一种基于小波变换的图像融合方法
淮阴工学院
毕业设计(论文)外文资料翻译系（院）：数理学院
专业：信息与计算科学
姓名：江森
学号：
外文出处：
应用信息和通信
计算机和信息科学卷2011年225期1-8页
(用外文写)
Applied Informatics and Communication ，Communications in Computer and Information Science V olume 225, 2011, pp 1-8
附件： 1.外文资料翻译译文；2.外文原文。
附件1：外文资料翻译英文
一种基于小波变换的图像融合方法
徐曹、张华勋
长春中医药大学、长春大学电子工程学院
摘要 ：本文基于小波理论对医学图像融合方法进行了介绍。医学图像融合有三个步骤，它们是图像处理、图像配准和图像融合。在本文中，图像处理跨越了小波的多分辨率特性，消除干扰，即小波去噪。注册通过小波分析来获得较大的变化点，接收图像的边缘，从而得以实现快速、准确的复合，图像融合使用拆机图像不同的频率子带来保存所有信息，有一个完美的融合。仿真实验证明了它的优点：方法计算简单，可快速的叠加并使医学图像完美的融合。这是医学研究和临床医学的一个渗透方向。
关键词：小波变换理论 图像处理 图像配准 图像融合
一、引言
医学图像融合的主要建议是通过处理改善在多个图像中的冗余数据，以提高图像的可读性。通过配置多图像之间的互补信息，提高图像的清晰度。图像融合的前提条件是图像配准。它是在同一位置的两个图像像素对应相同的解剖结构的图像融合。是一种很有意义的图像融合。多模态医学图像的融合提供了更全面、 准确的数据，包括重要的临床数据、准确的生理功能信息和精确的解剖信息。 基底的方法是基于像素基于与所述图像的特征的时刻。前者是加工逐点和加权求和处理，取其大小的灰度值。这是一个简单的方法，但效率不高。后来的提取图像的羽状物，这是一个复杂的手段，但也是一种完美的印象积淀。[2] [3]
二、医学图像融合的措施
医学图像融合的研究是多学科的调查。这是一个分析多幅图像的方法,但由于传感器的定位,设备的变化和各种各样的干扰,不同程度变形和变质作用在图像上。所以预处理和图像配准是图像融合的前提条件。
A.图像预处理：图像预处理是降低噪声的过程。有滑动平均滤波、加权中值滤波器、自适应维纳滤波等方法。这些方法可有效去除高斯噪声、脉冲噪声、乘法噪声等等。但对于各种各样噪声的图像,本文提出了小波去噪方法。小波图像去噪的理论:信号的局部特征描述x （t ）是：
1,)()(00+≤<≤+-+n n A t f t x n βδδδβ
(1) β是李普希茨指数在0t 处的取值)(t x ，)(t f n 是)(0t x 的n 次多项式，数量足够的小。如果方程（2）在j a 2=的基础上成立，然后j a 20=是点τ处的局部模极大值。 ),(,),(),(000στσττττ+-∈≤a W T a W T x x （2）
),(0τa W T x 是常数项c ，β是)(t x 李普希茨指数并且假设),(0τa W T x 满足等式（3）
， K 是一个常数，与小波基础有关。因为,0,0-2
1-><=εεβ所以小波系数的模的极大值
)(j k d 是随着规模的增加而不断的减少噪音。而且小波变换是正交变换，因此)(j k
d 仍然是带有噪声的小波变换。即)(j k d 在时间域和频率域上是一致的。[5] [6]
当规模较大时，它符合一般观察宽阔的视野和较低的频率。当规模较小时，由于狭隘的视图和高频，它适合详细的观察。小波去噪信号分析小波信号，噪声通常包含在具有高频率的细节里，从而阈值用于进程分解信号的小波系数。事后重建小波信号，去噪的目的得以实现。信号去噪的本质是抑制无用的部分以及恢复有用的部分。图像仿真结果如图1和图2所示。
图1 ：噪声图像
图2 ： 去噪图像
B.图像配准: 图像配准是图像融合和多模态图像分析的前提。如果不同的图像要吻合，他们必须有相对关系的位置。有很多种基于不同成像模式和不同的对象之间的关系的图像配准方法。由于有限的长度，只有在平均提取边缘的小波分析的基础上，提及这里。首先基于多尺度边缘检测抛光原始信号，然后从一个或两个衍生物的抛光信号检查原始信号的突变点[1]。
假设）（x θ是抛光功能，并且满足条件
0)(lim ,1)(==?∞
∞
-∞→x dx x x θθ （4）
如果）（x θ可以有二阶导数，定义
)()(),()(22
,,,
x dx d x x dx d x θψθψ== （5） 等式（6）是经等式（4）变换所获得的：
??∞
∞
∞∞==-,,-0)(,0)(dx x dx x ψψ，
（6） 所以)(x ，ψ和)(,,x ψ都是小波。g f ,的卷积定义如下：
?∞
∞--=
=du u x g u f x g f x g f )()())(*()(* （7）
那么，)(x f 的标准小波转换后被定义为含有)(x ，ψ和)(,,x ψ的式子，如等式（8）
： )(*)(),(*)(,,,,,,x f x f W x f x f W s s s s ψψ== （8）
积分小波变换定义如下：
()(
)()dt a b t h t f a
t h t f b a f W b a h ??? ??-==?∞
∞--21,,),)(( （9） 进一步有 )(
21
,a
b t h a h b a -=- 等式（10）和等式（11）是由等式（8）变换得到： ()()()()x f dx d s x dx d s f x f W s s s θθ**,=??
? ??= （10） ()()()()x f dx d s x dx d s f x f W s s s θθ**222222,,=???
? ??= （11）
关于)(x ，ψ和)(,,x ψ的标准小波变换从等式（10）和等式（11）变成了)(x f 的卷积以及抛
光功能s θ 。
因为规模较大，)(x f 的卷积和s θ去除较小的变化，只检测到较大的变化点，这是正确的低频小波分解，因此，改变在不同尺度下得到对点s 的不同的值，这是边缘检测的图像。边缘检查是解决梯度向量摸的最大二维信号[4][8]. 在这之后，图像配准仍然需要通过匹配两幅图像的对应点进行坐标变换。边缘检测的模拟结果的图像是图3和图
4.
图3 :病理变化的边缘检测图像
图4 ：无病变的边缘检测图像
C ．图像融合：图像融合的目的是对多图像的不同特征组合，保留重要的信息，突出自身的特点。图像融合方法的有很多，在这里着重介绍基于小波分解的方法。 小波变换是正交变换融合的，它分析原始图像，以形成低频子图像LL ，高频率的排列HL 和排列中的低频，以及高频HH 。然后分解最后的图像，获得LL2，HL2,LH2,和在多层分解中的HH2。假设()y x g ,1和()y x g ,2是已分解的()y x G ,1和()y x G ,2，则图像融合的系数是：
()()()???=j i G j i G j i F ,,,2
1 ()()其它j i G j i G ,,21> （12） 图像融合()y x f ,是通过逆小波变换得到的()j i F , [7][9].图像融合仿真结果如
图5所示：
图5 ：病理改变图像的融合图像和无病变图像
三、结论
本文介绍了一种基于小波变换的图像融合方法。它从小波理论的几个特点出发对图像进行融合，在图像处理中，它使用设定阀值来去除噪声；在图像配准中，
f和()x sθ的卷积去除较小的变化、为了实现快速和准确的图像配准，它使用()x
接收图像的边缘。在图像融合中，它使用拆分图像的不同频率子带，以确保所有信息的完美融合。图像仿真实验证明：运用小波理论进行医学图像处理具有计算简单、快速叠加以及完美融合的优点。
参考文献：
[1] Wolfgang We in, Shell by Brunke , Ali Khanmene. Automatic CT ultrasound registration for diagnostic imaging and image-guided
Intervention [J]. Medical Image Analysis, 2008,12:577-585.
[2] Taylor RH, Stoia novici D. Medical robotics in computer_ inter grated surgery. IEEE Transactions on Robotics and Auto- mation 2003,19(5): 765-781.
[3] Vickers JP, Burnham KJ, Dill A .Knowledge-based organ segmenhation in low constrast medical computed to mography images [A].
Proceedings of the International Comference on System Science[C], 2001(3): 381-388.
[4] W ya wahare M V, Patil P M, Abhyankar H K. Image Registration Techniques: An overview[J]. International Journal of Signal
Processing, Image Processing and Pattern Recognition, 2009, 2(3)11- 28.
[5] Mallat S G, Hwang W Lsingularity detection and processing withwaelet[J].
IEEE Trans on Information Theory, 1992, 38(2): 617- 643.
[6] Polchlopek H M, Noonan J P. Wavelet, detection,destination and sparsity [J]. Digital Signal Processing, 1997(7): 2836-2847.
[7] VandenElsen P A, Pol E J D, Vierge M A. Medical Image matching: A review with classification[J] . IEEE Eng . Med. Biol.,2009,I2(3):12-39
[8] Stefan Klein, Marius Staring. Evaluation of optimization methods for nonrigid medical image registration Using Mutual Information and BSplinbes [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING, 2007,16(12): 2879-2890. [9] M. Brown, D.G.Lowe, Recongizing Panoramas. Procedings of IEEE International Conference on Computer Vision, 2003(2): 1218-1225.
[10] A.Rav-Acha,Y. Pritch, D.Lischinski, et,al. Dynamosaicing: Mosaicing of Dynamic Scenes, IEEE Trans.PAMI, Oct. 2007: 1789-1801.
附件2：外文原文
A Way of Image Fusion Based on Wavelet Transform
Huaxun Zhang Xu Cao
Electronic Engineering College Center of Modern Education Technology Changchun University Changchun Chinese Medicine University
Changchun, China Changchun, China
ccdxzhx@https://www.360docs.net/doc/d115285827.html, zyxycx@https://www.360docs.net/doc/d115285827.html,
像素级图像融合讲解
山东大学（威海）毕业论文 毕业设计（论文）设计(论文)题目像素级图像融合方法 姓名：李桂楠 学号：201100800668 学院：机电与信息工程学院 专业：自动化 年级2011级 指导教师：孙甲冰
目录 摘要 (4) Abstract (5) 第一章绪论 (1) 1.1课题背景及来源 (1) 1.2图像融合的理论基础和研究现状 (1) 1.3图像融合的应用 (1) 1.4图像融合的分类 (1) 第二章像素级图像融合的预处理 (3) 2.1图像增强 (3) 2.2图像校正 (6) 2.3图像配准 (6) 第三章像素级图像融合的方法综述 (8) 3.1加权平均图像融合方法 (8) 3.2 HIS空间图像融合方法 (8) 3.3 主成分分析图像融合方法 (8) 3.4 伪彩色图像融合方法 (9) 第四章基于小波变换的像素级图像融合概述 (10) 4.1 小波变换的基本理论 (10) 4.2 基于小波变换的图像融合 (11) 4.3基于小波变换的图像融合性能分析 (12)
第五章像素级图像融合方法的研究总结与展望 (19) 参考文献 (20) 谢辞................................. 错误！未定义书签。
摘要 近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域。 图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合提供更准确、全面、可依赖的图像信息。本文的主要工作是针对像素级的图像融合所展开的。 关键词 图像融合理论基础、加权平均、图像融合方法、小波变换、
多聚焦图像融合方法综述
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
外文翻译小波变换在图像处理中的仿真及应用
论文翻译 通信102 吴志昊 译文： 小波变换在图像处理中的仿真及应用 一、课题意义 在传统的傅立叶分析中, 信号完全是在频域展开的, 不包含任何时频的信息, 这对于某些应用来说是很恰当的, 因为信号的频率的信息对其是非常重要的。但其丢弃的时域信息可能对某些应用同样非常重要, 所以人们对傅立叶分析进行了推广, 提出了很多能表征时域和频域信息的信号分析方法, 如短时傅立叶变换, Gabor 变换, 时频分析, 小波变换等。而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷, 具有多分辨率分析的特点, 使其在图像处理中得到了广泛应用。 传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科学领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题。 小波变换是一种快速发展和比较流行的信号分析方法, 其在图像处理中有非常重要的应用, 包括图像压缩, 图像去噪, 图像融合, 图像分解, 图像增强等。小波分析是傅立叶分析思想方法的发展与延拓。除了连续小波(CWT)、离散小波(DWT), 还有小波包(Wavelet Packet)和多维小波。 小波分析在图像处理中有非常重要的应用, 包括图像压缩, 图像去噪, 图像融合, 图像分解, 图像增强等。小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中。从此，小波变换越来越引进人们的重视，其应用领域来越来越广泛。 二、课题综述 （一）小波分析的应用与发展 小波分析的应用是与小波分析的理论研究紧密地结合在一起的。现在，它已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图象处理可以统一看作是信号处理(图象可以看作是二维信号)，在小波分析的许
图像融合的研究背景和研究意义
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
像素级图像融合及其关键技术研究
像素级图像融合及其关键技术研究 图像融合是将多个相同或不同类型的成像传感器获取的同一场景的多幅图像信息加以综合与提取,从而产生比任何单一图像信息对景物更加精确的描述。图像融合一般可分为像素级、特征级和决策级图像融合。 本文针对像素级图像融合技术中需要解决的关键问题,重点研究了其中的三项关键技术:像素级图像融合预处理中的图像降噪技术、多聚焦图像融合技术以及全色与多光谱遥感影像融合技术。主要内容为:1.提出了一种基于人类视觉系统的图像去噪方法。 该方法结合了像素分类与小波变换,在不同的图像区域采用不同的阈值进行去噪,可有效提高图像去噪的效果,同时较好的保持了图像细节。2.提出了一种有利于图像压缩的小波图像去噪方法以及一种小波系数校验方法。 该去噪方法利用图像小波系数的层内相关性进行图像去噪,并可与后续的图像压缩处理有效结合。3.提出了一种基于局部区域梯度信息的多分辨率图像融合算法及其改进算法。 改进算法对不同源图像的对应尺度系数进行自适应加权相加,以获得融合后的尺度系数。这两种方法的融合效果均优于常用融合方法。 4.提出了一种基于离散余弦变换以及一种结合小波变换与离散余弦变换的图像融合新方法。前者的计算量相对较少,适用于实时处理,而后者则能有效提高图像融合的质量。 5.提出了一种基于支持向量机与图像块分割的自适应图像融合策略。该方法依据多聚焦源图像块所在的位置,采用不同大小的图像块进行自适应融合处理,可有效提高图像的融合效果。
6.提出了一种结合块分割与多分辨率分析的多聚焦图像融合方法。该方法可与现有的基于多分辨率分析的多聚焦图像融合方法相结合,能有效提高这些方法的融合效果。 7.提出了一种基于离散余弦变换与IHS(Intensity-hue-saturation,IHS)变换的多光谱与全色遥感影像融合方法及其改进算法。这两种方法可直接在离散余弦变换域进行遥感影像融合,适合压缩格式的遥感影像快速融合。 利用这两种方法的思想在空域结合基于IHS变换的融合方法,仅需较小的计算量,在提高融合图像空间分辨率的同时,保持了绿色植被区域的光谱特性。8.提出了一种基于抽样小波变换与IHS变换的高空间分辨率遥感影像融合方法。 该方法的计算量接近于基于抽样小波变换的常用融合方法,并可获得近似甚至优于冗余小波变换的融合效果。上述各个技术研究点均进行了相应的计算机仿真与性能分析。 本论文的所有研究工作在图像去噪与图像融合处理领域具有重要的理论与应用价值。
基于小波变换的图像处理.
基于小波变换的数字图像处理 摘要：本文先介绍了小波分析的基本理论，为图像处理模型的构建奠定了基础，在此基础上提出了小波分析在图像压缩，图像去噪，图像融合，图像增强等图像处理方面的应用,最后在MATLAB环境下进行仿真，验证了小波变化在图像处理方面的优势。 关键词：小波分析；图像压缩；图像去噪；图像融合；图像增强 引言 数字图像处理是利用计算机对科学研究和生产中出现的数字化可视化图像 信息进行处理，作为信息技术的一个重要领域受到了高度广泛的重视。数字化图像处理的今天，人们为图像建立数学模型并对图像特征给出各种描述，设计算子，优化处理等。迄今为止，研究数字图像处理应用中数学问题的理论越来越多，包括概率统计、调和分析、线性系统和偏微分方程等。 小波分析，作为一种新的数学分析工具，是泛函分析、傅立叶分析、样条分析、调和分析以及数值分析理论的完美结合，所以小波分析具有良好性质和实际应用背景，被广泛应用于计算机视觉、图像处理以及目标检测等领域，并在理论和方法上取得了重大进展，小波分析在图像处理及其相关领域所发挥的作用也越来越大。在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。但短时傅立叶分析只能在一个分辨率上进行，所以对很多应用来说不够精确，存在很大的缺陷。而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整。 本文介绍了小波变换的基本理论，并介绍了一些常用的小波函数，然后研究了小波分析在图像处理中的应用，包括图像压缩，图像去噪，图像融合，图像增强等,本文重点在图像去噪，最后用Matlab进行了仿真[1]。
ENVI中的融合方法
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
偏振成像及偏振图像融合技术与方法模板
编号 偏振成像与偏振图像融合技术与方法 Technology and Method of Polarization Imaging and Polarization Image Fusion 学生姓名 专业 学号 学院 2014年06月
摘要：偏振成像技术能在杂乱背景下提高目标的识别率，对于人造假目标和伪装具有独特的辨别能力，同时能提高图像的对比度和清晰度。在过去的十几年中，成像偏振技术获得了迅速的发展，应用的范围也在不断地扩大，己经成为信息获取领域中的一个研究热点。本文主要论述了偏振成像技术的发展现状及应用前景，对偏振光的基本理论进行了研究。通过用数学表达式和矩阵对多源图像融合技术进行了详细的理论描述。 关键词：偏振成像图像融合斯托克斯参量琼斯矩阵
Abstract Polarization imaging has the ability to identify false targets and enhance images taken in poor visibility and even restore clear-day visibility of scene. In the past several years, polarization imaging has been developed rapidly, the scope of application in continually expanding, already became in the field of information for a research hotspot. This article mainly discusses the technology development status and the application prospect of polarized light and studies the basic theory of polarized light technology. By using mathematical expression and the matrix of the source image fusion technology detailed description of the theory. Keywords：Polarization Imaging; Polarization Image Fusion; Stokes parameter; Jones matrix
图像融合
图像融合 实验目的 1.熟悉图像融合的意义和用途，理解图像融合的原理； 2.掌握图像融合的一般方法； 3.掌握运用MATLAB软件进行图像融合的操作。 实验原理 图像融合（Image Fusion）技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。 高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。 这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像（其中分辨率差别、灰度等级差别可能很大）的复合融合，为信息的高效提取提供了良好的处理手段，取得明显效益。 一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。 图像融合最简单的理解就是两个（或多个）图像间的相加运算。这一技术广泛
应用于多频谱图像理解和医学图像处理等领域。主要分为空域和频域相加。 一、应用MATLAB软件进行两幅图像的融合的主要方法有： 1.图像直接融合； 2.图像傅立叶变换融合； 3.图像小波变换融合。 图像融合的MATLAB程序如下： （1）调入、显示两幅图像的程序语句 load A; X1=X;map1=map; load B; X2=X;map2=map; %打开图像 subplot(1,2,1) image(X1),colormap(map1); title(‘图像map1’) subplot(1,2,2) image(X2),colormap(map2); title(‘图像map2’) %显示两幅图像 （2）两幅图像直接融合的程序语句 figure,subplot(1,3,1) image((X1+X2)/2),colormap(map2); %在空域内直接融合 title(‘两图像直接相加融合’) %显示融合后的图像，并命名为“两图像直接相加融合” （3）两幅图像傅立叶变换融合的程序语句 F1=fft2(X1); F2=fft2(X2); %分别计算两幅图像的快速傅立叶变换
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
图像融合开题报告2
齐鲁工业大学 毕业设计(论文)开题报告题目：图像拼接技术研究—图像融合 院（系）电气工程与自动化学院 专业电子信息工程 班级电子12-1 姓名泳麟 学号 201202031022 导师玉淑 2016年 4月 20 日
5.主要参考文献： [5] Blinn J F.Light reflection functions for simulation of clouds and dusty surfaces[C]//Proceedings of SIGGRAPH，1982：21-29. [6] Max N.Optical models for direct volume rendering[J].IEEE Transactions on Visualization and Computer Graphics，1995，1： 99-108. [7] Max N.Light diffusion through clouds and haze[C]//Computer Vision，Graphics，and Image Processing，1986：280-292. [8] 尤赛，福民.基于纹理映射与光照模型的体绘制加速算法[J]. 中国图象图形学报，2003，8（9）. [3] Chao R，Zhang K，Li Y J.An image fusion algorithm using wavelet transform[J].Area Electronical Sinica，2004，32：750-753. [4] Hill P，Canagarajah N，Bull D.Image fusion using complex wavelets[C]//British Machine Vision Conference，Cardif，2002. [5] 梁栋，瑶，敏，等.一种基于小波-Contourlet 变换的多聚焦图像 融合算法[J].电子学报，2007，35（2）：320-322. [6] 杰，龚声蓉，纯平.一种新的基于小波变换的多聚焦图像融合 算法[J].计算机工程与应用，2007，43（24）：47-49. [7] 福生.小波变换的工程分析与应用[M].：科学，1999. [8] 敏，小英，毛捷.基于邻域方差加权平均的小波图像融合[J].国 外电子测量技术，2008，27（1）：5-7. [9] 楚恒，杰，朱维乐.一种基于小波变换的多聚焦图像融合方法[J]. 光电工程，2005，32（8）：59-63. [10] 王丽，卢迪，吕剑飞.一种基于小波方向对比度的多聚焦图像融合 方法[J].中国图象图形学报，2008，13（1）：145-150. （上接196页） 康健超，康宝生，筠，等：一种改进的基于 GPU 编程的光线投射算法 201
图像融合算法概述
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论
小波变换图像处理实现程序课题实现步骤
%这个是2D-DWT的函数，是haar小波 %c是图像像素矩阵steps是变换的阶数 function dwtc = dwt_haar(c, steps) % DWTC = CWT_HARR(C) - Discrete Wavelet Transform using Haar filter % % M D Plumbley Nov 2003 N = length(c)-1; % Max index for filter: 0 .. N % If no steps to do, or the sequence is a single sample, the DWT is itself if (0==N | steps == 0) dwtc = c; return end % Check that N+1 is divisible by 2 if (mod(N+1,2)~=0) disp(['Not divisible 2: ' num2str(N+1)]); return end % Set the Haar analysis filter h0 = [1/2 1/2]; % Haar Low-pass filter h1 = [-1/2 1/2]; %Haar High-pass filter % Filter the signal lowpass_c = conv(h0, c); hipass_c =conv(h1, c); % Subsample by factor of 2 and scale c1 = sqrt(2)*lowpass_c(2:2:end); d1 = sqrt(2)*hipass_c(2:2:end); % Recursively call dwt_haar on the low-pass part, with 1 fewer steps dwtc1 = dwt_haar(c1, steps-1); % Construct the DWT from c1 and d1 dwtc = [dwtc1 d1]; % Done return -------------------------- 分割线-------------------------- 调用这个函数的例子下面的东西放在另一个文档里
红外图像与可见光图像融合笔记
红外图像与可见光图像融合 笔记 图像融合是将来自不同传感器在同一时间(或者不同时间)对同一目标获取的两幅或者多幅图像合成为一幅满足某种需求图像的过程。 为了获得较好的融合效果，在研究融合算法之前，对图像预处理理论及方法进行了研究。预处理理论主要包括图像去噪、图像配准和图像增强。图像去噪目的是为了减少噪声对图像的影响。图像配准是使处于不同状态下的图像达到统一配准状态的方法。图像增强是为了突出图像中的有用信息，改善图像的视觉效果，并方便图像的进一步融合。 图像融合评价方法：主观评价和客观评价。指标如：均值、标准差、信息熵等。 针对IHS变换和小波变换的优缺点，本文提出了一种基于这两种变换结合的图像融合方法。该算法的具体实现步骤如下：先对彩色可见光图像进行IHS变换，对红外图像进行增强，然后将变换后得到的I分量与已增强的红外图像进 行2层小波分解，将获得的低频子带和高频子带使用基于窗口的融合规则，而后对分量进行小波重构和IHS逆变换，最后得到融合结果。经仿真实验证明，此结果优于传统IHS变换和传统小波变换，获得了较好的融合结果，既保持了可见光图像中的大量彩色信息又保留了红外图像的重要目标信息。 红外传感器反映的是景物温度差或辐射差，不易受风沙烟雾等复杂条件的影响。一般来说，红外图像都有细节信息表现不明显、对比度低、成像效果差等缺点，因此其可视性并不是很理想。 可见光成像传感器与红外成像传感器不同，它只与目标场景的反射有关与其他无关，所以可见光图像表现为有较好的颜色等信息，反应真实环境目标情况，但当有遮挡时就无法观察出遮挡的目标。 利用红外传感器发现烟雾遮挡的目标或在树木后的车辆等。在夜间，人眼不 能很好的辨别场景中的目标，但由于不同景物之间存在着一定的温度差，可以利用红外传感器，它可以利用红外辐射差来进行探测，这样所成的图像虽然不能直接清晰的观察目标，但是能够将目标的轮廓显示出来，并能依据物体表面的温度和发射率的高低把重要目标从背景中分离出来，方便人眼的判读。但由于自身成像原理以及使用条件等原因，所形成图像具有噪声大、对比度低、模糊不清、视觉效果差等问题。不利于人眼判读。 可以将两者图像融合在一起，这样可以丰富图像信息，提高图像分辨率，增强图像的光谱信息，弥补单一传感器针对特定场景表达的不全面，实现对场景全面清晰准确的表达。 两者的主要区别有： (1)可见光图像与红外图像的成像原理不同，前者依据物体的反射率的不同进行成像，后者依据物体的温度或辐射率不同进行成像，因此红外图像的光谱信 息明显不如可见光图像。
图像融合算法的分析与比较
摘要：图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。图像融合算法是图像拼接过程中非常重要的一个步骤，本文介绍了几种常用图像融合算法，并且结合实验对它们的进行了分析和比较。 关键词：图像融合；图像拼接 一、引言图像拼接(image stitching)技术是由于摄像设备的视角限制，不可能一次拍出很大图片而产生的。图像拼接技术可以解决由于相机等成像仪器的视角和大小的局限，不可能一次拍出很大图片而产生的问题。它利用计算机进行自动匹配，合成一幅宽角度图片，因而在实际使用中具有很广泛的用途，同时对它的研究也推动了图像处理有关的算法研究。图1 图像拼接流程图图像拼接技术的基本流程如图1-1所示，首先获取待拼接的图像，然后是图像配准和图像融合，最终得到拼接图。图像拼接技术主要包括两个关键环节，即图像配准和图像融合。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息后寻找图像间的变换模型，然后由待拼接图像经变换模型向参考图像进行对齐，变换后图像的坐标将不再是整数，这就涉及到重采样与插值的技术。图像拼接的成功与否主要是图像的配准。待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息，将图像进行匹配。图像融合的任务就是把配准后的两幅图像根据对准的位置合并为一幅图像。由于两幅相邻图像之间存在重叠区域，因此，采用配准算法可以实现图像的对齐。然而图像拼接的目的是要得到一幅无缝的拼接图像[1]。所谓无缝，就是说在图像拼接结果中，不应该看到两幅图像在拼接过程中留下的痕迹，即不能出现图像拼接缝隙。由于进行拼接的两幅图像并不是在同一时刻采集的，因此，它们不可避免地会受到各种不定因素的影响。由于这些无法控制的因素的存在，如果在图像整合过程结束之后，只是根据该过程中所得到的两幅相邻图像之间的重叠区域信息，将两幅图像简单的叠加起来，那么，在它们的结合部位必然会产生清晰的拼接缝隙，这也就达不到图像拼接所要求的无缝的要求。如何处理图像整合过程中无法解决的拼接缝隙问题，实现真正意义上的无缝拼接，正是图像融合过程中所要解决的问题。对于重叠部分，如果只是简单的取第一幅图像或第二幅图像的数据进行叠加，会造成图像的模糊和拼接的痕迹，这是不能容忍的。图像融合就是要消除图像光强或色彩的不连续性。它的主要思想是让图像在拼接处的光强平滑过渡以消除光强的突变。二、常见的图像融合算法 1、平均值法令，，分别表示第一幅图像、第二幅图像和融合图像在点处的像素值，则融合图像中各点的像素值按式(4-1)确定。 (1) 式(4-1)中，表示第一幅图像中未与第二幅图像重叠的图像区域，表示第一幅图像与第二幅图像重叠的图像区域，表示第二幅图像中未与第一幅图像重叠的图像区域。取两幅图像的平均值的算法速度很快，但效果一般不能令人满意，在融合部分有明显的带状感觉，用眼睛能够观察出区别。本文以左图像所在的坐标系为参考坐标空间，将右图像经过变换矩阵向参考图坐标进行映射，由于双线性插值法在计算效率和精度方面可以达到一个很好的平衡，因此在变换过程中本文采用双线性插值。然后采用平均值法对图像重叠区进行融合，得到图2(a)和图2(b)。从图中可以看出由于采用本文的配准方法拼接出来的图像在拼接点处结合得很好，但是由于重叠区域采用了简单的平均值法来进行融合，有明显的拼缝。 (a) 校园广场图片（b）足球场图片图2 采用平均值法来对图像进行融合 2、重叠区线性过渡为了消除重叠区的拼缝问题，目前采用较多的是重叠区线性过渡的方法. 实现的具体方法是假设重叠区域宽度为l。取过渡因子是（）。两幅图像重叠区的x轴和y轴最大和最小值分别为、和、，则过渡因子，重叠区的像
基于小波变换的图像处理综述
Value Engineering 1小波变换的定义 小波分析是对Fourier 分析的一个重要补充和完善。因此，小波变换的定义应该是尽可能的由少数几个函数生成的；而理想的小波基应该是类似于Fourier 分析的。小波分析主要可以分为两个变换，即连续小波变换和离散小波变换。 2小波分析处理图像的发展 小波分析是一个不断发展的过程，经历“应用-理论-应用”的循环过程。小波分析是多学科交叉理论的结晶，包含泛函数分析、数值分析、分形理论、信息论、调和理论以及逼近论和时频分析等。并提出一种自适应的时-频局部化方法，可在时-频域任意转换，可聚焦任意信号的时段和频段，称为数学中的“望远镜”和“显微镜”。小波变换是Fourier 变换的深层次发展，是近年来工程领域关注的热点，将小波分析用于无损检测、医学CT 、构件探伤等。小波起源就与信号处理密不可分，1984年，法国工程师J.Morlet 和Grossman 对地质信号的分界提出了伸缩、平移的概念，首次提出”Wavelets ”一词。1985年，法国大数学家Meyer 提出光滑正交小波的理念，证明一维小波的存在性，构造出小波函数，是小波数学理论的先驱。随后与他的学生Lemarie 提出多尺度分析的思想。1988年，比利时数学家Ingrid Daubechies 构造出具有紧支撑的有限光滑小波函数，并撰写的《小波十讲（Ten Lectures on Wavelets ）》为小波研究和应用领域的专家学者提供了系统的小波理论讲解。1989年，Mallat 在多分辨的基础上，构造mallat 算法进行分解和重构，打开了小波应用的大门。1990年，Latto 和Tenenbaum 将小波分析用于偏微分方程求解，为小波分析的普及、发展及应用提供了动力。 3小波在图像处理中的主要应用：3.1图像变换小波变换具有捕获点奇异性的能力， 而一维信号中的奇异性主要表现为点奇异性，因此，利用小波变换处理一维信号可以取得很好的效果。图像变换相当于是对数字图像阵列的预处理。因为图像阵列维数相对较大，能够直接进行处理复杂度高、计算繁复，就需要一种算法将它变换，减少计算量，小波变换亦能达到良好去除冗余度的效果。 3.2图像压缩 数字图像的压缩目的即减少图像所需的比特数，经小波变换，通过时间域压缩图像的压缩比比传统的压缩方法高，速度快，而压缩后要能够保持信号与图像的特征基本是不变的，这也是一种有损压缩，但是在传递中抗干扰能力相对较强。Shappro 推倒出离散正交小波变换，提出“嵌入”式的“零树”小波编码图像压缩方法，相比于其它图像编码方法压缩比高、无方块效应。目前，基于小波变换的基础发展起来的图像编码方法称为新的静止图像压缩标准。而基于小波变换分析的压缩方法比较成功的是格型矢量量化小波系数编码，小波包最优基方法，多级树集合分裂算法（SPIHT ），小波域多尺度ARMA 模型纹理方法等。 3.3图像增强与恢复 图像去噪方法分空域滤波、频域滤波和最优线性滤波法。Donoho 和Johnstone 在高斯噪声模型下，应用多维独立正态变量决策理论，提出了小波阈值去噪方法和改进的信号去噪的软阈值方法和硬阈值方法，推导出VisuShrink 阈值公式及SureShrink 阈值公式，从理论上证明该阈值是渐进最优的。Weaver 等人通过分析小波变换高频、低频系数的相关特性，提出基于小波变换域内高、低系数相关的去噪方法。图像复原即利用模糊理论、粗糙集理论等去模糊，研究表明，模糊图像是由降质函数与清晰图像卷积得到，通过分析使图像模糊的因素，如高斯噪声、脉冲噪声、白噪声等，建立图像退化模型，根据采集图像提供的资料恢复清晰的图像。 3.4图像分割 —————————————————————— —作者简介：黄奎（1990-），男，重庆人，硕士，研究方向为水工结构工程。 基于小波变换的图像处理综述 Overview of Image Processing Based on Wavelet Transform 黄奎HUANG Kui （重庆交通大学， 重庆400074）（Chongqing Jiaotong University ，Chongqing 400074，China ） 摘要：小波分析主要广泛应用在科学研究和工程技术中。虽然在现阶段的小波理论相对成熟，近些年关于小波理论的应用和研 究也在不断的发展和更新。小波变化在图像处理领域中的应用也囊括图像与处理的所有方面。本文通过介绍小波变换的起源，将小波 应用在图像处理中的压缩、还原图像、边缘检测和图像分割，宏观剖析小波的研究现状历史、发展动向及优势。 Abstract:The wavelet analysis is widely used in scientific research and engineering technology.Although the wavelet theory is relatively mature at this stage,the application and researches on the wavelet theory in recent years is also in constant development and renewal.The application of wavelet transform in image processing covers all aspects of image processing.Through the introduction of the origin of wavelet transform,and by applying wavelet in image compression,image restoration,edge detection and image segmentation,this article analyzes the research situation,development trend and advantage of wavelet. 关键词：小波分析；图像；应用；边缘检测；宏观剖析Key words:wavelet analysis ；image ；application ；edge detection ；macro analysis 中图分类号：TP391文献标识码：A 文章编号：1006-4311（2015）08-0255-02·255· DOI:10.14018/https://www.360docs.net/doc/d115285827.html,13-1085/n.2015.08.143