基于多尺度Harris角点的图像文字检测

图像中角点(特征点)提取与匹配算法

角点提取与匹配算法实验报告 1 说明 本文实验的目标是对于两幅相似的图像，通过角点检测算法，进而找出这两幅图像的共同点，从而可以把这两幅图像合并成一幅图像。 下面描述该实验的基本步骤: 1.本文所采用的角点检测算法是Harris 角点检测算法，该算法的基本原理是取以目标像素点为中心的一个小窗口，计算窗口沿任何方向移动后的灰度变化，并用解析形式表达。设以像素点(x,y)为中心的小窗口在X 方向上移动u ，y 方向上移动v ，Harris 给出了灰度变化度量的解析表达式： 2 ,,|,|,,()(x y x y x u y v x y x y I I E w I I w u v o X Y ??= -=++??∑∑ (1) 其中，,x y E 为窗口内的灰度变化度量；,x y w 为窗口函数，一般定义为2 2 2 ()/,x y x y w e σ +=； I 为图像灰度函数，略去无穷小项有： 222222 ,,[()()2]2x y x y x y x y E w u I v I uvI I Au Cuv Bv = ++=++∑ （2） 将,x y E 化为二次型有： ,[]x y u E u v M v ?? =???? (3) M 为实对称矩阵： 2 ,2 x y x x y x y y I I I M w I I I ???= ???????∑ (4) 通过对角化处理得到： 11 ,200x y E R R λλ-??= ??? (5) 其中，R 为旋转因子，对角化处理后并不改变以u,v 为坐标参数的空间曲面的形状，其特征值反应了两个主轴方向的图像表面曲率。当两个特征值均较小时，表明目标点附近区域为“平坦区域”；特征值一大一小时，表明特征点位于“边缘”上；只有当两个特征值均比较大时，沿任何方向的移动均将导致灰度的剧烈变化。Harris 的角点响应函数(CRF)表达式由此而得到： 2 (,)det()(())C RF x y M k trace M =- (6)

多尺度几何分析详解

多尺度几何分析详解 一、从小波分析到多尺度几何分析 小波分析取在从多学科领域中取得巨大成功的一个关键原因在于它比傅里叶分析能更“稀疏”地表示一维分段光滑或者有界变差函数。遗憾的是，小波分析在一维时所具有的优异特性并不能简单的推广到二维或更高维。这是因为一维小波张成的可分离小波(Separable wavelet)只具有有限的方向，不能“最优”表示含线或者面奇异的高维函数，但事实上具有线或面奇异的函数在高维空间中非常普遍，例如，自然物体光滑边界使得自然图像的不连续性往往体现为光滑曲线上的奇异性，而并不仅仅是点奇异。换句话说，在高维情况下，小波分析并不能充分利用数据本身特有的几何特征，并不是最优的或者说“最稀疏”的函数表示方法；而继小波分析之后发展起来的多尺度几何分析（Multiscale Geometric Analysis,MGA）发展的目的和动力正是要致力于发展一种新的高维函数的最优表示方法，为了检测、表示、处理某些高维空间数据，这些空间的主要特点是：其中数据的某些重要特征集中体现于其低维子集中（如曲线、面等）。比如，对于二维图像，主要特征可以由边缘所刻画，而在3-D图像中，其重要特征又体现为丝状物（filaments）和管状物（tubes）。 由一维小波张成的二维小波基具有正方形的支撑区间，不同的分辨率下，其支撑区间为不同尺寸大小的正方形。二维小波逼近奇异曲线的过程最终表现为用“点”来逼近线的过程。在尺度j，小波

支撑区间的边长近似为2-j，幅值超过2-j的小波系数的个数至少为O(2j)阶，当尺度变细时，非零小波系数的数目以指数形式增长，出现了大量不可忽略的系数，最终表现为不能“稀疏”表示原函数。因此，我们希望某种变换在逼近奇异曲线时，为了能充分利用原函数的几何正则性，其基的支撑区间应该表现为“长条形”，以达到用最少的系数来逼近奇异曲线。基的“长条形”支撑区间实际上是“方向”性的一种体现，也称为这种基具有“各向异性(anisotropy)”。我们希望的这种变换就是“多尺度几何分析”。 图像的多尺度几何分析方法分为自适应和非自适应两类，自适应的方法一般先进行边缘检测再利用边缘信息对原函数进行最优表示，实际上是边缘检测和图像表示方法的结合，此类方法以Bandelet和Wdgelet为代表；非自适应的方法并不要先验地知道图像本身的几何特征，而是直接将图像在一组固定的基或框架上进行分解，

Halcon表面划伤检测实例

Halcon表面划伤检测实例 *关闭活动图形窗口 dev_close_window () * 在程序执行中指定输出行为为off。 dev_update_window ('off') * **** * step: acquire image 步骤：获取图像 * ****读入文件名为'surface_scratch' 的图像到Image read_image (Image, 'surface_scratch') get_image_size (Image, Width, Height) *打开一个和Image宽高比一致的图像窗口 dev_open_window_fit_image (Image, 0, 0, Width, Width, WindowID) *设置窗口字体大小为12，字体类型为Courier，粗体不倾斜字体。 set_display_font (WindowID, 12, 'Courier', 'true', 'false') *设置填充模式为'margin' dev_set_draw ('margin') *定义输出轮廓线宽为4

dev_set_line_width (4) *显示Image到窗口 dev_display (Image) *WindowID窗口使用黑色字体在一个方框内显示按"F5"继续运行字体，并注册F5消息处理disp_continue_message (WindowID, 'black', 'true') stop () * **** * step: segment image 步骤：图像分割 * **** * -> using a local threshold 使用局部阈值 * 对Image进行7*7均值滤波 mean_image (Image, ImageMean, 7, 7) ********************************************************************* *得到的图像为： * * * *用均值滤波图像作为二值化阈值图像，返回小于灰度值小于该点阈值-5的图像。 dyn_threshold (Image, ImageMean, DarkPixels, 5, 'dark') *************************************** ****得到的区域为：

多尺度方法综述

跨原子/连续介质（第一类）多尺度分析的各种方法按照其控制方程的类型可分成两类，基于能量的方法和基于力平衡的方法 一、基于能量的方法 假定系统的总能量由原子区，握手区（可无），连续介质区构成 tot A H C ∏=∏+∏+∏ 其中，握手区和连续介质区的能量是由有限元法近似求得的。 基于能量的方法一个最大的缺陷是很难消除耦合能量的非物理效应“鬼力”。鬼力产生的原因： 假设全区域采用原子进行计算，则其能量为： ,,atom atom A atom C ∏=∏+∏ 对位移进行求导，可得 ,,atom A atom C f u u α αα?∏?∏=--?? 在平衡时：,,atom A atom C u u αα ?∏?∏=-?? 同理，对于无握手区的多尺度能量法，在平衡时，满足方程： A C u u αα?∏?∏=-?? 同时因为在两种方法中，,A atom A ∏=∏ 即对于多尺度能量法需满足方程：,C Atom C u u αα ?∏?∏=?? 因为在多尺度能量法的计算中，连续介质区的能量是由有限元法近似求得的，与原子计算的能量不一致，所以会产生“鬼力”。 1. QC 法（1998, Tadmor E B, OrtizMand Phillips R 1996 Quasicontinuum analysis of defects in solids Phil. Mag. A 73 1529–63） 在之前的报告中阐述过，本周的阅读中暂无改进内容 2. CLS 法（1999，Broughton JQ, Abraham F F, BernsteinNand KaxirasE1999 Concurrent coupling of length scales: methodology and application Phys. Rev. B 60 2391–403） 提出该方法的作者是基于自身对于MEMS （Micro-Electro-Mechanical

多尺度方法在复合材料力学研究中的进展

多尺度方法在复合材料力学分析中的研究进展 摘要简要介绍了多尺度方法的分量及其适用范围，详细论述了多尺度分析方法在纤维增强复合材料弹性、塑性等力学性能中的研究进展，最后对多尺度分析方法的前景进行了展望。 关键词多尺度分析方法，复合材料，力学性能，细观力学，均匀化理论 1 引言 多尺度科学是一门研究不同长度尺度或时间尺度相互耦合现象的跨学科科学，是复杂系统的重要分支之一，具有丰富的科学内涵和研究价值。多尺度现象并存于生活的很多方面，它涵盖了许多领域。如介观、微观个宏观等多个物理、力学及其耦合领域[1]。空间和时间上的多尺度现象是材料科学中材料变形和失效的固有现象。 多尺度分析方法是考虑空间和时间的跨尺度与跨层次特征，并将相关尺度耦合的新方法，是求解各种复杂的计算材料科学和工程问题的重要方法和技术。对于求解与尺度相关的各种不连续问题。复合材料和异构材料的性能模拟问题，以及需要考虑材料微观或纳观物理特性，品格位错等问题，多尺度方法相当有效。 复合材料是由两种或者两种以上具有不同物理、化学性质的材料，以微观、介观或宏观等不同的结构尺度与层次，经过复杂的空间组合而形成的一个多相材料系统[2]。复合材料作为一种新型材料，由于具有较高的比强度和比刚度、低密度、强耐腐蚀性、低蠕变、高温下强度保持率高以及生物相容性好等一系列优点，越来越受到土木工程和航空航天工业等领域的重视。 复合材料是一种多相材料，其力学性能和失效机制不仅与宏观性能（如边界条件、载荷和约束等）有关，也与组分相的性能、增强相的形状、分布以及增强相与基体之间的界面特性等细观特征密切相关，为了优化复合材料和更好地开发利用复合材料，必须掌握其细观结构对材料宏观性能的影响，即应研究多尺度效应的影响。 如何建立起复合材料的有效性能和组分性能以及微观结构组织参数之间的

halcon学习笔记——实例篇 长度和角度测量+

halcon学习笔记——实例篇长度和角度测量实例二：长度和角度测量 素材图片： halcon代码： 1: *读取并截取图片 2: dev_close_window() 3: read_image (Image, 'D:/MyFile/halcon/长度和角度测量/图.png') 4: crop_rectangle1 (Image, ImagePart, 75, 0, 400, 400) 5: get_image_size (ImagePart, Width, Height) 6: dev_open_window (0, 0, Width, Height, 'black', WindowHandle) 7: dev_display (ImagePart) 8: 9: *获取图形的边界 10: threshold (ImagePart, Regions, 0, 112) 11: 12: *分离三角形和圆形

13: connection(Regions,ConnectedRegions) 14: sort_region(ConnectedRegions,SortedRegions,'upper_left','true','column') 15: select_obj(SortedRegions,Circle,1) 16: select_obj(SortedRegions,Triangle,2) 17: 18: *获取三角形各边的信息 19: skeleton(Triangle,TriangleSkeleton) 20: gen_contours_skeleton_xld(TriangleSkeleton,TriangleContours,1,'filter') 21: segment_contours_xld(TriangleContours,ContoursSplit,'lines_circles', 5, 4, 2) 22:select_contours_xld(ContoursSplit,SelectedContours, 'contour_length',100, 999, -0.5, 0.5) 23: fit_line_contour_xld (SelectedContours, 'tukey', -1, 10, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) 24: 25: *计算三角形角度 26:angle_ll (RowBegin[0], ColBegin[0], RowEnd[0], ColEnd[0], RowBegin[1], ColBegin[1], RowEnd[1], ColEnd[1], Angle1) 27:angle_ll (RowBegin[0], ColBegin[0], RowEnd[0], ColEnd[0], RowBegin[2], ColBegin[2], RowEnd[2], ColEnd[2], Angle2) 28:angle_ll (RowBegin[1], ColBegin[1], RowEnd[1], ColEnd[1], RowBegin[2], ColBegin[2], RowEnd[2], ColEnd[2], Angle3) 29: Angle1:=abs(deg(Angle1)) 30: Angle2:=abs(deg(Angle2)) 31: Angle3:=abs(deg(Angle3)) 32: 33: *获取圆的信息 34: area_center(Circle,AreaCircle, RowCircle, ColumnCircle) 35: 36: *计算圆心到三角形各边的距离 37: Distance := [] 38:for Index := 0 to 2 by 1 39:distance_pl (RowCircle, ColumnCircle, RowBegin[Index], ColBegin[Index], RowEnd[Index], ColEnd[Index], ThisDistance) 40: Distance := [Distance,ThisDistance] 41: endfor

Harris角点检测算法编程步骤及示例演示

Harris角点检测算法编程步骤及示例演示 也不说那么多废话了，要介绍啥背景意义之类的，角点检测，顾名思义，就是检测角点，最简单的就是两条线的交点了，还有比如下国际象棋的棋盘格子的交点之类的，反正就是检测这些点。 简单将Harris角点检测算法的思想说下，就是拿一个小窗在图像中移动，通过考察这个小窗口内图像灰度的平均变换值来确定角点。（1）如果窗口内区域图像的灰度值恒定，那么所有不同方向的偏移几乎不发生变化； （2）如果窗口跨越一条边，那么沿着这条边的偏移几乎不发生变化，但是与边垂直的偏移会发生很大的变化； （3）如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移会发生很大的变化。 下面给出具体数学推导： 设图像窗口平移量为（u,v）,产生的灰度变化为E(u,v), 有E(u,v)=sum[w(x,y)[I(x+u,y+v)-I(x,y)]^2],其中w(x,y)为窗口函数， I(x+u,y+v)为平移后的灰度值，I(x,y)为平移前的灰度值。 有泰勒公式展开可得： I(x+u,y+v)=I(x,y)+Ix*u+Iy*v+O(u^2,v^2); Ix,Iy分别为偏微分，在图像中为图像的方向导数. 因此E(u,v)=sum[w(x,y) [Ix*u+Iy*v+O(u^2,v^2)]^2], 可以近似得到E(u,v)=sum[w(x,y) [Ix*u+Iy*v]^2],即 E(u,v)=[u,v][Ix^2,Ix*Iy;Ix*Iy,Iy^2][u,v]T

令M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2]，因此最后对角点的检测成了对矩阵M的特征值的分析了，令M其特征值为x1,x2; 当x1>>x2或者x2>>x1，则检测到的是边缘部分； 当x1,x2都很小，图像窗口在所有移动的方向上移动灰度级都无明显变化. 当X1,X2都很大时且相当，检测到的是角点。 编程时用x1,x2不方便，因此定义角点响应函数; R=det(M)-k(trace(M))^2; 其中det(M)为矩阵M的行列式，trace(M)为矩阵M的迹。 下面给出更具数学公式实际编程的步骤： 1.利用水平，竖直差分算子对图像的每个像素进行滤波以求得 Ix,Iy,进而求得M中的四个元素的值。 M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2] 2.对M的四个元素进行高斯平滑滤波，为的是消除一些不必要 的孤立点和凸起，得到新的矩阵M。 3.接下来利用M计算对应每个像素的角点响应函数R，即： R=det(M)-k(trace(M))^2; 也可以使用改进的R： R=[Ix^2*Iy^2-(Ix*Iy)^2]/(Ix^2+Iy^2);里面没有随意给定的参数k，取值应当比第一个令人满意。 4.在矩阵R中，同时满足R(i,j)大于一定阈值threshold和R(i,j)

图像角点

角点检测技术方法概述 角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。 角点通常被定义为两条边的交点，更严格的说，角点的局部邻域应该具有两个不同区域的不同方向的边界。而实际应用中，大多数所谓的角点检测方法检测的是拥有特定特征的图像点，而不仅仅是“角点”。这些特征点在图像中有具体的坐标，并具有某些数学特征，如局部最大或最小灰度、某些梯度特征等。 现有的角点检测算法并不是都十分的鲁棒。很多方法都要求有大量的训练集和冗余数据来防止或减少错误特征的出现。角点检测方法的一个很重要的评价标准是其对多幅图像中相同或相似特征的检测能力，并且能够应对光照变化、图像旋转等图像变化。 Moravec角点检测算法 Moravec角点检测算法是最早的角点检测算法之一。该算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。 如果像素位于平滑图像区域内，周围的patch都会非常相似。如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。 Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点。 Harris角点检测算法 Moravec角点检测算法有几个很明显的缺陷： 1，强度值的计算并不是各向同性的，只有离散的8个45度角方向被考虑。因为patch的评议比较最多只有8个方向； 2，由于窗口是方形并且二元的，因此相应函数会有噪声； 3，对边缘的相应太简单，因为强度值尽取SSD的最小值；

多尺度耦合理论

多尺度耦合理论

何国威、白以龙 中国科学院力学研究所，非线性力学国家重点实验室 多尺度力学是当代科学技术发展的需求和前沿。在生物科学，材料科学，化学科学和流体力学中，许多重要问题的本质都表现为多尺度，它们涉及从分子尺度到连续介质尺度上不同物理机制的耦合和关联。例如，在生物和化学科学里，在分子尺度上的不同性态产生了生物体尺度上的复杂现象；在固体破坏中，不同尺度的微损伤相互作用产生更大尺度上的裂纹导致材料破坏；在流体力学中，不同时空尺度的涡相互作用构成复杂的流动图案。这些问题的共同特点是不同尺度上物理机制的耦合和关联。只考虑单个尺度上某个物理机制，不可能描述整个系统的复杂现象。因此，多尺度力学的核心问题是多过程耦合和跨尺度关联。 多尺度力学是传统的针对多尺度问题研究的发展，但有着本质的不同。它们都研究不 能通过解耦进行求解的多尺度耦合问题。但是，传统的多尺度问题具有相似性或弱耦合，即：不同尺度上的物理过程具有相似性，因此我们可以求相似解；或者，不同尺度上的物理过程具有弱耦合，因此我们可以采用平均法求解。然而，多尺度力学的研究对象具有多样性和强耦合，即：不同尺度上的物理过程既不具有相似性，耦合也不再是弱的了。因此，传统的相 似解和平均法对多尺度力学的问题都不适用。 动力系统理论和统计力学为多尺度现象的研究提供了基本方法。在一个给定尺度上的物理过程可以用动力学方程描述，而动力学方程的建立主要依赖于经典力学和量子力学。问题的关键在于不同尺度上物理过程的相互耦合。如果可以忽略耦合，单个尺度上的物理过程完全可以由经典力学或量子力学描述，剩下的就是类似于解方程那样的认识过程，原则上并不是什么困难的事情。在平衡态统计物理里，不同尺度之间物理过程耦合的基本假设是基于等概率原理的统计平均。但是，大多数多尺度问题涉及统计力学中非平衡态的非线性演化过程，不同的尺度之间存在强耦合或敏感耦合，不能简单地采用绝热近似、统计平均以及微扰等方法处理，而必须将不同尺度耦合求解。特别是存在敏感耦合的情形，小尺度上的某些无序性细节在非线性演化过程中可能被强烈地放大，变成大尺度上的显著效应。统计力学为处理这类问题提供了一个基本出发点。一个直接的方法是从第一原理出发，利用分子动力学，计算分子尺度上的所有细节，然后求得连续介质尺度上的物理性质。但是，由于现有计算机的限制，从第一原理出发的直接法并不现实。一个比较现实的方法是寻找中间尺度进行过渡，它包括基于区域分解的准连续方法和基于粗粒化的粒子动力学法。这些构造模型的方法在不同的问题上都取得了一定程度的成功，但是，它们都不具有普适性。最新的发展是建立在齐次化方法上的非均匀齐次法，它试图给出解决跨尺度关联问题的一般框架。 现代力学中两个典型的多尺度问题是流体湍流和固体破坏，它们既有共同点，但又有 所区别：流体湍流表现为不同尺度上多个物理过程的耦合，它没有尺度分离；固体破坏表现为不同尺度上物理机制的跨尺度关联，它具有尺度分离。现详细讨论如下： （1）流体湍流： 在流体湍流里，不同尺度上的涡相互作用构成了复杂的流动图案，它们具有不同的物理机制而又相互耦合。在上个世纪，针对不同尺度上物理过程相似的问题，流体力学家发展了求相似解的方法；针对不同尺度上物理过程耦合较弱的问题，流体力学家发展了小参数摄动法。正是相似解和摄动法解决了航空航天中诸如湍流边界层这样的重大问题，形成了力学史上的一个黄金时代。但是，现在对湍流问题的研究与过去有了根本的不同，它表现为要认识不同尺度上不同的物理过程的强耦合。对于这类问题，经典的相似解和摄动法并不适用。 因此，必须发展能解决多尺度现象里多样性和强耦合问题的理论和数值方法。 湍流具有从耗散尺度到积分尺度的连续谱，它没有尺度分离，因此平均法并不适用。 统计物理为湍流的多尺度模型提供了工具。一般而言，湍流的统计特性可以用矩和概率密度函数描述。但是，矩方程含有非线性引起的高阶矩耦合，概率密度函数方程含有耗散引起的

数字图像处理角点检测方法研究毕业论文

数字图像角点特征检测方法研究

目录 引言 (3) 1 研究背景与发展 (6) 1.1研究背景 (6) 1.2研究现状和发展概述 (6) 1.3应用软件M ATLAB (7) 2 角点检测概念与原理 (9) 2.1角点的定义 (9) 2.2角点概念及特征 (9) 2.3角点检测意义 (9) 2.4角点检测原理 (10) 2.5角点检测技术的基本方法 (10) 2.5.1 基于模板的角点检测 (10) 2.5.2 基于边缘的角点检测 (11) 2.5.3 基于灰度变化的角点检测 (13) 3 角点算法概述 (14) 3.1角点检测的标准 (14) 3.2H ARRIS角点检测算子 (14) 3.2.1 Harris角点检测算子流程图 (19) 3.2.2 Harris角点检测算子的特点 (20) 3.2.3 Harris角点检测性质 (20) 3.2.4 Harris和Moravec算子角点检测实验结果 (21) 3.3一种改进的H ARRIS的算法 (23) 3.3.1试验结果 (24) 3.4S USAN角点检测算子 (25) 3.3.1 SUSAN角点检测一般步骤 (27) 3.3.2 Susan角点检测算子特点 (29) 3.3.3 Susan角点检测试验结果 (29) 4 其他算子简介 (33) 4.1小波变换算子 (33) 4.2F ORSTNER算子 (33) 4.3CSS角点检测算法 (35) 4.4ACSS角点检测算法 (36) 4.5各种角点检测算法的比较 (36) 结论 (39) 致谢 (41)

参考文献 (42) 附录1 HARRIS算法程序 (44) 附录2 MORA VEC算法程序 (46) 附录3 改进的HARRIS算法 (48) 附录4 SUSAN算法程序 (50)

角点检测算法综述

角点检测算法综述 范娜，俞利，徐伯夏 （中国航天科工集团第三研究院8357所天津300308） 摘要：角点作为图像的一个重要特征，它保留了图像绝大部分的特征信息。角点在三维场景重建、运动估计、目标跟踪以及图像配准与图像匹配等计算机视觉领域有着重要的作用。本文对角点检测算法的类别进行总结，对各类算法进行了详细介绍，并对近几年来各类算法发展与改进进行了总结。 关键词：特征信息；计算机视觉；角点检测 Survey of Corner Detection Algorithms FAN Na, YU Li, and XU Bo-xia (The 8357 Research Institute of the Third Research Academy of CASIC Tianjin 300308) Abstract：As a more important feature of image, corner contains voluminous information of image features.In the domain of computer vision, such as three-dimensional reconstruction, motion estimation, object tracking, image registration and image matching, corner of image play an important role.this paper attempt to summarize and detailedly introduce corner detection algorithms, and summarize the developments of these algorithms in recent years. Key words: Feature Information；Computer Vision；Corner Detection 1 引言 角点并没有明确的定义，一般将图像中亮度变化剧烈的点或图像边缘上曲率取极大值的点认为是角点。从形态上来说，角点包括L、T、Y、X和箭头型角点等。角点作为图像的重要特征，保留了图像的绝大部分的特征信息，又有效地减少了信息的数据量，从而有效地提高了运算速度以及匹配的可靠性。总结现有的角点检测算子的评价方法，总体上有以下几个标准[1]： (1)稳定性：即同一场景图像在亮度、对比度等因素变化的情况下，检测出的角点数目及位置应当稳定 (2)可靠性：即在算子的可变参数改变情况下，不影响生成的角点的质量，只改变检测出角点的数目；检测到的角点具有平移、旋转、伸缩不变性 (3)鲁棒性：即算法的抗噪性能，在一定的噪声干扰下，算子仍然具有很强的角点检测能力 (4)准确性：主要指不发生误检测以及角点位置定位准确 (5)高效性：是指算法的计算速度快慢，算法速度必须足够快以满足图像处理系统的要求 经过几十年的研究与探索，产生了许多检测角点的方法，但大致可以分为四类：基于灰度图像的角点检测算法、基于二值图像的角点检测算法、基于边缘特征的角点检测算法以及支持矢量机角点检测算法。本文中

非经典热传导问题多尺度分析方法研究

张洪武等：非经典热传导问题多尺度分析方法研究 非经典热传导问题多尺度分析方法研究古 张洪武张盛郭旭 大连理工大学工业装备结构分析国家重点实验室，工程力学系．大连１１６０２４ 摘要根据时空间尺度的高阶均匀化理论．建立分析尉期性结构中非傅立叶热传导问题的时间一空 训多尺度分析方法，通过引入放大空间尺度和缩小时间尺度，研究了由空间非均匀性引起的非傅立叶 热传导的波动效应和非局部效应，得到具有非局部效应的四阶微分方程，对高阶非局部热传导方程进 行修正．使问题的求解避免了对有限元离散的Ｃ—ｌ连续性要求。给出三种不同材料参数情况的计算 结果．验证方法正确性的同时，对存在的问题进行了讨沦。 关键词非傅立叶热传导；多尺度方法；均匀化方法：非局部模型 １引言 传统的傅立叶（Ｆｏｕｒｉｅｒ）导热定律是导热现象规律性的经验总结，它是建立在大量常规传热实验的基础上的。傅立叶导热定律不涉及热传导时间项，定律本身隐含了热传播速度为无限大的假设。但对极端热传导条件下的非稳态传热过程，如激光表面热处理、脉冲干燥及微时间或微空间尺度条件下的传热问题等，热传播速度的有限性却必须考虑，此时会出现一些不同于常规传热过程的物理现象．这种热传导效应称为非傅立叶（ｎｏｎ．Ｆｏｕｒｉｅｒ）热传导效应。传统傅立叶导热定律的本构方程描述了热流量和温度空间梯度分布之间的关系，其数学表达式为抛物线型偏微分方程。而非傅立叶导热定律还考虑了热波的时间迟滞，其数学表达式为双曲线型偏微分方程。 热传导问题多尺度分析方法的研究具有极大的学术探讨价值和广泛的工程应用领域“’…。本文主要目的是根据非傅立叶导热定律本构方程，研究不同材料组成的多相结构中热传导问题的时间．空间多尺度分析方法ｈ５１ｏ在非均匀介质的分界面上存在的反射和折射作用影响了脉冲激励的传播，在宏观上出现了勃、散，衰减等现象。为了解决这一勃、散效应，本文采用了多时间一空间尺度的高阶均匀化理论对问题进行分析。通过引入放大空间尺度和缩小时间尺度，从数学上获得不同阶次的时间一空间问题的均匀化方程，对这些具有不同阶次的均匀化方程进行合并整理，最终得到用于结构宏观多尺度分析的高阶均匀化方程。 ２时间一空间多尺度渐进分析的基本方法 如图ｌ所示，假设宏观的特征尺寸￡远大于非均匀性尺寸，。在空间上引入两个尺度：一个是宏观或整体空间尺度ｘ，另一个是微观或局部放大空间尺度ｙ，且Ｙ＝Ｉ／ｓ，其中ｓ＜＜１。在时间上引入一个一般时间尺度，即ｔｏ＝ｒ，同时还引入一个缩小时间尺度：ｔｌ＝８２ｆ，以进行时间域的多尺度分析。因为瞬态温度场≯与ｘ、Ｙ、ｔｏ、ｔ１相关，对≯采取近似多尺度渐进展开，得 ｄ（ｘ，Ｙ，ｆ）＝如（ｘ，Ｙ，ｔｏ，＾）＋印【（ｘ，Ｙ，ｔｏ，ｒ１）＋占２≯２（ｘ，ｙ，ｆｏ，‘１）＋－…??（１） 黝材料＝ Ｉ鼻＾ｌｅ：＾ 图ｌ一维杆和单元结构 所研究的结构右侧施加热源加），其余表面绝热，其特征长度为ｆ（在ｘ尺度上）和盎（在ｙ尺度上）＋幽家自然科学基金５０１７８０１６、杰出青年科学基金１０２２５２１２资助项目

复合材料板弯曲行为分析的高阶多尺度方法

复合材料板弯曲行为分析的高阶多尺度方法 王自强 摘要 复合材料具有良好的物理、力学性能，在航空航天和日常工业用品中已得到广泛应用， 它们经常被制备成板或者壳的形式。因此，针对复合材料板的宏‐细观模型、性能预测、优化设计，以及复合材料板在各种物理和力学荷载作用下的弯曲行为分析已经成为一个十分重要的研究领域。本文主要研究复合材料板静、动力弯曲行为分析的高阶多尺度方法，其结果将为复合材料板的设计和性能预测提供理论支持。 本文的第一部分研究周期性复合材料板在静力作用下弯曲行为分析的高阶双尺度方法。首先，从三维的线弹性方程出发，在细观上定义三维的局部单胞函数，并利用它求出均匀化系数和定义出均匀化方程。其次，利用Reissner-Mindlin位移模式求解均匀化方程后，把得到的局部单胞函数和均匀化解组装成复合材料板弯曲问题位移场的二阶双尺度逼近解。然后，分析了该近似解在点点意义下的对原始方程的近似性和在能量模意义下的整体近似性。最后，给出了典型算例，其数值结果说明了算法的有效性。 本文的第二部分研究周期性复合材料板在稳态热‐力耦合作用下弯曲行为分析的高阶双尺度方法。首先，从三维的稳态热‐力耦合方程出发，在细观上定义能够反映温度增量对位移场影响的三维的局部单胞函数，并利用它求出均匀化系数和定义均匀化方程。其次，对于均匀化的温度场采用积分投影近似，均匀化位移场采用Reissner-Mindlin位移模式求解。然后，由它们组装出温度和位移场的高阶双尺度渐近展开式并给出计算温度场和位移场的二阶双尺度算法，进一步得到温度梯度、位移、应变和应力的二阶双尺度算法。分析了二阶双尺度近似解在点点意义下对原始方程的近似性和在能量模意义下的整体的近似性。最后，给出了数值算例，其数值结果表明算法的有效性。 本文的最后一部分研究周期性复合材料板在瞬态热‐力耦合作用下的弯曲行为分析的高阶双尺度方法。首先，从三维的瞬态热‐力耦合方程出发，在细观上定义能够反映应变率对温度场影响以及温度增量对位移场影响的三维局部单胞函数，并利用它们求出均匀化系数和定义均匀化方程。其次，对于均匀化温度场采用积分投影近似和均匀化的位移场采用Reissner-Mindlin位移模式求解。最后，由高阶的双尺度渐近展开式给出计算温度场和位移场的二阶双尺度算法，进一步可以得到温度梯度、应变和应力的二阶双尺度算法。并分析了二阶双尺度近似解在点点意义下的对原始方程近似性和在能量模意义下的整体的近似性。 高阶多尺度方法可以作为解决类似问题的一个有效工具，可以应用新型复合材料结构的研究、设计及其工程实践。 关键词：复合材料板，弯曲问题，热‐力耦合问题，高阶多尺度方法，近似性分析

harris角点检测与ncc匹配

harris角点检测与ncc匹配 file1:-------------------------------------------------------------------------------------- function [y1,y2,r,c]=harris(X) % 角点的检测，利用harris 算法 % 输出的是一幅图像 % [result,cnt,r,c]=harris(X) % clc,clear all; % filename='qiao1.bmp'; % X= imread('filename.bmp'); % 读取图像 % Info=imfinfo(filename); %这个要习惯用 % % f=rgb2gray(X); f=X; % ori_im=double(f)/255; %unit8转化为64为双精度double64 fx = [-2 -1 0 1 2]; % x方向梯度算子(用于Harris角点提取算法) Ix = filter2(fx,ori_im); % x方向滤波善于使用filter % fy = [5 8 5;0 0 0;-5 -8 -5]; % 高斯函数一阶微分，y方向(用于改进的Harris 角点提取算法) fy = [-2;-1;0;1;2]; % y方向梯度算子(用于Harris角点提取算法) Iy = filter2(fy,ori_im); % y方向滤波 Ix2 = Ix.^2; Iy2 = Iy.^2; Ixy = Ix.*Iy; clear Ix; clear Iy; %消除变量哈 h= fspecial('gaussian',[10 10 ],2); % 产生7*7的高斯窗函数，sigma=2 Ix2 = filter2(h,Ix2); Iy2 = filter2(h,Iy2); Ixy = filter2(h,Ixy); %分别进行高斯滤波 height = size(ori_im,1); width = size(ori_im,2); result = zeros(height,width); % 纪录角点位置，角点处值为1 ，背景都是黑色的哈 R = zeros(height,width);

裂缝多尺度评价分析

The 16th Formation Evaluation Symposium of Japan, October 7-8, 2010
Fracture Delineation in Volcanics – Case Studies in Junggar Basin, China
Sun Zhong Chun1, Wang Guo Bing1, Luo Xin Ping1, 2 2 2 2 Wu Jin Long , Xian Cheng Gang , Yang Lei , and He Yu Lou
1.
PetroChina 2. Schlumberger
This paper was selected for presentation by a JFES program committee following review of an abstract submitted by the author(s).
ABSTRACT Volcanic reservoirs have become important exploration & development targets in China recently. This paper presents an integrated fracture delineation approach which uses available measurements with multi-scale depth of investigation (DOI) covers “borehole surface near wellbore - deep formation”. This paper will mainly focus on delineation of fracture effectiveness and assessment of extension and connectivity of effective fractures from borehole surface into deep formation which are key factors to control producibility of volcanic formations. The approach has integrated current-available measurements with multiple depth-of-investigations in a systematic manner. Typical measurements considered are: drilling events such as mud loss, high resolution borehole images, advanced borehole sonic, and Borehole Acoustic Reflection Survey (BARS). A workflow is development to carefully evaluate fracture effectiveness. In particular, shear anisotropy enhanced by dispersion analysis enables us to evaluate producible fractures into formation up to several wellbore radius away from the borehole surface by distinguishing different dominant anisotropy mechanisms in rock, including homogeneous isotropic, inhomogeneous isotropic, stress induced anisotropy, and intrinsic anisotropy. More interestingly, BARS technique, instead of detecting formation reflection boundaries, has been applied in vertical wells in order to assess probable fracture networks deep into formation up to maximally over 10 meters (depending on tool configuration and signal-noise ratio) by a new generation sonic tool. This multi-scale approach has been implemented into multiple wells drilled in volcanic formations in Junggar Basin, West China. BARS technique was very firstly demonstrated here to evaluate probable fracture system in deep formation in vertical wells. Field cases demonstrated that this approach has helped more realistic or reliable evaluation of producible fracture zones and well producibility for better decision making.
INTRODUCTION Volcanic reservoirs have become important exploration & development targets in China recently. In this kind of reservoir, porosity is usually very low; fractures play an important role not only as the migration pathway, but also as reservoir space. In Junggar basin, volcanics reservoirs are generally very deep. To test a drilled deep well in volcanics often is very costly. One key task is to identify producible fractures which are full of hydrocarbon as well as permeable. These producible fractures can directly contribute to the production of oil and gas, and high permeability provides increased productivity. Producible fracture delineation can help to select perforating intervals and optimize completion design. Secondly, preferential fluid path may cause drilling problems such as fluid losses or unwanted production; besides, producible fracture delineation can also offer great help in reservoir management and production optimization. Conventionally, borehole image has been used a lot for fracture evaluation, because it can show very small fractures with direction and quantitatively calculate the fracture properties. However, borehole image used to classify fractures into conductive or resistive fractures is based on image morphology, but conductive fractures don’t equal to producible fractures which are Operators’ real main interest. Moreover, fracture reservoirs usually contain complex fracture networks, fractures detected from borehole image are only small fractures intersecting the borehole, the depth of investigation is too shallow to avoid borehole condition affection, and fractures without intersecting the borehole can’t be described by image. Mixing results from several wells drilled in volcanics reservoirs in Junggar basin confirmed the limitation of this method. Therefore, a more reliable approach is required. This paper presents an integrated fracture delineation approach which uses available measurements with multi-scale depth of investigation (DOI) covers “borehole surface - near wellbore - deep formation”. This paper will mainly focus on delineation of fracture effectiveness and assessment of extension and
-1-