，再算乘除，最后算加减，有括号的要先算括号里面的。 [例题2]当a=2,b=-1,c=-3,求下列代数式的值 （1）b 2-4ac （2）(a+b+c)2 解析：（1）当a=2,b=-1,c=-3（注意：一定要这步！！！） b 2-4ac=（-1）2-4×2×（-3） =1+24 =25 （2） 练一练 1. 已知x=1，y=2，则代数式x-y 的值为（ ） A.1 B.-1 C.2 D.-3 2.(2016)当填x=1时，代数式4-3x 的值为（ ） A.1 B.2 C.3 D.4 3. 某商店购进一批茶杯，每个1.5元，则买n 个茶杯需付款 元.如果茶杯的零售价为每个2元，则售完茶杯得付款 元.当n=300时，该商店的利润为 元，n=3561时你能确定利润吗？ 知识点三、求代数式的值的方法 （1）直接求值法 [例题3] 当a ＝12，b ＝3时，求代数式2a 2 ＋6b －3ab 的值. 解析：直接将a ＝12 ，b ＝3代入2a 2 ＋6b －3ab 中即可求得. 解：原式＝2×（12）2＋6×3－3×12×3＝12＋18－9 2 ＝14. 方法总结：（1）代入时要“对号入座”，避免代错字母；（2）代入后要恢复省略的乘号；（3）分数的立方、 平方运算，要用括号括起来. 试一试 根据下列各组x 、y 的值，分别求出代数式 x 2 ＋2xy+y 2 与x 2-2xy+y 2的值： （1）x=2，y=3； （2）x=－2，y=－4。 练一练 图像定位及跟踪技术大解析 在科学技术日新月异的今天，人们对机器设备的智能性、自主性要求也越来越高，希望其完全替代人的角色，把人们从繁重、危险的工作任务中解脱出来，而能否像人一样具有感知周围环境的能力已成为设备实现智能化自主化的关键。 广义的“图像跟踪”技术，是指通过某种方式(如图像识别、红外、超声波等)将摄像头中拍摄到的物体进行定位，并指挥摄像头对该物体进行跟踪，让该物体一直被保持在摄像头视野范围内。狭义的“图像跟踪”技术就是我们日常所常谈到的，通过“图像识别”的方式来进行跟踪和拍摄。 因为红外、超声波等方式，都受环境的影响，而且要专门的识别辅助设备，在实际应用中已经逐步被“图像识别”技术所替代。“图像识别”是直接利用了摄像头拍摄到的图像，进行NCAST图像差分及聚类运算，识别到目标物体的位置，并指挥摄像头对该物体进行跟踪。 图像跟踪系统采用特有的NCAST目标外形特征检测方法，被跟踪者无需任何辅助设备，只要进入跟踪区域，系统便可对目标进行锁定跟踪，使摄像机画面以锁定的目标为中心，并控制摄像机进行相应策略的缩放。系统支持多种自定义策略，支持多级特写模式，适应性强，不受强光、声音、电磁等环境影响。 目标物体的边缘检测 物体的形状特征在大多数情况下变化不多，基于目标形状轮廓的跟踪方法与基于区域的匹配方法相比，可以更精确的分割目标。 边缘是运动目标的最基本特征，表现在图像中就是指目标周围图像灰度有阶跃变化或屋顶变化的那些像素集合，它是图像中局部亮度变化最显著的部分。 边缘检测就是采用某种算法来定位灰度不连续变化的位置，从而图像中目标与背景的交界线。图像的灰度变化可以用灰度梯度来表示。 栅格向矢量转换中最为困难的是边界线搜索、拓扑结构生成和多余点去除。一种栅格数据库数据双边界直接搜索算法（Double Boundary Direct Finding，缩写为DBDF），较好地解决了上述问题。 双边界直接搜索算法的基本思想是通过边界提取，将左右多边形信息保存在边界点上，每条边界弧段由两个并行的边界链组成，分别记录该边界弧段的左右多边形编号。边界线搜索采用2×2栅格窗口，在每个窗口内的四个栅格数据的模式可以唯一地确定下一个窗口的搜索方向和该弧段的拓扑关系，这一方法加快了搜索速度，拓扑关系也很容易建立。具体步骤如下： （1）边界点和节点提取：采用2×2栅格阵列作为窗口顺序沿行、列方向对栅格图像全图扫描，如果窗口内四个栅格有且仅有两个不同的编号，则该四个栅格标识为边界点并保留各栅格所有多边形原编号；如果窗口内四个栅格有三个以上不同编号，则标识为节点（即不同边界弧段的交汇点），保证各栅格原多边形编号信息。对于对角线上栅格两两相同的情况，由于造成了多边形的不连通，也作为节点处理P72。 （2）边界线搜索与左右多边形信息记录：边界线搜索是逐个弧段进行的，对每个弧段从一组已标识的四个节点开始，选定与之相邻的任意一组四个边界点和节点都必定属于某一窗口的四个标识点之一。首先记录开始边界点组的两个多边形编号作为该弧段的左右多边形，下一点组的搜索方向则由前点组进入的搜索方向和该点的可能走向决定，每个边界点组只能有两个走向，一个是前点组进入的方向，另一个则可确定为将要搜索后续点组的方向。边界点组只可能有两个走向，即下方和右方，如果该边界点组由其下方的一点组被搜索到，则其后续点组一定在其右方；反之，如果该点在其右方的点组之后被搜索到（即该弧段的左右多边形编号分别为b和a），对其后续点组的搜索应确定为下方，其它情况依次类推。可见双边界结构可以唯一地确定搜索方向，从而大大地减少搜索时间，同时形成的矢量结构带有左右多边形编号信息，容易建立拓扑结构和与属性数据的联系，提高转换的效率。 （3）多余点去除：多余点的去除基于如下思想：在一个边界弧段上连续的三个点，如果在一定程度上可以认为在一条直线上（满足直线方程），则三个点中间一点可以被认为是多余的，予以去除。即满足： 由于在算法上的实现，要尽可能避免出现除零情形，可以转化为以下形式： （x1-x2）（y1-y3）=（x1-x3）（y1-y2） 或 （x1-x3）（y2-y3）=（x2-x3）（y1-y3） 其中（x1，y1），（x2，y2），（x3，y3）为某精度下边界弧段上连续三点的坐标，则（x2，y2）为多余点，可予以去除。 多余点是由于栅格向矢量转换时逐点搜索边界造成的（当边界为或近似为一直线时），这一算法可大量去除多余点，减少数据冗余。 一. 教学内容： 寒假专题——求代数式值的方法 学习要求： 1. 掌握代数式值的概念 2. 掌握求代数式的值的方法，并会准确地求出代数式的值 知识内容： 1. 代数式的值的概念 用数值代替代数式里的字母，按照代数式指明的运算，计算出的结果就叫做代数式的值。 2. 求代数式的值的方法 求代数式的值的方法是本节的重点，它的一般步骤是：先代入，再计算。 3. 注意事项：(1）代数式里字母的取值要求： ①必须确保代数式有意义 例如，中的x就不能取3，因为当时，分母，也就是除数为0，这是没有意义的。 ②确保字母本身所表示的量有意义 例如，若用n表示旅客人数，则n只能取整数。 （2）一个代数式的值是由这个代数式中的字母的取值与指明的运算共同确定的。因此，在很多情况下，同一个代数式可能有很多个不同的值。 （3）求代数式的值时，应特别注意代数式所指明的运算，代入时，省略的乘号应复原，遇到字母取值为分数或负数时，应根据情况适当添加括号。 4. 整体代入法 在未明确给定或不能求出单个字母的取值的情况下，某些代数式的求值要借助于“整体代入法” 例如，已知，求代数式的值，我们无法知道a、b两字母的具体数值，如果把变形为，然后把看成一个整体，用数值5来 代入。即有： 【典型例题】 例1. 求当，b＝3时，代数式的值。 解：当，b＝3时 原式 说明 1. 将代数式中的a用数字代替，b用数字3代替，这个过程叫做代入。 2. 计算时，按先乘方，再乘除，后加减的顺序 3. 注意“对号入座”不要错位，也就是说，代数式中的字母a只能用代替，b只能用3代替。 4. 要恢复省略了的乘号。 5. 是分数，如果代入后是对它进行立方、平方运算，必须把它用括号括起来。 例2. 根据如图所示的程序计算函数值。若输入的x 值为，则输出的结果为（ ） A. B. C. D. 解析：将x 的值代入代数式之前，先要判断应该代入哪个代数式中，而这一点必须根据方框中对x 的取值的限制来确定，由于，属于 的范围中，故应将 代入代数式 中，当 时，代数式 ，即此时 ，也就 是输出的y 值为。 解：选C 归纳：题目中指输出的y 值，实际上就是符合范围的对应的代数式的值，代数式的值与以后学习的函数值是有联系的。 例3. 已知 ， ，求 的值 分析：先将原式合并同类项，化为含有，xy 的代数式，再将，xy 之值 代入求得 解：原式 ， 原式 说明：本题采用“整体代入法”，整体思想是数学中常用的思想方法。用这种方法常常使某些较复杂的问题简单化。 整体代入就是根据不同的需要将问题中的某个部分看成一个整体，即相当于一个大字母，而我们要面对的较复杂的代数式就变成关于这个大字母的简单的代数式了，如本题可看作求 的值。 例4. 当时，求代数式 的值 解： 约束满足与邻域搜索结合的混合算法及应用[摘要] 总结约束满足求解技术和邻域搜索算法,分析约束满足与邻域搜索 单一算法的优劣,以及两者结合的优势,提出约束满足与邻域搜索相结合的混合算法的一般框架,并以Job Shop 调度优化问题为例对该算法框架进行实例说明。 [关键词] 约束满足;邻域搜索;混合算法 ddoi : 10 . 3969 / j . issn . 1673 - 0194 . 2009 . 21 . 017 1引言 约束满足技术集成了运筹学、人工智能、逻辑编程和图论中的方法和思想,是解决组合优化问题的一门新兴技术。约束满足建模能力较强,在约束求解中,能够充分利用问题的结构信息和约束关系,采用约束传播、回溯等技术对求解空间快速缩减,提高问题的求解效率。邻域搜索算法是一种非常有效的解决组合优化问题的方法,在搜索空间内利用局部指导规则探索优良解,搜索效率高,具有可衡量性。约束满足与邻域搜索法均存在自身的优势和局限性,相互结合可以有效利用算法的互补性。 目前对约束满足与邻域搜索相结合的混合算法的研究成果比较少。文献[1]将邻域搜索和向前看(Look Ahead)技术结合,在搜索过程中遇到死点时要么回溯,要么应用邻域搜索继续新的空间搜索。文献[2]中提出的“Decision-Repair”方法集成了禁忌搜索、一致性技术和基于冲突的启发式方法来引导搜索过程。文献[3]在系统搜索过程中,使用变量排序和值排序法,进行不完全搜索,用N皇后问题进行算法测试。文献[4]用约束规划算法产生一个可行解,作为禁忌搜索算法的初始解。文献[5]对NEH算法加以扩展,得到高质量的初始解,提出跳出局部极值方法,改进约束满足修复算法。 本文首先介绍约束满足技术和邻域搜索技术,然后总结两者相结合的混合算法的框架,最后以Job Shop 调度为例,给出混合算法实现步骤。 2约束满足技术和邻域搜索技术 2.1 约束满足技术 任务书 主要分析几种应用于数字图像处理中的边缘检测算子,根据它们在实践中的应用结果进行研究,主要包括:Robert 边缘算子、Prewitt 边缘算子、Sobel 边缘算子、Kirsch 边缘算子以及Laplacian 算子等对图像及噪声图像的边缘检测,根据实验处理结果讨论了几种检测方法的优劣. 关键词：数字图像处理;边缘检测;算子 图像的边缘是图像的重要特征之一, 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础, 其目的是精确定位边缘, 同时较好地抑制噪声, 因此边缘检测是机器视觉系统中必不可少的重要环节。然而, 由于实际图像中的边缘是多种边缘类型的组合, 再加上外界环境噪声的干扰, 边缘检测又是数字图像处理中的一个难题。 目录 第一章边缘的概念 (3) 第二章边缘检测 (4) 第三章边缘检测算子的应用 (8) 第四章边缘检测方法性能比较 (12) 参考文献料 (15) 第1章：边缘检测 1．1 边缘的介绍 图像边缘是图像最基本的特征，边缘在图像分析中起着重要的作用。所谓边缘是指图像局部特性的不连续性。灰度或结构等信息的突变处称为边缘，例如：灰度级的突变，颜色的突变，纹理结构的突变等。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。 边缘(edge)是指图像局部强度变化最显著的部分．边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测(edge detection)．由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一．本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题． 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标],[j i 且处在强度显著变化的位置上的点． 边缘段：对应于边缘点坐标],[j i 及其方位 ，边缘的方位可能是梯度角． 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法． 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向序． 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程． 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示．边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放．边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义．请注意，在实际中，边缘点和边缘段都被称为边缘． 边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集．另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘． 1．2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的 边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。 图像局部特征点检测算法综述 研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对这方面知识的一个总结。 本篇文章现在(2015/1/30)只是以初稿的形式，列出了主体的框架，后面还有许多地方需要增加与修改，例如2013年新出现的基于非线性尺度空间的KAZE特征提取方法以及它的改进AKATE等。在应用方面，后面会增一些具有实际代码的例子，尤其是基于特征点的搜索与运动目标跟踪方面。 1. 局部特征点 图像特征提取是图像分析与图像识别的前提，它是将高维的图像数据进行简化表达最有效的方式，从一幅图像的M×N×3的数据矩阵中，我们看不出任何信息，所以我们必须根据这些数据提取出图像中的关键信息，一些基本元件以及它们的关系。 局部特征点是图像特征的局部表达，它只能反正图像上具有的局部特殊性，所以它只适合于对图像进行匹配，检索等应用。对于图像理解则不太适合。而后者更关心一些全局特征，如颜色分布，纹理特征，主要物体的形状等。全局特征容易受到环境的干扰，光照，旋转，噪声等不利因素都会影响全局特征。相比而言，局部特征点，往往对应着图像中的一些线条交叉，明暗变化的结构中，受到的干扰也少。 而斑点与角点是两类局部特征点。斑点通常是指与周围有着颜色和灰度差别的区域，如草原上的一棵树或一栋房子。它是一个区域，所以它比角点的噪能力要强，稳定性要好。而角点则是图像中一边物体的拐角或者线条之间的交叉部分。 2. 斑点检测原理与举例 2.1 LoG与DoH 斑点检测的方法主要包括利用高斯拉普拉斯算子检测的方法（LOG）,以及利用像素点Hessian矩阵（二阶微分）及其行列式值的方法（DOH）。 LoG的方法已经在斑点检测这入篇文章里作了详细的描述。因为二维高斯函数的拉普拉斯核很像一个斑点，所以可以利用卷积来求出图像中的斑点状的结构。 DoH方法就是利用图像点二阶微分Hessian矩阵： 教师姓名 陆阳红 学生姓名 年 级 一年级 上课日期 2019.5.25 学 科 数学 课题名称 求代数式值的方法 上课时间 13:00-15:00 教学目标 1.会求代数式的值，感受代数式求值可以理解为一个转换过程或某种算法. 2.会利用代数式求值推断代数式反映的规律. 3.能解释代数式求值的实际应用. 教学重难点 重点：列代数式，会求代数式的值 难点：感受代数式求值可以理解为一个转换过程或某种算法 课程教案 一、创设情境 如图就是小明设计的一个程序.当输入x 的值为3时，你能求出输出的值吗？ 二、 知识点一、代数式的值 1、概念 像这样，用具体数值代替代数式里的字母，按照代数式中的运算关系计算得出的结果称为代数式的值（value of algebraic expression ）． 通过上面的游戏，我们知道，同一个代数式，由于字母的取值不同，代数式的值会有变化． 2、字母的取值 ①代数式中的字母取值必须使这个代数式有意义．如在代数式1 x －3 中，x 不能取3，因为当x ＝3时，分母x －3 ＝0，代数式1 x －3 无意义． ②实际问题中，字母的取值要符合题意．如当x 表示人数时，x 不能取负数和分数． [例题1] ：下列代数式中，a 不能取0的是( )． A.1 3 a B.3a C.2a －5 D ．2a －b 解析：代数式中字母的取值必须使这个代数式有意义，由分母不能为0可知，B 选项中的a 不能取0.故选B. 答案：B 练一练 1、要使代数式 1x 1 -有意义，则x 需要满足什么条件？ 2、要让代数式9 38 -x 有意义，则x 需要满足什么条件？ 启发式优化算法综述 一、启发式算法简介 1、定义 由于传统的优化算法如最速下降法，线性规划，动态规划，分支定界法，单纯形法，共轭梯度法，拟牛顿法等在求解复杂的大规模优化问题中无法快速有效地寻找到一个合理可靠的解，使得学者们期望探索一种算法:它不依赖问题的数学性能，如连续可微，非凸等特性; 对初始值要求不严格、不敏感，并能够高效处理髙维数多模态的复杂优化问题，在合理时间内寻找到全局最优值或靠近全局最优的值。于是基于实际应用的需求，智能优化算法应运而生。智能优化算法借助自然现象的一些特点，抽象出数学规则来求解优化问题，受大自然的启发，人们从大自然的运行规律中找到了许多解决实际问题的方法。对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法（Heuristic Algorithm）。 为什么要引出启发式算法，因为NP问题，一般的经典算法是无法求解，或求解时间过长，我们无法接受。因此，采用一种相对好的求解算法，去尽可能逼近最优解，得到一个相对优解，在很多实际情况中也是可以接受的。启发式算法是一种技术，这种技术使得在可接受的计算成本内去搜寻最好的解，但不一定能保证所得的可行解和最优解，甚至在多数情况下，无法阐述所得解同最优解的近似程度。 启发式算法是和问题求解及搜索相关的，也就是说,启发式算法是为了提高搜索效率才提出的。人在解决问题时所采取的一种根据经验规则进行发现的方法。其特点是在解决问题 时,利用过去的经验,选择已经行之有效的方法，而不是系统地、以确定的步骤去寻求答案，以随机或近似随机方法搜索非线性复杂空间中全局最优解的寻取。启发式解决问题的方法是与算法相对立的。算法是把各种可能性都一一进行尝试，最终能找到问题的答案，但它是在很大的问题空间内，花费大量的时间和精力才能求得答案。启发式方法则是在有限的搜索空间内，大大减少尝试的数量，能迅速地达到问题的解决。 2、发展历史 启发式算法的计算量都比较大，所以启发式算法伴随着计算机技术的发展，才能取得了巨大的成就。纵观启发式算法的历史发展史： 40年代：由于实际需要，提出了启发式算法（快速有效）。 50年代：逐步繁荣，其中贪婪算法和局部搜索等到人们的关注。 60年代: 反思，发现以前提出的启发式算法速度很快，但是解得质量不能保证，而且对大规模的问题仍然无能为力（收敛速度慢）。 70年代：计算复杂性理论的提出，NP问题。许多实际问题不可能在合理的时间范围内找到全局最优解。发现贪婪算法和局部搜索算法速度快，但解不好的原因主要是他们只是在局部的区域内找解，等到的解没有全局最优性。由此必须引入新的搜索机制和策略。 Holland的遗传算法出现了（Genetic Algorithm）再次引发了人们研究启发式算法的兴趣。 80年代以后：模拟退火算法（Simulated Annealing Algorithm），人工神经网络（Artificial Neural Network），禁忌搜索（Tabu Search）相继出现。 最近比较火热的：演化算法（Evolutionary Algorithm）, 蚁群算法（Ant Algorithms），拟人拟物算法，量子算法等。 代数式求值的十种常用方法 一、利用非负数的性质 若已知条件是几个非负数的和的形式，则可利用“若几个非负数的和为零，则每个非负数都应为零”来确定字母的值，再代入求值。目前，经常出现的非负数有，，等。 例1、若和互为相反数，则 =_______。 解：由题意知，，则且，解得 ，。因为，所以，故填37。 二、化简代入法 化简代入法是指先把所求的代数式进行化简，然后再代入求值，这是代数式求值中最常见、最基本的方法。 例2、先化简，再求值：，其中 ，。 解：原式。 当，时， 原式。 三、整体代入法 当单个字母的值不能或不用求出时，可把已知条件作为一个整体，代入到待求的代数式中去求值的一种方法。 通过整体代入，实现降次、归零、约分的目的，以便快速求得其值。 例3、已知，则=_______。 解：由，即。 所以原式 。 故填1。 四、赋值求值法 赋值求值法是指代数式中的字母的取值由答题者自己确定，然后求出所提供的代数式的值的一种方法。这是一种开放型题目，答案不唯一，在赋值时，要注意取值范围。 例4、请将式子化简后，再从0，1，2三个数中选择一个你喜欢且使原式有意义的x的值代入求值。 解：原式 。 依题意，只要就行，当时，原式或当时，原式。 五、倒数法 倒数法是指将已知条件或待求的代数式作倒数变形，从而求出代数式的值的一种方法。 例5、若的值为，则的值为 A. 1 B. –1 C. D. 解：由，取倒数得， ，即。 所以 ， 则可得，故选A。 六、参数法 若已知条件以比值的形式出现，则可利用比例的性质设比值为一个参数，或利用一个字母来表示另一个字母。 例6、如果，则的值是 A. B. 1 C. D. 解：由得，。 所以原式 。 第4章运动目标图像跟踪系统的硬件知识4.1 运动目标图像跟踪系统原理 这一章的内容主要以原理框图的形式展现 图4-1 图像跟踪器原理框图 图4-2 图像识别与跟踪子系统原理框图 图4-3 图像信息综合教学实验系统原理框图 4.2 FPGA图像预处理子系统 用户现场可编程门阵列器件FPGA(FildePrgo~bale一Gate~Array)，顾名思义，是一种可由用户根据所设计的数字系统的要求，在现场由自己配置，定义的高密度专用数字集成电路。 FPGA有效的将LSIV/Lsl的门阵列技术的高逻辑密度和通用性与用户现场可编程的设计灵活，上市快捷的特性有效的结合了起来。它具有以下三个主要优点: (1)FPGA的用户现场可编程的特性大大缩短了设计实现的周期; (2)FPGA可以提供比PLD和EPLD器件足够大的有效逻辑容量密度，大大提高了系统设计的工艺可实现性和产品的可靠性。 (3)FPGA可以反复编程，反复使用，可以在开发系统中直接进行系统仿真，降低了成本。 本系统采用的是XLINIX公司Virtxe-E系列FPGA，型号为XCV400E。XCV400E为57万门规模，具有153kb的内存可配置分布存储器和16kb的同步数据块存储器，可存储大量的中间数据、图像行数据和图像卷积数据。 4.3 双口RAM实现数据的传输 双口RAM读写操作灵活方便，具有两个端口进行独立的异步操作的能力， 并且其接口电路的设计也比较简单。双端口RAM内一般有一个总线强占优先 级比较器，当两边的CPU访问同一存储单元时，较先送出的址的CPU具有优 先访问权，而另一个CPU的的址和读写信号将被屏蔽掉。位于FPGA与DSP 之间的双口RAM的数据传输过程如图4-4所示。 图4-4 双口RAM数据传输 该系统使用的CY7C057V是低功耗CMOS32Kx36的双口静态RAMs。器 件中包含了多种仲裁机制来处理多处理器存取相同数据块的情况。两个端口提 供了独立的通行证，在存储器的任意位置读写的异步存取。该器件既可以单独 用来作为36-bit双口静态RAMs，也可以多个器件相结合生成72-bit或者更宽 的主/副双口静态RAM。 CY7C057V的组成单元包括:32Kx36bit的双口RAM单元、I/0和的址线、CE/CE1、/OE、R/ W)。这些引脚允许对存储器内部的任意位以及控制信号(0 置进行读写存取。每个端口提供了一个BUSY对同一位置空间进行写/读。两个 中断(INT)引脚用来控制双口RAM与EMFI接口图到端的通信，它允许端口 间或系统间通过信箱的方式进行通信。两个旗语控制引脚用来指定享有的资 源。旗语逻辑由8个共享的锁存器组成。任何时候只有一边能够控制锁存器。 旗语的控制意味着共享资源在被使用。M/S引脚确定器件是主模式(BUSY引脚 CE/CE1，控制的自为输出)还是从模式(BUSY引脚为输入)。器件还提供了由0 动电源关闭特征。每个端口还提供了它自己的输出使能控制(OE)，它使得数据 能够被从器件中读出。 将双口RAM置于FAPG和DSP之间作为数据缓存器，如图4-4所示的一 禁忌搜索算法 2009210042 李同玲运筹学与控制论 搜索是人工智能的一个基本问题，一个问题的求解过程就是搜索。人工智能在各应用领域中，被广泛的使用。现在，搜索技术渗透在各种人工智能系统中，可以说没有哪一种人工智能的应用不用搜索方法。 禁忌搜索算法(Tabu Search或Taboo Search,简称TS)的思想最早由Glover (美国工程院院士，科罗拉多大学教授)在1977年提出，它是对局部邻域搜索的一种扩展，是一种全局邻域搜索算法，是人工智能的一种体现，是一种全局逐步寻优算法，是对人类智力过程的一种模拟。TS算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样化的有效探索以最终实现全局优化。迄今为止，TS算法在组合优化、生产调度、机器学习、电路设计和神经网络等领域取得了很大的成功，近年来又在函数全局优化方面得到较多的研究，并大有发展的趋势。 1.1引言 1.1.1局部邻域搜索 局部邻域搜索是基于贪婪思想持续地在当前的邻域中进行搜索，虽然算法通用易实现，且容易理解，但其搜索性能完全依赖于邻域结构和初始解，尤其容易陷入局部极小而无法保证全局优化性。 局部搜索的算法可以描述为： 1、 选定一个初始可行解：0x ； 记录当前最优解0best x x =，()best T N x =； 2、 当\best T x =?时，或满足其他停止运算准则时，输出计算结果， 停止运算；否则，从T 中选一集合S ，得到S 中的最好解now x ；若()()now best f x f x <，则b e s t n o w x x =，()best T N x =；否则，\T T S =；重复2，继续搜索 这种邻域搜索方法容易实现理解，容易实现，而且具有很好的通用性，但是搜索结果完全依赖于初始解和邻域的结构，而且只能搜索到局部最优解。为了实现全局搜索，禁忌搜索采用允许接受劣解来逃离局部最优解。针对局部领域搜索，为了实现全局优化，可尝试的途径有：以可控性概率接受劣解来逃逸局部极小，如模拟退火算法；扩大领域搜索结构，如TSP 的2-opt 扩展到k-opt ；多点并行搜索，如进化计算；变结构领域搜索（ Mladenovic et al,1997）；另外，就是采用TS 的禁忌策略尽量避免迂回搜索，它是一种确定性的局部极小突跳策略。 1.1.2禁忌搜索算法的基本思想 禁忌搜索算法的基本思想就是在搜索过程中将近期的历史上的搜索过程存放在禁忌表（Tabu List ）中，阻止算法重复进入，这样就有效地防止了搜索过程的循环。禁忌表模仿了人类的记忆功能，禁忌搜索因此得名，所以称它是一种智能优化算法。 具体的思路如下：禁忌搜索算法采用了邻域选优的搜索方法，为了能逃离局部最优解，算法必须能够接受劣解，也就是每一次迭代得到的解不必一定优于原来的解。但是。一旦接受了劣解，迭代就可能 差分进化算法（DE）[1]是Storn 和Price 在1995 年提出的一种基于种群差异的进化算法，DE是一种随机的并行搜索算法。差分进化计算和其他进化计算算法一样，都是基于群体智能理论的优化算法，利用群体内个体之间的合作与竞争产生的群体智能模式来指导优化搜索的进行。与其他进化计算不同的是，差分进化计算保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了进化操作的复杂性。差分进化计算特有的进化操作使得其具有较强的全局收敛能力和鲁棒性，非常适合求解一些复杂环境中的优化问题。 最初试图使用向量差进行向量种群的混洗，以此来解决切比雪夫多项式适应性问题。DE 通过种群内个体间的合作与竞争来实现对优化问题的求解，其本质上是一种基于实数编码的具有保优思想的进化算法。该算法实现技术简单，在对各种测试问题的实验中表现优异，已经成为近年来进化算法研究中的热点之一。 差分进化算法基本原理 基本的差分进化算法是基于候选方案种群的算法，在整个搜索空间内进行方案的搜索，通过使用简单的数学公式对种群中的现有方案进行组合实现的。如果新的方案有所改进，则被接受，否则被丢弃，重复这一过程直到找到满意的方案。 设 f 是最小化适应度函数，适应度函数以实数向量的形式取一个候选方案作为参数，给出一个实数数值作为候选方案的输出适应值。其目的是在搜索空间的所有方案p 中找到m 使得f(m) ≤f(p)。最大化是找到一个m 使得f(m) ≥f(p)。 设X=(x1, x2,…, xn)∈?n是种群中一个个体，基本的差分进化算法如下所述： ?在搜索空间中随机地初始化所有的个体。 ?重复如下操作直到满足终止条件（最大迭代数或者找到满足适应值的个体） o 对于种群中的每个个体： ●随机地从种群中选择三个彼此不同的个体a，b 和c。 ●选择一个随机索引R ∈{1, ..., n}，n 是被优化问题的维数。 ●通过对每个i ∈{1, ..., n}进行如下的迭代计算可能的新个体Y = [y1, ..., yn] 生成一 个随机数ri~U(0,1)； ●如果(i=R)或者(ri 1 如何求代数式的值 1.直接求值法 先把整式化简，然后代入求值. 例1 先化简，再求值:3-2xy+2yx 2+6xy-4x 2y ，其中x=-1,y=-2. 2.隐含条件求值法 先通过隐含条件将字母取值求出，然后化简求值. 例2 若单项式-3a 2-m b 与b n+1a 2是同类项，求代数式m 2-(-3mn+3n 2)+2n 2的值. 例3 已知2-a +(b+1)2=0，求5ab 2-[2a 2b-(4ab 2-2a 2 b)]的值. 3.整体代入法 不求字母的值，将所求代数式变形为与已知条件有关的式子，如倍差关系、 和差关系等. 例4 已知x 2+4x-1=0，求2x 4+8x 3-4x 2-8x+1的值. 例5 已知x 2-x-1=0，求x 2+21 x 的值. 4.换元法 出现分式或某些整式的幂的形式时，常常需要换元. 例6 已知b a b a +-2=6，求代数式b a b a +-)2(2+)2() (3b a b a -+的值. 5.特值代入求值 在选择题与填空题中,由于不用计算过程,也可以用特殊值法来计算,即选取符合条件的字母的值,直接代入代数式得出答案. 例7 已知－1＜b ＜0, 0＜a ＜1,那么在代数式a －b 、a+b 、a+b 2、a 2+b 中，对任意的a 、 b ，对应的代数式的值最大的是 (A) a+b (B) a －b (C) a+b 2 (D) a 2+b 解:取21-=b ，2 1=a ,分别代入四个选择支计算得:(A)的值为0;(B)的值1；(C) 的值为43;(D)的值为4 3,所以选(B) 例8 设,)1()1(322dx cx bx a x x +++=-+则=+++d c b a 析解：d c b a +++恰好是32dx cx bx a +++当1=x 时的值。故取1=x 分别代入等 式,)1()1(322dx cx bx a x x +++=-+左边是0，右边是d c b a +++，所以 matlab练习程序（二值图像内外边界跟踪） 目标内边界的像素全都在目标里面，目标外边界的像素全都不在目标上，是包围着目标的。 二值图像内外边界的计算都是有两种方法的，所以一共是4种算法，不过实际用到跟踪的只有一个而已。 首先是内边界跟踪： 第一种方法不是跟踪方法。步骤是先对原图像腐蚀，然后用原图像减去腐蚀后的图像就得到边界了。 第二种方法是跟踪方法。步骤如下： 1.遍历图像。 2.标记第一个遇见像素块的前景像素（i,j）。 3.对这个像素周围八邻域逆时针搜索，如果搜索到周围有前景像素，那么更新坐标（i,j）为（i',j'），并标记。 4.不断执行第3步直到再次遇见此像素块第一次标记的像素。 5.继续执行第1步。 然后是外边界跟踪： 第一种方法和求内边界第一种方法类似。先对原图像进行膨胀，然后用膨胀后的图像减去原图像即可。 第二种也不算跟踪方法，只是标记算法而已。就是将图像中前景像素周围的非前景像素标记一下就行了。 效果如下： 原图： 内边界： 外边界： matlab程序如下： 内边界： 复制代码 clear all; close all; clc; img=imread('rice.png'); img=img>128; imshow(img); [m n]=size(img); imgn=zeros(m,n); %边界标记图像 ed=[-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0]; %从左上角像素，逆时针搜索 for i=2:m-1 for j=2:n-1 if img(i,j)==1 && imgn(i,j)==0 %当前是没标记的白色像素 if sum(sum(img(i-1:i+1,j-1:j+1)))~=9 %块内部的白像素不标记 ii=i; %像素块内部搜寻使用的坐标 jj=j; imgn(i,j)=2; %本像素块第一个标记的边界，第一个边界像素为2 while imgn(ii,jj)~=2 %是否沿着像素块搜寻一圈了。 for k=1:8 %逆时针八邻域搜索 tmpi=ii+ed(k,1); %八邻域临时坐标 tmpj=jj+ed(k,2); if img(tmpi,tmpj)==1 && imgn(tmpi,tmpj)~=2 %搜索到新边界，并且没有搜索一圈 ii=tmpi; %更新内部搜寻坐标，继续搜索 jj=tmpj; imgn(ii,jj)=1; %边界标记图像该像素标记，普通边界为1 break; end粒子群优化算法综述
3.2求代数式地值地方法
图像定位及跟踪技术大解析
双边界直线搜索法
求代数式的值的方法
约束满足与邻域搜索结合的混合算法及应用
数字图像边缘检测的研究与实现
图像局部特征点检测算法综述
3.2求代数式的值的方法
启发式优化算法综述
代数式求值的十种常用方法
毕设-基于DSP的运动目标图像跟踪算法研究与实现-正文-下
禁忌搜索算法
差分进化算法综述概况
如何求代数式的值
matlab练习程序(二值图像内外边界跟踪)