基于5_3小波变换的木材纹理频域特征研究_高峰

第34卷第3期2013年5月内蒙古农业大学学报

Journal of Inner Mongolia Agricultural University

Vol.34No.3

May.2013

基于5/3小波变换的木材纹理频域特征研究*

高峰1,多化琼2*,王亚超3

(1.内蒙古农业大学职业技术学院,包头014019;2.内蒙古农业大学材料科学与艺术设计学院,呼和浩特010018;

3.内蒙古农业大学计算机与信息工程学院,呼和浩特010018)

摘要:通过利用整数5/3小波变换,对木材纹理进行多尺度分解,利用特征参数分析了木材纹理频率分布特征,比较了针叶材与阔叶材、径向与弦向切面的木材纹理的差异。实验结果表明,利用整数5/3小波变换,分析各子图像能量值的标准差,筛选出木材纹理最佳分解尺度为2,同时还发现小波能量分布比例和EHL/ELH值可作为木材纹理方向性参数。

关键词:木材纹理;5/3小波变换;频域特征参数

中图分类号:S781文献标识码:A文章编号:1009-3575(2013)03-0155-04

WOOD TEXTURE FREQUENCY-DOMAIN

CHARACTERIZATIONRESEARCH

BASED ON INTEGER5/3WAVELET

GAO Feng1,DUO Hua-qiong2*,WANG Ya-chao3

(1.Vocational and Technical College,Inner Mongolia Agricultural University,Baotou014109,China;

2College of Material Science and Art Design,Inner Mongolia Agriculture University.Huhhot010018,China;

3College of Computer and Information Engineering,Inner Mongolia Agriculture University.Huhhot010018,China)Abstract:Two methods are used to compare the wood texture difference between softwood and hardwood,between the radial section and chord wise section.Integer(5/3)wavelet transformation is used to multi-scale decomposition the wood texture,and characteris-tic parameter is to analyze the spectral distribution feature of wood texture.Based on integer(5/3)wavelet transform,the best decom-position size2is screened out from the standard deviation analyses of sub-images energy value,meanwhile,wavelet energy distribu-tion proportion and EHL/ELH value are found that can be conducted as wood texture directionality parameters.

Key words:Wood Texture;Integer(5/3)wavelet transformation;Frequency-domain Characterization

木材比较重要的特征之一是其独特的纹理,许多学者都对木材纹理进行了定量研究[1-3]。近年,东北林业大学的学者利用各种小波分解得到不同层次、不同频率分量的能量值来分析木材纹理特性,当整幅纹理在某个方向集中时,整幅纹理的能量就集中在这个方向上;当纹理不存在明显的方向时,能量值的大小则体现不同方向上的粗糙度[4];还对木材纹理的二进正交小波基变换后,在频域内的小波能量值和小波能量分布比例进行了研究[4-7]。

加拿大学者在研究图像压缩时,提出了整数5/3小波变换[8]。本文利用整数5/3小波变换对木材纹理在频域内的特征参数进行研究,意在探索木材纹理的频域特征参数,拓展了整数5/3小波变换的应用领域,同时所得的特征参数可作为木材纹理的视

*收稿日期:2013-03-12

基金项目:国家自然科学基金:木材纹理的数字化表征(编号:30960303);内蒙古人才基金作者简介:高峰(1968-),男,硕士,实验师,主要从事木林科学与技术方面的研究.

*通讯作者:E-mail:duohuaqiong@163.com

觉信息,也是分解、重构、压缩、降噪等的重要基础,为进一步的机器视觉模糊查询、模式识别等服务。

1

材料与方法

1.1

实验材料

把针叶材云南松和阔叶材光叶桑制成尺寸为

120mm ?80mm 的木材径、弦向切面试件,使用扫描仪实现图像的数字化,

图像的采样精度设为512?512像素,灰度层次为256级,保存为BMP 图像格式。1.2

实验方法

把木材径、弦向切面图像进行整数5/3小波一阶到三级变换;分别计算小波分解后得到的不同频率分量的小波能量值和小波能量分布比例。1.2.1

整数5/3小波分解

[8]

正变换的分解图

1.3特征参数的提取

[6]

利用Matlab 编程,计算整数5/3小波变换后,各频域内的小波能量分布特征参数和小波能量分布比例特征参数

[6]

2结果与分析

[6]

图1为木材纹理的原始图。通过特征参数分析得出以下结果。2.1

最佳分解尺度的选择

一般说,并不是小波分解的尺度越高,特征参数

越多,精确度也越高。在实际中,随分解尺度的增大,特征参数增加,计算的工作量增多,而且随着分解尺度的增大,

边界像素和超出边界的像素增多,会造成伪纹理的出现。因此,要选择最佳的小波分解尺度。

本文利用小波能量的均值和标准差来选择木材纹理分解的最佳尺度。其基本原理为:小波能量的均值反映信息量的多少,而标准差反映样本偏离总体平均数的程度和样本间纹理差异的大小,因此当某一尺度上的各能量的标准差最大时,

即反映了此分解尺度上的纹理间差异表现的最明显,纹理细节表达最充分

[6]

。图1A 的不同尺度上LL 、LH 、HL 和

HH 的能量值与标准差见表1。

从表1可以看出,当分解尺度从1变化到3时,ELL 的能量值出现递增,说明纹理的宏观结构经过第1至第3尺度的分解,

尺度3最大限度地反映了纹理的主要内容。样本的EHL 、

ELH 和EHH 均随分解尺度的升高而增大,因此初步认定尺度2和3为木材纹理分析的较佳尺度;此时继续对EHL 、ELH 和EHH 的标准差进行分析,发现标准差的最大值均出现在分解尺度为2时,说明当分解尺度为2时,木材纹理信息得到了充分体现,

纹理的差异性体现最明显;当分解尺度为3时,标准差反而降低,说明反映

纹理的能力已大为降低。综上所述,木材纹理分解的最佳尺度为2。2.2

木材纹理频率内的特征

通过对图1针叶材和阔叶材的径、弦向切面的2尺度5/3分解,计算出各分量的能量值如表2所示,

从表2可以看出,无论是针叶材还是阔叶材,也无论是径向切面还是弦向切面,木材纹理的低频分量ELL 的能量值最高,且远高于中高频分量EHL 、ELH 和高频分量EHH ,这说明木材纹理的最主要和最重要的信息主要集中在低频区域,反映了纹理的主要信息。

6

51内蒙古农业大学学报2013年

表1LL、LH、HL和HH能量值与标准差

Tab.1LL,LH,HL,HH energies and their standard deviation at different decomposition scale

尺度数

ELL EHL ELH EHH

均值标准差均值标准差均值标准差均值标准差

145038844.4890.01165.9970.01099.1350.000125.207 247403944.5800.014121.9880.011102.7360.005567.226 3503641339.300.0190.1380.0170.0990.0070.623表2径、弦向切面之间的ELL、EHL、ELH、EPHL、EPLH、EPHH和EHL/ELH比较

Tab.2Comparison of ELL,EHL,ELH,EPHL,EPLH,EPHH and EHLPELH between radial and tangential sections

径向切面弦向切面

针叶树材阔叶树材

均值标准差均值标准差均值标准差

针叶树材阔叶树材

均值标准差均值标准差

ELL45038844.48927030619.65136034732.0754*******.69814869914.52531468920.112 EHL0.01165.9970.012138.2140.012102.1060.010371.1430.016180.3400.013125.742 ELH0.01099.1350.00686.6640.00892.8990.009681.8560.00581.9210.00881.889 EPHL/%0.53.21.850.65.53.05

EPLH/%45.833.439.647.823.435.6

EPHH/%53.663.458.551.571.261.35

EHL/ELH1.12.01.51.03.21.6

图1针叶材和阔叶材的径、弦向切面原始图像

Fig.1radial section and tangential section of softwood and hardwood

A:针叶材云南松径向切面radial section of Pinus yunnanensis(softwood);B:针叶材云南松弦向切面tangential section of Pinus yunnanensis(softwood);C:阔叶材光叶桑的径切面radial section of Himalayan Mulberry(hardwood);D:阔叶材光叶桑的弦切面tangential section of Himalayan Mulberry(hardwood)

当ELL较小,EHL、ELH均较大或其中一个较大,而EHH较小时,对应的图像一般呈现出较强的规律性纹理;反之,如果ELL较大,而EHL、ELH和EHH均较小时,对应的图像纹理一般相对细致均匀、纹理程度较弱;而当ELL较小,EHL、ELH均较大,尤其是EHH也较大时,对应的图像纹理一般较粗糙,图面的纹理性较强,但无规则[6]。

依据以上分析,针对木材纹理的特点,从表2可以看出:①ELL较大,其它成分都较小,说明木材纹理无论针叶材还是阔叶材,也无论径向切面还是弦向切面,都相对较细致,纹理化程度较弱;②EHH非常小,显示木材纹理无论针叶材还是阔叶材,也无论径向切面还是弦向切面,都不粗糙;同时,HH子图中不存在较强的边界点,在高频中仅存在一些随机能量,并未包含太多的纹理信息,验证了木材纹理不很强的特点。

总之,经小波分解所得的不同方向上的特征参数在表达木材纹理信息的能力排序为:ELL>EHL>

751

第3期高峰等:基于5/3小波变换的木材纹理频域特征研究

ELH>EHH。因EHH最小,故下面只选用ELL、EHL 和ELH对木材纹理进一步分析。

2.3木材纹理方向的频域特征参数

从表2可看出,虽然,EHL和ELH相差很小,但EHL>ELH,说明图1中的木材纹理为竖向纹理,与图1实际的木材纹理相符合。为了进一步说明,引入EHL与ELH的比值,其规律为:当纹理竖向程度强时,EHL/ELH>1,并随着纹理竖向程度的加深,其值越大;当纹理横向程度强时,EHL/ELH<1,并随着纹理横向程度的加深,其值越小,向0趋近;当纹理为斜向或无方向时,EHL/ELH≈1。从表2可以看出,无论是针叶材还是阔叶材,也无论是径向切面还是弦向切面,其EHL/ELH>1,进一步说明其为竖向纹理。

为更好地反映纹理的方向性,引入小波分量能量分布比例无量纲参量。从表2可以看出,EPHL小于EPLH和EPHH,从图1可以看出,木材纹理都为竖向纹理,故当竖向纹理为主时,EPHL应小于EPLH和PHH。

3结论

整数5/3小波的多尺度频率分解特性参数研究,使以往人们用肉眼进行观察与主观判别的木材纹理信息,实现了运用计算机图像处理技术,定量化分析客观数据,来判断木材纹理信息,为今后木材纹理的定量化研究提供了一种新思路和方法。

试验结果表明,整数5/3小波变换对木材纹理的最佳分解尺度为2,经小波分解所得的特征参数能够很好地反映木材纹理的规律特征和方向性。从应用角度来看,基于5/3小波变换提取木材纹理的频域特征,提供了一个从客观数据来评价木材视觉效果及改变程度的工具,用于木制品纹理加工工艺等等。

参考文献:

[1]王晗,白雪冰,王辉.基于空间灰度共生矩阵木材纹理分类识别的研究[J].森林工程,2007,23(1):32-36.[2]王克奇,白雪冰,王辉.基于小波变换的木材表面纹理分类[J].哈尔滨工业大学学报,2009,41(9):232-

234.

[3]刘一星,于海鹏.透明涂饰对木材纹理等视觉特征的影响分析[J].林业科学,2006,42(12):90-94

[4]任宁,于海鹏,刘一星,等.木材纹理的分形特征与计算[J].东北林业大学学报,2007,35(2):9-11

[5]于海鹏,刘一星,刘镇波.木材纹理的定量化算法探究[J].福建林学院学报,2005,25(2):157-162[6]于海鹏,刘一星,孙建平.基于小波的木材纹理分频信息提取与分析[J].林业科学,2005,41(2):100-105[7]戴天虹,赵贝贝,王玉珏,等.提升小波在木材颜色特征提取上的应用[J].计算机应用,2009,29(12):218

-219

[8]Athanassios Skodras,Charilaos Christopoulos,Touradj Ebrahimi.The JPEG-2000Still Image Compression

[J].IEEE Signal Processing Magazine,2001,18(5):36

-58

851内蒙古农业大学学报2013年

图像颜色特征提取原理

一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0~1 或者在 0~255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0~360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0~1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0~1。 1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法 颜色直方图是最基本的颜色特征表示方法,它反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。其函数表达式如下: H(k)= n k/N (k=0,1,…,L-1) (1) 其中,k 代表图像的特征取值,L 是特征可取值的个数,n k是图像中具有特征值为 k 的象素的个数,N 是图像象素的总数。由上式可见,颜色直方图所描述的是不同色彩在整幅图像中所占的比例,无法描述图像中的对象或物体,但是由于直方图相对于图像以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,而且对于图像质量的变化也不甚敏感,所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。 由于计算机本身固有的量化缺陷,这种直方图法忽略了颜色的相似性,人们对这种算法进行改进,产生了全局累加直方图法和局部累加直方图法。 2.2 全局累加直方图法 全局累加直方图是以颜色值作为横坐标,纵坐标为颜色累加出现的频数,因此图像的累加直方空间 H 定义为:

创业者特质概念研究综述

创业者特质概念研究综述 作者简介:汪翔(1992-),男,安徽合肥人,硕士研究生,安徽大学商学院,研究方向:创业管理;张平(1989-),女,安徽亳州人,硕士研究生,安徽大学商学院,研究方向:创业管理。 创业者特质在创业研究领域里占有重要地位,而对于创业者特质概念的研究也是学者们关注的焦点。现有研究主要基于心理学和行为学的理论,对于创业者特质概念进行了论述,但未形成一个统一的、系统的归纳和认识。综合已有的文献,把创业者特质概念研究分为创业者特质的内涵、外延两大部分进行综述,并对未来创业者特质概念研究的主要方向进行了展望。 标签:创业者;特质;创业研究 创业越发成为经济发展的强劲推动力,不仅促进了市场的竞争和发展,推动了产业的创新,也有利于解决就业问题,成为加快经济发展和建设和谐社会的强劲动力。根据舒尔茨的人力资本理论,人在各种资源中起着决定作用。在对创业产生影响的诸多因素里,创业者特质是最为关键的因素。尤其是在竞争激烈的市场中,创业者特质对创业企业的经营和发展的影响至关重要。创业者的特质到底是指什么?具有什么样的特质?由于世界各国的市场环境和文化背景不完全相同,学者们无法给出系统性的答案,且判断答案的标准也总是随着环境和时间的发展不断变化。本文综合国内外学者对于创业者特质概念的研究成果,对于创业者特质概念的研究进行详细阐述。 1创业者特质的内涵 概念作为一种能够反映对象本质属性的思维形式,具有两个基本特征:即概念的内涵和外延。其中,内涵是概念所反映的事物对象所特有的属性。 1.1创业者的内涵 创业者一词的英文是“entrepreneur”,法国学者Say(1775)首次对创业者进行了定义,他认为创业者在经济活动中充当着代理人的角色,目的是将经济资源从生产率较低的区域转移到生产率较高区域。在此基础上,学者们对于创业者内涵的界定基本能概括为:第一,指的是新创企业或即将创办企业的领导者和负责人。雷家骕,冯婉玲(2001)分析指出创业者是指活跃在企业创立和成长阶段的企业经营者或者是创业活动的推动者。第二,指的是指企业家,即在现有企业中负责经营和决策的领导人。郁义鸿(2000)比较国内外对企业家的研究后得出,当前对企业家的定义越发强调企业家的创新意识和能力,创业与企业家密不可分。基于此,企业家即是创业者。 为使研究更具方便性和价值性,本文认为创业者是指参与创业活动及在创业过程扮演核心角色的领袖人物,在新创企业或正在创办企业的活动中,通过自身

图像特征提取总结

图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1)颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。 (4)颜色聚合向量 其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。(5)颜色相关图 二纹理特征 (一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局部的偏差而无法匹配成功。作为一种统计特征,纹理特征常具有旋转不变性,并且对于噪声有较强的抵抗能力。但是,纹理特征也有其缺点,一个很明显的缺点是当图像的分辨率变化的时候,所计算出来的纹理可能会有较大偏差。另外,由于有可能受到光照、反射情况的影响,从2-D图像中反映出来的纹理不一定是3-D物体表面真实

图像纹理特征的分析方法研究

图像纹理特征的分析方法研究 黄晶,杨杰 武汉理工大学信息工程学院,武汉(430063) E-mail :jinghuang1019@https://www.360docs.net/doc/8b3047185.html, 摘 要:本文重点介绍了几种借助纹理统计特征的分析方法,并对算法进行了比较。这些方 法包括:基于图像分形维数的特征分析,基于灰度共生矩阵的特征分析,基于灰度直方图的 特征提取。 关键词:分形维数,灰度共生矩阵,纹理特征 中图分类号:TP391 1.引言 虽然存在形形色色的图像纹理,并且人们进行纹理分析方面的工作已近半个世纪,但至 今还没有一个公认的确切的定义。纹理图像在局部区域内可能称不规则性,但在整体上则表 现出某种规律性,其灰度分布往往表现出某种周期性。 就其广义而言,纹理特征就是图像局部性质的统计,一个纹理图像可以看成一组独立的 同分布随机变量(,)W j k 经一空间算子()O ?作用而成的结果(,)F j k ,并用这些数字特征构 造图像的纹理特征。对纹理特征的提取方法可以分为统计法﹑构造法和频谱法。 2.纹理特征的分析方法 2.1 基于分形维数的特征分析 在分形理论中,最经典的理论是Hausdorff 维数[1],它对分形的理论分析和理解都很重 要,但很难直接求取,在实际运用中更多的是盒维数,关联维数,自相似维数以及尺度维数, 本文选取的是盒维数中的差分盒维数。 差分盒维数算法是以盒维数算法为基础提出的一种简单、快速、精确的算法。将M M ×大小的图像分割成L L ×的子块,令r=L/M ,将图像视为一个三维空间中的一个表面 (,,(,))x y f x y ,其中(,)f x y 为图像(,)x y 位置处的灰度值。X ,Y 平面被分割成许多L L ×的网格。在每个网格上,是一列L L h ××的盒子,h 为单个盒子的高度。设总的灰度级为G 。 设在第(,)i j 网格中图像灰度的最小值和最大值分别落在第k 和第l 个盒子中,则: (,)1r n i j l k =?+ (1) 其中r n 是覆盖第(,)i j 网格中的图像所需的盒子数,因而可以求出覆盖整个图像所需的 盒子数r N : ,(,)r r i j N n i j =∑ (2) 则其分形维数log()lim log(1/) r N D r = (3)基于分形维数的特征分析算法: (1)将原图转化为灰度图像; (2)以图像的任意像点(,,(,))i j f i j 为中心选取L L ×大小的窗口计算r n

完美主义人格特质研究综述_张婷婷 - 副本

作者简介:张婷婷,辽宁师范大学心理学院。 1.完美主义概述 1.1完美主义的界定 完美主义的研究最早可以追溯到个体心理学派的创始人、奥地利心理学家AlfredAdler(1956),他提出了“追求卓越”的概念。Alder认为,人类最根本的目的就是不断、更好地适应他所在的生存环境,促使人类不断改变自己、发展自己的内在动力就是追求完美[1]。 Hollender(1965)则认为有两种完美主义者,一种是追求外在评价,追求完美形象的完美主义者;另一种是辛苦工作,使自己工作尽善尽美的完美主义者[2]。前者将他人的满意度作为衡量的标准,后者追求的是让自己达到绝对满意。Hollender还指出,个体早年在家庭中的生活经历对完美主义心理的形成是至关重要的。 我国学者王静群等人(2005)将完美主义者的核心特征概括为:自我强加的高标准;自我评价过于依赖成功和成就;较高的自我批评;恐惧失败[3] 完美主义人格特质研究综述 张婷婷门陆 摘要:完美主义是心理咨询和心理治疗中常见的心理问题之一。国外关于完美主义的研究起步较早,近几年来我国一些学者也开始对完美主义进行探索,但在我国仍属于一个比较年轻的研究领域。该论文主要对完美主义人格特质进行介绍,并对国内完1美主义的定量研究进行回顾和总结,针对完美主义者的心理调适提出几点建议。在此基础上,指出现有研究的不足和应该解决的问题,以引起更多研究者的注意,进一步完善完美主义的研究。 关键词:完美主义人格特质测量工具心理调适 作者简介:门陆,辽宁师范大学教育学院。

目前对于完美主义仍然没有一个统一的定义,不同的研究者对完美主义的内涵有不同的理解。总的来说,我们可以把完美主义看做是一种力求凡事尽善尽美的人格特质。 1.2完美主义的测量工具 1.2.1国外 Frost(1990)编制的多维完美量表(Multidi-mensionalPerfectionismScale,MPS-F)共有35个项目,包括六个维度,分别是:担心错误(Concernovermistake,CM)、个人标准(Personalstandards,PS)、父母期望(ParentalExpectations,PE)、父母批评(ParentalCriticism,PC)、行动的疑虑(DoubtsaboutActions,DA)、条理性(Organization,OR)[4]。 Hewitt(1991)等人编制的《多维完美主义量表》(MultidimensionalPerfectionismScale.MPS-H)共有45个项目,包括三个维度,分别是:自我取向的完美主义(Self-orientedperfectionism),他人取向的完美主义(Other-orientedperfectionism)和社会取向的完美主义(Sociallyprescribedperfectionism)[5]。 另外,研究中经常使用的还有Terry-Short(1995)编制的积极和消极完美主义量表以及Flett编制的青少年完美主义量表。在这些量表中,以Frost编制的多维完美主义量表和Hewitt编制的多维完美主义量表最为常用。 1.2.2国内 国内完美主义量表的修订,主要沿着两个方向展开,一是对国外已有量表的引进,二是结合中国文化背景,编制中国版本的完美主义问卷。 2006年,大陆学者訾非和周旭采用中文版的《弗罗斯特多维完美主义量表》,并根据大陆的语言习惯对问卷进行了修改,以大学本科生为被试,进行了全面系统的信效度检验,修订后的量表得到国内学者的认同,受到了广泛的推广和运用[6]。同年,訾非等结合Hewitt等人编制的《多维完美主义量表》再次对《弗罗斯特多维完美主义量表》进行修订,得到一个包含50个项目,由担心出错、个人标准、条理性和父母要求四个维度组成的大学生完美主义问卷,修订后的问卷具有令人满意的信效度,适合在学生人群中使用。 李建伟等人(2007)编制了适合中国文化背景的大学生多维完美主义量表,问卷包含42个项目,6个维度,分别是完美期待、个人标准、担心错误、条理性、自省和父母要求,该量表具有理想的信效度适合本国大学生使用[7]。 张小燕等人(2007)编制了大学生一般完美主义量表和特殊完美主义量表,弥补了国内完美主义研究领域的不足,为心理健康理论和实践提供了资料和依据[8,9]。 2.完美主义的相关研究 到目前为止,国内外许多研究者对完美主义进行了探讨,取得了一些值得肯定的研究结果。近几年来,随着完美主义研究的迅速发展,研究的范围逐渐扩大,出现了许多新的研究视角。 2.1完美主义的定量研究 2.1.1完美主义与成就动机和自信的关系 马和冯泽永(2009)采用中文版的多维完美主义量表、成就动机量表和大学生自信量表对1245名大学生进行测试[10]。结果发现完美主义总分与成就动机总分相关不显著,但与“追求成功的动机”和“避免失败的动机”均存在显著的正相关,其中,“担心错误”、“对行动的疑虑”与成就动机总分和“追求成功的动机”有显著的负相关,与“避免的动机”有显著的正相关。“个人标准”和“条理性”与成就动机总分和“追求成功的动机”均存在正相关,“条理性”与“避免失败的动机”存在负相关,这意味着完美主义的“个人标准”、“条理性”可强化个体的成就动机,而“担心错误”、“对行动的疑虑”、“父母期望”会减弱个体的成就动机。由此可以看出,完美主义在成就动机上是一把双刃剑,既可以加强个体对成功的追求,也会强化个体害怕失败的动机。在自信方面,“个人标准”和“条理性”与自信总分和自信的四个维度均存在显著的正相关,这说明那些对自己要求较高、做事有条理、有计划的个体通常也是自信心较强的个体,且在自信的各个方面(整体自信、身体自信、学业自信、社交自信)都会有所体现。

图像纹理检测与特征提取技术研究综述

龙源期刊网 https://www.360docs.net/doc/8b3047185.html, 图像纹理检测与特征提取技术研究综述 作者:李秀怡 来源:《中国管理信息化》2017年第23期 [摘要] 图像纹理作为图像数据的重要信息,是符合人类视觉特征的重要信息之一。纹理 检测与特征提取是纹理分类与分割的基础前提,可以应用到医疗、工业、农业、天文等多个领域,也是近几十年来一个经久不衰的热点研究。随着图像处理领域各种技术的发展,纹理特征分析提取方法也得到不断创新。文章在对相关文献进行调研的基础上,叙述了纹理特征提取方法的发展历程及研究现状,并重点对近十年纹理特征提取方法进行了论述,最后指出了该领域的发展趋势及问题。 [关键词] 图像纹理;特征提取;小波;支持向量机 doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 23. 088 [中图分类号] TP311 [文献标识码] A [文章编号] 1673 - 0194(2017)23- 0175- 04 1 引言 随着大数据时代的到来,相对于一般数据,图像信息作为一种更直观更形象的数据表现形式,其应用已经深入到医学、工业、航空、农业等各行业领域中。而纹理作为图像的重要特征之一,可以充分反映图像的整体特征,因此也成为了诸多图像后处理技术所必备的研究条件。但是,纹理的复杂多样性使得研究者们对其分析和准确识别是非常困难。而解决这个困难的方法之一是对图像提取纹理,然后对提取的纹理进行分析研究。这也是模式识别、图像检索、和计算机视觉等研究的基础。在纹理研究的每个阶段内,随着国内外学者研究对图像纹理提取模型及算法的不断创新,以及纹理提取的广泛的应用价值,促使着大家对这一领域进行更深入的研究。 2 纹理的基本定义及特性 目前,人们对纹理的精确定义还没有完全统一,当前几个类别的定义基本上按不同的应用类型形成相对的定义。一般认为,纹理是图像色彩或者灰度在空间上的重复或变化形成纹理。通常,人们将组成纹理的基本单元称为纹理基元或纹元(texture element)。 尽管关于纹理的定义尚未统一,但人们对纹理信息所具有的如下特性达成共识: (1)纹理基元是纹理存在的基本元素,并一定是按照某种规律排列组合形成纹理;(2)纹理信息具有局部显著性,通常可以表现为纹理基元序列在一定的局部空间重复出现;(3)纹理有周期性、方向性、密度、强度和粗糙程度等基本特征,而与人类视觉特征相一致的周期

图像处理和识别中的纹理特征和模型

纹理特征和模型 1,基于纹理谱的纹理特征 图像纹理分析中,最重要的问题是提取能够描述纹理的特征信息;这些特征可被用来分类和描述不同的纹理图像。在实际中常用到的方法有结构法和统计法;本文提出一种新的统计方法,每个纹理单元表征该位置及其领域象素的特征,整幅图像的纹理特征用纹理谱来表征,用这种方法进行分析较为简单。 定义纹理谱:纹理单元的频率分布。 基于纹理频谱的纹理特征: 3×3领域:权重: original reference calculate by myself (1)、黑白对称性 ()(3281) 1*100 () s i S i BWS S i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ 反映频谱的对称性,不随纹理单元中起始计数位置的不同而不同。 (2)、几何对称性 ()4() 1 1*100 4 2*() Sj i Sj i GS Sj i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ ∑ 反映图像旋转180度后,纹理谱的相似性; (3)、方向度

()()11*10062*()Sm i Sn i DD Sm i ?? -?? ??=-?????? ∑∑ ∑ 反映线性结构的角度。大的DD 说明纹理谱对图像的方向模式较为敏感;即图 像中有线性机构纹理单元存在。 以上三个特征都是图像的几何特征,可描述原始图像的宏观纹理;下面介绍几个描述图像微观纹理的特征。 (4)、方向特征 微观水平结构特征: ()*()MHS S i HM i =∑ ()(,,)*(,,)HM i P a b c P f g h = 同样,我们可以得到其它方向的方向纹理特征MVS ,MDS1,MDS2 (5)中心对称性 2()*[()]CS S i K i =∑ 2.常用统计特征: 把图像看成是一个二维随机过程的一次实现,可得到图像的直方图、均值、方差、偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。常用来描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归模型、同时自回归模型等。 原图: 1、2、3、4阶矩

领导力研究综述

企业组织中领导力研究综述 面对当今全球化的市场竞争和多变的外部环境,全球范围内对领导力的需求日益高涨。领导力是领导者如何激励他人自愿地在组织中做出卓越成就的能力。它是一种实践,是一种人际关系,是每个人的事。有效领导力能够在社会和组织中创造共同的信念、价值及期望,并能够修正追随者对目标的理解和看法。据统计,在对组织进行深入细致的研究后发现,领导过程大约占到整个组织工作的 45%,领导力对组织目标实现的程度有着重要影响,同时,领导力的研究使组织系统评估和领导力特质培养成为可能,展现了其对组织的积极影响。 大量的学术专著和杂志对领导力相关课题进行了讨论,在过去的几年中,各种出版社出版并销售的关于领导学和领导力的书,种类达几百种,各种组织都在期盼有效的领导力,期望能够引导组织走出困境。企业组织领导力作为管理学和组织行为学研究的主要内容之一,在 20 世纪得到了长足的发展。但到目前为止,对领导力理论的研究尚未形成统一的看法和认识。本文从领导力的范畴和概念、领导力理论的应用研究、信息化时代领导力研究现状等方面进行了梳理和归纳,并提出了信息化时代领导力研究未来的发展趋势。 1. 领导力的范畴和概念 领导力(leadership)是20 世纪管理学和组织行为学研究的主要内容之一,对领导力的研究最早开始于对领导特质(leader’s traits/virtues)的研究(Ali, 2001)。国外关于领导力(leadership)研究的文献很多,截至2002 年发表的论文总数已经超过10000 篇(Yukl, 2002),并以每年不低于2000 的数量增加(Alex,2005);国内对这个问题的广泛兴趣起始于2000 年,并成为MBA 和培训机构的热门课程。然而迄今为止,对领导力的研究尚未形成完整的理论体系和相对固定的实践模式,甚至对领导力这一概念的界定也莫衷一是。 对于领导力的范畴和概念,各领域的学者们纷纷提出独特的看法,以至于目前为止领导力的概念尚未达成一个统一的共识。Bennis 和Nanus(1985)从20 世纪人们的研究成果中找到了关于领导力的350 多个概念。下面对一些代表性的定义进行一下列举。 表1-1 对领导力(leadership)的不同定义

(完整版)图像特征特点及常用的特征提取与匹配方法

图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1) 颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2) 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3) 颜色矩

纹理特征研究综述_sup_①__sup_ (1)

纹理特征研究综述① 孙君顶马媛媛(河南理工大学计算机科学与技术学院河南焦作 454000) 摘要:纹理广泛存在于自然界中,是所有物体表面所共有的内在特性,研究纹理有着重要的理论和应用价值。 从纹理定义及分类两个方面,回顾了纹理特征研究的发展历程,分析了有关纹理的研究成果,并重点 对纹理分析方法进行了较为全面的综述,最后给出了纹理研究的几个热点应用领域。 关键词:纹理;纹理定义;研究成果;纹理分析方法;应用领域 Summary of Texture Feature Researc h SUN Jun-Ding, MA Yuan-Yuan (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, China) Abstract: Texture exists widely in nature and it denotes the inherent characteristics of the objects. It is very important to study texture in theory and application. This paper reviews and analyzes the research development, research results and analysis methods of texture features in detail. Finally some hot applications of texture research are given. Keywords: texture; texture definition; the research results; texture analysis method; fields of application 纹理是一种不依赖于颜色或亮度变化的反映图像中同质现象的视觉特征,刻画了图像像素邻域灰度空间分布的规律。它是所有物体表面都具有的内在特性,不同物体具有不同的纹理,如云彩,树木,砖,织物等都有各自的纹理特征。纹理特征包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系,人类的视觉系统对外部世界的感知有赖于物体所表现出的纹理特征。纹理分析则是计算机视觉和数字图像处理中的一个重要的研究课题,而如何获得其中的纹理特征是其中的重要环节。 纹理特征研究有着重要的理论和应用价值,一直是人们研究的热点,各种纹理分析方法层出不穷。在大量的文献阅读研究的基础上,本文回顾了纹理特征研究的发展历程,分析了其研究成果,最后给出了纹理研究的应用领域。 1 纹理的定义 由于纹理基元及其分布形态复杂多样,人们对纹理的感觉和心里效果相结合,很难用语言文字来描述。尽管人们能很轻松地识别纹理,但对纹理很难有一个确切的定义。一般将组成纹理的基本元素称为纹理基元或纹元。 Coggins收集了计算机视觉领域中一些经典的纹理定义[1]: 1) 纹理可以被认为是由肉眼可见的区域组成。纹理结构的简单特征是有重复图案的组成,在这些图案中的图元按一定的布局规则排列。 2) 如果图像的一组局部统计特征或者其他特征是不变的,变化缓慢的或者近似周期的,那么就认为图像区域含有不变的纹理。 Castleman等人认为[2]:纹理是一种反映图像中一块区域的像素灰度级的空间分布属性,这种空间结构的固有属性可以通过邻域像素间的相关性刻画。 以上对纹理的描述已慢慢地被广大学者接受和应用。对纹理的认识或定义决定了纹理特征提取采用的方法,由于对纹理的定义不统一,一方面使纹理分析 ①基金项目:河南省国际合作项目(084300510065);河南省控制工程重点学科开放实验室开放课题基金(KG2009-14);河南省教育厅自然科学基础 研究基金(2008B520015,2009B520013);河南理工大学博士基金(B050901);河南理工大学骨干教师资助基金收稿时间:2009-10-12;收到修改稿时间:2009-11-19

优秀护士人格特质研究文献综述

【摘要】护理教育发展到今天,已有相当一部分的领域涉及到护士的心理健康状况、性格或气质类型等进行的个体特征描述以及护士人格特质的相关研究,特别是优秀护士的人格特质的研究,已有一定的基础。本文从国内外关于优秀护士的人格特质的研究、以及研究工具这两个方面进行了剖析。总结了国内外关于优秀护士人格特质的研究,在一定领域上的贡献,筛选出了几个对于护理人员的职业人格颇有影响的人格特质。但是对于这些人格特质的深入研究和应用性成果尚未发现,而且这些人格特质也没有可以量化的指标。今后在这个领域的研究,可以尝试从对优秀护士人格特质的量化上来探讨。 【关键词】优秀护士人格特质 1 前言 社会的发展和医学模式的转变,对护士的综合素质,尤其是职业心理素质提出了更高、更新的标准。职业心理素质,作为护士综合素质的重要组成部分,已成为当今护理研究的热点。在当今医学模式由生物医学模式向“生物一心理一社会”医学模式转变的过程中,护理模式也正在由以疾病为中心的“疾病护理模式”向以病人为中心的“整体护理模式”转变,护理的着眼点是整体的人。护士作为医疗工作的重要组成部分,又是医疗工作的先行者,其人格特质与她们的工作效率及护理质量息息相关,同样也构成了护患关系的重要一环,影响着护士对患者的服务态度。 而在护士这个群体中,我们尤为关注的是工作业绩好、患者评价高且具备高水平的管理能力的优秀护士。我们认为良好的心理素质是成为优秀护士不可或缺的条件,而我们认为良好的心理素质可以通过稳定的人格特征展现,所以优秀护士所应具备的人格特质是优化护理职业研究的一个重点。 2 主题 2.1 国内外关于护士人格特质的研究 2.1.1 关于优秀护士人格特质的研究 张俐、任辉等(2000)采用美籍华人刘永和与辽宁教育科学研究所,合作修订的“卡特尔16种个性因素量表”进行测试。优秀护士与一般护士人格特征及次级人格因素的差异:优秀护士敏感性(ⅰ)因素得分低于对照组,相差显著(p 赵美玉对煤炭系统护士长的调查报告显示:其a、b、e、f、h、l诸因素得分明显高于常模,表明护士长性格多外向、开朗热情、富有同情心、争强好胜、容易接受新事物、精明多谋,但也容易以自我为中心,缺乏忍耐性、过分谨慎、多疑等。 王海青等用epq量表对356名护士长所做的调查发现护士长n(神经质)和p(精神病性)两个维度得分低于常模,差异显著,提示护士长情绪稳定、易平静、有节制;能关心他人,有同情心,合作性好,能以友善态度待人。而e(外倾性)和l(掩饰性)两个维度得分高于常模,差异显著。说明被试大多性格外向,乐观、随和、好动;而掩饰性高,则说明护士长们善于抑制和调整自己的需求、愿望和情绪,有良好的社会顺应性和忍耐性,能较好的控制应激和突发事件。 2.2 研究工具 关于人格特质测量的工具比很多,这里主要列举与本研究关系密切的工具: 1.卡特尔16种个性因素测试(16pf) 卡特尔16pf(cattell's 16 personality factor,简称16pf)又称卡特尔16pf测验,该量表从乐群、聪慧、自律、独立、敏感、冒险、怀疑等16个相对独立的人格特点对人进行描绘,并可以了解应试者在环境适应、专业成就和心理健康等方面的表现。在人事管理中,16pf能够预测应试者的工作稳定性、工作效率和压力承受能力等。可广泛应用于心理咨询、人员选拔和职业指导的各个环节,为人事决策和人事诊断提供个人心理素质的参考依据。

图像特征提取总结

图像常见xx方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 (一)特点: 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。 由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的xx与匹配方法 (1)颜色直方图 其优点在于: 它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于: 它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间: RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:

直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。 在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于: 图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。 (4)颜色聚合向量 其核心思想是: 将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。 (5)颜色相关图 二纹理特征 (一)特点: 纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行

图像纹理特征总体描述

图像纹理特征总体简述 纹理是一种反映图像中同质现象的视觉特征,它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理具有三大标志: ?某种局部序列性不断重复; ?非随机排列; ?纹理区域内大致为均匀的统一体; 不同于灰度、颜色等图像特征,纹理通过像素及其周围空间邻域的灰度分布来表现,即局部纹理信息。另外,局部纹理信息不同程度上的重复性,就是全局纹理信息。 纹理特征体现全局特征的性质的同时,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局部的偏差而无法匹配成功。 在检索具有粗细、疏密等方面较大差别的纹理图像时,利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候,通常的纹理特征很难准确地反映出人的视觉感觉不同的纹理之间的差别。例如,水中的倒影,光滑的金属面互相反射造成的影响等都会导致纹理的变化。由于这些不是物体本身的特性,因而将纹理信息应用于检索时,有时这些虚假的纹理会对检索造成“误导”。

一. 纹理特征的特点 ?优点: ?包含多个像素点的区域中进行统计计算; ?常具有旋转不变性; ?对于噪声有较强的抵抗能力; ?缺点: ?当图像的分辨率变化的时候,所计算出来的纹理可能会有较大偏差; ?有可能受到光照、反射情况的影响; ?从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理; 二. 纹理特征分类 1. 基本说明

格特质论——“大五”人格模型综述

格特质论——“大五”人格模型综述 摘要:本文为了让对研究人格心理学有兴趣的人们了解其理论分支——特质论范式的发展情况,对“大五”人格模型的出现、发展、趋势作了详细的总结与综述。文章观点选自13篇核心期刊里的学术论文,并据此得出结论:“大五”理论要进一步发展,必须融合其它心理学派的理论,并且根据不同地域文化调整其结构与内容。 关键词:“大五”人格模型人格特质论“大七”因素模型CAPS理论 前言:“大五”人格模型理论是近十多年来人格心理学界非常流行的一个理论,也是特质论范式中一个非常重要的研究方向。通过阅读本文,可以帮助读者掌握“大五”理论的基本知识,同时了解“大五”和人格心理学界的理论前沿。本文除了介绍“大五”的理论内容,还涉及了“大七”人格模型和CAPS认知情感的个性系统理论,作为扩展和补充。 (一)人格特质理论 人格理论的研究基本上可分为6种范式,其中一种是特质论范式。特质论范式的基本任务就是根据人们外部行为表现,列出人格特质表来描述个体,并解释特质形成的原因。该范式强调个体人格是由特质组成的,特质决定个体的行为,通过对特质的调查,可以预测个体的行为。人格特质是人类共有的,但每一种特质在量上是因人而异的,这就造成了人与人之间在人格上的差异。人格特质表现为跨情境的一致性、普遍性和跨时间的稳定性、持续性。 特质理论家通常不关注任何个人的行为,而是关注对外在特质连续体上不同位置上人的典型行为的描述。特质论研究的基本任务就是对基本人格特质的探寻、分类以及对人格特质的行为表现和形成原因的解释。他们主要采用因素分析、多变量分析以及自陈测量等方法进行研究。 语言学的研究方法是人格特质结构模型研究所采用的最主要的方法。用语言学的方法从自然语言中研究人格结构模型自20世纪30年代始,至今已取得了令人瞩目的成就。人格特质五因素和七因素的发现和确证,使心理学家们为之震撼。研究人格特质已再次成为人格心理学家、临床心理学家们感兴趣的热点领域。不仅在西方各国,而且在世界其他国家对人格特质的跨文化研究也已蓬蓬勃勃地开展起来。从自然语言中研究人格结构模型,它起源于这样的基本设想,即:每种文化下的自然语言包括了所有能描述人格的维度,有什么样的人格

图像特征特点及其常用的特征提取与匹配方法

图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的特征提取与匹配方法 (1)颜色直方图 其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间:RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(m ean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。(4)颜色聚合向量 其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。 (5)颜色相关图 二纹理特征 (一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局

图像纹理特征提取方法

安徽大学 本科毕业论文(设计、创作) 题目:图像纹理特征提取方法研究 学生姓名:朱邵成学号:Z01114175 院(系):电气工程与自动化学院专业:自动化 入学时间:2011年9月 导师姓名:寻丽娜职称/学位:讲师/博士 导师所在单位:安徽大学电气工程与自动化学院 完成时间:2015年5月

图像纹理特征提取方法研究 摘要 近年来,随着信息多媒体时代的到来,以及网络在世界范围内的日益流行、云计算的风行,人们在日常生活工作接触的信息量越来越大。图像作为信息的一种载体,具有直观、信息量大、便于不同国家间交流的特点,是网络多媒体的重要组成部分。基于文本的图像检索是基于内容图像检索的基础,用人工方式解释图像信息,其工作量我们难以想象,可行性也值得商榷。因此CBIR方法有效解决了这一个难题。基于内容的图像检索(CBIR)包括四个阶段,分别是:获取图像、提取特征、分类图像、检索图像。图像检索主要是一个核心问题:选取何种算法提取哪一种图像特征,快速有效的进行图像的区分与检测。纹理特征的提取是 CBIR 的关键问题之一,本论文也是基于图像纹理特征的提取为基础。首先,本文使用基于纹理基元的共生矩阵分析方法,用来提取纹理特征向量。此方法中,采用局部二进制模式(Local Binary Pattern,LBP)来进行图像的基本纹理基元的提取,并用灰度共生矩阵(Gray Level Co.occurrence Matrix,GLCM)中共生矩阵的分析方法来对纹理基元图像进行分析。其次文中深入研究了基于灰度共生矩阵( GLCM) 的纹理特征提取方法,给出了基于 Matlab 的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵( GLCM) 的特定图像的纹理特征提取等都具有重要参考意义。 关键词:纹理特征;灰度共生矩阵;基于内容的图像检索;Matlab

相关文档
最新文档