第一篇：西電學(xué)術(shù)之秋報(bào)告2012

“學(xué)術(shù)之秋”學(xué)術(shù)報(bào)告心得體會(huì)

2012年10月25日，我們智能感知與圖像處理教育部重點(diǎn)實(shí)驗(yàn)室迎來(lái)了第八屆“學(xué)術(shù)之秋”學(xué)術(shù)報(bào)告活動(dòng)，對(duì)這次學(xué)術(shù)報(bào)告會(huì)，從所里領(lǐng)導(dǎo)到基層員工，從各位老師到每位學(xué)生都予以高度重視，不僅請(qǐng)到所里每位知名老師，電院精英還請(qǐng)來(lái)了梁昌洪校長(zhǎng)，ABBASS等多位國(guó)際國(guó)內(nèi)知名學(xué)者，教授以就一些和我們，他們就自己所研究方向及相關(guān)的學(xué)術(shù)課題進(jìn)行了詳細(xì)生動(dòng)的講解。這次報(bào)告會(huì)長(zhǎng)達(dá)五天時(shí)間，在這五天內(nèi)，我們聆聽(tīng)了各位老師關(guān)于他們目前學(xué)術(shù)研究的工作總結(jié)，雖然對(duì)于我們這些剛剛開(kāi)始了解學(xué)術(shù)研究的學(xué)生們，很多東西聽(tīng)起來(lái)都不是很懂，但根據(jù)老師們的報(bào)告，我們對(duì)于目前一些研究的熱點(diǎn)問(wèn)題有了進(jìn)一步的了解，也促使我們?nèi)チ私庀嚓P(guān)方面的知識(shí)。結(jié)合各位老師講解中的一些問(wèn)題，通過(guò)查閱文獻(xiàn)，我更深入的學(xué)習(xí)了我們學(xué)習(xí)相關(guān)的學(xué)術(shù)知識(shí)，可以說(shuō)是收獲頗豐。

在本次報(bào)告活動(dòng)中楊淑媛教授做了關(guān)于視覺(jué)注意下的高效SAR目標(biāo)信息感知的報(bào)告，王爽教授做了關(guān)于超分辨技術(shù)研究的報(bào)告，吳家驥教授做了關(guān)于圖像壓縮中的學(xué)習(xí)的報(bào)告，王斌副教授基于偏微分方程的圖像分割方法的報(bào)告，公茂果教授做了基于模糊聚類(lèi)的圖像分割與變化檢測(cè)的報(bào)告，李陽(yáng)陽(yáng)教授量子學(xué)習(xí)多目標(biāo)聚類(lèi)研究，張小華副教授做了關(guān)于低秩法去噪方面的報(bào)告，白靜副教授做了基于第二代Directionlets的遙感影像壓縮算法的報(bào)告……各位老師精彩的匯報(bào)讓我們茅塞頓開(kāi)，受益匪淺，同時(shí)對(duì)研究產(chǎn)生濃厚的興趣。

總結(jié)各位老師的報(bào)告，通過(guò)查閱文獻(xiàn)資料，結(jié)合自己方向涉及的幾個(gè)重要知識(shí)點(diǎn)，我將對(duì)一些概念做概述性的介紹：

一、圖像超分辨率算法

圖像超分辨率率(super resolution,SR)是指由一幅低分辨率圖像(lower solution,LR)或圖像序列恢復(fù)出高分辨率圖像(high resolution，HR)。HR意味著圖像具有高像素密度，可以提供更多的細(xì)節(jié)，這些細(xì)節(jié)往往在應(yīng)用中起到關(guān)鍵作用。要獲得高分辨率圖像，最直接的辦法是采用高分辨率圖像傳感器，但由于傳感器和光學(xué)器件制造工藝和成本的限制[1]，在很多場(chǎng)合和大規(guī)模部署中很難實(shí)現(xiàn)。因此，利用現(xiàn)有的設(shè)備，通過(guò)超分辨率技術(shù)獲取HR圖像(參見(jiàn)圖1)具有重要的現(xiàn)實(shí)意義。

圖1 圖像超分辨率示意圖

圖像超分辨率技術(shù)分為超分辨率復(fù)原和超分辨率重建，許多文獻(xiàn)中沒(méi)有嚴(yán)格地區(qū)分這兩個(gè)概念，甚至有許多文獻(xiàn)中把超分辨率圖像重建和超分辨率圖像復(fù)原的概念等同起來(lái)，嚴(yán)格意義上講二者是有本質(zhì)區(qū)別的，超分辨率圖像重建和超分辨率圖像復(fù)原有一個(gè)共同點(diǎn)，就是把在獲取圖像時(shí)丟失或降低的高頻信息恢復(fù)出來(lái)。然而它們丟失高頻信息的原因不同，超分辨率復(fù)原在光學(xué)中是恢復(fù)出超過(guò)衍射級(jí)截止頻率以外的信息，而超分辨率重建方法是在工程應(yīng)用中試圖恢復(fù)由混疊產(chǎn)生的高頻成分。幾何處理、圖像增強(qiáng)、圖像復(fù)原都是從圖像到圖像的處理，即輸入的原始數(shù)據(jù)是圖像，處理后輸出的也是圖像，而重建處理則是從數(shù)據(jù)到圖像的處理。也就是說(shuō)輸入的是某種數(shù)據(jù)，而處理結(jié)果得到的是圖像。但兩者的目的是一致的，都是由低分辨率圖像經(jīng)過(guò)處理得到高分辨率圖像。另外有些文獻(xiàn)中對(duì)超分辨率的概念下定義的范圍比較窄，只是指基于同一場(chǎng)景的圖像序列和視頻序列的超分辨處理，實(shí)際上，多幅圖像的超分辨率大多數(shù)都是以單幅圖像的超分辨率為基礎(chǔ)的。在圖像獲取過(guò)程中有很多因素會(huì)導(dǎo)致圖像質(zhì)量下降，如傳感器的形狀和尺寸、光學(xué)系統(tǒng)的像差、大氣擾動(dòng)、運(yùn)動(dòng)、散焦等。另外，在成像、傳輸、存儲(chǔ)過(guò)程中，會(huì)引入不同類(lèi)型的噪聲，這些都會(huì)直接影響到圖像的分辨率。此外，數(shù)字化采集過(guò)程也會(huì)影響圖像的分辨率，欠采樣效應(yīng)會(huì)造成圖像的頻譜混疊，使獲取的圖像因變形效應(yīng)而發(fā)生降質(zhì)。由于軍事偵察及醫(yī)學(xué)圖像、衛(wèi)星圖像、視頻應(yīng)用及其它許多領(lǐng)域的實(shí)際需要，人們對(duì)得到的圖像的質(zhì)量要求越來(lái)越高。雖然光學(xué)元件能有效的限制傳感器陣列上的圖像頻帶寬度，使獲取的圖像又可能避免變形效應(yīng)的發(fā)生。但這要求光學(xué)元件與傳感器陣列進(jìn)行有效的組合，而這在實(shí)際場(chǎng)合中是很難做到的,同時(shí)提升硬件要花費(fèi)很高的經(jīng)濟(jì)成本，圖像質(zhì)量的提高也是有限的，因此，超分辨率圖像復(fù)原技術(shù)就顯得更加重要了，其中，圖像超分辨率技術(shù)是數(shù)字圖像處理領(lǐng)域中的一個(gè)重要分支。隨著圖像超分辨率理論和技術(shù)的日益成熟，圖像超分辨率技術(shù)的應(yīng)用更加廣泛。本文著重對(duì)圖像超分辨率方法進(jìn)行闡述和分析，以向人們展示超圖像分辨率技術(shù)的發(fā)展方向和應(yīng)用前景。1）圖像超分辨率發(fā)展的背景及現(xiàn)狀

超分辨率概念最早出現(xiàn)在光學(xué)領(lǐng)域。在該領(lǐng)域中，超分辨率是指試圖復(fù)原衍射極限以外數(shù)據(jù)的過(guò)程。Toraldo di Francia在1955年的雷達(dá)文獻(xiàn)中關(guān)于光學(xué)成像第一次提出了超分辨率的概念。復(fù)原的概念最早是由J.L.Harris和J.w.Goodman分別于1964年和1965年提出一種稱(chēng)為Harris-Goodman頻譜外推的方法。這些算法在某些假設(shè)條件下得到較好的仿真結(jié)果，但實(shí)際應(yīng)用中效果并不理想。Tsai &Huang首先提出了基于序列或多幀圖像的超分辨率重建問(wèn)題。

1982，D.C.C.Youla和H.Webb在總結(jié)前人的基礎(chǔ)上，提出了凸集投影圖像復(fù)原(Pocs)方法。1986年，S.E.Meinel提出了服從泊松分布的最大似然復(fù)原(泊松-ML)方法。1991年和1992年，B.R.Hunt和PJ.Sementilli在Bayes分析的基礎(chǔ)上，提出了泊松最大后驗(yàn)概率復(fù)原(泊松-MAP)方法，并于1993年對(duì)超分辨率的定義和特性進(jìn)行了分析，提出了圖像超分辨率的能力取決于物體的空間限制、噪聲和采樣間隔。

近年來(lái)，圖像超分辨率研究比較活躍，美國(guó)加州大學(xué)Milanfar等提出的大量實(shí)用超分辨率圖像復(fù)原算法，Chan等從總變差正則方面，Zhao等、Nagy等從數(shù)學(xué)方法、多幀圖像的去卷積和彩色圖像的超分辨率增強(qiáng)方面，對(duì)超分辨率圖像恢復(fù)進(jìn)行了研究。Chan等研究了超分辨率圖像恢復(fù)的預(yù)處理迭代算法。此外，Elad等對(duì)包含任意圖像運(yùn)動(dòng)的超分辨率恢復(fù)進(jìn)行了研究；Rajan和Wood等分別從物理學(xué)和成像透鏡散射的角度提出了新的超分辨率圖像恢復(fù)方法；韓國(guó)Pohang理工大學(xué)對(duì)各向異性擴(kuò)散用于超分辨率。Chung-Ang圖像科學(xué)和多媒體與電影學(xué)院在基于融合的自適應(yīng)正則超分辨率方面分別進(jìn)行了研究。

國(guó)內(nèi)許多科研院所和大學(xué)等對(duì)超分辨率圖像恢復(fù)進(jìn)行研究，其中部分是關(guān)于頻譜外推、混疊效應(yīng)的消除，其他主要是對(duì)國(guó)外超分辨率方法所進(jìn)行的改進(jìn)，包括對(duì)POCS算法和MAP算法的改進(jìn)，對(duì)超分辨率插值方法的改進(jìn)，基于小波域隱馬爾可夫樹(shù)(HMT)模型對(duì)彩色圖像超分辨率方法的改進(jìn)以及對(duì)超分辨率圖像重構(gòu)方法的改進(jìn)。

2）圖像超分辨率方法的分類(lèi)

圖像超分辨率按要處理的圖像源可分為單幅圖像超分辨和多幅圖像超分辨。單幅圖像超分辨率是指恢復(fù)出由于圖像獲取時(shí)丟失的信息(主要是指高頻信息)，多幅圖像超分辨率是指從低分辨率的圖像序列恢復(fù)出高分辨率的圖像。基于序列或多幅圖像的超分辨率增強(qiáng)就是利用這些不同，但相互補(bǔ)充的信息以及目標(biāo)的先驗(yàn)信息，從一系列低分辨率的圖像恢復(fù)出高分辨率的單幅圖像。該思想與前述的單幅圖像超分辨率方法相比，其優(yōu)點(diǎn)是除了利用物體的先驗(yàn)信息和單幅圖像的信息之外，還充分利用了不同圖像之間的補(bǔ)充信息，因此，其超分辨率增強(qiáng)能力高于單幅圖像超分辨率方法。但是在實(shí)際應(yīng)用中，獲得同一場(chǎng)景的圖像序列常常是很困難，例如在未來(lái)高技術(shù)局部戰(zhàn)爭(zhēng)條件下，戰(zhàn)場(chǎng)環(huán)境瞬息萬(wàn)變，戰(zhàn)場(chǎng)信息稍縱即逝，因此給軍事偵察提出了更高的要求，在這種情況下，要想獲得同一場(chǎng)景的多幅圖像很難，因此，單幅圖像的超分辨率技術(shù)就顯得尤為重要。同時(shí)，多幅圖像的超分辨率方法大多都是以單幅圖像的超分辨率為基礎(chǔ)的，只有對(duì)單幅圖像的超分辨率圖像進(jìn)行更廣泛深入地研究，多幅圖像的超分辨率技術(shù)才能有更廣闊的前景。目前，單幅圖像的超分辨率研究較少，多幅圖像超分辨率已經(jīng)成為研究的熱點(diǎn)，就是因?yàn)槎喾鶊D像比單幅圖像所含的可利用的信息量大。

圖像超分辨率按實(shí)現(xiàn)的具體方法主要可分為空域法和頻域法。頻域方法是在頻域上消除頻譜混疊，改善空間分辨率；空間域方法是在圖像像素的尺度上，通過(guò)對(duì)圖像像素點(diǎn)的變換、約束而改善圖像質(zhì)量的方法。

頻率域方法是圖像超分辨率中的一類(lèi)重要方法。目前比較流行的是能量連續(xù)降減法和消混疊重建方法。消混疊重建方法是通過(guò)解混疊而改善影像的空間分辨率實(shí)現(xiàn)超分辨率。中國(guó)科學(xué)院遙感應(yīng)用研究所從分辨率低的欠采樣圖像會(huì)導(dǎo)致相應(yīng)空間頻率域頻譜混疊的理論出發(fā)，給出了多次欠采樣圖像在頻率域混疊的更一般的公式，并給出一種針對(duì)不同分辨率圖像解頻譜混疊的逐行迭代方法，該方法在有噪聲的情況下也具有很好的收斂性，取得了很好的效果。

頻域方法實(shí)際上是在頻域內(nèi)解決圖像內(nèi)插問(wèn)題，其觀察模型是基于傅里葉變換的移位特性。頻域方法基于以下三條基本性質(zhì)：(1)傅里葉變換的平移特性。(2)連續(xù)傅里葉變換和離散傅里葉變換之間的混疊關(guān)系。(3)原始場(chǎng)景的帶寬有限。頻域方法理論簡(jiǎn)單，運(yùn)算復(fù)雜度低，很容易實(shí)現(xiàn)并行處理，具有直觀的去變形超分辨率機(jī)制。但這類(lèi)方法的缺點(diǎn)是所基于的理論前提過(guò)于理想化，不能有效地應(yīng)用于多數(shù)場(chǎng)合，只能局限于全局平移運(yùn)動(dòng)和線性空間不變降質(zhì)模型，包含空域先驗(yàn)知識(shí)的能力有限。

空域方法的適用范圍較廣，具有很強(qiáng)的包含空域先驗(yàn)約束的能力，主要包括迭代反投影方法(IBP)、集合論方法(如凸集投影：POCS)、統(tǒng)計(jì)復(fù)原方法(最大后驗(yàn)概率估計(jì)MAP和最大似然估計(jì)ML)，混合MAP/POCS方法以及自適應(yīng)濾波方法，人工神經(jīng)網(wǎng)絡(luò)法、基于非均勻采樣的插值法、基于最優(yōu)化技術(shù)的方法等。其中，非均勻樣本內(nèi)插方法、迭代反投影方法等結(jié)合先驗(yàn)信息的能力很弱，在改善圖像超分辨率效果方面受到了一定的限制。因此，研究和應(yīng)用較多的是凸集投影方法和最大后驗(yàn)概率估計(jì)方法。下面重點(diǎn)介紹幾種常用的超分辨率方法的特點(diǎn)。

3）幾種常用的圖像超分辨率方法

對(duì)超分辨率問(wèn)題的求解，通常是構(gòu)造一個(gè)前向關(guān)系模型，低分辨率圖像和高分辨率圖像之間的關(guān)系可以表述為

yk?DBjMk,jxj?nj,1?j,k?p,(1)其中，p為圖像序列幀數(shù)，xj、yk和nj分別為待求的第j幀高分辨率圖像、第k幀觀察到的低分辨率圖像和圖像獲取時(shí)的噪聲，矩陣D、Bj和Mk,j分別為下采樣矩陣、模糊矩陣和第j幀和第k幀之間運(yùn)動(dòng)矢量所構(gòu)成的運(yùn)動(dòng)矩陣。關(guān)于模糊矩陣和運(yùn)動(dòng)矩陣的先后關(guān)系，WANG Z Z等[2]指出，如果更換兩者的位置會(huì)引起系統(tǒng)誤差。設(shè)H=DBM，則式(1)即可簡(jiǎn)化為

y?Hx?n

(2)

求解式(2)需要確定H，也就是求解或者確認(rèn)式(1)中的D、B、M和噪聲n，這包括以下幾個(gè)問(wèn)題：(1)運(yùn)動(dòng)估計(jì)，需要從觀察到的低分辨率圖像得到精確的運(yùn)動(dòng)矢量，并使用插值等方法去近似高分辨率圖像的運(yùn)動(dòng)矢量；(2)圖像模糊的估計(jì)，通常需要對(duì)點(diǎn)擴(kuò)散函數(shù)進(jìn)行計(jì)算或假設(shè)；(3)噪聲估計(jì)，噪聲會(huì)極大地影響系統(tǒng)的求解，對(duì)于噪聲的估計(jì)是非常重要的一步。

SR技術(shù)在早期研究中僅指基于多幅圖像的還原方法，將基于單幅圖像的增強(qiáng)稱(chēng)為插值，而目前多數(shù)文獻(xiàn)中將這2種情況均稱(chēng)為超分辨率。超分辨率技術(shù)自Tsai和Huang提出利用多幀圖像序列來(lái)恢復(fù)高分辨率圖像以來(lái)，至今已有二十余年，其間大量算法被提出。目前，圖像超分辨率研究可分為3個(gè)主要范疇：基于插值、基于重建和基于學(xué)習(xí)的方法。1.基于插值的方法

基于多幀圖像插值技術(shù)的方法是超分辨率研究中最直觀的方法。這類(lèi)方法首先估計(jì)各幀圖像之間的相對(duì)運(yùn)動(dòng)信息，獲得HR圖像在非均勻間距采樣點(diǎn)上的像素值，接著通過(guò)非均勻插值得到HR柵格上的像素值，最后采用圖像恢復(fù)技術(shù)來(lái)去除模糊和降低噪聲。典型的方法包括：Rajan和Chaudhuri通過(guò)分解、插值和融合3個(gè)步驟實(shí)現(xiàn)的通用插值方法；TAOHJ等提出的小波域的雙線性插值；Lertrattanapanich和Bose提出的使用基于光滑性約束的Delaunay三角化插值算法等。這類(lèi)方法的優(yōu)點(diǎn)是算法快速易行，適合并行計(jì)算，基本可以滿足實(shí)時(shí)要求，但因?yàn)椴荒芤腩~外有用的高頻信息，因而很難在SR圖像中得到銳化的效果，同時(shí)，也沒(méi)有考慮到LR圖像的像素值并不是HR圖像的理想采樣值，而是對(duì)HR圖像像素值的空間平均和卷積效應(yīng)這一事實(shí)。2.基于重建的方法

(1)凸集投影法(POCS)

Stark和Oskoui[3]最早提出的凸集投影方法可以簡(jiǎn)單而有效地求解超分辨率問(wèn)題，通過(guò)把高分辨率圖像的解空間上與一系列的代表高分辨率圖像性質(zhì)的約束集(如非負(fù)性、能量有界性、觀測(cè)數(shù)據(jù)一致性、局部光滑性等)相交，可以得到一個(gè)更小的解空間。從高分辨率圖像空間的一點(diǎn)出發(fā)，不斷利用迭代投影的方法尋找滿足所有約束凸集的下一點(diǎn)，最終獲得高分辨率圖像的估計(jì)。對(duì)于初始值x，設(shè)每一個(gè)約束集定義一個(gè)凸集投影算子Pk，則計(jì)算過(guò)程為

0

xn?PN...P3P2P1x0

(3)凸集投影法的優(yōu)點(diǎn)在于算法簡(jiǎn)單，能夠充分利用先驗(yàn)知識(shí)。但是缺點(diǎn)在于解不惟一，收斂過(guò)程依賴(lài)初值的選擇，解不穩(wěn)定。

(2)貝葉斯分析方法

貝葉斯分析法包括最大后驗(yàn)概率估計(jì)法(MAP)和最大似然估計(jì)法(ML)，最大后驗(yàn)概率估計(jì)方法的優(yōu)點(diǎn)是在解中可以直接加入先驗(yàn)約束、能確保解的存在和唯

一、降噪能力強(qiáng)和收斂穩(wěn)定性高等。缺點(diǎn)是收斂慢和運(yùn)算量大。另外，最大后驗(yàn)概率估計(jì)方法的邊緣保持能力不如凸集投影方法，由這類(lèi)方法獲得的高分辨率圖像上的細(xì)節(jié)容易被平滑掉。

(3)迭代反投影法(IBP)Irani和Peleg[4]提出的迭代反向投影法是超分辨率圖像復(fù)原中具有代表性的一種方法。首先估計(jì)一個(gè)高分辨率圖像作為初始解x0，通常采用單幅低分辨率圖像的插值結(jié)果。然后根據(jù)系統(tǒng)模型，計(jì)算其模擬低分辨率圖像：

y0?Hx0?n

(4)如果x與原始高分辨率圖像精確相等，并且若式(4)模擬的成像過(guò)程符合實(shí)際情況，則模擬低分辨率序列y應(yīng)與觀察得到的實(shí)際低分辨率圖像y相同。當(dāng)兩者不同時(shí)，將它們之間的誤差y?y反向投影到x上使其得到修正：

0000

x1?x0?HBP(y?y0)

(5)當(dāng)誤差滿足要求時(shí)，迭代結(jié)束，Irani和Peleg證明了算法是收斂的。算法簡(jiǎn)單、直觀。但是，HBP較難選擇，并且沒(méi)有能夠利用到先驗(yàn)知識(shí),解不穩(wěn)定、不惟一。

(4)最大后驗(yàn)概率方法

Schultz和Stevenson[5]提出的MAP方法是典型的概率論方法，他們把高分辨率圖像和觀察得到的低分辨率圖像當(dāng)作兩個(gè)不同的隨機(jī)過(guò)程。根據(jù)MAP準(zhǔn)則：

xmap?argmaxx[Pr(x|y)]

(6)使用條件概率對(duì)式(6)進(jìn)行變形、取負(fù)對(duì)數(shù)并舍棄常數(shù)項(xiàng)，可得

xmap?argmixx[?logPr(y|x)?logPr(x)]

(7)其中，高分辨率圖像的先驗(yàn)?zāi)Ｐ蚉r(x)可以由圖像的先驗(yàn)知識(shí)確定，通常采用的MRF模型使圖像的局部在光滑性和邊緣保持上同時(shí)獲得了比較好的效果，條件概率密度Pr(y|x)則由系統(tǒng)的噪聲統(tǒng)計(jì)量確定。

其它還有基于高斯先驗(yàn)假設(shè)和動(dòng)態(tài)樹(shù)推理算法等。MAP方法的優(yōu)點(diǎn)在于有惟一解，如果有合理的先驗(yàn)假設(shè)可以獲得非常好的圖像邊緣效果。但是其顯著的缺點(diǎn)就在于計(jì)算量相對(duì)比較大。

(5)正規(guī)化法

Nguyen[6]等提出的正則有參超分辨率圖像恢復(fù)把模糊矩陣C表示為帶參數(shù)σ的B(σ)，對(duì)應(yīng)地將H表示為H(σ)，則系統(tǒng)模型式(2)改寫(xiě)為：

y?H(?)x?n

(8)正則有參超分辨率恢復(fù)采用恒定正則算子，使用一個(gè)最優(yōu)正則參數(shù)，構(gòu)造關(guān)于圖像模糊參數(shù)σ、正則參數(shù)λ和高分辨率圖像x的Tikhonov最小化能量泛函，形成正則超分辨率恢復(fù)模型： ???

2{x,?,?}?argmin[||y?H(?)x||22??||x||2]

(9)

Nguyen等采用廣義交叉驗(yàn)證(GCV)的參數(shù)估計(jì)方法確定參數(shù)σ和λ，最后使用預(yù)處理共軛梯度法(PCG)求解式(9)導(dǎo)出的線性方程：

(HTH?H)?1x?HTy

(10)正則化算法的優(yōu)點(diǎn)在于不要求點(diǎn)擴(kuò)散函數(shù)(PSF)為圓形，也不需要對(duì)圖像和噪聲做任何統(tǒng)計(jì)假設(shè)，但是正則化項(xiàng)在抑制噪聲的同時(shí)也抑制了圖像的細(xì)節(jié)，容易產(chǎn)生過(guò)于平滑的效果。

(6)混合方法

通過(guò)最小化有特定集合約束的最大后驗(yàn)概率/最大似然估計(jì)(MAP/ML)的損失函數(shù)，得到高分辨率圖像的估計(jì)就是最大后驗(yàn)概率/最大似然估計(jì)/凸集投影(MAP/ML/POCS)混合方法。Schultz和Stevenson最早將MAP優(yōu)化與投影約束相結(jié)合，后來(lái)Elad和Feuer提出了一種通用的最大似然估計(jì)/凸集投影(ML/POCS)超分辨率方法：

min?2?{[y?Hx]TW[y?Hx]??[Sx]TV[Sx]},{x?Ck,1?k?M}

(11)

其中，W為噪音的自相關(guān)函數(shù)，S為L(zhǎng)aplacian算子，V為控制光滑程度的加權(quán)矩陣，Ck為其他的非橢圓約束。

混合方法結(jié)合了MAP和POCS各自的優(yōu)點(diǎn)，充分利用了先驗(yàn)知識(shí)并且收斂的穩(wěn)定性也比較好，是目前為止最好的基于重建的算法。

上述介紹的6類(lèi)常用的基于重建的超分辨率方法，共同的優(yōu)點(diǎn)是只需要一些局部性的先驗(yàn)假設(shè)，就能在一定程度上緩解了插值方法所產(chǎn)生的模糊或者鋸齒效果。但缺點(diǎn)也是顯而易見(jiàn)的：當(dāng)抽取率較大(如4倍以上)時(shí)，獲取準(zhǔn)確的亞像素運(yùn)動(dòng)信息是不現(xiàn)實(shí)的，且不準(zhǔn)確的運(yùn)動(dòng)信息對(duì)重建效果影響很大。鑒于亞像素的配準(zhǔn)困難，不少文獻(xiàn)中都假設(shè)已經(jīng)獲得準(zhǔn)確的亞像素精度的運(yùn)動(dòng)。即便假設(shè)已獲得準(zhǔn)確的亞像素運(yùn)動(dòng)信息，當(dāng)抽取率較大時(shí)，重建效果通常也不太理想，主要原因是重建過(guò)程中能夠使用的先驗(yàn)知識(shí)太少，低分辨率圖像提供的信息不滿足高分辨率需求。4）基于學(xué)習(xí)的方法

基于學(xué)習(xí)的方法是近年來(lái)超分辨率算法研究的熱點(diǎn)方向。其基本思路是通過(guò)給定的訓(xùn)練圖像集，計(jì)算測(cè)試樣本的patch與訓(xùn)練圖像集patches之間的鄰域關(guān)系，并構(gòu)造最優(yōu)權(quán)值約束，來(lái)獲得先驗(yàn)知識(shí)并逼近測(cè)試樣本的高分辨率圖像。當(dāng)?shù)头直媛蕯?shù)據(jù)提供的信息不滿足高分辨率需求時(shí)，基于學(xué)習(xí)的方法可以獲得更多的圖像高層信息，因而具有很大優(yōu)勢(shì)，在圖像超分辨率應(yīng)用中可能得到比較理想的結(jié)果，為在大抽取率情況下恢復(fù)必要的高頻信息給出了新的思路。基于學(xué)習(xí)的方法認(rèn)為，低分辨率的圖像已經(jīng)擁有充分的用于推理預(yù)測(cè)其所對(duì)應(yīng)的高分辨率部分(例如邊緣等)的信息，通過(guò)對(duì)一組同時(shí)包括高分辨率圖像和低分辨率圖像的訓(xùn)練集合的訓(xùn)練，學(xué)習(xí)到一個(gè)聯(lián)合的系統(tǒng)模型。這個(gè)模型的表現(xiàn)形式可以是一組學(xué)習(xí)到的插值核、一個(gè)低分辨率patch的查找表、低分辨率patch與高分辨率patch之間的映射系數(shù)等。

(1)Example-based方法

Freeman[7]等首次使用Markov網(wǎng)絡(luò)對(duì)圖像的空間關(guān)系進(jìn)行建模，他把圖像分成一些5×5或7×7的小塊，成為patch，通過(guò)學(xué)習(xí)，獲得表示高分辨率patch之間的轉(zhuǎn)移概率矩陣Ψ和表示高分辨率patch和低分辨率patch之間的轉(zhuǎn)移概率矩陣Φ。對(duì)于一個(gè)給定的測(cè)試圖像，同樣把它分割成patch之后，對(duì)于每一個(gè)patch在尋找它在Markov網(wǎng)絡(luò)中的位置，同時(shí)獲得它與一些高分辨率patch之間的關(guān)系，再根據(jù)訓(xùn)練得到的轉(zhuǎn)移概率把高頻分量添進(jìn)去。

Example-based方法是較早提出使用學(xué)習(xí)的方法實(shí)現(xiàn)超分辨率，相對(duì)于之前的基于插值和基于重建的方法，這種方法可以獲取豐富的高頻信息，在放大4倍時(shí)，仍能獲得較高的圖像質(zhì)量。但缺點(diǎn)也比較明顯，訓(xùn)練樣本的選擇要求比較高，并且對(duì)于圖像中的噪聲極為敏感。

(2)鄰域嵌入方法(neighbor embedding)Chang等首次提出了基于鄰域嵌入的圖像超分辨率方法，其假定了高分辨率和對(duì)應(yīng)的低分辨率圖像塊在特征空間可以形成具有相同局部幾何結(jié)構(gòu)的流形。首先通過(guò)訓(xùn)練得到高分辨率patch和低分辨率patch的流形，接著對(duì)于測(cè)試樣本中的每一個(gè)patch，尋找其在低維流形中的k近鄰表示，最后使用這些系數(shù)加權(quán)得到其在高維流形中patch的估計(jì)，即高分辨率patch.但是，高低分辨率塊在鄰域嵌入時(shí)并不是總具有鄰域保持，要提高鄰域保持，有2個(gè)可能的途徑：一個(gè)是選擇更合理的描述圖像塊的特征，以便能更好地保持鄰域關(guān)系，一個(gè)是給定高分辨率鄰域塊，選擇更好的重建函數(shù)。因此，為了改進(jìn)鄰域嵌入方法的不足，張軍平提出了基于直方圖匹配的訓(xùn)練樣本選擇算法，基于殘差局部嵌入的方法和基于邊緣檢測(cè)和特征選擇的方法。

相對(duì)于Example-based的方法，鄰域嵌入的方法需要較少的訓(xùn)練樣本，并且對(duì)于噪聲的敏感度不是非常強(qiáng)。

(3)支持向量回歸方法(SVR)Karl和Nguyen等提出了使用支持向量回歸實(shí)現(xiàn)圖像的超分辨率，他們通過(guò)加入一些額外的約束條件把kernel學(xué)習(xí)由半正定規(guī)劃問(wèn)題轉(zhuǎn)化為二次規(guī)劃問(wèn)題求解。對(duì)于測(cè)試數(shù)據(jù)，則先對(duì)圖像patch進(jìn)行內(nèi)容分類(lèi)，再在其所屬的類(lèi)中做支持向量回歸，得到高分辨率patch。

SVR方法實(shí)現(xiàn)了對(duì)樣本的自動(dòng)選擇，訓(xùn)練集較小，并且該算法在頻域中同樣適用。但是從實(shí)驗(yàn)結(jié)果來(lái)看，圖像的對(duì)比度有所下降。

(4)虛幻臉(hallucination face)Baker和Kanade最早提出僅對(duì)人臉做超分辨率，他們的復(fù)原算法采用從訓(xùn)練patch數(shù)據(jù)庫(kù)中查詢(xún)與測(cè)試低分辨率patch最相近的作為輸出，并且取得了8倍的放大效果。

LIUC等通過(guò)主成分分析(PCA)估計(jì)一個(gè)全局的臉而后采用非參數(shù)的局部模型進(jìn)行擬合。同樣采用特征臉表示的還有文獻(xiàn)。另外，還有一些工作是針對(duì)人臉視頻做超分辨率，其中Dedeoglu等的算法在特定的人臉庫(kù)中甚至取得了16倍的放大效果。相對(duì)于其他的超分辨率技術(shù)，虛幻臉由于增加了人臉這個(gè)非常重要的先驗(yàn)條件，使得超分辨率的質(zhì)量大幅提高，但是如果針對(duì)通用人臉(更多的表情、更多的人種和更廣的年齡分布)，目前的算法就只能獲得4倍左右的放大效果。

(5)稀疏表示法(sparse presentation)最近，Yang[8]等提出了使用圖形patch的稀疏表示來(lái)實(shí)現(xiàn)超分辨率。他們從一些高分辨率圖像中隨機(jī)選取一些patch組成一個(gè)過(guò)完備的詞典(overcomplete dictionary)，接著對(duì)于每一個(gè)測(cè)試patch，通過(guò)線性規(guī)劃的方法求得該測(cè)試patch在這個(gè)過(guò)完備的詞典下的稀疏表示，最后以這組系數(shù)加權(quán)重構(gòu)出高分辨率的圖像。

這種方法克服了鄰域嵌入方法中對(duì)于鄰域大小的選擇問(wèn)題，即在求解稀疏表示的時(shí)候，無(wú)需指定重構(gòu)所需要基的個(gè)數(shù)，其表示系數(shù)和基的個(gè)數(shù)將同時(shí)通過(guò)線性規(guī)劃求解得到。然而，目前該方法的缺陷就在于過(guò)完備詞典的選擇，隨機(jī)的選擇只能實(shí)現(xiàn)特定領(lǐng)域的圖像的超分辨率，對(duì)于通用圖像的超分辨率效果較差。3 圖像超分辨率的發(fā)展前景

圖像超分辨率在視頻、遙感、醫(yī)學(xué)和安全監(jiān)控等領(lǐng)域具都有十分重要的應(yīng)用,另外其應(yīng)用也逐步涉及到其它各個(gè)領(lǐng)域。在高清數(shù)字電視方面采用超分辨率技術(shù)會(huì)進(jìn)一步減少成本，提高畫(huà)面的質(zhì)量。超分辨率技術(shù)在采集軍事與氣象遙感圖像應(yīng)用可實(shí)現(xiàn)高于系統(tǒng)分辨率的圖像觀測(cè)。在醫(yī)學(xué)成像系統(tǒng)中(如CT、MRI和超聲波儀器等)，可以用圖像超分辨率技術(shù)來(lái)提高圖像質(zhì)量，對(duì)病變目標(biāo)進(jìn)行仔細(xì)的檢測(cè)。在銀行、證券等部門(mén)的安全監(jiān)控系統(tǒng)中，當(dāng)有異常情況發(fā)生后。可對(duì)監(jiān)控錄像進(jìn)行超分辨率重建，提高圖像要害部分的分辨率，從而為事件的處理提供重要的線索。在未來(lái)超分辨技術(shù)廣泛的應(yīng)用前景必然會(huì)推動(dòng)這一技術(shù)不斷發(fā)展。

為了獲得高質(zhì)量的高分辨率的圖像，滿足不同情況下的實(shí)際應(yīng)用要求，未來(lái)的發(fā)展主要集中在以下幾個(gè)方面：

(1)精確有效的運(yùn)動(dòng)估計(jì)算法[9]。圖像的運(yùn)動(dòng)變形、模糊和噪聲等降質(zhì)因素具有密切的關(guān)系，在圖像超分辨率增強(qiáng)中，需要對(duì)圖像序列進(jìn)行亞像素精度的運(yùn)動(dòng)估計(jì)。由于運(yùn)動(dòng)估計(jì)只能利用低分辨率序列上的信息，所以很難達(dá)到精確的運(yùn)動(dòng)估計(jì)。雖然目前已經(jīng)有很多比較成熟的運(yùn)動(dòng)估計(jì)方法，但在實(shí)際應(yīng)用場(chǎng)合仍然無(wú)法獲得令人滿意的運(yùn)動(dòng)補(bǔ)償效果，同時(shí)這些方法的適用場(chǎng)合非常有限，需要發(fā)展和尋求新的運(yùn)動(dòng)模型，對(duì)運(yùn)動(dòng)進(jìn)行精確估計(jì)。

(2)針對(duì)視頻壓縮格式和編解碼技術(shù)，在圖像超分辨率算法中綜合考慮成像模型和壓縮算法帶來(lái)的圖像污染效果，以及運(yùn)動(dòng)補(bǔ)償和編碼傳輸機(jī)制，提高壓縮視頻的超分辨率能力。

(3)完善現(xiàn)有算法，不斷發(fā)展新的算法。目前的很多圖像超分辨率算法在一定程度上解決了實(shí)際應(yīng)用中存在的問(wèn)題，但這些方法仍然存在著較大的缺陷和不足。所以在超分辨率算法方面，還需要進(jìn)一步提高超分辨率圖像增強(qiáng)的能力，減小計(jì)算量，加快運(yùn)算的收斂速度，適用于不同的圖像要求。

(4)在應(yīng)用范圍上將不局限于單色和單張高分辨率圖像的恢復(fù),還要擴(kuò)展到多通道和彩色圖像、三維立體成像、動(dòng)態(tài)多媒體序列、壓縮圖像、CCD陣列成像和核磁共振成像的超分辨率恢復(fù)與增強(qiáng)。

(5)提高算法的效率,目前已有的超分辨率算法很多，不少算法的效果還是不錯(cuò)的，但由于算法復(fù)雜度高，運(yùn)算量大，因此實(shí)用性不強(qiáng)。

(6)盲重建。很多算法都假設(shè)模糊函數(shù)(PSF函數(shù))已知，但是在實(shí)際中，準(zhǔn)確的估計(jì)PSF函數(shù)有一定的困難，通常都只能知道PSF函數(shù)的部分信息，因此，盲重建也是一個(gè)重要的研究方向。

二、圖像去噪問(wèn)題研究

圖像在生成和傳輸過(guò)程中常常因受到各種噪聲的干擾和影響而使圖像降質(zhì)，這對(duì)后續(xù)圖像的處理(如分割、壓縮和圖像理解等)將產(chǎn)生不利影響。噪聲種類(lèi)很多，如：電噪聲、機(jī)械噪聲、信道噪聲和其他噪聲。在圖像處理中，圖像去噪是一個(gè)永恒的主題，為了抑制噪聲，改善圖像質(zhì)量，便于更高層次的處理，必須對(duì)圖像進(jìn)行去噪預(yù)處理。

計(jì)算機(jī)圖像處理主要采取兩大類(lèi)方法：一是在空間域中的處理，即在圖像空間中對(duì)圖像進(jìn)行各種處理；另一類(lèi)是把空間域中的圖像經(jīng)過(guò)正交變換到頻域，在頻域里進(jìn)行各種處理然后反變換到空間域，形成處理后的圖像。人們也根據(jù)實(shí)際圖像的特點(diǎn)、噪聲的統(tǒng)計(jì)特征和頻譜分布的規(guī)律，發(fā)展了各式各樣的去噪方法。其中最為直觀的方法，是根據(jù)噪聲能量一般集中于高頻而圖像頻譜則分布于一個(gè)有限區(qū)間的這一特點(diǎn)，采用低通濾波方式來(lái)進(jìn)行去噪，或?qū)D像進(jìn)行平滑處理等，這屬于第一類(lèi)圖像處理方法。還有就是在頻域進(jìn)行處理，如：傅立葉變換、小波基變換。1含噪模型

現(xiàn)實(shí)中的數(shù)字圖像在數(shù)字化和傳輸過(guò)程中，常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，成為含噪圖像。去除或減輕在獲取數(shù)字圖像中的噪聲稱(chēng)為圖像去噪[1,2],在圖像去噪之前我們先要建立一個(gè)含噪圖像的模型，為了簡(jiǎn)便，我們研究如下的加性噪聲模型，即含噪圖像僅由原始圖像疊加上一個(gè)隨機(jī)噪聲形成: g?x,y??f?x,y??v?x,y? f?x,y?表示圖像，v?x,y?為噪聲，含噪圖像記為g?x,y?。1）噪聲特性

在對(duì)這個(gè)含噪模型進(jìn)行研究之前，我們有必要了解一下噪聲的一些特性，經(jīng)常影響圖像質(zhì)量的噪聲源可分為三類(lèi)。人們對(duì)其生成原因及相應(yīng)的模型作了大量研究[3]:（1）電子噪聲。在阻性器件中由于電子隨機(jī)熱運(yùn)動(dòng)而造成的電子噪聲是三種模型中最簡(jiǎn)單的，一般常用零均值高斯白噪聲作為其模型，它可用其標(biāo)準(zhǔn)差來(lái)完全表征。

（2）光電子噪聲。由光的統(tǒng)計(jì)本質(zhì)和圖像傳感器中光電轉(zhuǎn)換過(guò)程引起，在弱光照的情況下常用具有泊松分布的隨機(jī)變量作為光電噪聲的模型，在光照較強(qiáng)時(shí)，泊松分布趨向于更易描述的高斯分布。

（3）感光片顆粒噪聲。由于曝光過(guò)程中感光顆粒只有部分被曝光，而其余部分則未曝光，底片的密度變化就由曝光后的顆粒密集程度變化所決定，而算曝光顆粒的分布呈現(xiàn)一種隨機(jī)性。在大多數(shù)情況下，顆粒噪聲可用高斯白噪聲作為有效模型。

通過(guò)以上分析可以看出，絕大多數(shù)的常見(jiàn)圖像噪聲都可用均值為零，方差不同的高斯白噪聲作為其模型，因而為了簡(jiǎn)便和一般化，我們采用零均值的高斯白噪聲作為噪聲源。2）傳統(tǒng)去噪方法

對(duì)隨時(shí)間變化的信號(hào)，通常采用兩種最基本的描述形式，即時(shí)域和頻域。時(shí)域描述信號(hào)強(qiáng)度隨時(shí)間的變化，頻域描述在一定時(shí)間范圍內(nèi)信號(hào)的頻率分布。對(duì)應(yīng)的圖像的去噪處理[4]方法基本上可分為空間域法和變換域法兩大類(lèi)。前者即是在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，對(duì)像素的灰度值進(jìn)行處理。變換域法是在圖像的變換域上進(jìn)行處理，對(duì)變換后的系數(shù)進(jìn)行相應(yīng)的處理，然后進(jìn)行反變換達(dá)到圖像去噪的目的。（1）均值濾波

鄰域平均法是一種局部空間域處理的算法。設(shè)一幅圖像f?x,y?為N?N的陣列，處理后的圖像為g?x,y?，它的每個(gè)像素的灰度級(jí)由包含?x,y?領(lǐng)域的幾個(gè)像素的灰度級(jí)的平均值所決定，即用下式得到處理后的圖像: g?x,y??1Mf?i,j? ???i,j?S式中x,y?0,1,2?,N?1；s是以?x,y?點(diǎn)為中心的鄰域的集合，M是s內(nèi)坐標(biāo)總數(shù)。圖像鄰域平均法的處理效果與所用的鄰域半徑有關(guān)。半徑愈大，則圖像模糊程度也愈大。另外，圖像鄰域平均法算法簡(jiǎn)單，計(jì)算速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處，鄰域越大，模越厲害。（2）中值濾波

中值濾波是一種非線性濾波[5-7]，由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來(lái)被二維圖像信號(hào)處理技術(shù)所應(yīng)用。在一定的條件下，可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。但是對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。

中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替。

設(shè)有一個(gè)一維序列f1，f2，?，fn，取窗口長(zhǎng)度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，fi?v，?，fi?1，?，f1，?，fi?1，?，fi?v，其中i為窗口的中心位置，v?m?1，再將這m個(gè)點(diǎn)按其數(shù)值大2小排列，取其序號(hào)為正中間的那作為出。用數(shù)學(xué)公式表示為: Yi?Med?fi?v,?,fi,?,fi?v? i?Z,v?m?1 2例如：有一個(gè)序列為{0，3，4，0，7}，則中值濾波為重新排序后的序列{0，0，3，4，7}中間的值為3。此例若用平均濾波，窗口也是取5，那么平均濾波輸出為?0?3?4?0?7??2.8。因此平均濾波的一般輸出為: 5Zi??fi?v?fi?v?1???fi???fi?v?m i?Z

對(duì)于二位序列?Xij?進(jìn)行中值濾波時(shí)，濾波窗口也是二維的，但這種二位窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二維數(shù)據(jù)的中值濾波可以表示為：

Yi,j?Med{Xij},A為濾波窗口

A在實(shí)際使用窗口時(shí)，窗口的尺寸一般先用3?3再取5?5逐漸增大，直到其濾波效果滿意為止。對(duì)于有緩變的較長(zhǎng)輪廓線物體的圖像，采用方形或圓形窗口為宜，對(duì)于包含尖頂角物體的圖像，適宜用十字形窗口。使用二維中值濾波最值得注意的是保持圖像中有效的細(xì)線狀物體。與平均濾波器相比，中值濾波器從總體上來(lái)說(shuō)，能夠較好地保留原圖像中的躍變部分。2頻域低通濾波法

在分析圖像信號(hào)的頻率特性時(shí)，一幅圖像的邊緣，跳躍部分以及顆粒聲代表圖像信號(hào)的高頻分量，而大面積的背景區(qū)則代表圖像信號(hào)的低頻分量。用濾波的方法濾除其高頻部分就能去掉噪聲使圖像得到平滑由卷積定理可知: G?u,v??H?u,v?F?u,v? 式中，F(xiàn)?u,v?是含噪聲圖像的傅里葉變換，G?u,v?是平滑后圖像的傅里葉變換，H?u,v?是低通濾波器傳遞函數(shù)。利用H?u,v?使F?u,v?的高頻分量得到衰減，得到G?u,v?后再經(jīng)過(guò)反變換就得到所希望的圖像g?x,y?了。低通濾波平滑圖像的系統(tǒng)框圖2-1所示。

????傅里葉變換?F???線性低通濾波器?G???傅里葉反變換?????u?uf?x,y?,v?,v?g?x,y? 頻域空間濾波框圖 經(jīng)典去噪方法要么完全在頻率域，要么完全在空間域展開(kāi)。這兩類(lèi)消噪方法造成了顧此失彼的局面，雖然抑制了噪聲，卻損失了圖像邊緣細(xì)節(jié)信息，造成圖像模糊[9]。因此，提出了基于小波變換的去噪方法研究。小波分析由于在時(shí)域頻域同時(shí)具有良好的局部化性質(zhì)和多分辨率分析的特點(diǎn)，能有效地把信號(hào)和噪聲區(qū)別開(kāi)來(lái)，因此不僅能滿足各種去噪要求如低通、高通、陷波、隨機(jī)噪音的去除等，而且與傳統(tǒng)的去噪方法相比較，有著無(wú)可比擬的優(yōu)點(diǎn)，成為信號(hào)分析的一個(gè)強(qiáng)有力的工具，被譽(yù)為分析信號(hào)的數(shù)學(xué)顯微鏡。2.去噪

近年來(lái)，小波理論得了非常迅速的發(fā)展，由于其具備良好的時(shí)頻特性和多分辨率特性，小波理論成功地在許多領(lǐng)域得到了廣泛的應(yīng)用。現(xiàn)在小波分析已經(jīng)滲透到自然科學(xué)、應(yīng)用科學(xué)、社會(huì)科學(xué)等領(lǐng)域。在圖像去噪領(lǐng)域中，應(yīng)用小波理論進(jìn)行圖像去噪受到許多專(zhuān)家學(xué)者的重視，并取得了非常好的效果。2小波去噪的研究現(xiàn)狀

在數(shù)學(xué)上，小波去噪問(wèn)題的本質(zhì)是一個(gè)函數(shù)逼近問(wèn)題，即如何在有小波母函數(shù)伸縮和平移所展成的函數(shù)空間中，根據(jù)提出的衡量準(zhǔn)則，尋找對(duì)原圖像的最佳逼近，以完成原圖像和噪聲的區(qū)分。這個(gè)問(wèn)題可以表述為：

?opt?argmin???f??fs?

fopt??opt?f??opt代表最優(yōu)解?

f?fs?fn,fs為原圖像,fn為噪聲圖像

I?ff為實(shí)際圖像，W?span??2j?j?1,?2J

J????T???為I?W的函數(shù)空間影射

小波去噪方法也就是尋找實(shí)際圖像空間到小波函數(shù)空間的最佳映射，以便得到原圖像的最佳恢復(fù)。從信號(hào)的角度看，小波去噪是一個(gè)信號(hào)濾波的問(wèn)題，而且盡管在很大程度上小波去噪可以看成是低通濾波，但是由于在去噪后，還能成功地保留圖像特征，所以在這一點(diǎn)上優(yōu)于傳統(tǒng)的低通濾波器。由此可見(jiàn)，小波實(shí)際上是特征提取和低通濾波功能的綜合，其等效框圖如圖2-2所示。??

圖2-2 小波去噪的等效框圖

小波去噪方法：小波去噪的方法有多種，如利用小波分解與重構(gòu)的方法濾波降噪、利用小波變換模極大值的方法去噪、利用信號(hào)小波變換后空域相關(guān)性進(jìn)行信噪分離、非線性小波閾值方法去噪、平移不變量小波去噪法，以及多小波去噪等等。歸結(jié)起來(lái)主要有三類(lèi):模極大值檢測(cè)法、閾值去噪法和屏蔽(相關(guān))去噪法。其中最常用的就是閾值法去噪，本文主要研究閾值去噪。3.小波變換理論基礎(chǔ)

1)傅里葉變換到小波變換

傅立葉變換是一個(gè)強(qiáng)有力的數(shù)學(xué)工具，它具有重要的物理意義，即信號(hào)f?x?的傅立葉變換F?w???f?x?e?iwxdx表示信號(hào)的頻譜。正是傅立葉變換的這種重要

????的物理意義，決定了傅立葉變換在信號(hào)分析和信號(hào)處理中的獨(dú)特地位。傅立葉變換用在兩個(gè)方向上都無(wú)限伸展的正弦曲線波作為正交基函數(shù)，把周期函數(shù)展成傅立葉級(jí)數(shù)，把非周期函數(shù)展成傅立葉積分，利用傅立葉變換對(duì)函數(shù)作頻譜分析，反映了整個(gè)信號(hào)的時(shí)間頻譜特性，較好地揭示了平穩(wěn)信號(hào)的特征。從數(shù)學(xué)角度來(lái)看，傅立葉變換是通過(guò)一個(gè)基函數(shù)的整數(shù)膨脹而生成任意一個(gè)周期平方可積函數(shù)。通過(guò)傅立葉變換，在時(shí)域中連續(xù)變化的信號(hào)可轉(zhuǎn)化為頻域中的信號(hào)，因此傅立葉變換反映的是整個(gè)信號(hào)在全部時(shí)間下的整體頻域特征，但不能反映信號(hào)的局部特征。

傅立葉變換有如下不足：

（1）當(dāng)我們將一個(gè)信號(hào)變換到頻域的時(shí)候，其時(shí)間上的信息就失去了。當(dāng)觀察一個(gè)信號(hào)的傅立葉變換，我們不可能知道特定的事件何時(shí)發(fā)生；

（2）為了從模擬信號(hào)中提取頻譜信息，需要取無(wú)限的時(shí)間量，使用過(guò)去的和將來(lái)的信號(hào)信息只是為了計(jì)算單個(gè)頻率的頻譜；

（3）因?yàn)橐粋€(gè)信號(hào)的頻率與它的周期長(zhǎng)度成反比，對(duì)于高頻譜的信息，時(shí)間間隔要相對(duì)較小以給出比較好的精度。而對(duì)于低頻譜的信息，時(shí)間間隔要相對(duì)較寬以給出完全的信息，亦即需要一個(gè)靈活可變的時(shí)間—頻率窗，使在高“中心頻率”時(shí)自動(dòng)變窄，而在低“中心頻率”時(shí)自動(dòng)變寬，傅立葉變換無(wú)法達(dá)到這種要求，它只能作全局分析，而且只對(duì)平穩(wěn)信號(hào)的分析有用。

但是，在實(shí)際應(yīng)用中，常常有些非平穩(wěn)信號(hào)，如音樂(lè)、語(yǔ)音信號(hào)等它們的頻域特性都隨著時(shí)間的變化而改變，這時(shí)傅立葉變換明顯表現(xiàn)出了其中的不足。為此，D.Gabor于1946年提出了著名的Gabor變換，之后又進(jìn)一步發(fā)展為短時(shí)傅立葉變換(Short Time Fourier Trans-form)，簡(jiǎn)記為STFT，又稱(chēng)窗口傅立葉變換。窗口傅立葉變換(STFT)克服了傅立葉變換不能同時(shí)進(jìn)行時(shí)間頻域的局部分析，在非平穩(wěn)信號(hào)的分析中起到了很好的作用。其主要特點(diǎn)是：用一窗口函數(shù)g?t???對(duì)信號(hào)f?x?作乘積運(yùn)算，實(shí)現(xiàn)在τ附近平穩(wěn)和開(kāi)窗，然后再進(jìn)行傅立葉變換。其變換如下：

Gf?w,????f?t?g?t???e?j2?wtdt

???由于窗口傅立葉變換所定義的窗函數(shù)的大小和形狀均與時(shí)間和頻率無(wú)關(guān)而保持不變，在實(shí)際應(yīng)用中也存在其局限性。主要有兩方面：一是因?yàn)楦哳l信號(hào)一般持續(xù)時(shí)間短，而低頻信號(hào)持續(xù)時(shí)間長(zhǎng)，因此需對(duì)高頻信號(hào)采用小時(shí)窗，對(duì)低頻信號(hào)采用大時(shí)窗。二是在進(jìn)行數(shù)值計(jì)算時(shí)，為了便于計(jì)算，需對(duì)基函數(shù)進(jìn)行離散化，但Gabor基無(wú)論怎樣離散都不能組成一組正交基，因此會(huì)給計(jì)算帶來(lái)不便。為了克服這些缺陷，使窗口具有自適應(yīng)特性和平穩(wěn)功能，1984年，法國(guó)地球物理學(xué)家J.Morlet在分析地震數(shù)據(jù)時(shí)提出將地震波通過(guò)一個(gè)確定函數(shù)的伸縮和平移來(lái)展開(kāi)。之后，他與A.Grossman共同研究，發(fā)展了連續(xù)小波變換的幾何體系，將任意一個(gè)信號(hào)可分解成對(duì)空間和尺度的貢獻(xiàn)。1985年，YMeyer,A.G.rossman與Daubechies共同尋找了連續(xù)小波空間的一個(gè)離散子集，得到了一組離散的小波基(稱(chēng)為小波框架)。1986年，由Y.Meyer發(fā)現(xiàn)了構(gòu)成希爾伯特空間的規(guī)范正交基，從而證明了小波正交系的存在。1987年，Mallat將計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)的多尺度分析的思想引入小波分析中，提出了多分辨率分析的概念，并提出了相應(yīng)的分解和重構(gòu)快速算法—Mallat算法，從而統(tǒng)一了以前所有具體正交小波基的構(gòu)造。小波變換是一種新的變換分析方法，它的主要特點(diǎn)是通過(guò)變換能夠充分突出問(wèn)題某些方面的特征，因此，小波變換在許多領(lǐng)域都得到了成功地應(yīng)用，特別是小波變換的離散數(shù)字算法已被廣泛用于許多問(wèn)題的變換研究中。從此，小波變換越來(lái)越受到人們的重視，其應(yīng)用領(lǐng)域來(lái)越來(lái)越廣泛，如：信號(hào)處理、圖像處理、模式識(shí)別、語(yǔ)音識(shí)別等，并取得了可喜成果。

2)小波理論的基本概念 A.連續(xù)小波變換

設(shè)??t??L2?R?，其傅里葉變換為??w?，當(dāng)??w?滿足允許條件(完全重構(gòu)條件)：

????w?C???R^?2??dw?? w時(shí)，我們稱(chēng)??w?為一個(gè)基本小波或母小波(Mother Wavelet)。它說(shuō)明了基本小波在其頻域內(nèi)具有較好的衰減性。其中，當(dāng)w?0時(shí)，有??w?=0，即???t?dt?0???同時(shí)有?????0。因此，一個(gè)允許的基本小波的幅度頻譜類(lèi)似于帶通濾波器的傳遞函數(shù)。事實(shí)上，任何均值為零(即???t?dt?0)且在頻率增加時(shí)以足夠快的速

???度消減為零(空間局域化特征)的帶通濾波器的沖激響應(yīng)(傳遞函數(shù))，都可以作為一個(gè)基本小波。

將母函數(shù)??t?經(jīng)過(guò)伸縮和平移后得到：

?a,b?t??1a???t?b??,其中a,b?R;a?0 ?a?稱(chēng)其為一個(gè)小波序列。其中a為伸縮因子，b為平移因子。通常情況下，基本小波??t?以原點(diǎn)為中心，因此?a,b?t?是基本小波??t?以t?b為中心進(jìn)行伸縮得到。基本小波??t?被伸縮為??ta?(a?1時(shí)變寬，而a?1時(shí)變窄)可構(gòu)成一組基函數(shù)。在大尺度a上，膨脹的基函數(shù)搜索大的特征，而對(duì)于較小的a則搜索細(xì)節(jié)特征。

對(duì)于任意的函數(shù)f?t??L2?R?的連續(xù)小波變換為：

Wf?a,b??f,?a,b?a2?R?t?b?f?t????dt

a??當(dāng)此小波為正交小波時(shí)，其重構(gòu)公式為： f?t??1C?1?t?b???Wa,b???dadb ??????a2fa??????在小波變換過(guò)程中必須保持能量成比例，即

22da????Wa,bdb?Cfxdx f??2??aRRR由于基小波??t?生成的小波?a,b?t?在小波變換中對(duì)被分析的信號(hào)起著觀測(cè)窗的作用，所以??t?還應(yīng)該滿足一般函數(shù)的約束條件：

???????t?dt??

故??w?是一個(gè)連續(xù)函數(shù)，這意味著，為了滿足重構(gòu)條件式(3-2)，??w?在^????^^原點(diǎn)必須等于零，即 ??0?????t?dt?0

此即說(shuō)明??t?具有波動(dòng)性。為了使信號(hào)重構(gòu)的實(shí)現(xiàn)上是穩(wěn)定的，除了滿足重構(gòu)條件外，還要求??t?的傅立葉變換滿足如下穩(wěn)定性條件：

A???2w?????^?j?2?B

式中，0?A?B??。連續(xù)小波變換具有以下重要性質(zhì)：

（1）線性性：一個(gè)多分量信號(hào)的小波變換等于各個(gè)分量的小波變換之和。（2）平移不變性：若f?t?的小波變換為Wf?a,b?，則f?t???的小波變換為Wf?a,b???。

（3）伸縮共變性：若f?t?的小波變化為Wf?a,b?，則f?ct?的小波變換為1cWf(ca,cb)，c?0

（4）自相似性：對(duì)應(yīng)于不同尺度參數(shù)a和不同平移參數(shù)b的連續(xù)小波變換之間是自相似性的。

（5）冗余性：連續(xù)小波變換中存在信息表述的冗余度〔redundancy〕，小波變換的冗余性也是自相似性的直接反映，它主要表現(xiàn)在以下兩個(gè)方面：

①由連續(xù)小波變換恢復(fù)原信號(hào)的重構(gòu)分式不是唯一的。也就是說(shuō)，信號(hào)f?t?的小波變換與小波重構(gòu)不存在一一對(duì)應(yīng)關(guān)系，而傅立葉變換與傅立葉反變換是一一對(duì)應(yīng)的。

②小波變換的核函數(shù)即小波函數(shù)?a,b?t?存在許多可能的選擇(例如，它們可能是非正交小波，正交小波，雙正交小波，甚至允許是彼此線性相關(guān)的)。

小波的選擇并不是任意的，也不是唯一的。它的選擇應(yīng)滿足定義域是緊支撐的(Compact Support)，即在一個(gè)很小的區(qū)間之外，函數(shù)值為零，函數(shù)應(yīng)有速降特性，以便獲得空間局域化。另外，它還要滿足平均值為零。也就是說(shuō)，小波應(yīng)具有振蕩性，而且是一個(gè)迅速衰減的函數(shù)。

連續(xù)小波變換式(3-4)是用內(nèi)積來(lái)表示的，而數(shù)學(xué)上的內(nèi)積表示f?t?與?a,b?t?的相似程度，所以由式(3-4)，當(dāng)尺度a增加時(shí)，表示以伸展了的?a,b?t?波形去觀察整個(gè)f?t?；反之，當(dāng)尺度a減小時(shí)，則以壓縮的?a,b?t?波形去衡量f?t?局部。可以說(shuō)，尺度因子類(lèi)似于地圖中的比例因子，大的比例(尺度)參數(shù)看全局而小的比例(尺度)參數(shù)看局部細(xì)節(jié)。因此，有人對(duì)小波變換特性作如下形象比喻：人們希望既看到森林，又看清樹(shù)木。所以，先通過(guò)望遠(yuǎn)鏡看清全貌，進(jìn)而通過(guò)顯微鏡觀察我們最感興趣的細(xì)節(jié)。小波變換就能達(dá)到這個(gè)目的，它既是望遠(yuǎn)鏡，又是顯微鏡，是一架變焦鏡頭。B離散小波變換

在實(shí)際運(yùn)用中，尤其是在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)，連續(xù)小波必須加以離散化。因此有必要討論連續(xù)小波?a,b?t?）和連續(xù)小波變換Wf?a,b?的離散化。需要強(qiáng)調(diào)指出的是，這一離散化都是針對(duì)連續(xù)的尺度參數(shù)和連續(xù)平移參數(shù)b的，而不是針對(duì)時(shí)間t的。這一點(diǎn)與我們以前的習(xí)慣不同。在公式(3-3)中，a ,b ∈R;a≠0是容許的。為方便起見(jiàn)，在離散化中，總限制a只取正值。通常，把連續(xù)小波變換中尺度參數(shù)a和平移參數(shù)b的離散化公式分別取作a?a0j,b?b0j，這里j?Z，擴(kuò)展步長(zhǎng)a0?1是固定值，為方便起見(jiàn)，總是假定a0?1。所以對(duì)應(yīng)的離散小波函數(shù)?j,k?t?即可寫(xiě)作：

?j,k?t??1?t?ka0jb0?1?j?????at?kb0 0j?a?a0?a0o???而離散化小波變換系數(shù)則可表示為：

Cj.k??f?t???j,k?t?dt?f,?j,k?0

????其重構(gòu)公式為：

f?t??C??Cj,k?j,k?t?

??????C是一個(gè)與信號(hào)無(wú)關(guān)的常數(shù)。如何選擇a0和b0，才能保證重構(gòu)信號(hào)的精度呢?顯然，網(wǎng)絡(luò)點(diǎn)應(yīng)盡可能密(即a0和b0盡可能的小)，因?yàn)槿绻W(wǎng)絡(luò)點(diǎn)越稀疏，使用的小波函數(shù)?j,k?t?和離散小波系數(shù)Cj,k就越少，信號(hào)重構(gòu)的精確度也就會(huì)越低。由于圖像是二維信號(hào)，因此首先需要把小波變換由一維推廣到二維。令f?x1,x2?表

??x1,x2?表示二維的基本小波，示一個(gè)二維信號(hào)，x1,x2分別是其橫坐標(biāo)和縱坐標(biāo)，對(duì)應(yīng)的尺度函數(shù)為??x1,x2?。若尺度函數(shù)可分離，即：??x1,x2????x1????x2?。令??x1?是與??x1?對(duì)應(yīng)的一維小波函數(shù)，則二維的二進(jìn)小波可表示為以下三個(gè)可分離的正交小波基函數(shù)：

?1?x1,x2????x1???x2?

?2?x1,x2????x1???x2? ?3?x1,x2????x1???x2?

這說(shuō)明在可分離的情況下，二維多分辨率可分兩步進(jìn)行。先沿x1方向分別用??x1?和??x2?做分析，把f?x1,x2?分解成平滑和細(xì)節(jié)兩部分，然后對(duì)這兩部分再沿x2方向用??x2?和??x1?做同樣分析，所得到的四路輸出中經(jīng)??x1?，??x2?處理

1f?x1,x2?，D12f?x1,x2?，所得的一路是第一級(jí)平滑逼近A1f?x1,x2?，其它三路輸出D1??w?設(shè)想成理D13f?x1,x2?都是細(xì)節(jié)函數(shù)。如果把??x1?和??x1?的對(duì)應(yīng)頻譜??w?，想的半帶低通濾波器h和高通濾波器g，則A1f?x1,x2?反映的是x1 , x2兩個(gè)方向1f?x1,x2? 反映的是水平方向的低頻分量和垂直方向的高頻分量，的低頻分量，D1D12f?x1,x2?反映的是水平方向的高頻分量和垂直方向的低頻分量，D13f?x1,x2?反映的是兩個(gè)方向的高頻分量。對(duì)圖像進(jìn)行小波變換就是用低通濾波器h和高通濾波器g對(duì)圖像的行列進(jìn)行濾波（卷積），然后進(jìn)行二取一的下抽樣。這樣進(jìn)行一次小波變換的結(jié)果便將圖像分解為一個(gè)低頻子帶（水平方向和垂直方向均經(jīng)過(guò)低通濾波）LL和三個(gè)高頻子帶，即用HL表示水平高通、垂直低通子帶，用LH表示水平低通、垂直高通子帶，用HH表示水平高通、垂直高通子帶。分辨率為原來(lái)的1/2，頻率范圍各不相同。第二次小波變換時(shí)只對(duì)LL子帶進(jìn)行，進(jìn)一步將LL子帶分解為L(zhǎng)L1，LH1，HL1和HH1，分辨率為原來(lái)的1/4,頻率范圍進(jìn)一步減半，以此類(lèi)推。所以，進(jìn)行一次小波變換得到4個(gè)子帶，進(jìn)行M次分解就

三、聚類(lèi)問(wèn)題研究

將物理或抽象對(duì)象的集合分成由類(lèi)似的對(duì)象組成的多個(gè)類(lèi)的過(guò)程被稱(chēng)為聚類(lèi)。由聚類(lèi)所生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同一個(gè)簇中的對(duì)象彼此相似，與其他簇中的對(duì)象相異。“物以類(lèi)聚，人以群分”，在自然科學(xué)和社會(huì)科學(xué)中，存在著大量的分類(lèi)問(wèn)題。聚類(lèi)分析又稱(chēng)群分析，它是研究（樣品或指標(biāo)）分類(lèi)問(wèn)題的一種統(tǒng)計(jì)分析方法。聚類(lèi)分析起源于分類(lèi)學(xué)，但是聚類(lèi)不等于分類(lèi)。聚類(lèi)與分類(lèi)的不同在于，聚類(lèi)所要求劃分的類(lèi)是未知的。聚類(lèi)分析內(nèi)容非常豐富，有系統(tǒng)聚類(lèi)法、有序樣品聚類(lèi)法、動(dòng)態(tài)聚類(lèi)法、模糊聚類(lèi)法、圖論聚類(lèi)法、聚類(lèi)預(yù)報(bào)法等。

1.聚類(lèi)概念與聚類(lèi)過(guò)程

迄今為止，聚類(lèi)還沒(méi)有一個(gè)學(xué)術(shù)界公認(rèn)的定義。這里給出Everitt在1974年關(guān)于聚類(lèi)所下的定義：一個(gè)類(lèi)簇內(nèi)的實(shí)體是相似的，不同類(lèi)簇的實(shí)體是不相似的；一個(gè)類(lèi)簇是測(cè)試空間中點(diǎn)的會(huì)聚，同一類(lèi)簇的任意兩個(gè)點(diǎn)間的距離小于不同類(lèi)簇的任意兩個(gè)點(diǎn)間的距離：類(lèi)簇可以描述為一個(gè)包含密度相對(duì)較高的點(diǎn)集的多維空間中的連通區(qū)域，它們借助包含密度相對(duì)較低的點(diǎn)集的區(qū)域與其他區(qū)域(類(lèi)簇)相分離。

事實(shí)上。聚類(lèi)是一個(gè)無(wú)監(jiān)督的分類(lèi)，它沒(méi)有任何先驗(yàn)知識(shí)可用。聚類(lèi)的形式描述如下： 令U?{p1,p2,...,pn}表示一個(gè)模式(實(shí)體)集合pi表示第i個(gè)模式i?{1,2,...,n}；Ct?U,t?1,2,...,k，Ct?{pt1,pt2,...,ptw}；proximity(pms,pir)，其中，第1個(gè)下標(biāo)表示模式所屬的類(lèi)，第2個(gè)下標(biāo)表示某類(lèi)中某一模式，函數(shù)proximity用來(lái)刻畫(huà)模式的相似性距離．若諸類(lèi)Ct為聚類(lèi)之結(jié)果，則諸Ct需滿足如下條件：

1)?kt?1Ct?U．

2)對(duì)于?Cm,Cr?U,Cm?Cr，有Cm?Cr??（僅限于剛性聚類(lèi)）；

MIN?pmin?Cm,?prv?Cr,?Cm,Cr?U&Cm?Cr(proximity(pmin,prv))?MAX?pmx,pmy?Cn,?Cm?U(proximity(pmx,pmy))

典型的聚類(lèi)過(guò)程主要包括數(shù)據(jù)(或稱(chēng)之為樣本或模式)準(zhǔn)備、特征選擇和特征提取、接近度計(jì)算、聚類(lèi)(或分組)、對(duì)聚類(lèi)結(jié)果進(jìn)行有效性評(píng)估等步驟。

聚類(lèi)過(guò)程：

1)數(shù)據(jù)準(zhǔn)備：包括特征標(biāo)準(zhǔn)化和降維． ’

2)特征選擇：從最初的特征中選擇最有效的特征，并將其存儲(chǔ)于向量中． 3)特征提取：通過(guò)對(duì)所選擇的特征進(jìn)行轉(zhuǎn)換形成新的突出特征．

4)聚類(lèi)(或分組)：首先選擇合適特征類(lèi)型的某種距離函數(shù)(或構(gòu)造新的距離函數(shù))進(jìn)行接近程度的度量；而后執(zhí)行聚類(lèi)或分組．

5)聚類(lèi)結(jié)果評(píng)估：是指對(duì)聚類(lèi)結(jié)果進(jìn)行評(píng)估．評(píng)估主要有3種：外部有效性評(píng)估、內(nèi)部有效性評(píng)估和相關(guān)。

2.聚類(lèi)算法的類(lèi)別

沒(méi)有任何一種聚類(lèi)技術(shù)(聚類(lèi)算法)可以普遍適用于揭示各種多維數(shù)據(jù)集所呈現(xiàn)出來(lái)的多種多樣的結(jié)構(gòu)。根據(jù)數(shù)據(jù)在聚類(lèi)中的積聚規(guī)則以及應(yīng)用這些規(guī)則的方法，有多種聚類(lèi)算法．聚類(lèi)算法有多種分類(lèi)方法，聚類(lèi)算法大致分成層次化聚類(lèi)算法、劃分式聚類(lèi)算法、基于密度和網(wǎng)格的聚類(lèi)算法和其他聚類(lèi)算法。具體方法介紹如下：

1）層次聚類(lèi)算法

層次聚類(lèi)算法又稱(chēng)為樹(shù)聚類(lèi)算法，它使用數(shù)據(jù)的聯(lián)接規(guī)則，透過(guò)一種層次架構(gòu)方式，反復(fù)將數(shù)據(jù)進(jìn)行分裂或聚合，以形成一個(gè)層次序列的聚類(lèi)問(wèn)題解。層次聚合算法的計(jì)算復(fù)雜性為O(n2)，適合于小型數(shù)據(jù)集的分類(lèi)。a.層次聚合算法：該算法由樹(shù)狀結(jié)構(gòu)的底部開(kāi)始逐層向上進(jìn)行聚合。假定樣本集S?{o1,o2,...,on}共有n個(gè)樣本。

oo,o,...,onHA1[初始化]。置每個(gè)樣本i為一個(gè)類(lèi)；

/*共形成n個(gè)類(lèi)：12*/ HA2[找最近的兩個(gè)類(lèi)].distance(or,ok)?min?ou,ov?S,ou?ovdistance(ou,ov)/*從現(xiàn)有的所有類(lèi)中找到距離最近（相似度最大）的兩個(gè)類(lèi)HA3[合并和和1*/ oror和

ok*/ 和

ok]，將類(lèi)

or和

ok合并成一個(gè)新類(lèi)ork；/*現(xiàn)有的類(lèi)數(shù)將減HA4.若所有的樣本都屬于同一類(lèi)，則終止本算法；否則，返回步驟HA2。b.傳統(tǒng)聚合規(guī)則：兩個(gè)類(lèi)之間距離的度量方法是傳統(tǒng)層次聚合算法的重要組成部分，它主要包括兩個(gè)重要參數(shù)相似性度量方法和聯(lián)接規(guī)則．這里采用歐式距離作為相似性度量方法，聯(lián)接規(guī)則主要包括單聯(lián)接規(guī)則、完全聯(lián)接規(guī)則、類(lèi)間平均聯(lián)接規(guī)則、類(lèi)內(nèi)平均聯(lián)接規(guī)則和沃德法．這幾種聯(lián)接規(guī)則可定義如下（其中，含||x?y|是歐幾里德范數(shù)，ni和nk分別指類(lèi)

or和

ok）中的樣本個(gè)數(shù)，C(ni?nk,2)表示從ni?nk個(gè)元素中抽出兩個(gè)元素的不同組合的方法總數(shù))： 單聯(lián)接聚合規(guī)則：d(oi,ok)?minx?oi,y?ok||x?y||；

全聯(lián)接聚合規(guī)則：d(oi,ok)?maxx?oi,y?ok||x?y||；

類(lèi)間平均聯(lián)接聚合規(guī)則：d(oi,ok)?(1/nink)?x?o(?y?o||x?y||)；

ik類(lèi)內(nèi)平均聯(lián)接聚合規(guī)則：d(oi,ok)?(1/C(ni?nk,2))?x,y?(o,o)||x?y||，其中，n

ik是融合聚類(lèi)的中心。

沃德法：d(oi,ok)?(1/(ni?nk))?x?(o,o)||x?n||2，其中，n是融合聚類(lèi)的中心。

ikc.新層次聚合算法

Binary—Positive方法：2007年，Gelbard等人提出了一種新的層次聚合算法，被稱(chēng)為正二進(jìn)制(binary．positive)方法。該方法把待分類(lèi)數(shù)據(jù)以正的二進(jìn)制形式存儲(chǔ)于一個(gè)二維矩陣中，其中，行表示記錄(對(duì)象)，列表示其屬性的可能取值。記錄對(duì)應(yīng)的取值為1或者O，分別表示此記錄有對(duì)應(yīng)的屬性值或者不存在對(duì)應(yīng)屬性值。因此，相似性距離計(jì)算只在被比較的二進(jìn)制向量中的正比特位上進(jìn)行，即只在取值為1的記錄(對(duì)象)之間進(jìn)行。有以Dice距離為代表的多種Binary．Positve相似性測(cè)量方法。Gelbard等人采用Wine，Iris，Eeolic和Psychology balance這4種數(shù)據(jù)集對(duì)11種聚類(lèi)算法進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，對(duì)于此4種數(shù)據(jù)集中的任意一種數(shù)據(jù)的聚類(lèi)結(jié)果，Binary．Positive等4種方法在聚類(lèi)結(jié)果的準(zhǔn)確率方面，從總體上來(lái)看都是最好的。同時(shí)他們還認(rèn)為，將原始數(shù)據(jù)轉(zhuǎn)換成正二進(jìn)制會(huì)改善聚類(lèi)結(jié)果的正確率和聚類(lèi)的魯棒性。對(duì)于層次聚類(lèi)算法尤其如此。連續(xù)數(shù)據(jù)的粗聚類(lèi)算法(rough clustering ofsequential data，簡(jiǎn)稱(chēng)RCOSD)：2007年．Kumar等人面向連續(xù)數(shù)據(jù)提出了一種新的基于不可分辨粗聚合的層次聚類(lèi)算法RCOSD。在該算法中，不可分辨關(guān)系被擴(kuò)展成具有不嚴(yán)格傳遞特性的容差關(guān)系。使用相似性的上近似形成初始類(lèi)，使用約束相似性的上近似概念形成后續(xù)類(lèi)，其中的一個(gè)相對(duì)的相似性條件被用作合并準(zhǔn)則。RCOSD的關(guān)鍵思想是尋找能捕捉數(shù)據(jù)序列的連續(xù)信息及內(nèi)容信息的一個(gè)特征集，并把這些特征集映射到一個(gè)上近似空間，應(yīng)用約束相似性上近似技術(shù)獲得粗類(lèi)簇的上近似，其中一個(gè)元素可以屬于多個(gè)類(lèi)簇．該算法引入S3M作為Web數(shù)據(jù)的相似性度量方法，S3M既考慮了項(xiàng)的出現(xiàn)次序又考慮了集合內(nèi)容。該算法每一次迭代可以合并兩個(gè)或多個(gè)類(lèi)，所以加快了層次聚類(lèi)速度。該算法能夠有效挖掘連續(xù)數(shù)據(jù)，并刻畫(huà)類(lèi)簇的主要特性，幫助Web挖掘者描述潛在的新的Web用戶(hù)組的特性。Pradeep Kumar等人在本質(zhì)連續(xù)的MSNBC Web導(dǎo)航數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，與使用序列向量編碼的傳統(tǒng)層次化聚類(lèi)算法相比，RCOSD聚類(lèi)算法是可行的。算法給出的描述方法能夠幫助Web挖掘者鑒別潛在的有意義的用戶(hù)組。2)劃分式聚類(lèi)算法

劃分式聚類(lèi)算法需要預(yù)先指定聚類(lèi)數(shù)目或聚類(lèi)中心，通過(guò)反復(fù)迭代運(yùn)算，逐步降低目標(biāo)函數(shù)的誤差值，當(dāng)目標(biāo)函數(shù)值收斂時(shí)，得到最終聚類(lèi)結(jié)果。a.K均值聚類(lèi)

1967年，MacQueen首次提出了K均值聚類(lèi)算法(K-means算法)．迄今為止，很多聚類(lèi)任務(wù)都選擇該經(jīng)典算法。該算法的核心思想是找出K個(gè)聚類(lèi)中心c1,c2,...,cK,使得每一個(gè)數(shù)據(jù)點(diǎn)xi和與其最近的聚類(lèi)中心cv的平方距離和被最小化(該平方距離和被稱(chēng)為偏差D)．

K均值（K-means）聚類(lèi)算法(對(duì)n個(gè)樣本進(jìn)行聚類(lèi))K1[初始化]。隨機(jī)指定K個(gè)聚類(lèi)中心(c1,c2,...,cK)；

K2[分配xi]。對(duì)每一個(gè)樣本xi。找到離它最近的聚類(lèi)中心cv，并將其分配到cv所標(biāo)明類(lèi)；

K3[修正cw]。將每一個(gè)cw移動(dòng)到其標(biāo)明的類(lèi)的中心； K4[計(jì)算偏差]。D??i?1[minr?1_kd(xi,cr)2]；

K5[D收斂?]。如果D值收斂，則return(c1,c2,...,ck)并終止本算法；否則，返回步驟K2。

K-means算法的優(yōu)點(diǎn)與不足。優(yōu)點(diǎn)：能對(duì)大型數(shù)據(jù)集進(jìn)行高效分類(lèi)，其計(jì)算復(fù)雜性為O(tKmn)，其中，t為迭代次數(shù)，K為聚類(lèi)數(shù)，m為特征屬性數(shù)，n為待分類(lèi)的對(duì)象數(shù)，通常，K,m,t??n。在對(duì)大型數(shù)據(jù)集聚類(lèi)時(shí),K-means算法比層次聚類(lèi)算法快得多。不足：通常會(huì)在獲得一個(gè)局部最優(yōu)值時(shí)終止；僅適合對(duì)數(shù)值型數(shù)據(jù)聚類(lèi)；只適用于聚類(lèi)結(jié)果為凸形(即類(lèi)簇為凸形)的數(shù)據(jù)集。

以經(jīng)典K-means算法為基礎(chǔ)，研究者們提出了很多新的改進(jìn)的K-means算法，下面對(duì)其中的一些算法加以介紹： b.K-modes算法

K-modes-Huang算法:在闡述K-modes算法之前，先對(duì)Means與Modes做簡(jiǎn)單介紹。在K-means算法中，mean為類(lèi)簇中心或稱(chēng)為質(zhì)心，是指一個(gè)類(lèi)簇中所有對(duì)象關(guān)于屬性的均值，最初可隨機(jī)指定。在K-modes算法中，modes可定義如下：設(shè)X?{X1,X2,...,Xn}是一個(gè)數(shù)據(jù)集，?Xi?X由m個(gè)分類(lèi)屬性{A1,A2,...,Am}來(lái)描述，Xi可表示成向量{q1,q2,...,qm}，也可表示成屬性-值對(duì)的合取式[A1?q1]?...?[Am?qm]。Q需使?i?1...mdl(Xi,Q)取最小值，d1(Xi,Q)表示Xi與Qin之間的距離；Q不必是的一個(gè)X的一個(gè)元素。

1998年，Huang為克服K-means算法僅適合于數(shù)值屬性數(shù)據(jù)聚類(lèi)的局限性，提出了一種適合于分類(lèi)屬性數(shù)據(jù)聚類(lèi)的K-modes算法。該算法對(duì)K-means進(jìn)行了3點(diǎn)擴(kuò)展：引入了處理分類(lèi)對(duì)象的新的相異性度量方法(簡(jiǎn)單的相異性度量匹配模式)，使用modes代替means，并在聚類(lèi)過(guò)程中使用基于頻度的方法修正modes，以使聚類(lèi)代價(jià)函數(shù)值最小化．

這些擴(kuò)展允許人們能夠直接使用K-means范例聚類(lèi)有分類(lèi)屬性的數(shù)據(jù)。無(wú)須對(duì)數(shù)據(jù)進(jìn)行變換。K-modes算法的另一個(gè)優(yōu)點(diǎn)是modes能給出類(lèi)的特性描述，這對(duì)聚類(lèi)結(jié)果的解釋是非常重要的。事實(shí)上，K-modes算法比K-means算法能夠更快收斂。Huang使用眾所周知的大豆疾病數(shù)據(jù)集對(duì)其算法進(jìn)行了測(cè)試，結(jié)果表明，K-modes算法具有很好的聚類(lèi)性能。進(jìn)一步地，他用包含50萬(wàn)條記錄和34個(gè)分類(lèi)屬性的健康保險(xiǎn)數(shù)據(jù)集進(jìn)行了測(cè)試，結(jié)果證明，該算法在(聚類(lèi)的)類(lèi)數(shù)和記錄數(shù)兩個(gè)方面是真正可伸縮的。與K-means算法一樣，K-modes算法也會(huì)產(chǎn)生局部最優(yōu)解，依賴(lài)于初始化modes的選擇和數(shù)據(jù)集中數(shù)據(jù)對(duì)象的次序。初始化modes的選擇策略尚需進(jìn)一步研究．

d.一致性保留K-means算法(K-means-CP)2004年，Ding等人提出一致性保留K-means算法(K-means-CP)。最近鄰一致性是統(tǒng)計(jì)模式識(shí)別中的一個(gè)重要概念，他們將這個(gè)概念擴(kuò)展到數(shù)據(jù)聚類(lèi)，對(duì)一個(gè)類(lèi)中的任意數(shù)據(jù)點(diǎn)，要求它的k最近鄰和k互最近鄰都必須在該類(lèi)中。他們研究了類(lèi)k最近鄰一致性的性質(zhì)、提出了kNN和kMN一致性強(qiáng)制和改進(jìn)算法，并提出了將類(lèi)k最近鄰或類(lèi)k互最近鄰一致性作為數(shù)據(jù)聚類(lèi)的一種重要質(zhì)量度量方法。他們選用互聯(lián)網(wǎng)上20個(gè)新聞組數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，k最近鄰一致性、k互最近鄰一致性以及算法聚類(lèi)的正確率都得到顯著改善。同時(shí)，這也表明局部一致性信息可幫助全局聚類(lèi)目標(biāo)函數(shù)優(yōu)化。

算法K-means-CP：

1.[初始化]。隨機(jī)選擇K個(gè)點(diǎn)作為初始類(lèi)的中心(c1,c2,...,ck)

2.[分配近鄰集]。分配一個(gè)近鄰集S；//*將S分配到離其最近的類(lèi)Cp中，p?argminv?1,...,K?x?S(xi?mv)。

i23.[更新類(lèi)中心]。置mv??x?Cxi/nv。

iv4.[收斂否?]。質(zhì)心不再移動(dòng)，則終止算法；否則返回步驟2。e.模糊聚類(lèi)算法 1969年，Ruspini首次將模糊集理論應(yīng)用到聚類(lèi)分析中，提出了模糊聚類(lèi)算法(fuzzy c-means，簡(jiǎn)稱(chēng)FCM)。FCM算法是圖像分割使用最多的方法之一，它的成功主要?dú)w功于為解決每個(gè)圖像像素的隸屬需要引入了模糊性．比之脆弱(crisp)或硬分割方法，F(xiàn)CM能夠保留初始圖像的更多信息。然而，F(xiàn)CM的一個(gè)缺點(diǎn)是不考慮圖像上下文中的任何空間信息，這使得它對(duì)噪聲和其他人造圖像非常敏感。人們圍繞FCM算法開(kāi)展了大量研究，下面只對(duì)這方面的最新研究作簡(jiǎn)單介紹：

2006年，李潔等人提出基于特征加權(quán)的模糊聚類(lèi)新算法NFWFCA．傳統(tǒng)模糊盡均值算法、K-modes算法和盡原型算法都假定樣本矢量的各維特征對(duì)聚類(lèi)貢獻(xiàn)相同。但在實(shí)際應(yīng)用中，由于樣本矢量的各維特征來(lái)自不同傳感器，存在測(cè)量精度及可靠性等差異，樣本矢量的各維特征對(duì)聚類(lèi)影響不盡相同。以模糊K-原型算法為基礎(chǔ)，算法NFWFCA采用ReliefF算法確定各維特征的權(quán)重，數(shù)值特征權(quán)值的計(jì)算方法為:

diff_hitrdiff_missr ?????RRrr屬性特征權(quán)值的計(jì)算方法為

diff_hitcdiff_missc?????

RRcc從而修正目標(biāo)函數(shù)為

2r2J(W,P)??i?1,...,k[?j?1,...,nwij|xrjm?prjm|2??j?1,...,nwij?m?1,...,t?m?q?t?1,...,m?qc?(xcjp,pcjq)]當(dāng)J(W,P)最小時(shí)，聚類(lèi)結(jié)果最優(yōu)．NFWFCA還可以將模糊K-均值、K-modes和K-原型等算法合而為一。當(dāng)?c?0時(shí)，對(duì)應(yīng)加權(quán)模糊K-均值算法；當(dāng)?r?0時(shí)，對(duì)應(yīng)加權(quán)模糊K-modes算法；當(dāng)?c?0且?r?0時(shí)，對(duì)應(yīng)加權(quán)模糊K-原型算法．

通過(guò)各種實(shí)際數(shù)據(jù)集的測(cè)試，實(shí)驗(yàn)結(jié)果表明，該算法的聚類(lèi)結(jié)果較之傳統(tǒng)模糊K-均值算法、K-modes算法和K-原型算法要更準(zhǔn)確、更高效。同時(shí)，該算法還可以分析各維特征對(duì)聚類(lèi)的貢獻(xiàn)度，有效進(jìn)行特征提取和優(yōu)選，這對(duì)聚類(lèi)算法研究及其應(yīng)用都有一定的意義。

3）基于網(wǎng)格和密度的聚類(lèi)算法 基于網(wǎng)格和密度的聚類(lèi)方法是一類(lèi)重要的聚類(lèi)方法，它們?cè)谝钥臻g信息處理為代表的眾多領(lǐng)域有著廣泛應(yīng)用。特別是伴隨著新近處理大規(guī)模數(shù)據(jù)集、可伸縮的聚類(lèi)方法的開(kāi)發(fā)，其在空間數(shù)據(jù)挖掘研究子域日趨活躍。

與傳統(tǒng)聚類(lèi)算法不同：基于密度的聚類(lèi)算法，通過(guò)數(shù)據(jù)密度(單位區(qū)域內(nèi)的實(shí)例數(shù))來(lái)發(fā)現(xiàn)任意形狀的類(lèi)簇；基于網(wǎng)格的聚類(lèi)算法，使用一個(gè)網(wǎng)格結(jié)構(gòu)，圍繞模式組織由矩形塊劃分的值空間，基于塊的分布信息實(shí)現(xiàn)模式聚類(lèi)。基于網(wǎng)格的聚類(lèi)算法常常與其他方法相結(jié)合，特別是與基于密度的聚類(lèi)方法相結(jié)合。

4）其他聚類(lèi)方法 a.ACODF聚類(lèi)算法

2004年，Tsai等人出一個(gè)新穎的具有不同偏好的蟻群系統(tǒng)(novel As)一ACODF(a novel data clustering approach for data mining in large databases)，用來(lái)解決數(shù)據(jù)聚類(lèi)問(wèn)題(當(dāng)時(shí)未見(jiàn)用于數(shù)據(jù)聚類(lèi)的ACO(ant colony optimization)算法的報(bào)道)。設(shè)計(jì)一種不需要求解任何硬子問(wèn)題(any hard sub-problem)，但能給出近似最優(yōu)解的聚類(lèi)算法，是人們所期待的。ACODF能夠快速獲得最優(yōu)解，它所包含的3個(gè)重要策略介紹如下：(1)應(yīng)用不同偏好的(favorable)ACO策略．每個(gè)螞蟻只需訪問(wèn)全部城市數(shù)的十分之一，并且訪問(wèn)城市數(shù)目逐次減少；幾次循環(huán)之后，兩點(diǎn)間相對(duì)短的路徑的信息素濃度增加，兩點(diǎn)間相對(duì)長(zhǎng)的路徑的信息素減少。因此，螞蟻喜歡訪問(wèn)距離近的節(jié)點(diǎn)，并用自己的信息素加強(qiáng)此路徑(由其喜歡訪問(wèn)的節(jié)點(diǎn)組成)；最后形成具有較高濃度的路徑，即聚類(lèi)完成。(2)為減少獲得局部最優(yōu)解所需要訪問(wèn)的城市數(shù)量，對(duì)蟻群采用模擬退火策略。為此設(shè)計(jì)了兩個(gè)公式：ns(t?1)?ns(t)?T，其中，ns是蟻群在T0函數(shù)期間訪問(wèn)的節(jié)點(diǎn)數(shù)，T是一個(gè)常數(shù)（T?0.95）。nft(?)12??nst()3/ins??t()(/unr)3?，其中，nf是蟻群在T1函數(shù)期間訪問(wèn)的節(jié)點(diǎn)數(shù)，nf(t?1)表示當(dāng)蟻群的訪問(wèn)節(jié)點(diǎn)數(shù)，nf(t)表示上一次循環(huán)蟻群訪問(wèn)的節(jié)點(diǎn)數(shù)，run?2,i?{1,2}。（3）使用錦標(biāo)賽(tournament)選擇策略。與傳統(tǒng)ACO不同，ACODF采用錦標(biāo)賽選擇技術(shù)進(jìn)行路徑選擇。即從N條路徑中隨機(jī)選擇K條路徑，再?gòu)倪@K條路徑中選擇最短路徑N?K。

Tsai等人分別進(jìn)行了模擬和實(shí)際數(shù)據(jù)實(shí)驗(yàn)。模擬數(shù)據(jù)實(shí)驗(yàn)：首先選含579個(gè)數(shù)據(jù)的數(shù)據(jù)集，分別用ACODF,GKA和FSOM+K-means等3種算法進(jìn)行非球形聚類(lèi)；然后選含300個(gè)數(shù)據(jù)的數(shù)據(jù)集，依次用上面3種算法進(jìn)行球形聚類(lèi)。實(shí)際數(shù)據(jù)實(shí)驗(yàn)：采用732個(gè)客戶(hù)信用卡上的8維實(shí)際數(shù)據(jù)，根據(jù)客戶(hù)收入和消費(fèi)進(jìn)行聚類(lèi)。實(shí)驗(yàn)結(jié)果表明，大多數(shù)情況下，ACODF的搜索速度比GKA和FSOM+K-means更快，且錯(cuò)誤率比它們更小。

四、合成孔徑雷達(dá)（SAR）變化檢測(cè)

合成孔徑雷達(dá)(Synthetic Aperture Radar，簡(jiǎn)稱(chēng)SAR)是二戰(zhàn)以后發(fā)展起來(lái)的一種高分辨率成像雷達(dá)，它利用以多普勒頻移理論和雷達(dá)相干為基礎(chǔ)的合成孔徑技術(shù)，突破了真實(shí)孔徑天線對(duì)方位向分辨率的限制，與脈沖壓縮技術(shù)相結(jié)合，實(shí)現(xiàn)了遠(yuǎn)距離目標(biāo)的二維高分辨率成像，具有全天候、全天時(shí)成像及對(duì)一些地物的穿透能力等特點(diǎn)。和其他傳感器圖像相比，能呈現(xiàn)更多的細(xì)節(jié)，能精確地確定目標(biāo)地域的大小，能更好地區(qū)分臨近目標(biāo)的特性。SAR作為一種新型的遙感技術(shù)，以其特有的優(yōu)勢(shì)和對(duì)傳統(tǒng)的遙感系統(tǒng)的互補(bǔ)，正成為遙感領(lǐng)域的研究重點(diǎn)之一。

1951年美國(guó)Goedyear公司的Wiley首先提出了合成孔徑雷達(dá)這一概念。1958年，美國(guó)密執(zhí)安大學(xué)進(jìn)行了飛行試驗(yàn)，獲得了世界上第一幅雷達(dá)圖像。1978年，美國(guó)發(fā)射了世界上第一顆搭載合成孔徑雷達(dá)系統(tǒng)的SEASAT衛(wèi)星，對(duì)地球表面1億平方公里的面積進(jìn)行了測(cè)繪，標(biāo)志著合成孔徑雷達(dá)成功地進(jìn)入了空間領(lǐng)域，掀起了合成孔徑雷達(dá)系統(tǒng)、信號(hào)處理以及應(yīng)用研究的高潮。伴隨信號(hào)處理、集成電路技術(shù)、微波和天線技術(shù)的迅速發(fā)展，合成孔徑雷達(dá)成為了當(dāng)前雷達(dá)技術(shù)領(lǐng)域的主流發(fā)展領(lǐng)域。

雷達(dá)圖像與光學(xué)圖像有以下區(qū)別:(1)微波具有穿透特性，可以透過(guò)云層、地表觀測(cè)，不受光線強(qiáng)度的影響。因此成像雷達(dá)具有全天候、全天時(shí)的工作能力，這是光學(xué)成像不具備的優(yōu)點(diǎn)。而且成像雷達(dá)與光學(xué)傳感器相比，具有更大的偵察范圍，可以發(fā)現(xiàn)不易被光學(xué)傳感器發(fā)現(xiàn)的目標(biāo)，得到大范圍、高分辨率的圖像。

(2)由于成像雷達(dá)的回波信號(hào)需要進(jìn)行一系列的復(fù)雜處理，因此與光學(xué)成像相比，設(shè)備更復(fù)雜，運(yùn)算量更大。

(3)成像雷達(dá)是相干處理系統(tǒng)，圖像中存在相干斑，這是雷達(dá)系統(tǒng)固有的缺點(diǎn)。相干斑導(dǎo)致圖像質(zhì)量的下降。因此在成像處理前，往往都要進(jìn)行相干斑抑制。光學(xué)成像由于原理不同，不存在這個(gè)問(wèn)題。(4)雷達(dá)成像就是從回波信號(hào)中提取目標(biāo)的后向散射系數(shù)，所以圖像反映的是被測(cè)地域的微波特性，而光學(xué)成像依據(jù)的是普通的反射。兩部分區(qū)域光學(xué)特性不同，但后向散射系數(shù)可能相同。因此雷達(dá)圖像不能區(qū)分這兩個(gè)區(qū)域，在光學(xué)圖像上區(qū)別卻很明顯。

(5)光學(xué)圖像通常是垂直照射地面所得，成像雷達(dá)則一般是側(cè)視成像。雷達(dá)波束以一定的俯角照射被測(cè)繪的地域，使得雷達(dá)圖像具有陰影、迎坡縮短等固有特征。與光學(xué)圖像相比，雷達(dá)圖像的輪廓比較清楚，有較好的對(duì)比度。

(6)在知道雷達(dá)的各種參數(shù)(如高度、入射角)的時(shí)候，對(duì)雷達(dá)圖像經(jīng)過(guò)插值等處理可以得到相同的比例尺表示，圖像不會(huì)產(chǎn)生畸變。光學(xué)圖像由于光在成像透鏡的光軸周?chē)恼凵渎什煌沟脠D像出現(xiàn)畸變，如遠(yuǎn)離軌跡處的圖像被壓縮。

雷達(dá)發(fā)射和接收的電磁波是向量波，要完整描述一個(gè)電磁波，除了要指明它的幅度、相位和頻率外，還要指明它的矢量方向，在雷達(dá)領(lǐng)域一般用極化描述電磁波的矢量方向。目標(biāo)對(duì)入射波的調(diào)制效應(yīng)，不僅是對(duì)幅度、相位和頻率的調(diào)制，還要對(duì)入射波的極化狀態(tài)進(jìn)行調(diào)制，從而，雷達(dá)回波信號(hào)不僅包含幅度信息、相位信息、頻率和視角信息，還包含有極化信息。要了解目標(biāo)完全的散射特性，就必須進(jìn)行極化測(cè)量。極化測(cè)量和多頻率測(cè)量、多視角測(cè)量一樣可以獲得更加豐富的目標(biāo)信息，它是微波遙感領(lǐng)域的一個(gè)重要研究方向。

SAR圖像的基本性質(zhì)： 1）SAR圖像相干斑特征

SAR圖像中的噪聲包括通常的系統(tǒng)噪聲和斑點(diǎn)噪聲，其中斑塊噪聲對(duì)圖像質(zhì)量的影響最大。

系統(tǒng)噪聲主要包括系統(tǒng)的非線性影響，最數(shù)據(jù)進(jìn)行采樣、量化、壓縮、傳輸和解碼等數(shù)字化過(guò)程以及圖像本身在成像過(guò)程中退化等影響，這些影響因素直接作用到圖像上，一般可以用高斯噪聲或椒鹽噪聲描述。

而對(duì)SAR圖像質(zhì)量影響最佳的斑點(diǎn)噪聲與圖像處理所遇到的噪聲有本質(zhì)的不同，這是因?yàn)槠湫纬傻奈锢磉^(guò)程有本質(zhì)區(qū)別，即SAR發(fā)射的是相干電磁波，雷達(dá)脈沖照射的地表單元都包含了很多的散射點(diǎn)，這一單元的總同波是各個(gè)散射點(diǎn)的相干疊加，而每個(gè)散射點(diǎn)回波的相位同傳感器與該點(diǎn)的距離有關(guān)，當(dāng)傳感器移動(dòng)時(shí)，所有單元內(nèi)的散射點(diǎn)的回波相位都發(fā)生變化。相幅也隨之變化，這樣當(dāng)傳感器移動(dòng)中連續(xù)觀測(cè)同一地表單元時(shí)將得到不同的幅度，這種幅度的變化稱(chēng)為衰弱；同樣地，具有相同后向散射截面的兩個(gè)觀測(cè)單元，如果在細(xì)微特征有差異，則它們的回波信號(hào)也會(huì)不同，這樣本來(lái)具有常數(shù)后向散射截面的圖像的同質(zhì)區(qū)域，像元問(wèn)會(huì)出現(xiàn)亮度變化，這種的現(xiàn)象稱(chēng)為斑點(diǎn)。當(dāng)斑點(diǎn)嚴(yán)重影響SAR圖像質(zhì)量時(shí)稱(chēng)為斑點(diǎn)噪聲(Speckle)。

SAR圖像的斑點(diǎn)噪聲是由雷達(dá)目標(biāo)的回波信號(hào)的衰落現(xiàn)象引起的，需要復(fù)雜的統(tǒng)計(jì)分布模型來(lái)描述。一般的，根據(jù)圖像分辨率和對(duì)應(yīng)的地域特性不同，常用來(lái)描述斑塊噪聲的統(tǒng)計(jì)分布模型包括瑞利分布、Gamma分布、對(duì)數(shù)正態(tài)分布、K分布和韋伯分布等。斑塊噪聲使得SAR圖像不能正確反映目標(biāo)的散射特性，嚴(yán)重的影響了圖像質(zhì)量，降低了對(duì)圖像中目標(biāo)的信息提取能力。因此，抑制相干斑噪聲，是SAR圖像應(yīng)用的重要課題，是SAR信息獲取系統(tǒng)不可或缺的組成部分。

2）其他固有特征及其應(yīng)用

除了相干斑的影響外，SAR圖像中還有一些其他固有的特征，如陰影、透視收縮、疊掩等。這些現(xiàn)象增加了SAR圖像解譯的難度，但是合理利用某些特征，也會(huì)得到一些額外的信息。

陰影是指當(dāng)雷達(dá)波束受山峰等高大目標(biāo)阻擋時(shí)，這些目標(biāo)的背面就收不到微波，因此沒(méi)有雷達(dá)回波，結(jié)果在圖像的相應(yīng)位置上出現(xiàn)暗區(qū)，這些暗區(qū)即為雷達(dá)陰影。陰影特征在SAR圖像分類(lèi)中具有一定的作用；它直接可以作為目標(biāo)存在 的依據(jù)，并且能夠提供通過(guò)目標(biāo)區(qū)域本身不能得到的互補(bǔ)的信息，特別是目標(biāo)的高度。因此陰影一般作為擴(kuò)展的圖像特征得到了足夠的礞視。廣泛應(yīng)用于目標(biāo)監(jiān)測(cè)和識(shí)別，并出現(xiàn)了一些專(zhuān)門(mén)的除陰影的算法。圖像適量的陰影能夠增強(qiáng)地形圖像的立體感，豐富了地形信息，有助于地物的判讀和解譯。

疊掩是指雷達(dá)對(duì)崎嶇的地區(qū)成像時(shí)，經(jīng)常會(huì)發(fā)生山頂(物體頂部)回波先于山谷(物體低部)到達(dá)接收機(jī)。圖像上出現(xiàn)的地形特征與實(shí)際的不符合，這種現(xiàn)象稱(chēng)為疊掩。透視收縮是指除垂直照射微波外．所有在圖像上量得的地面斜坡的長(zhǎng)度都比實(shí)際長(zhǎng)度短，這種現(xiàn)象稱(chēng)為透視收縮。變化檢測(cè)存在的問(wèn)題: 在進(jìn)行變化檢測(cè)之前，需要考慮以下幾個(gè)問(wèn)題：圖像配準(zhǔn)和圖像校正、門(mén)限值的選擇、輻射校正等。任何自動(dòng)變化檢測(cè)系統(tǒng)都需要考慮這些問(wèn)題，下面對(duì)這些問(wèn)題進(jìn)行簡(jiǎn)單討論：

1）圖像配準(zhǔn)和圖像校正

所有的變化檢測(cè)方法都要求對(duì)多時(shí)相圖像進(jìn)行精確配準(zhǔn)，即對(duì)應(yīng)像素點(diǎn)在多幅圖像中所在宅間坐標(biāo)完全相同。如果不能得到較高的圖像配準(zhǔn)精度，則在整個(gè)場(chǎng)景內(nèi)將有大量的變化區(qū)域，這種情況是由圖像錯(cuò)位造成的。

2）門(mén)限值的選擇

大多數(shù)變化檢測(cè)技術(shù)要求選擇一個(gè)門(mén)限值，以決定是否發(fā)生變化。現(xiàn)在主要有兩種選擇門(mén)限的方法：第一種是交互式方法，解譯員調(diào)整門(mén)限值直到結(jié)果滿意時(shí)為止。第二種方法是使用一些統(tǒng)計(jì)測(cè)量量，進(jìn)行自動(dòng)或半自動(dòng)門(mén)限檢驗(yàn)。

3）輻射校正

一些變化檢測(cè)技術(shù)要求進(jìn)行輻射校正。使用遙感圖像數(shù)據(jù)進(jìn)行變化檢測(cè)的前提是由感興趣的目標(biāo)變化引起的輻射值的改變要比由一些隨機(jī)因素引起的輻射值變化要大。這些隨機(jī)因素包括大氣條件、照射角和土壤濕度等。如果變化檢測(cè)技術(shù)對(duì)這些因素比較敏感，則就需要考慮進(jìn)行輻射校正。不同時(shí)相或傳感器的圖像數(shù)據(jù)可以參考確定沒(méi)有發(fā)生變化的區(qū)域進(jìn)行輻射校正，輻射校正一般采用圖像回歸法或直方圖變換技術(shù)。圖像變化檢測(cè)技術(shù)：

圖像變化檢測(cè)技術(shù)旨在檢測(cè)相隔一段時(shí)間的圖像之間發(fā)生的變化。圖像變化檢測(cè)技術(shù)主要依賴(lài)于輻射值或者局部紋理的變化。這些變化町能是由于地表覆蓋的真實(shí)變化引起的，或者是由照射角、大氣條件、傳感器精度、地面濕度等條件變化引起的。變化檢測(cè)的基本前提是相對(duì)于由一些隨機(jī)因素引起的變化，由對(duì)象本身變化引起的輻射值或局部紋理的變化是可分的。

在進(jìn)行變化檢測(cè)時(shí)，能夠知道類(lèi)別的轉(zhuǎn)化信息是非常有意義的，為此就必須對(duì)圖像進(jìn)行分類(lèi)。最初都是人工解譯，人工解譯依賴(lài)于解譯員對(duì)圖像的定性分析，解譯結(jié)果與解譯員的先驗(yàn)知識(shí)有很大的關(guān)系。對(duì)于小圖像來(lái)說(shuō)由于人眼對(duì)于圖形有著較好的分辨能力，所以人工解譯較快、較準(zhǔn)。但是對(duì)于大圖像來(lái)說(shuō)，人工解譯的工作就比較繁重。同時(shí)對(duì)于大量的同一地區(qū)、不同時(shí)間的多時(shí)相圖像，重復(fù)勞動(dòng)較多。應(yīng)用計(jì)算機(jī)來(lái)進(jìn)行變化檢測(cè)，可以很快地檢測(cè)出變化的區(qū)域，這樣就可以使解譯員能夠很快把注意力轉(zhuǎn)移到感興趣的區(qū)域，提高了效率。在遙感應(yīng)用中有許多普遍使用的變化檢測(cè)技術(shù)。現(xiàn)行研究應(yīng)用的變化檢測(cè)技術(shù)主要有以下五種。分類(lèi)結(jié)果比較法、圖像差值法、圖像比值法、主分量分析法、統(tǒng)計(jì)測(cè)試法。

1）分類(lèi)結(jié)果比較法

分類(lèi)結(jié)果比較法要求對(duì)每一剮圖像單獨(dú)進(jìn)行分類(lèi)，然后對(duì)多時(shí)相圖像的分類(lèi)結(jié)果圖像進(jìn)行比較。如果對(duì)應(yīng)像素的類(lèi)別標(biāo)簽相同，則認(rèn)為該像素沒(méi)有發(fā)生變化，否則認(rèn)為該像素發(fā)生了變化。分類(lèi)的方法可以是監(jiān)督分類(lèi)方法也可以是非監(jiān)督分類(lèi)方法。分類(lèi)后圖像可以用人工目視比較或者計(jì)算機(jī)比較。此方法的主要缺點(diǎn)是分類(lèi)錯(cuò)誤有組合影響，變化檢測(cè)的精度等于每幅圖像分類(lèi)精度的乘積。分類(lèi)結(jié)果比較法經(jīng)常用于檢測(cè)非城區(qū)向城區(qū)、森林向農(nóng)田的轉(zhuǎn)化、土地利用變化、濕地和森林檢測(cè)等。

2）圖像差值法

圖像差值法要求圖像中每一個(gè)像素的灰度值和另一副圖像中對(duì)應(yīng)像素的灰度值相減，結(jié)果圖像代表了在此期間期問(wèn)該地區(qū)的變化。圖像差值法可以應(yīng)用子單一波段(單變量圖像差分)，也可以應(yīng)用于多波段(多變量圖像差分)。圖像差值法經(jīng)常采用一些輻射校正來(lái)減少照射角、強(qiáng)度和視角變化的影響。圖像差值法經(jīng)常用于檢測(cè)海岸線環(huán)境變化、熱帶森林變化、溫帶森林變化、沙漠化、農(nóng)作物分析等。圖像差值法是基本的變化檢測(cè)方法之一。它通過(guò)計(jì)算多時(shí)相配準(zhǔn)圖像相應(yīng)像素的差值，從而產(chǎn)生一個(gè)差值圖像。差值圖像表達(dá)了場(chǎng)景在兩個(gè)時(shí)間內(nèi)所發(fā)生的變化。一般情形下它是將兩幅不同時(shí)期圖像中對(duì)應(yīng)像素的灰度值相減，得到一幅體現(xiàn)區(qū)域變化的差值圖像。圖像差值法的表達(dá)式為：

I(i,j)?I1(i,j)?I2(i,j)?C

其中i，j為像素坐標(biāo)值，I(i,j)像素灰度值，C為常量。

差值法變化檢測(cè)方法中的閾值問(wèn)題，可以等效為對(duì)差值圖像進(jìn)行“變化區(qū)域”與“不變區(qū)域”的兩類(lèi)的劃分問(wèn)題。把圖像差值作為變化檢測(cè)的方法，從理論上來(lái)理解是最直觀的，它對(duì)于單通道不同時(shí)相之間的變化檢測(cè)也是非常有效的。在應(yīng)用這種方法的時(shí)候，必須考慮選取閾值將有變化像元和無(wú)變化像元區(qū)分開(kāi)來(lái)，閾值的選取需要有一定的經(jīng)驗(yàn)，可以借助于多次檢測(cè)的結(jié)果。對(duì)于多通道不同時(shí)相圖像的變化，雖然在數(shù)學(xué)上很容易實(shí)現(xiàn)，但由于各種傳感器的通道之間往往是互為相關(guān)的，勢(shì)必會(huì)造成圖像之間的相關(guān)，所以在圖像差值時(shí)會(huì)存在許多問(wèn)題，這在理論上也不甚嚴(yán)密。

3）圖像比值法

圖像比值法計(jì)算已配準(zhǔn)的多時(shí)相圖像對(duì)應(yīng)像素的灰度值的比值，如果在一個(gè)像素上沒(méi)有發(fā)生變化，則比值接近1；如果在此像素上發(fā)生變化，則比值遠(yuǎn)大于或遠(yuǎn)小于1(依靠變化的方向)。圖像比值法需要進(jìn)行輻射校正。相比于罔像差值法，圖像比值法對(duì)SAR圖像上的乘性噪聲是不敏感的。

圖像比值法需要計(jì)算多時(shí)相配準(zhǔn)圖像相應(yīng)像素的比值。如果沒(méi)有發(fā)生變化，相應(yīng)波段中的相應(yīng)像素的期望比值接近于1。如果某些像素位置發(fā)生了變化，這個(gè)比值將會(huì)顯著地大于或小于1。圖像比值法的表達(dá)式為：

I(i,j)?I1(i,j)I2(i,j)比值法比差值法對(duì)SAR圖像中的乘性噪聲具有更好的抵抗能力。4）主分量分析法

主分量分析法使用主分量變換(離散K-L變換)，主分量變換是一個(gè)線性變換，它定義了一個(gè)新的正交坐標(biāo)系統(tǒng)，數(shù)據(jù)在此坐標(biāo)系統(tǒng)內(nèi)是不相關(guān)的。主分量變換可以從原始數(shù)據(jù)的協(xié)方差矩陣或相關(guān)矩陣的特征向量推出，新坐標(biāo)系統(tǒng)的坐標(biāo)軸是由這些矩陣的特征向量定義的。通過(guò)向量乘積對(duì)每一個(gè)單獨(dú)像素進(jìn)行變換，得到在一個(gè)新空間的新坐標(biāo)值。每一個(gè)特征向量可以看作為一個(gè)新波段，像素的坐標(biāo)值可以看作為在此“波段”上的亮度值。由每一個(gè)新“波段”引起的場(chǎng)景方差由相應(yīng)于矩陣特征向量的矩陣特征值決定。由于在沒(méi)有變化的區(qū)域圖像有一個(gè)較高的相關(guān)，在變化的區(qū)域有較低的相關(guān)。如果在多時(shí)相數(shù)據(jù)集中變化的主要部分和固定的地表覆蓋類(lèi)型相聯(lián)系，變化區(qū)域在產(chǎn)生的主分量圖像上得到增強(qiáng)。由協(xié)方差矩陣得到主分量和由相關(guān)矩陣得到的主分量是不同的，由相關(guān)矩陣推導(dǎo)的主分量變換對(duì)于多時(shí)相分析是尤其有用的，因?yàn)闃?biāo)準(zhǔn)化能夠減小大氣條件和太陽(yáng)角的影響。主分量分析應(yīng)用于兩個(gè)或更多時(shí)期的圖像集。

5）統(tǒng)計(jì)測(cè)試法

對(duì)于多時(shí)相圖像可以應(yīng)用統(tǒng)計(jì)測(cè)試方法檢測(cè)是否發(fā)生變化。有各種各樣的統(tǒng)計(jì)測(cè)試，兩個(gè)時(shí)期圖像數(shù)據(jù)之間的熵、相關(guān)系數(shù)和半方差等。此類(lèi)方法有圖像熵法、相關(guān)系數(shù)法等。

傳統(tǒng)的單通道單極化SAR僅能獲得地面場(chǎng)景在某一特定極化收發(fā)組合下的目標(biāo)散射特性，所得到的信息是非常有限的。多極化合成孔徑雷達(dá)(PolSAR)是用來(lái)測(cè)量輻射信號(hào)極化特征的新型成像雷達(dá)，它同時(shí)發(fā)射并同時(shí)接收H、V極化脈沖，且各極化脈沖之間是相干的。這樣，它不僅能測(cè)量振幅，也能記錄不同極化狀態(tài)組合回波的相位差、分析任意極化狀態(tài)的地物回波信息，大大提高了它對(duì)地物的識(shí)別能力。除了散射系數(shù)矩陣，極化SAR還能得到極化散射功率矩陣(如相干矩陣，協(xié)方差矩陣)。這些極化測(cè)量矩陣可以用來(lái)完全描述目標(biāo)散射回波的幅度和相位特性。總之，多極化SAR通過(guò)調(diào)整收發(fā)電磁波的極化方式可以獲得場(chǎng)景目標(biāo)的極化散射矩陣，為更加深入地研究目標(biāo)的散射特性提供了重要的依據(jù)，極大地增強(qiáng)了成像雷達(dá)對(duì)目標(biāo)信息的獲取能力。

具體來(lái)說(shuō)，多極化SAR相比單極化SAR，具有以下優(yōu)點(diǎn):(l)提供更加豐富的目標(biāo)信息。雷達(dá)發(fā)射的電磁波在目標(biāo)感應(yīng)電流而進(jìn)行再輻射，從而產(chǎn)生散射電磁波，散射波的性質(zhì)不同于入射波的性質(zhì)，這是由于目標(biāo)對(duì)入射波的調(diào)制效應(yīng)所致。這種調(diào)制效應(yīng)由目標(biāo)本身的物理結(jié)構(gòu)特性決定，不同目標(biāo)對(duì)相同入射波具有不同的調(diào)制特性。也就是說(shuō)，散射波含有關(guān)于目標(biāo)的信息，它是目標(biāo)信息的載體。一個(gè)電磁波可由幅度、相位、頻率以及極化等參量作完整的表達(dá)，分別描述它的能量特性、相位特性、振蕩特性和它的矢量特性，而目標(biāo)對(duì)電磁波的調(diào)制效應(yīng)，就體現(xiàn)在調(diào)制其幅度、相位、頻率以及極化等參量上。散射波的幅度特性、相位特性、頻率特性和極化特性與入射波相應(yīng)參量之間的差異，就成為獲得目標(biāo)信息乃至進(jìn)一步提取目標(biāo)分類(lèi)識(shí)別特征的重要依據(jù)。極化測(cè)量能夠提供目標(biāo)的極化特性。因此相對(duì)于非極化測(cè)量，極化測(cè)量能夠提供更加豐富的目標(biāo)信息。

(2)有利于確定和理解散射機(jī)理。極化SAR觀測(cè)，可以獲得目標(biāo)的散射矩陣，通過(guò)對(duì)散射矩陣的分析，特別是通過(guò)基于散射機(jī)理的目標(biāo)分解，就可以確定目標(biāo)的散射和成像機(jī)理。為了確定相關(guān)的散射和成像機(jī)理，就要用極化SAR進(jìn)行測(cè)量。

(3)有利于提高目標(biāo)檢測(cè)、辨別和分類(lèi)能力。對(duì)于同一目標(biāo)，在其它條件不變的情況下，使用水平極化波觀測(cè)和使用垂直極化波觀測(cè)，會(huì)得到不同的散射信息，這一點(diǎn)已廣為人知，使用不同的線性極化波照射，回波的強(qiáng)度可以相差15dB甚至更多。這就導(dǎo)致目標(biāo)識(shí)別上的不確定性，因?yàn)橛捎谀繕?biāo)方向角(垂直于視線方向，繞視線轉(zhuǎn)動(dòng)的角)的影響，同一種目標(biāo)的有效散射截面并不一定相同。要想解釋目標(biāo)的回波，就需要得到每一種線性極化波的回波。進(jìn)行極化測(cè)量，獲得散射矩陣后，可以得到任意極化的回波，就能夠消除這種不確定性。實(shí)踐證明極化SAR在許多應(yīng)用領(lǐng)域都有利于提高目標(biāo)檢測(cè)、辨別和分類(lèi)能力。文獻(xiàn)表明加入極化信息處理以后，檢測(cè)性能可以大大改善。

(4)有利于擴(kuò)大SAR系統(tǒng)的應(yīng)用范圍。眾所周知，不同的觀察對(duì)象，要用相應(yīng)的頻率、視角和極化的電磁波才能得到最好的觀察效果，因此，一部針對(duì)一類(lèi)目標(biāo)設(shè)計(jì)的優(yōu)秀的SAR系統(tǒng)，對(duì)于另一類(lèi)目標(biāo)來(lái)講可能就是一部很差的系統(tǒng)。這樣單極化測(cè)量SAR系統(tǒng)的應(yīng)用范圍就會(huì)受到極化的限制。由于多極化SAR系統(tǒng)可以得到多個(gè)極化狀態(tài)的SAR圖像，其應(yīng)用范圍就得到了很大的擴(kuò)展。

(5)有利于抑制雜波，提高抗干擾能力。雜波可能是人為的干擾信號(hào)，也可能是不感興趣的目標(biāo)的回波信號(hào)，極化SAR使得我們可以尋找一種極化狀態(tài)，在該狀態(tài)下有用信號(hào)與無(wú)用信號(hào)的強(qiáng)弱對(duì)比最強(qiáng)，從而提高了雜波抑制和抗干擾能力(尤其是對(duì)于單極化的干擾信號(hào))。極化合成孔徑雷達(dá)的出現(xiàn)，大大拓寬了SAR應(yīng)用領(lǐng)域，利用極化SAR圖像，可以提取更多的信息，這些信息在農(nóng)林、水文地理學(xué)、城市基本設(shè)施構(gòu)成、火山、地震學(xué)、考古學(xué)以及軍事偵察等領(lǐng)域具有無(wú)法估量的作用。隨著越來(lái)越多的PolSAR系統(tǒng)投入使用，獲得的PolSAR圖像數(shù)據(jù)越來(lái)越豐富，如何對(duì)這些圖像數(shù)據(jù)做出快速而準(zhǔn)確的解譯，一直是迫切需要解決的一個(gè)難題。

國(guó)內(nèi)外在雷達(dá)圖像處理方面的研究可以追溯到60年代，其發(fā)展受益于電磁散射理論、非線性理論、現(xiàn)代雷達(dá)技術(shù)和人工智能技術(shù)的發(fā)展。首先，目標(biāo)電磁散射機(jī)理方面的研究工作取得了長(zhǎng)足的發(fā)展，人們對(duì)目標(biāo)特性的了解更加深入，描述目標(biāo)的數(shù)學(xué)方法有了新的發(fā)展，先進(jìn)的雷達(dá)技術(shù)能夠提供更加豐富的目標(biāo)信息。其次非線性理論和人工智能技術(shù)被成功地應(yīng)用到雷達(dá)圖像的處理，以提取和獲得更加豐富的SAR圖像信息。

SAR圖像解譯是SAR從圖像處理中非常重要的一塊內(nèi)容。由于SAR圖像的信息表達(dá)與光學(xué)圖像有很大的差異，并受到相干斑噪聲及陰影、透視收縮、迎坡縮短、頂?shù)椎怪玫葞缀翁卣鞯挠绊懀沟肧AR圖像的自動(dòng)處理比常規(guī)圖像困難得多。

早期的遙感影像處理和分析都是通過(guò)目視解譯，依靠純?nèi)斯ぴ谙嗥辖庾g，后來(lái)發(fā)展為人機(jī)交互方式，并應(yīng)用一系列圖像處理方法進(jìn)行影像的增強(qiáng)，提高影像的視覺(jué)效果，利用圖像的影像特征(色調(diào)或色彩，即波譜特征)和空間特征(形狀、大小、陰影、紋理、圖形、位置和布局)，與多種非遙感信息資料(如地形圖、各種專(zhuān)題圖)組合，運(yùn)用相關(guān)規(guī)律，進(jìn)行由此及彼、由表及里、去偽存真的綜合分析和邏輯推理的思維過(guò)程。

隨著計(jì)算機(jī)技術(shù)和VLSI的發(fā)展，使我們有可能設(shè)計(jì)合適的算法通過(guò)計(jì)算機(jī)實(shí)現(xiàn)SAR圖像的自動(dòng)解譯，自動(dòng)解譯比目視解譯更為復(fù)雜，自動(dòng)解譯的過(guò)程不但要模擬目視解譯的機(jī)理，而且還要結(jié)合計(jì)算機(jī)本身的特點(diǎn)。當(dāng)前對(duì)SAR理解和解譯的研究都是以目標(biāo)識(shí)別為目的，并利用特征提取過(guò)程模擬人感知目標(biāo)的過(guò)程，用機(jī)器學(xué)習(xí)過(guò)程模擬人識(shí)別目標(biāo)的過(guò)程。這些與真正意義上的SAR圖像理解和解譯，即信息的最終獲得還相距甚遠(yuǎn)，但這些理論和方法為自動(dòng)解譯的有效實(shí)現(xiàn)奠定了基礎(chǔ)。

SAR圖像自動(dòng)地域分類(lèi)，就是將解譯系統(tǒng)中的前端部分單獨(dú)提取出來(lái)作為具體應(yīng)用的一個(gè)典型實(shí)例。其目的是對(duì)SAR圖像的RCS及其對(duì)應(yīng)區(qū)域的復(fù)雜度進(jìn)行分類(lèi)，對(duì)圖像進(jìn)行海洋、市區(qū)和植被區(qū)域等類(lèi)別標(biāo)定。

極化SAR圖像提供了更加豐富的地物信息，充分發(fā)掘和利用這些極化信息，可以更好的確定和理解目標(biāo)散射機(jī)理，從而會(huì)帶來(lái)更好的SAR圖像分類(lèi)結(jié)果。極化SAR研究現(xiàn)狀：

在極化理論方面，本世紀(jì)五十年代初人們己經(jīng)開(kāi)始研究多極化雷達(dá)的理論。1950年，Sinclair引入了散射矩陣概念，隨后，Kennaugh將這一概念引入雷達(dá)遙感領(lǐng)域并提出了最佳極化的概念，Graves在其基礎(chǔ)上提出了目標(biāo)的Graves功率矩陣。到了60年代，Huynen發(fā)展了Kelmaugh的目標(biāo)最佳極化概念，對(duì)雷達(dá)目標(biāo)的極化散射特性進(jìn)行了深入細(xì)致的研究，極大的更新了極化雷達(dá)系統(tǒng)的概念。到了80年代初期，Boerner所領(lǐng)導(dǎo)的研究小組以及JPL實(shí)驗(yàn)室的VanZyl幾乎同時(shí)將目標(biāo)最佳極化的概念推廣到一般的情況，研究了一般情況下雷達(dá)目標(biāo)的最佳極化問(wèn)題。在大量雷達(dá)極化專(zhuān)家的大力推動(dòng)和影響下，極化雷達(dá)理論受到了廣泛的重視，特別是在八十年代后期，當(dāng)極化雷達(dá)的優(yōu)點(diǎn)被美國(guó)宇航局確認(rèn)以后，極化理論得到了迅速的發(fā)展。在極化雷達(dá)系統(tǒng)研制方面，美國(guó)的開(kāi)L實(shí)驗(yàn)室于1985年研制成功第一部實(shí)際機(jī)載全極化合成孔徑雷達(dá)CV990機(jī)載SAR系統(tǒng)，該系統(tǒng)工作于L波段，四視分辨率大約是 10mx10m。20世紀(jì)90年代后，世界各國(guó)都在加緊籌劃和研制新的可進(jìn)行長(zhǎng)期觀測(cè)的各種先進(jìn)技術(shù)的空間雷達(dá)。目前投入使用的極化SAR系統(tǒng)有機(jī)載和星載兩種，機(jī)載系統(tǒng)有美國(guó)的AJRSA側(cè)TOPSAR，德國(guó)DLR的E-SAR，加拿大CCRS的C/X-SAR，日本NASDA/JAXA的Pl-SAR，丹麥的EMISAR等，星載系統(tǒng)有美國(guó)的SIR-C儀-SAR(航天飛機(jī)搭載)、日本的ALOSPALSAR，德國(guó)的TerraSAR-X，加拿大的RADARSAT-2等。其中TerraSAR-X和RADARSAT-2都是2007年才發(fā)射的。TerraSAR-X是由DLR和民營(yíng)企業(yè)EADS Astrium公司及Infoterra公司共同開(kāi)發(fā)，工作在短波長(zhǎng)的x波段，可以在三種模式下工作(sPotLight、StripMap、ScanSAR)，在SpotLight模式下最高分辨率可達(dá)到1m，在StripMap模式下可以提供從單極化到全極化各種類(lèi)型的數(shù)據(jù)，而在ScanSAR模式下可以達(dá)到100km的幅寬。RADARSAY-2是由加拿大空間署(CSA)與MDA公司合作研制，運(yùn)行于C波段，它可以提供11種波束模式，多樣化的極化方式，最高分辨率可達(dá)到1m。值得一提的是，在漢川地震發(fā)生后，對(duì)地觀測(cè)部門(mén)用5月16日RADARSAT-2拍攝的數(shù)據(jù)制成的漢川地區(qū)超精細(xì)地圖，在抗震救災(zāi)中發(fā)揮了作用。

在國(guó)內(nèi)，中科院電子學(xué)研究所從1976年開(kāi)始了合成孔徑雷達(dá)的研究，并于1979年研制成功我國(guó)第一臺(tái)機(jī)載合成孔徑雷達(dá)，獲得了第一張合成孔徑雷達(dá)圖像。1987年研制成功多條帶、多極化機(jī)載合成孔徑雷達(dá)系統(tǒng)。1994年研制成功機(jī)載合成孔徑雷達(dá)實(shí)時(shí)成像處理器。另外，國(guó)內(nèi)一些高等院校和科研院所也在進(jìn)行極化SAR理論和極化雷達(dá)系統(tǒng)的研究。極化SAR圖像目標(biāo)分類(lèi)識(shí)別研究現(xiàn)狀：

美國(guó)在整個(gè)SAR圖像解譯領(lǐng)域處于國(guó)際領(lǐng)先水平。美國(guó)從二十世紀(jì)八十年代就開(kāi)始了對(duì)SAR圖像解譯技術(shù)的研究，并且投入數(shù)百億美元進(jìn)行SAR數(shù)據(jù)的獲取以及后續(xù)處理的研究。其中最引人注目的包括ADTS(Advanced Detection Technology Sensor)、MSTAR(Moving and Stational Target Acquisition and Recognition)和SAIP(Semi-Automated IMINT Processing)等三個(gè)項(xiàng)目。其它一些國(guó)家，例如加拿大、德國(guó)、日本、英國(guó)、法國(guó)、意大利和印度等也都制定了有關(guān)的研究計(jì)劃。在具體的SAR自動(dòng)地域分類(lèi)算法研究方面，馬里蘭大學(xué)的自動(dòng)化研究中心(Centre of Automation Research)、美國(guó)空軍技術(shù)學(xué)院的電子學(xué)與計(jì)算機(jī)工程系(Department of Electrical and Computer Engineering)、圣地亞(Sandia)國(guó)家實(shí)驗(yàn)室、林肯(Lincoln)實(shí)驗(yàn)室以及懷特(Wright)實(shí)驗(yàn)室走在最前列。例如，馬里蘭大學(xué)的S.Kuttikad和R.Chellappa等利用多通道全極化的SAR數(shù)據(jù)，成功地將SAR圖像分割成為陰影、背景區(qū)域、樹(shù)木、道路、建筑物和人造目標(biāo)等類(lèi)別。美國(guó)空軍技術(shù)學(xué)院的Steven K.Rogers、Dennis W.Ruck、Gregory L.Tarr和Mattathew Kabrisky等九位學(xué)者和懷特實(shí)驗(yàn)室的Kevln J.Winy一起，利用小波和分形技術(shù)，成功地將極化ADTSSAR圖像分割成為陰影、背景區(qū)域、樹(shù)木和人造目標(biāo)等類(lèi)別。Robert等利用馬爾可夫隨機(jī)場(chǎng)的方法將SAR圖像分割成為目標(biāo)區(qū)域、背景區(qū)域和陰影區(qū)域。Scott Evan Decatur和Yoshihisa Hara等、Z.Belhadj等分別研究了統(tǒng)計(jì)分類(lèi)算法和人工神經(jīng)網(wǎng)絡(luò)在SAR ATC中的應(yīng)用。法國(guó)的Hans Chrstoph Quelle等提出了利用Pearson系統(tǒng)分布來(lái)進(jìn)行自適應(yīng)SAR圖像分割。在極化SAR圖像分類(lèi)方面，目標(biāo)極化分解是與散射機(jī)理密切結(jié)合的SAR圖像分類(lèi)的重要方向。這個(gè)方向是伴隨著Huyen“雷達(dá)目標(biāo)現(xiàn)象學(xué)”理論的建立而發(fā)展起來(lái)的，該理論充分利用散射矩陣提供的信息研究了適合所有目標(biāo)的雷達(dá)目標(biāo)的一般特性(包括極化特性)，較好地解釋了雷達(dá)目標(biāo)的散射機(jī)理。1986年，Cloude提出了Pauh分解，將目標(biāo)在水平垂直極化基下分解為面、二面角、450傾斜二面角和交叉極化子四種成分，在滿足互易對(duì)稱(chēng)的條件下，Pauli分解簡(jiǎn)化為前面三種成分。第一種成分對(duì)應(yīng)于球面、平面和三面體這樣的結(jié)構(gòu)，主要是表示單散射或奇數(shù)次散射情況;第二種成分即方位角是0o的二面角結(jié)構(gòu)，主要是表示偶次散射情況;第三種成分即方位角是450的二面角，主要表示體散射機(jī)理。1990年，Krogager引入了一種旋轉(zhuǎn)不變分解，將目標(biāo)散射矩陣分解為球、二面體和螺旋體(不同的情況對(duì)應(yīng)不同的旋轉(zhuǎn)方向)。另外，1990年，Cameron提出了一種分解方法，是將散射矩陣分解為一個(gè)最大對(duì)稱(chēng)成分和一個(gè)最小對(duì)稱(chēng)成分(單站雷達(dá)目標(biāo)互易情況，散射矩陣不對(duì)稱(chēng)時(shí)分解為一個(gè)最大對(duì)稱(chēng)成分和一個(gè)非對(duì)稱(chēng)成分)。根據(jù)最大對(duì)稱(chēng)成分進(jìn)行變換，可以對(duì)地物進(jìn)行詳細(xì)分類(lèi)，最后可以分解得到6種成分，三面體、二面體、窄二面體、偶極子、柱面體和1/4波振子。國(guó)內(nèi)的一些單位也都在SAR圖像分類(lèi)和自動(dòng)識(shí)別方面積極開(kāi)展研究，如國(guó)防科技大學(xué)、電子科技大學(xué)、清華大學(xué)、中科院電子所等都取得了一些研究成果。但由于受傳感器發(fā)展水平、數(shù)據(jù)源等各種條件的限制，我國(guó)在極化SAR分類(lèi)識(shí)別方面還處于初級(jí)階段，缺乏系統(tǒng)性的研究成果。

總之，目前的極化SAR圖像分類(lèi)方面的研究總體落后于極化SAR系統(tǒng)的發(fā)展，對(duì)探測(cè)到的極化散射信息的發(fā)掘程度還不夠，分類(lèi)正確率和精細(xì)度還不夠高，取得的成果與實(shí)際需求之間還有較大距離。因此，在極化SAR圖像分類(lèi)方面進(jìn)行更為深入的研究，很有必要。另外，近些年來(lái)，有研究者把一些新的數(shù)據(jù)處理技術(shù)引入到SAR圖像處理中，這其中比較有代表性的是獨(dú)立分量分析(ICA)。目前ICA主要被用來(lái)進(jìn)行SAR圖像的相干斑抑制和一些特征提取，將ICA用于極化SAR圖像分類(lèi)的研究成果還不多見(jiàn)，因此可以在這方面進(jìn)行一些研究和探索。

五、壓縮感知（CS）

壓縮感知理論提出的背景：在過(guò)去的半個(gè)世紀(jì)里，奈奎斯特采樣定理幾乎支配著所有的信號(hào)或圖像等的獲取、處理、存儲(chǔ)以及傳輸。它要求采樣頻率必須大于或等于信號(hào)帶寬的兩倍，才能不失真的重構(gòu)原始信號(hào)。在許多實(shí)際應(yīng)用中，例如高分辨率的數(shù)碼裝置及超帶寬信號(hào)處理，高速采樣產(chǎn)生了龐大的數(shù)據(jù)，為了降低存儲(chǔ)，處理或傳輸成本，只保留其中少量的重要數(shù)據(jù)。由于采樣后得到的大部分?jǐn)?shù)據(jù)都被丟棄了，所以這種方式造成了采樣資源的嚴(yán)重浪費(fèi)。設(shè)想如果在采樣的同時(shí)直接提取信號(hào)的少量重要信息，就可以大大降低采樣頻率，節(jié)約資源，提高效率而且仍能夠精確重構(gòu)原始信號(hào)或圖像。這就是Donoho、Candes以及Tao等人提出壓縮感知（Compressed Sensing、Compressive Sampling或Compressive Sensing，CS）理論的主要思想。

壓縮感知理論：如果信號(hào)在某個(gè)變換域是稀疏的或可壓縮的，就可以利用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣將變換所得的高維信號(hào)投影到一個(gè)低維空間上，根據(jù)這些少量的觀測(cè)值，通過(guò)求解凸優(yōu)化問(wèn)題就可以實(shí)現(xiàn)信號(hào)的精確重構(gòu)。壓縮感知采集方法并不是對(duì)數(shù)據(jù)直接進(jìn)行采集，而是通過(guò)一組特定波形去感知信號(hào)，即將信號(hào)投影到給定波形上面(衡量與給定波形的相關(guān)度)，感知到一組壓縮數(shù)據(jù)．最后利用最優(yōu)化的方法實(shí)現(xiàn)對(duì)壓縮數(shù)據(jù)解密。估計(jì)出原始信號(hào)的重要信息．壓縮感知關(guān)鍵的問(wèn)題是如何給定用來(lái)感知信號(hào)的波形才能有效地恢復(fù)出原始信號(hào)的重要信息。CS理論框架：

1）傳統(tǒng)理論框架

編碼端先對(duì)信號(hào)進(jìn)行采樣，再對(duì)所有采樣值進(jìn)行變換，并將其中重要系數(shù)的幅度和位置進(jìn)行編碼，最后將編碼值進(jìn)行存儲(chǔ)或傳輸：信號(hào)的解碼過(guò)程僅僅是編碼的逆過(guò)程，接收的信號(hào)經(jīng)解壓縮、反變換后得到恢復(fù)信號(hào)。采用這種傳統(tǒng)的編解碼方法，由于信號(hào)的采樣速率不得低于信號(hào)帶寬的2倍，使得硬件系統(tǒng)面臨著很大的采樣速率的壓力。此外在壓縮編碼過(guò)程中，大量變換計(jì)算得到的小系數(shù)被丟棄，造成了數(shù)據(jù)計(jì)算和內(nèi)存資源的浪費(fèi)。

2）壓縮感知理論框圖

壓縮感知理論對(duì)信號(hào)的采樣、壓縮編碼發(fā)生在同一個(gè)步驟，利用信號(hào)的稀疏性，以遠(yuǎn)低于Nyquist采樣率的速率對(duì)信號(hào)進(jìn)行非自適應(yīng)的測(cè)量編碼。測(cè)量值并非信號(hào)本身，而是從高維到低維的投影值，從數(shù)學(xué)角度看，每個(gè)測(cè)量值是傳統(tǒng)理論下的每個(gè)樣本信號(hào)的組合函數(shù)，即一個(gè)測(cè)量值已經(jīng)包含了所有樣本信號(hào)的少量信息。解碼過(guò)程不是編碼的簡(jiǎn)單逆過(guò)程，而是在盲源分離中的求逆思想下。利用信號(hào)稀疏分解中已有的重構(gòu)方法在概率意義上實(shí)現(xiàn)信號(hào)的精確重構(gòu)或者一定誤差下的近似重構(gòu)。解碼所需測(cè)量值的數(shù)目遠(yuǎn)小于傳統(tǒng)理論下的樣本數(shù)。壓縮感知的基本理論及核心問(wèn)題：

1）假設(shè)有一信號(hào)f(f?RN)，長(zhǎng)度為N，基向量為?i(i?1,2,...,N)，對(duì)信號(hào)進(jìn)行變換：

f??ai?i或f???

i?1N顯然f是信號(hào)在時(shí)域的表示，?是信號(hào)在?域的表示。信號(hào)是否具有稀疏性或者近似稀疏性是運(yùn)用壓縮感知理論的關(guān)鍵問(wèn)題，若(1)式中的?只有K個(gè)是非零值(N??K)者僅經(jīng)排序后按指數(shù)級(jí)衰減并趨近于零，可認(rèn)為信號(hào)是稀疏的。信號(hào)的可稀疏表示是壓縮感知的先驗(yàn)條件。在已知信號(hào)是可壓縮的前提下，壓縮感知過(guò)程可分為兩步：

a.設(shè)計(jì)一個(gè)與變換基不相關(guān)的M?N(M??N)維測(cè)量矩陣對(duì)信號(hào)進(jìn)行觀測(cè)，得到M維的測(cè)量向量。

b.由M維的測(cè)量向量重構(gòu)信號(hào)。2）信號(hào)的稀疏表示

稀疏的數(shù)學(xué)定義：信號(hào)X在正交基?下的變換系數(shù)向量為???TX，假如對(duì)于0?p?2和R?0，這些系數(shù)滿足：

||?||p?(?|?i|p)1/p?R

i

則說(shuō)明系數(shù)向量?在某種意義下是稀疏的．文獻(xiàn)[1]給出另一種定義：如果變換系數(shù)?i??X,?i?的支撐域{i;?i?0}的勢(shì)小于等于，K則可以說(shuō)信號(hào)X是K項(xiàng)稀疏。如何找到信號(hào)最佳的稀疏域? 這是壓縮感知理論應(yīng)用的基礎(chǔ)和前提，只有選擇合適的基表示信號(hào)才能保證信號(hào)的稀疏度，從而保證信號(hào)的恢復(fù)精度。在研究信號(hào)的稀疏表示時(shí)，可以通過(guò)變換系數(shù)衰減速度來(lái)衡量變換基的稀疏表示能力。Candes和Tao研究表明，滿足具有冪次(power-law)速度衰減的信號(hào)，可利用壓縮感知理論得到恢復(fù)。

最近幾年，對(duì)稀疏表示研究的另一個(gè)熱點(diǎn)是信號(hào)在冗余字典下的稀疏分解．這是一種全新的信號(hào)表示理論：用超完備的冗余函數(shù)庫(kù)取代基函數(shù)，稱(chēng)之為冗余字典，字典中的元素被稱(chēng)為原子．字典的選擇應(yīng)盡可能好地符合被逼近信號(hào)的結(jié)構(gòu)，其構(gòu)成可以沒(méi)有任何限制．從從冗余字典中找到具有最佳線性組合的K項(xiàng)原子來(lái)表示一個(gè)信號(hào)，稱(chēng)作信號(hào)的稀疏逼近或高度非線性逼近。

目前信號(hào)在冗余字典下的稀疏表示的研究集中在兩個(gè)方面：a.如何構(gòu)造一個(gè)適合某一類(lèi)信號(hào)的冗余字典；b.如何設(shè)計(jì)快速有效的稀疏分解算法．這兩個(gè)問(wèn)題也一直是該領(lǐng)域研究的熱點(diǎn)，學(xué)者們對(duì)此已做了一些探索，其中以非相干字典為基礎(chǔ)的一系列理論證明得到了進(jìn)一步改進(jìn)．西安電子科技大學(xué)的石光明教授也對(duì)稀疏表示問(wèn)題進(jìn)行了認(rèn)真研究，并基于多組正交基級(jí)聯(lián)而成的冗余字典提出一種新的稀疏分解方法。

3)信號(hào)的觀測(cè)矩陣

用一個(gè)與變換矩陣不相關(guān)的M?N(M??N)測(cè)量矩陣?對(duì)信號(hào)進(jìn)行線性投影，得到線性測(cè)量值y：

y??f

測(cè)量值y是一個(gè)M維向量，這樣使測(cè)量對(duì)象從N維降為M維。觀測(cè)過(guò)程是非自適應(yīng)的即測(cè)量矩陣少的選擇不依賴(lài)于信號(hào)f。測(cè)量矩陣的設(shè)計(jì)要求信號(hào)從f轉(zhuǎn)換為y的過(guò)程中，所測(cè)量到的K個(gè)測(cè)量值不會(huì)破壞原始信號(hào)的信息，保證信號(hào)的精確重構(gòu)。

由于信號(hào)f是是可稀疏表示的，上式可以表示為下式：

y??f???????

其中?是一個(gè)M?N矩陣。上式中，方程的個(gè)數(shù)遠(yuǎn)小于未知數(shù)的個(gè)數(shù)，方程無(wú)確定解，無(wú)法重構(gòu)信號(hào)。但是，由于信號(hào)是K稀疏，若上式中的?滿足有限等距性質(zhì)(Restricted Isometry Property，簡(jiǎn)稱(chēng)RIP)，即對(duì)于任意K稀疏信號(hào)f和常數(shù)?k?(0,1)，矩陣?滿足：

||?f||221??k??1??k2||f||2 則K個(gè)系數(shù)能夠從M個(gè)測(cè)量值準(zhǔn)確重構(gòu)。RIP性質(zhì)的等價(jià)條件是測(cè)量矩陣?和稀疏基?不相關(guān)。目前，用于壓縮感知的測(cè)量矩陣主要有以下幾種：高斯隨機(jī)矩陣，二值隨機(jī)矩陣(伯努力矩陣)，傅立葉隨機(jī)矩陣，哈達(dá)瑪矩陣，一致球矩陣等。

信號(hào)的重構(gòu)算法：

當(dāng)矩陣?滿足RIP準(zhǔn)則時(shí)。壓縮感知理論能夠通過(guò)對(duì)上式的逆問(wèn)題先求解稀疏系數(shù)???Tx，然后將稀疏度為K的信號(hào)x從M維的測(cè)量投影值y中正確地恢

l復(fù)出來(lái)。解碼的最直接方法是通過(guò)0范數(shù)下求解的最優(yōu)化問(wèn)題：

||?||min?l0s.ty????

從而得到稀疏系數(shù)的估計(jì)。由于上式的求解是個(gè)NP—HARD問(wèn)題。而該最優(yōu)化問(wèn)題與信號(hào)的稀疏分解十分類(lèi)似，所以有學(xué)者從信號(hào)稀疏分解的相關(guān)理論中尋找更有效的求解途徑。l1最小范數(shù)下在一定條件下和l0最小范數(shù)具有等價(jià)性，可得到相同的解。那么上式轉(zhuǎn)化為l1最小范數(shù)下的最優(yōu)化問(wèn)題：

||?||min?l1s.ty????

l1最小范數(shù)下最優(yōu)化問(wèn)題又稱(chēng)為基追蹤(BP)，其常用實(shí)現(xiàn)算法有：內(nèi)點(diǎn)法和梯度投影法。內(nèi)點(diǎn)法速度慢，但得到的結(jié)果十分準(zhǔn)確：而梯度投影法速度快，但沒(méi)有內(nèi)點(diǎn)法得到的結(jié)果準(zhǔn)確。二維圖像的重構(gòu)中，為充分利用圖像的梯度結(jié)構(gòu)。可修正為整體部分(Total Variation，TV)最小化法。由于l1最小范數(shù)下的算法速度慢，新的快速貪婪法被逐漸采用，如匹配追蹤法(MP)和正交匹配追蹤法(OMP)。此外，有效的算法還有迭代閾值法以及各種改進(jìn)算法。壓縮感知亟待解決的問(wèn)題： 1）基礎(chǔ)理論層面

a.基于非正交稀疏字典的壓縮感知信號(hào)重建理論。在等距約束性準(zhǔn)則驅(qū)動(dòng)的可壓縮信號(hào)壓縮感知定理中，關(guān)于稀疏字典Ψ和測(cè)量矩陣Φ僅要求兩者乘積Θ = Φ Ψ 滿足RIP。但是，測(cè)量矩陣設(shè)計(jì)部分關(guān)于壓縮測(cè)量個(gè)數(shù)M 的界定還額外附加了假設(shè)條件，即稀疏字典Ψ 是正交基。當(dāng)測(cè)量矩陣Φ依然通過(guò)三種方式生成，但是稀疏字典Ψ不再正交時(shí)，Θ = Φ Ψ 是否滿足RIP？壓縮測(cè)量個(gè)數(shù)M 的下限是否不變？由于過(guò)完備的稀疏字典才能保證表示系數(shù)具有足夠的稀疏性或衰減性，進(jìn)而能夠在減少壓縮測(cè)量的同時(shí)保證壓縮感知的重建精度，所以需要設(shè)計(jì)魯棒的測(cè)量矩陣Φ 使之與過(guò)完備稀疏字典依然滿足RIP，同時(shí)需要重新估計(jì)壓縮測(cè)量個(gè)數(shù)M 的下限，這時(shí)所需的壓縮測(cè)量定會(huì)減少。

b.自然圖像的自適應(yīng)壓縮感知信號(hào)重建理論。雖然基于線性投影的壓縮感知理論能夠直接應(yīng)用于自然圖像這樣的復(fù)雜高維信號(hào)，但是由于沒(méi)有考慮到自然圖像的固有特性，諸如結(jié)構(gòu)多成分性、高階統(tǒng)計(jì)性等，對(duì)于自然圖像壓縮采樣本身沒(méi)有特殊的指導(dǎo)作用。事實(shí)上，相對(duì)于一維離散信號(hào)，自然圖像的復(fù)雜性和高維性使之需要自適應(yīng)的壓縮采樣和重建算法。

例如，基于圖像多成分性的特點(diǎn)能夠提高重建圖像的峰值信噪比和視覺(jué)效果。注意到，壓縮感知理論的大部分文獻(xiàn)中，測(cè)量矩陣Φ 都是線性的且設(shè)計(jì)好的，不需根據(jù)觀測(cè)信號(hào)自適應(yīng)地變化。對(duì)于自然圖像，假如能夠?qū)崿F(xiàn)非線性自適應(yīng)的壓縮測(cè)量，壓縮感知的壓縮性能勢(shì)必會(huì)獲得大幅度的提高。目前，自然圖像的自適應(yīng)壓縮感知信號(hào)重建理論基本空白。這項(xiàng)工作對(duì)壓縮感知的理論推廣和實(shí)際應(yīng)用都具有重要意義。

c.p-范數(shù)優(yōu)化問(wèn)題

壓縮感知理論在圖像壓縮編碼等方面也應(yīng)該有很廣泛的前景，但由于信號(hào)的恢復(fù)方法是建立在1-范數(shù)意義下，數(shù)據(jù)之間還有很大的冗余性沒(méi)有去除，相比傳統(tǒng)的小波變換編碼，壓縮感知理論應(yīng)用于圖像壓縮的效果還不理想。p-范數(shù)的優(yōu)化是提高基于壓縮感知理論的壓縮算法效果的必經(jīng)之路．P范數(shù)的優(yōu)化方法是—個(gè)公開(kāi)問(wèn)題(open problem)，對(duì)它的研究將推動(dòng)壓縮感知理論在壓縮方面的應(yīng)用，具有很深遠(yuǎn)的意義．1-范數(shù)意義下的優(yōu)化問(wèn)題是一個(gè)凸函數(shù)優(yōu)化問(wèn)題，目前已有一些成熟的算法，但p-范數(shù)的優(yōu)化是一個(gè)非凸函數(shù)的優(yōu)化問(wèn)題，其中有很多數(shù)學(xué)問(wèn)題有待解決．有關(guān)P范數(shù)非凸函數(shù)優(yōu)化問(wèn)題，也有一些學(xué)者開(kāi)展研究。如Rick Chartrand用典型的合成數(shù)據(jù)做了一些實(shí)驗(yàn)，表明在一定的稀疏誤差范圍內(nèi)，可以得到最小值。變換基空間內(nèi)的系數(shù)嚴(yán)格的等距條件(restricted isometry)。由于有了嚴(yán)格的約束，完全適合于大多數(shù)實(shí)際的信號(hào)。

d.含噪信號(hào)的恢復(fù)算法 在實(shí)際工程應(yīng)用中，待處理信號(hào)一般都不同程度地受到各種噪聲的污染。含噪信號(hào)不是嚴(yán)格的稀疏信號(hào)，但是仍屬于可壓縮信號(hào)。現(xiàn)有的壓縮感知理論中恢復(fù)信號(hào)的最基本依據(jù)是信號(hào)在某個(gè)變換空間的分解系數(shù)是稀疏的，而噪聲的存在則破壞了信號(hào)在空間中的稀疏性．在使用優(yōu)化方法恢復(fù)信號(hào)時(shí)，如果對(duì)含噪信號(hào)采用單一的稀疏性約束原則，則無(wú)法有效恢復(fù)原始稀疏信號(hào)。這時(shí)，壓縮感知理論仍然可以采用其它有效的恢復(fù)信號(hào)的方法，主要的不同之處在于恢復(fù)過(guò)程所使用的優(yōu)化目標(biāo)函數(shù)的形式不同，參數(shù)的設(shè)置不同。不同的優(yōu)化目標(biāo)函數(shù)使得信號(hào)的恢復(fù)效果也不盡相同。

2)實(shí)現(xiàn)方法層面

a.基于學(xué)習(xí)的自然圖像過(guò)完備字典設(shè)計(jì)。目前，基于構(gòu)造方法的自然圖像過(guò)完備字典設(shè)計(jì)具有很好的理論支撐，正則化幾何方法、幾何多尺度分析、基于信息論的“有效編碼假設(shè)”為其奠定了堅(jiān)實(shí)廣闊的理論基礎(chǔ)。但是，從國(guó)際上關(guān)于過(guò)完備字典設(shè)計(jì)的整體情況看，基于學(xué)習(xí)的自然圖像過(guò)完備字典設(shè)計(jì)的工作非常少，主要在于：設(shè)計(jì)難度大、性能要求高，同時(shí)缺乏嚴(yán)格的理論支撐。這項(xiàng)工作對(duì)于稀疏字典和壓縮感知都將是重要的理論完善。

b.硬件易實(shí)現(xiàn)的確定性測(cè)量矩陣設(shè)計(jì)。在等距約束性準(zhǔn)則驅(qū)動(dòng)的可壓縮信號(hào)壓縮感知定理3、4 中，要求稀疏字典Ψ和測(cè)量矩陣Φ的乘積Θ = Φ Ψ 滿足RIP。其中，稀疏字典Ψ可以是正交的也可以是非正交的，測(cè)量矩陣Φ 可以是隨機(jī)的也可以是確定的。但是，面向應(yīng)用且硬件易實(shí)現(xiàn)的測(cè)量矩陣應(yīng)該具有以下基本特點(diǎn)：滿足等距約束性、壓縮測(cè)量個(gè)數(shù)少、采樣計(jì)算成本低、存儲(chǔ)矩陣的空間小、以及測(cè)量矩陣最好是確定性的。設(shè)計(jì)出硬件容易實(shí)現(xiàn)的測(cè)量矩陣和快速穩(wěn)定的重建算法是將壓縮感知理論推向?qū)嵱玫年P(guān)鍵。

c.噪聲情形大尺度問(wèn)題的快速魯棒重建算法設(shè)計(jì)。快速穩(wěn)定的信號(hào)重建算法是將壓縮感知理論推向?qū)嵱玫年P(guān)鍵技術(shù)之一，特別適用于糾錯(cuò)編碼、核磁共振成像、NMR波譜研究等大尺度問(wèn)題。通常，基于最小化松弛算法的計(jì)算復(fù)雜度相對(duì)較高。因而，在最小化驅(qū)動(dòng)的壓縮感知理論完善工作的基礎(chǔ)上，希望能夠基于稀疏性自適應(yīng)的貪婪迭代和基于多層超先驗(yàn)建模的非凸迭代思想設(shè)計(jì)適于噪聲情形大尺度問(wèn)題的快速魯棒重建算法。壓縮感知的應(yīng)用

使用一定數(shù)量的非相關(guān)測(cè)量值能夠高效率地采集可壓縮信號(hào)的信息，這種特性決定了壓縮感知應(yīng)用的廣泛性。例如低成本數(shù)碼相機(jī)和音頻采集設(shè)備；節(jié)電型音頻和圖像采集設(shè)備；天文觀測(cè)；網(wǎng)絡(luò)傳輸；軍事地圖；雷達(dá)信號(hào)處理等等。以下歸納了壓縮感知幾個(gè)方面的應(yīng)用：

1)數(shù)據(jù)壓縮

在某些情況下，稀疏基在編碼中是未知的或在數(shù)據(jù)壓縮中是不能實(shí)際實(shí)現(xiàn)的。由于測(cè)量矩陣西是不需要根據(jù)緲的結(jié)構(gòu)來(lái)設(shè)計(jì)的，隨機(jī)測(cè)量矩陣可認(rèn)為是一個(gè)通用的編碼方案，而噦只有在解碼或重建信號(hào)的時(shí)候需要用到。這種通用用性在多信號(hào)裝置(如傳感器網(wǎng)絡(luò))的分布式編碼特別有用。

(2)信道編碼

壓縮感知的稀疏性、隨機(jī)性和凸優(yōu)化性，可以應(yīng)用于設(shè)計(jì)快速糾錯(cuò)碼以防止錯(cuò)誤傳輸。

(3)逆問(wèn)題

在其他情況下，獲取信號(hào)的唯一方法是運(yùn)用特定模式的測(cè)量系統(tǒng)?。然而，假定信號(hào)存在稀疏變換基?，并與測(cè)量矩陣?不相關(guān)，則能夠有效的感知的信號(hào)。這樣的應(yīng)用在文獻(xiàn)[2]中的MR血管造影術(shù)有提到，?記錄了傅立葉變換子集，所得到的期望的圖像信號(hào)在時(shí)域和小波域都是稀疏的。

(4)數(shù)據(jù)獲取

在某些重要的情況下，完全采集模擬信號(hào)的N個(gè)離散時(shí)間樣本是困難的，而且也難以對(duì)其進(jìn)行壓縮。而運(yùn)用壓縮感知，可以設(shè)計(jì)物理采樣裝置，直接記錄模擬信號(hào)離散、低碼率、不相關(guān)的測(cè)量值，有效地進(jìn)行數(shù)據(jù)獲取。基于RIP理論，目前已研制出了一些設(shè)備，有萊斯大學(xué)研制的單像素相機(jī)和A/I轉(zhuǎn)換器，麻省理工學(xué)院研制的編碼孔徑相機(jī)，耶魯大學(xué)研制的超譜成像儀，麻省理工學(xué)院研制的MRI RF脈沖設(shè)備，伊利諾伊州立大學(xué)研制的DNA微陣列傳感器。總結(jié)：

壓縮感知理論的研究已經(jīng)有了一些成果，但是仍然存在大量的閱題需要研究．概括為以下幾個(gè)方面：

1)對(duì)于穩(wěn)定的重構(gòu)算法是否存在一個(gè)最優(yōu)的確定性的觀測(cè)矩陣； 2)如何構(gòu)造穩(wěn)定的、計(jì)算復(fù)雜度較低的、對(duì)觀測(cè)次數(shù)限制較少的重構(gòu)算法來(lái)精確地恢復(fù)可壓縮信號(hào)；

3)如何找到一種有效且快速的稀疏分解算法是冗余字典下的壓縮感知理論的難點(diǎn)所在；

4)如何設(shè)計(jì)有效的軟硬件來(lái)應(yīng)用壓縮感知理論解決大量的實(shí)際問(wèn)題，這方面的研究還遠(yuǎn)遠(yuǎn)不夠；

5)對(duì)于p_范數(shù)優(yōu)化問(wèn)題的求解研究還遠(yuǎn)遠(yuǎn)不夠；

6)含噪信號(hào)或采樣過(guò)程中引入噪聲時(shí)的信號(hào)重構(gòu)問(wèn)題也是難點(diǎn)所在，研究結(jié)果尚不理想．此外，壓縮感知理論與信號(hào)處理其它領(lǐng)域的融合也遠(yuǎn)不夠，如信號(hào)檢測(cè)、特征提取等。cs理論與機(jī)器學(xué)習(xí)等領(lǐng)域的內(nèi)在聯(lián)系方面的研究工作已經(jīng)開(kāi)始。

壓縮感知理論是新誕生的，雖然還有許多問(wèn)題待研究，但它是對(duì)傳統(tǒng)信號(hào)處理的一個(gè)極好的補(bǔ)充和完善，是一種具有強(qiáng)大生命力的理論，其研究成果可能對(duì) 信號(hào)處理等領(lǐng)域產(chǎn)生重大影響。

六、多目標(biāo)優(yōu)化方法

無(wú)論是在自然學(xué)科領(lǐng)域還是在社會(huì)學(xué)科領(lǐng)域，以最小的成本獲取最大的效益，始終是人類(lèi)追求的目標(biāo)。最小化成本的同時(shí)最大化效益，將一對(duì)矛盾的兩個(gè)方面同時(shí)考慮，構(gòu)成了一個(gè)典型的多目標(biāo)優(yōu)化問(wèn)題。工程實(shí)踐中的方案設(shè)計(jì)，社會(huì)發(fā)展與國(guó)民經(jīng)濟(jì)中的規(guī)劃與決策，大都可以視為多目標(biāo)優(yōu)化問(wèn)題。采用多目標(biāo)優(yōu)化方法，可以對(duì)這些問(wèn)題中相互沖突的目標(biāo)進(jìn)行很好的權(quán)衡，給出滿意的優(yōu)化結(jié)果，從而提高人類(lèi)改造自然、改造社會(huì)的能力。為此，研究多目標(biāo)優(yōu)化方法，并將其應(yīng)用于工程實(shí)踐，是十分必要的。

傳統(tǒng)的多目標(biāo)優(yōu)化方法往往采用權(quán)值將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化問(wèn)題，然后采用單目標(biāo)優(yōu)化方法求解其最優(yōu)值。由于不符合多目標(biāo)優(yōu)化問(wèn)題本身的特點(diǎn)，傳統(tǒng)方法在求解多目標(biāo)優(yōu)化問(wèn)題時(shí)表現(xiàn)的相當(dāng)脆弱。法國(guó)經(jīng)濟(jì)學(xué)家V.Pareto(1848～1923)在經(jīng)濟(jì)學(xué)領(lǐng)域最早提出了Pareto解集的概念。Pareto解集的概念十分符合多目標(biāo)優(yōu)化問(wèn)題本身的特點(diǎn)，在多目標(biāo)優(yōu)化方法研究中具有里程碑的意義。近些年來(lái)發(fā)展起來(lái)的多目標(biāo)優(yōu)化方法，絕大部分都是基于Pareto概念的多目標(biāo)演化算法。例如，多目標(biāo)遺傳算法(Multiple Objective Genetic Algorithm，MOGA)，非劣分層遺傳算法(Non．dominated Sorting Genetic Algorithm，NSGA)，小組決勝遺傳算法(Niched Pareto Genetic Algorithm，NPGA)，多目標(biāo)粒子群優(yōu)化算法(Multiple Objective Particle Swarm Optimization，MOPSO)等。性能優(yōu)越的多目標(biāo)優(yōu)化方法，應(yīng)該能夠得到比較理想的非劣解集，具體包括以下幾個(gè)方面獲得的非劣解集與真實(shí)非劣解集的距離應(yīng)盡可能的小；獲得的非劣解集應(yīng)該均勻分布；獲得的非劣解集應(yīng)有較好的擴(kuò)展性，即非劣解集的端點(diǎn)應(yīng)盡量接近單目標(biāo)極值。

目前多目標(biāo)優(yōu)化方法的研究主要集中在以下幾個(gè)方面：

1）高效多目標(biāo)優(yōu)化方法的研究

為了得到性能優(yōu)越的多目標(biāo)優(yōu)化方法，一些學(xué)者提出了新的思路。例如，2003年Li等人等人提出了PPGA(Predator-Prey Genetic Algorithm)算法。該算法采用基于超立方體的方法，模擬自然界食肉動(dòng)物與食草動(dòng)物間的關(guān)系進(jìn)行演化計(jì)算。該方法的顯著特點(diǎn)是可以動(dòng)態(tài)的改變種群結(jié)構(gòu)，同時(shí)對(duì)個(gè)體的評(píng)價(jià)規(guī)則可以不止一個(gè)(每個(gè)捕食者代表的規(guī)則可以不同)，而小生境則通過(guò)超立方體網(wǎng)格自動(dòng)實(shí)現(xiàn)。不過(guò)，尋求高效多目標(biāo)優(yōu)化方法的研究還是更多地集中于對(duì)已有算法的改進(jìn)方面。例如，在原有非劣分層遺傳算法(NSGA)的基礎(chǔ)上，Pratab A．Deb K等人發(fā)展了NSGA-II算法。

2）交互式多目標(biāo)優(yōu)化方法的研究

多目標(biāo)優(yōu)化問(wèn)題的優(yōu)化結(jié)果為一非劣解集。要得到眾多的非劣解不可避免的需要較大的計(jì)算開(kāi)支。在交互式多目標(biāo)優(yōu)化方法中，決策人不斷的根據(jù)優(yōu)化結(jié)果提煉偏好信息，然后在偏好信息的指導(dǎo)下進(jìn)行優(yōu)化。交互式多目標(biāo)優(yōu)化方法只搜索決策人關(guān)心的區(qū)域，因而不僅容易得到?jīng)Q策人滿意的優(yōu)化結(jié)果，而且計(jì)算開(kāi)支比較小。決策人的偏好一般用目標(biāo)期望值，優(yōu)先次序、效用函數(shù)、模糊邏輯等方式表示，但是在實(shí)際中要用明確的公式表達(dá)決策人的偏好是一件很困難的事情。目前，常用的交互式多目標(biāo)優(yōu)化方法有：逐步進(jìn)行法(STEM)、多目標(biāo)問(wèn)題的序貫解法(SEMOP)、Geoffrion法、代理價(jià)值權(quán)衡法(SWT)等。

3）多目標(biāo)優(yōu)化方法收斂性的研究。

目前，多目標(biāo)優(yōu)化算法缺乏收斂理論。Rudolph于1998年對(duì)兩目標(biāo)組成的簡(jiǎn)單多目標(biāo)優(yōu)化問(wèn)題的演化算法的收斂性行為進(jìn)行了分析，以集合間的距離定義解

第二篇：西電生產(chǎn)實(shí)習(xí)報(bào)告（定稿）

生產(chǎn)實(shí)習(xí)實(shí)驗(yàn)報(bào)告

2013年10月28日—11月1日，我在西安電子科技大學(xué)通信與信息工程專(zhuān)業(yè)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)中心內(nèi)進(jìn)行了生產(chǎn)實(shí)習(xí)，內(nèi)容為“TD-SCDMA”技術(shù)學(xué)習(xí)。實(shí)習(xí)期間，我通過(guò)軟件仿真和實(shí)際動(dòng)手操作設(shè)備，了解了最新的3G移動(dòng)通信的設(shè)備及其數(shù)據(jù)配置。

這次實(shí)習(xí)“TD-SCDMA”包括以下內(nèi)容：學(xué)習(xí)TD-SCDMA發(fā)展概述；學(xué)習(xí)TD-SCDMA關(guān)鍵技術(shù)；熟知實(shí)際設(shè)備：基站（基帶部分、射頻部分、智能天線）、RNC、CN；學(xué)習(xí)TD-SCDMA接口協(xié)議和信令呼叫流程；學(xué)習(xí)ZXTR RNC系統(tǒng)結(jié)構(gòu)；學(xué)習(xí)ZXTR B328 R04系統(tǒng)結(jié)構(gòu)；學(xué)習(xí)OMC仿真軟件操作指導(dǎo)；數(shù)據(jù)配制：公共資源配置、物理設(shè)備配置、ATM通信端口配置、局向配置、無(wú)線參數(shù)相關(guān)配置。

TD-SCDMA是英文Time Division-Synchronous Code Division Multiple Access（時(shí)分同步碼分多址）的簡(jiǎn)稱(chēng)，TD-SCDMA作為中國(guó)提出的第三代移動(dòng)通信標(biāo)準(zhǔn)(簡(jiǎn)稱(chēng)3G)，自1998年正式向ITU(國(guó)際電聯(lián))提交以來(lái)，已經(jīng)歷十多年的時(shí)間，完成了標(biāo)準(zhǔn)的專(zhuān)家組評(píng)估、ITU認(rèn)可并發(fā)布、與3GPP(第三代伙伴項(xiàng)目)體系的融合、新技術(shù)特性的引入等一系列的國(guó)際標(biāo)準(zhǔn)化工作，從而使TD－SCDMA標(biāo)準(zhǔn)成為第一個(gè)由中國(guó)提出的，以我國(guó)知識(shí)產(chǎn)權(quán)為主的、被國(guó)際上廣泛接受和認(rèn)可的無(wú)線通信國(guó)際標(biāo)準(zhǔn)。這是我國(guó)電信史上重要的里程碑。(注:3G共有4個(gè)國(guó)際標(biāo)準(zhǔn),另外3個(gè)是美國(guó)主導(dǎo)的CDMA2000、WiMAX和歐洲主導(dǎo)的WCDMA，相對(duì)于另兩個(gè)主要3G標(biāo)準(zhǔn)（CDMA2000）或（WCDMA）它的起步較晚。)

TD-SCDMA技術(shù)特點(diǎn)：

1.TD-SCDMA空中接口采用了四種多址技術(shù)：FDMA、TDMA、CDMA、SDMA。

2.TD-SCDMA是TDD工作模式，上下行鏈路使用同一頻率，上下行數(shù)據(jù)的傳輸由控制上下行的發(fā)送時(shí)間決定，發(fā)送時(shí)段內(nèi)不接收，接收時(shí)段內(nèi)不發(fā)送，而且可以靈活控制和改變發(fā)送和接收的時(shí)段長(zhǎng)短比例。

3.TD-SCDMA系統(tǒng)采用1.28Mb/s的碼片速率，只需占用單一的1.6MHz頻帶寬度，就可傳送2Mb/s的數(shù)據(jù)業(yè)務(wù)。

4.采用智能天線，可有效提高天線增益，大致定位用戶(hù)的方位和距離。

5.采用智能天線和上行同步技術(shù)，只有來(lái)自主瓣方向和較大副瓣方向的多徑干擾才會(huì)影響有用信號(hào)，極大地降低了多址干擾，有效提高了系統(tǒng)容量，從而提高了頻譜利用率。

6.采用接力切換，接力切換可提高切換成功率，減少切換時(shí)對(duì)鄰近基站信道資源的占用時(shí)間。

在實(shí)習(xí)期間，我弄清了以下TD-SCDMA系統(tǒng)的重要概念：

1、TD的多址方式；

四種多址技術(shù)：FDMA、TDMA、CDMA、SDMA。

2、TD的物理層結(jié)構(gòu)；

TD-SCDMA系統(tǒng)的物理信道采用4層結(jié)構(gòu)：系統(tǒng)幀號(hào)、無(wú)線幀、子幀、時(shí)隙/碼。系

統(tǒng)使用時(shí)隙和擴(kuò)頻碼來(lái)在時(shí)域和碼域上區(qū)分不同的用戶(hù)信號(hào)。

3、TD的時(shí)隙結(jié)構(gòu)，并進(jìn)行了說(shuō)明；

3GPP定義的一個(gè)TDMA幀長(zhǎng)度為10ms。一個(gè)10ms的幀分成兩個(gè)結(jié)構(gòu)完全相同的子幀，每個(gè)子幀的時(shí)長(zhǎng)為5ms。這是考慮到了智能天線技術(shù)的運(yùn)用，智能天線每隔5ms進(jìn)行一次波束的賦形。子幀分成7個(gè)常規(guī)時(shí)隙（TS0 ~ TS6），每個(gè)時(shí)隙長(zhǎng)度為864chips，占675us）。每幀有兩個(gè)上/下行轉(zhuǎn)換點(diǎn)，TS0為下行時(shí)隙TS1為上行時(shí)隙，三個(gè)特殊時(shí)隙GP, DwPTS, UpPTS 其余時(shí)隙可根據(jù)根據(jù)用戶(hù)需要進(jìn)行靈活UL/DL配置。DwPTS（下行導(dǎo)頻時(shí)隙），GP（保護(hù)間隔），UpPTS（上行導(dǎo)頻時(shí)隙），子幀總長(zhǎng)度為6400chips，占5ms，得到碼片速率為1.28Mcps。TS0用作下行時(shí)隙來(lái)發(fā)送系統(tǒng)廣播信息，廣播信道PCCPCH占用該時(shí)隙進(jìn)行發(fā)射。TS1總是固定地用作上行時(shí)隙。其它的常規(guī)時(shí)隙可以根據(jù)需要靈活地配置成上行或下行以實(shí)現(xiàn)不對(duì)稱(chēng)業(yè)務(wù)的傳輸，上下行的轉(zhuǎn)換由一個(gè)轉(zhuǎn)換點(diǎn)（Switch Point）分開(kāi)。每個(gè)5ms的子幀有兩個(gè)轉(zhuǎn)換點(diǎn)（DL到UL和UL到DL），第一個(gè)轉(zhuǎn)換點(diǎn)固定在TS0結(jié)束處，而第二個(gè)轉(zhuǎn)換點(diǎn)則取決于小區(qū)上下行時(shí)隙的配置。

4、TD的幾種信道模式；

1、邏輯信道：直接承載用戶(hù)業(yè)務(wù)；根據(jù)承載的是控制平面業(yè)務(wù)還是用戶(hù)平面業(yè)務(wù)分為兩大類(lèi)，即控制信道和業(yè)務(wù)信道。

2、傳輸信道：無(wú)線接口層2和物理層的接口，是物理層對(duì)MAC層提供的服務(wù)；根據(jù)傳輸?shù)氖轻槍?duì)一個(gè)用戶(hù)的專(zhuān)用信息還是針對(duì)所有用戶(hù)的公共信息分為專(zhuān)用信道和公共信道兩大類(lèi)。

3、物理信道：各種信息在無(wú)線接口傳輸時(shí)的最終體現(xiàn)形式，每一種使用特定的載波頻率、碼（擴(kuò)頻碼和擾碼）以及載波相對(duì)相位都可以理解為一類(lèi)特定的信道。

5、TD-SCDMA數(shù)據(jù)簡(jiǎn)要發(fā)送過(guò)程；

6、UTRAN體系結(jié)構(gòu)；

UTRAN包括一系列無(wú)線網(wǎng)絡(luò)子系統(tǒng)通過(guò)Iu接口連到核心網(wǎng),一個(gè)RNS 由一個(gè)RNC和一個(gè)或多個(gè)Node B 組成，Node B可支持FDD與/或TDD。RNC與RNC之間通過(guò)Iur（邏輯接口，可通過(guò)任意傳輸網(wǎng)絡(luò)來(lái)連接）連接，RNC與Node B通過(guò)lub連接。

7、TD中常用的四種基本碼及碼組對(duì)應(yīng)關(guān)系；

（1）下行同步碼SYNC_DL（2）上行同步碼SYNC_UL（3）基本Midamble碼，共128個(gè)（4）小區(qū)擾碼（Scrambling Code），共128個(gè) ；

TD-SCDMA系統(tǒng)中，有32個(gè)SYNC_DL碼，256個(gè)SYNC_UL碼，128個(gè)Midamble

碼和128個(gè)擾碼，所有這些碼被分成32個(gè)碼組，每個(gè)碼組包含1個(gè)SYNC_DL碼，8個(gè)SYNC_UL碼，4個(gè)Midamble碼和4個(gè)擾碼。

8、小區(qū)搜索，上行同步，隨機(jī)接入的基本過(guò)程；

小區(qū)搜素基本過(guò)程：在初始小區(qū)搜中，UE搜素到一個(gè)小區(qū)，建立DwPTS同步，獲得擾碼和基本midamble碼，控制復(fù)幀同步，然后讀取BCH消息。初始小區(qū)搜素利用DwPTS和BCH進(jìn)行。

上行同步基本過(guò)程：初始同步：

1、UE選擇SYNC_UL并發(fā)起同步請(qǐng)求，2、NodeB檢測(cè)SYNC_UL發(fā)送定時(shí)調(diào)整與功率調(diào)整指示。同步保持：

1、UE發(fā)送DCH；

2、NodeB檢測(cè)SYNC_UL,并發(fā)送定時(shí)調(diào)整與功率調(diào)整指示；

3、UE根據(jù)SS指令調(diào)整發(fā)射時(shí)間；

4、NodeB發(fā)送DCH，含SS指令；

5、UE發(fā)送DCH

隨機(jī)接入基本過(guò)程：隨機(jī)接入準(zhǔn)備，隨機(jī)接入過(guò)程，隨機(jī)接入沖突處理。

1、UE：開(kāi)環(huán)功率控制和開(kāi)環(huán)同步控制，發(fā)射UpPTS，等待BTS回答；

2、BTS：控制UE的發(fā)射功率和時(shí)延，獲得UE接入要求；

3、系統(tǒng)：鑒權(quán)和分配碼道。

9、BBU+RRU的優(yōu)勢(shì)；

BBU(Building Base band Unite室內(nèi)基帶處理單元)和RRU（Remote Radio Unit射頻拉遠(yuǎn)單元）之間傳輸?shù)氖腔鶐?shù)據(jù)，將基帶拉遠(yuǎn)。中頻和射頻功放部分都放在室外RRU 部分處理。BBU 和RRU 通過(guò)光纖傳輸（1.25G bit/s光纖承載24A&C數(shù)據(jù))，工程施工大大簡(jiǎn)化了。擺脫配套設(shè)施限制，建網(wǎng)快速靈活，降低建網(wǎng)和運(yùn)維費(fèi)用

10、RNC數(shù)據(jù)配置過(guò)程。

創(chuàng)建子網(wǎng)，創(chuàng)建RNC管理網(wǎng)元，創(chuàng)建RNC全局資源，創(chuàng)建機(jī)架，配置各單板IP地址（ROMB，GIPI，APBE），統(tǒng)一分配IPUDP IP地址，ATM通信端口配置，IUCS_AAL2路徑組配置，創(chuàng)建IU-CS局向創(chuàng)建IU-PS局向，靜態(tài)路由配置（全局資源->高級(jí)屬性），快速創(chuàng)建IUB局向，創(chuàng)建服務(wù)小區(qū)，配置內(nèi)容，創(chuàng)建NODEB管理網(wǎng)元，創(chuàng)建模塊，配置機(jī)架、機(jī)框、單板，配置ATM傳輸模塊—承載鏈路，配置ATM傳輸模塊—傳輸鏈路，配置無(wú)線模塊—物理站點(diǎn)，配置無(wú)線模塊—扇區(qū)，配置無(wú)線模塊—服務(wù)小區(qū)整表同步與增量同步，態(tài)數(shù)據(jù)配置。

實(shí)習(xí)心得

在實(shí)習(xí)期間通過(guò)理論聯(lián)系實(shí)際，不斷的學(xué)習(xí)和總結(jié)經(jīng)驗(yàn)，鞏固了所學(xué)的知識(shí)，提高了處理實(shí)際問(wèn)題的能力，為畢業(yè)設(shè)計(jì)的順利進(jìn)行總結(jié)了經(jīng)驗(yàn)。

實(shí)習(xí)中的感悟

首先、畢業(yè)實(shí)習(xí)的順利進(jìn)行得益于扎實(shí)的專(zhuān)業(yè)知識(shí)。用人單位在招聘員工的第一要看的就是你的專(zhuān)業(yè)技能是否過(guò)硬。我們一同過(guò)去的幾位應(yīng)聘者中有來(lái)自不同學(xué)校的同學(xué)，有一部分同學(xué)就是因?yàn)樵趯?zhuān)業(yè)知識(shí)的掌握上比別人遜色一點(diǎn)而落選。因?yàn)閷?duì)于用人單位來(lái)說(shuō)如果一個(gè)人有過(guò)硬的專(zhuān)業(yè)知識(shí)，他在這個(gè)特定的崗位上就會(huì)很快的得心應(yīng)手，從而減少了用人單位

要花很大的力氣來(lái)培訓(xùn)一個(gè)員工。第二、在工作中要有良好的學(xué)習(xí)能力，要有一套學(xué)習(xí)知識(shí)的系統(tǒng)，遇到問(wèn)題自己能通過(guò)相關(guān)途徑自行解決能力。因?yàn)樵诠ぷ髦杏龅絾?wèn)題各種各樣，并不是每一種情況都能把握。在這個(gè)時(shí)候要想把工作做好一定要有良好的學(xué)習(xí)能力，通過(guò)不斷的學(xué)習(xí)從而掌握相應(yīng)技術(shù)，來(lái)解決工來(lái)中遇到的每一個(gè)問(wèn)題。這樣的學(xué)習(xí)能力，一方面來(lái)自向師傅們的學(xué)習(xí)，向工作經(jīng)驗(yàn)豐富的人學(xué)習(xí)。另一方面就是自學(xué)的能力，在沒(méi)有另人幫助的情況下自己也能通過(guò)努力，尋找相關(guān)途徑來(lái)解決問(wèn)題，（舉例說(shuō)明）第三、良好的人際關(guān)系是我們順利工作的保障。

在工作之中不只是同技術(shù)、同設(shè)備打交道，更重要的是同人的交往。所以一定要掌握好同事之間的交往原則和社交禮儀。這也是我們平時(shí)要注意的。和諧的人際關(guān)系，能為順利工作創(chuàng)造了良好的人際氛圍。另外在工作之中自己也有很多不足的地方。例如：缺乏實(shí)踐經(jīng)驗(yàn)，缺乏對(duì)相關(guān)技能知識(shí)的標(biāo)準(zhǔn)掌握等。所在我常提醒自己一定不要怕苦怕累，在掌握扎實(shí)的理論知識(shí)的同時(shí)加強(qiáng)實(shí)踐，做到理論聯(lián)系實(shí)際。另一方面要不斷的加強(qiáng)學(xué)習(xí)，學(xué)習(xí)新知識(shí)、新技術(shù)更好的為人民服務(wù)。

通過(guò)這次畢業(yè)實(shí)習(xí)，把自己在學(xué)校學(xué)習(xí)的到理論知識(shí)運(yùn)用到社會(huì)的實(shí)踐中去。一方面鞏固所學(xué)知識(shí)，提高處理實(shí)際問(wèn)題的能力。另一方面為順利進(jìn)行畢業(yè)設(shè)計(jì)做好準(zhǔn)備，并為自己能順利與社會(huì)接軌做好準(zhǔn)備。畢業(yè)實(shí)習(xí)是我們從學(xué)校走向社會(huì)的一個(gè)過(guò)渡，它為我們順利的走出校園，走向社會(huì)為國(guó)家、為人民更好服務(wù)做好了準(zhǔn)備。經(jīng)過(guò)過(guò)去一個(gè)月的實(shí)踐和實(shí)習(xí)，我對(duì)未來(lái)充滿了美好的憧憬，在未來(lái)的日子，我將努力繼續(xù)學(xué)習(xí)，不斷提升理論素養(yǎng)；努力實(shí)踐，自覺(jué)進(jìn)行角色轉(zhuǎn)化；提高工作積極性和主動(dòng)性

一個(gè)星期的實(shí)習(xí)期很快過(guò)去了，是開(kāi)端也是結(jié)束。展現(xiàn)在自己面前的是一片任自己馳騁的沃土，也分明感受到了沉甸甸的責(zé)任。在今后的工作和生活中，我將繼續(xù)學(xué)習(xí)，深入實(shí)踐，不斷提升自我，努力創(chuàng)造業(yè)績(jī)，繼續(xù)為社會(huì)創(chuàng)造更多的價(jià)值。

最后感謝西安電子科技大學(xué)領(lǐng)導(dǎo)以及樊凱教授對(duì)我實(shí)習(xí)的支持和幫助，我會(huì)繼續(xù)努力的。

第三篇：西電 公關(guān)禮儀

公關(guān)禮儀

中國(guó)乃禮儀之邦。古人曰:“不學(xué)禮，無(wú)以立”。古代有“五禮”之說(shuō)，祭祀之事為吉禮，冠婚之事為嘉禮，賓客之事為賓禮，軍旅之事為軍禮，喪葬之事為兇禮。禮儀,是中華傳統(tǒng)美德寶庫(kù)中的一顆璀璨明珠,是中國(guó)古代文化的精髓。

所謂禮儀是指在人際交往、社會(huì)交往和國(guó)際交往中，用于表示尊重、親善和友好的行為規(guī)范和慣用形式。具體來(lái)說(shuō)，首先，禮儀是一種道德行為規(guī)范，是對(duì)人的行為進(jìn)行約束的條條框框。其次，禮儀的直接目的是表示對(duì)他人的尊重。尊重是禮儀的本質(zhì)。禮儀的根本目的是為了維護(hù)社會(huì)正常的生活秩序。

作為新時(shí)代的大學(xué)生,較之中學(xué)生、小學(xué)生的差別也應(yīng)并非僅僅體現(xiàn)在年齡、學(xué)問(wèn)上,而更多的應(yīng)該體現(xiàn)在個(gè)人修養(yǎng)、文明禮貌等方面。但當(dāng)前國(guó)內(nèi)很多高校大學(xué)生的禮儀修養(yǎng)現(xiàn)狀卻令人堪憂:衣冠不整、遲到早退、隨地吐痰、亂扔雜物、張口罵人等不文明現(xiàn)象隨處可見(jiàn);在食堂打飯不排隊(duì),在宿舍大聲說(shuō)話、聽(tīng)音樂(lè)、玩游戲影響他人休息等情況比比皆是。更令人擔(dān)憂的是,不少大學(xué)生對(duì)上述不文明行為非但沒(méi)有正確的認(rèn)識(shí),還將其標(biāo)榜為“有個(gè)性”、“張揚(yáng)自我”的表現(xiàn),對(duì)于不文明行為不以為恥、反以為榮,體現(xiàn)了在價(jià)值觀方面的扭曲。

作為大學(xué)生我們應(yīng)學(xué)會(huì)克服這些不文明的行為做一個(gè)講禮儀的人。從《公關(guān)禮儀》這門(mén)課我學(xué)到了不少知識(shí)和常識(shí)，像介紹禮儀、電話禮儀、握手禮儀、以及面試禮儀等。如電話禮儀，電話被現(xiàn)代人公認(rèn)為便利的通訊工具，在日常工作中，使用電話的語(yǔ)言很關(guān)鍵，它直接影響著一個(gè)公司的聲譽(yù)；在日常生活中，人們通過(guò)電話也能粗略判斷對(duì)方的人品、性格。因而，掌握正確的、禮貌待人的打電話方法是非常必要的。如面試禮儀，面試禮儀是指用人單位通過(guò)衣著、裝扮、語(yǔ)言、手勢(shì)、表情、笑容等方面來(lái)考察應(yīng)聘者的綜合素質(zhì)、勝任所報(bào)職位的工作能力。面試是用人單位對(duì)應(yīng)聘者進(jìn)行選拔而采取的諸多方式中的一種，也是應(yīng)聘者取得求職成功的關(guān)鍵一步。在整個(gè)應(yīng)聘過(guò)程中，面試是最具有決定性的一環(huán)。面試是求職者展示自身素質(zhì)、能力、品質(zhì)的最好時(shí)機(jī)，面試發(fā)揮出色，可彌補(bǔ)其它方面所帶來(lái)的缺陷。因此，求職前要很好地掌握面試的技巧與相關(guān)的禮儀知識(shí)。禮儀本身是一種既具有內(nèi)在道德要求，又具有外在表現(xiàn)形式的行為規(guī)范。謙恭的態(tài)度、文明禮貌的語(yǔ)言、優(yōu)雅得體的舉止等方面表現(xiàn)出來(lái)的，是人的內(nèi)在文化修養(yǎng)、道德品質(zhì)、精神氣質(zhì)和思想境界等。沒(méi)有內(nèi)在的修養(yǎng)，外在的形式就失去了根基。無(wú)論在任何方面，做一個(gè)講究禮儀的大學(xué)生是很有必要的。而公關(guān)禮儀就是把組織形象和個(gè)人形象有機(jī)地結(jié)合起來(lái)，個(gè)人形象是組織形象的基礎(chǔ)，通過(guò)塑造完美的個(gè)人形象來(lái)塑造組織形象。

在當(dāng)前的形勢(shì)下，禮儀已不是個(gè)別行業(yè)、個(gè)別社會(huì)層次的需求，而是全民所需。

禮儀，作為在人類(lèi)歷史發(fā)展中逐漸形成并積淀下來(lái)的一種文化，始終以某種精神的約束力支配著每個(gè)人的行為，是適應(yīng)時(shí)代發(fā)展、促進(jìn)個(gè)人進(jìn)步和成功的重要途徑。禮儀的主要功能，從個(gè)人的角度來(lái)看，一是有助于提高人們的自身修養(yǎng)；在人際交往中，禮儀不僅可以有效地展現(xiàn)一個(gè)人的教養(yǎng)、風(fēng)度和魅力，還體現(xiàn)出一個(gè)人對(duì)社會(huì)的認(rèn)知水準(zhǔn)、個(gè)人學(xué)識(shí)、修養(yǎng)和價(jià)值。二是有助于美化自身、美化生活；有助于促進(jìn)人們的社會(huì)交往，改善人們的人際關(guān)系，禮儀是人立身處世的根本、人際關(guān)系的潤(rùn)滑劑、是現(xiàn)代競(jìng)爭(zhēng)的附加值。；還有助于凈化社會(huì)風(fēng)氣。禮儀，對(duì)于各級(jí)行政機(jī)關(guān)來(lái)說(shuō)，是糾正不良風(fēng)氣，端正文明行政的有效手段；對(duì)企業(yè)來(lái)說(shuō)，是企業(yè)形象的重要組成部分，是企業(yè)文化的重要內(nèi)涵，也是提高企業(yè)員工辦文辦事、工作效率的重要環(huán)節(jié)，更是實(shí)現(xiàn)企業(yè)認(rèn)證和國(guó)際接軌的重要途徑。

總之，公關(guān)禮儀是一門(mén)學(xué)問(wèn)，我們應(yīng)該重視它，了解它，并在以后的日子里很好地運(yùn)用它，以一種新的方式生活，讓生活更美好。

第四篇：西電讀書(shū)調(diào)查報(bào)告

繽紛世界，書(shū)籍是人類(lèi)永遠(yuǎn)的最終伴侶，大學(xué)生涯中也不例外。除了豐富多彩的其他生活，課外閱讀也在大學(xué)生的校園生活中占一席之地，對(duì)其道德情操、人格品質(zhì)、精神境界的形成與提高有著潛移默化的影響。為進(jìn)一步明確書(shū)籍在我校大學(xué)生課余生活中的切實(shí)影響與大學(xué)生目前閱讀存在的問(wèn)題，我們?cè)谶x修課上針對(duì)大學(xué)生課外閱讀狀況對(duì)學(xué)生經(jīng)行了一次調(diào)查。

一．調(diào)查目的：課外閱讀在現(xiàn)在的大學(xué)生生活中占有多少的時(shí)間，我們不得而知？豐富的課外知識(shí)是綜合能力的基礎(chǔ)，讀書(shū)能夠使人進(jìn)步，尤其是對(duì)于當(dāng)代大學(xué)生來(lái)說(shuō)，大學(xué)階段是讀書(shū)觀形成并逐步穩(wěn)定的關(guān)鍵時(shí)期。為了了解目前大學(xué)生的讀書(shū)現(xiàn)狀及其存在的問(wèn)題，喚起大學(xué)生的讀書(shū)意識(shí)，并且為了讓大家明白讀書(shū)的重要性，因此我們特進(jìn)行此次調(diào)查。

二．調(diào)查時(shí)間：2012年5月3號(hào)

三．調(diào)查對(duì)象：西安電子科技大學(xué)應(yīng)用文寫(xiě)作課星期二組全體學(xué)生

四．調(diào)查方式：此次報(bào)告主要采用問(wèn)卷調(diào)查的方法，于2010年11月在青島科技大學(xué)外國(guó)語(yǔ)學(xué)院07級(jí)英語(yǔ)1-5班累計(jì)發(fā)放問(wèn)卷120份，回收問(wèn)卷116份，有效問(wèn)卷100份。根據(jù)實(shí)際情況,條件有限只能粗略的進(jìn)行一下調(diào)查,但是通過(guò)調(diào)查也能夠較真實(shí)客觀地反映目前我校大學(xué)生的閱讀狀況。

五．調(diào)查組織：應(yīng)用文寫(xiě)作課指導(dǎo)老師

六．?dāng)?shù)據(jù)結(jié)果及分析：

（1）讀書(shū)內(nèi)容及選擇方向：在多項(xiàng)選擇關(guān)于讀書(shū)內(nèi)容的調(diào)查中，我們可以看到，文學(xué)類(lèi)，歷史文學(xué)類(lèi)和專(zhuān)業(yè)相關(guān)的書(shū)籍是同學(xué)選擇的主要方面，分別占總?cè)藬?shù)的74.5%,68.6%和64.7%。此外，喜歡娛樂(lè)類(lèi)，科普類(lèi)以及其他書(shū)籍的同學(xué)也不在少數(shù)。在調(diào)查到目前最需要補(bǔ)充閱讀哪些書(shū)籍時(shí)，82.4%的同學(xué)選擇了實(shí)用類(lèi)的書(shū)籍，66.7%的同學(xué)選擇了與自己專(zhuān)業(yè)相關(guān)的書(shū)籍，而選擇文經(jīng)濟(jì)管理法律，軍事書(shū)籍，流行小說(shuō)的人數(shù)相對(duì)較少。

（2）讀書(shū)目的與選擇原因：選擇因興趣而讀書(shū)的學(xué)生有95.1%名居首位，而因擴(kuò)展知識(shí)面的也有81.3%，因?qū)W習(xí)，和作業(yè)論文需要讀書(shū)的同學(xué)占61.7%，以上的人認(rèn)為讀書(shū)對(duì)個(gè)人成長(zhǎng)有很大影響。命運(yùn)也是和讀書(shū)多少，知識(shí)面密切相關(guān)的；當(dāng)然也有部分同學(xué)表示自己根本就是為了消遣和消磨時(shí)光。他們認(rèn)為讀書(shū)對(duì)個(gè)人的影響不大，認(rèn)為個(gè)人努力和機(jī)遇是非常重要的。

（3）獲得書(shū)籍途徑及閱讀習(xí)慣

在書(shū)籍的獲得途徑方面，61．7%的同學(xué)選擇在圖書(shū)館閱覽，50.9%的同學(xué)青睞網(wǎng)上在線或下載，13.7%的同學(xué)選擇在書(shū)店購(gòu)買(mǎi)，也有8.8%的同學(xué)找親戚朋友借閱。圖書(shū)獲取途徑的方便讓同學(xué)有了更大的閱讀資源，但很遺憾的是在閱讀方式方面，很多同學(xué)游覽和泛讀，很少部分的同學(xué)會(huì)邊看邊做筆記或者讀完后與他人交流。閱讀環(huán)境及周?chē)说淖x書(shū)習(xí)慣調(diào)查中，有73.5%的同學(xué)表示身邊經(jīng)常讀書(shū)的同學(xué)很少。

（4）很少閱讀的愿因

在調(diào)查中大多數(shù)學(xué)生認(rèn)為自己的讀書(shū)量太少，在分析影響自己閱讀的原因調(diào)查選項(xiàng)中，選擇學(xué)習(xí)壓力太大沒(méi)有時(shí)間的占到51％，另有53％的學(xué)生表示自己，對(duì)課外閱讀沒(méi)有興趣，就本校學(xué)生生活環(huán)境而言，15.7％以上的學(xué)生認(rèn)為，目前學(xué)校圖書(shū)館書(shū)籍太少難以找到自己感興趣的書(shū)，另外還有部分購(gòu)買(mǎi)書(shū)籍成本太高等其他原因，但人數(shù)相對(duì)較少。

（5）教師課堂推薦書(shū)籍的選擇性

在調(diào)查到是否會(huì)選擇教師課堂推薦的書(shū)籍讀物時(shí)，56.9%的同學(xué)表示自己會(huì)根據(jù)自己的實(shí)際情況選擇性的閱讀，30.4%的同學(xué)則根本不會(huì)去閱讀老師推薦的書(shū)籍，只有大約27%的同學(xué)會(huì)選擇認(rèn)真閱讀。

八．調(diào)查結(jié)論：

結(jié)論一：功利，娛樂(lè)和多元化的閱讀面

當(dāng)代大學(xué)生對(duì)讀書(shū)吃越來(lái)越功利的態(tài)度。讀書(shū)閱讀，尤其是對(duì)經(jīng)典名著的閱讀越來(lái)越不受大家歡迎，很多同學(xué)將考試等同于看書(shū)，沒(méi)有明白讀書(shū)的真正意義，不能夠正確對(duì)待書(shū)籍閱讀，閱讀書(shū)籍的數(shù)量和種類(lèi)偏少，非學(xué)術(shù)類(lèi)閱讀占的比例升高；相比之下學(xué)術(shù)類(lèi)閱讀顯得單薄，專(zhuān)業(yè)期刊與外文文獻(xiàn)閱讀更是稀少。讀書(shū)的人數(shù)不少，但是真正能夠讀出深度、讀出思想的卻并不多。很多同學(xué)知道自己應(yīng)該補(bǔ)充的是專(zhuān)業(yè)類(lèi)，以及一些擴(kuò)展知識(shí)面的書(shū)籍，但往往在實(shí)際選擇時(shí)，卻更青睞于娛樂(lè)性和網(wǎng)絡(luò)快餐小說(shuō)。

結(jié)論二：盲目，和低效率的閱讀習(xí)慣

在閱讀方式上，幾乎所有的同學(xué)都選擇了泛讀游覽的方式，但很

顯然，這樣的閱讀方式并不能夠有效的更新知識(shí)結(jié)構(gòu)擴(kuò)充自己的知識(shí)面，很多同學(xué)只追求了閱讀速度，忽視了高效，沒(méi)有仔細(xì)體味、領(lǐng)悟作者的思想內(nèi)涵。此外，令人難過(guò)的是，大多數(shù)同學(xué)對(duì)老師在課堂上推薦的書(shū)籍并不在意，只是隨意游覽或者根本不去碰，這樣的做法無(wú)疑對(duì)自己是沒(méi)有一點(diǎn)好處的。

結(jié)論三：圖書(shū)館閱讀仍占主流，網(wǎng)絡(luò)異軍突起

大多數(shù)同學(xué)青睞在圖書(shū)管理進(jìn)行閱讀，此外同學(xué)們彼此交流思想，也為新思想、新意識(shí)的形成提供一個(gè)很好的平臺(tái)。這也意味著更有效提高學(xué)校圖書(shū)館的利用率。此外，網(wǎng)絡(luò)在大學(xué)生的生活中也占了很重要的位置，如網(wǎng)上購(gòu)書(shū)、網(wǎng)上閱讀、在線交流等，但我們?cè)谶\(yùn)用網(wǎng)絡(luò)新手段時(shí)要學(xué)會(huì)辨別真?zhèn)巍?yōu)劣，抵制不良閱讀傾向。

結(jié)論四：讀書(shū)氛圍不夠濃厚，不讀書(shū)借口很多

通過(guò)第七題和第九題的調(diào)查，我們可以發(fā)現(xiàn)，目前很多同學(xué)依然無(wú)法正確認(rèn)識(shí)讀書(shū)的重要性，端正讀書(shū)態(tài)度。學(xué)習(xí)忙，考試壓力大是事實(shí)，但絕不是不閱讀的理由。學(xué)生要學(xué)會(huì)培養(yǎng)自己的讀書(shū)習(xí)慣，而不能只是停留在但憑個(gè)人的興趣決定是否閱讀，想要以后在社會(huì)上有所發(fā)展就必須學(xué)習(xí)好各門(mén)學(xué)科，避免知識(shí)過(guò)于單一和貧乏，要使自己全面發(fā)展，成為一個(gè)社會(huì)上需求的具有綜合能力的人才。此外，據(jù)調(diào)查有近15%的學(xué)生認(rèn)為圖書(shū)館的書(shū)籍不能滿足需求 客觀上還存在著提攜實(shí)質(zhì)性的問(wèn)題。但我們相信學(xué)校領(lǐng)導(dǎo)會(huì)致力于學(xué)校自身的發(fā)展建設(shè)，為我們的學(xué)生提供一個(gè)更為優(yōu)越的閱讀環(huán)境。

讀書(shū)破萬(wàn)卷，下筆如有神”，“讀萬(wàn)卷書(shū)，行萬(wàn)里路”，大學(xué)四年里我們一定要好好把握，多讀一些對(duì)自己有益的書(shū)，“不積小流無(wú)以成江海，不積跬步無(wú)以致千里”，日積月累，我們一定會(huì)在不知不覺(jué)

中提高自己。好讀書(shū)，會(huì)讀書(shū)，讀好書(shū)，與書(shū)為伴，在人生最美好的日子里不斷充實(shí)自己，提高自己，為實(shí)現(xiàn)自己的人生理想而努力。

第五篇：西電空調(diào)申請(qǐng)表

西安電子科技大學(xué)學(xué)生宿舍空調(diào)安裝申請(qǐng)表

編號(hào)：

學(xué) 院 空調(diào)品牌 樓棟宿舍號(hào)

規(guī) 定 和 要 求

班 級(jí) 空調(diào)功率 宿舍人數(shù)

□1.2P □1.5P

空調(diào)租期 空調(diào)臺(tái)數(shù)

年

臺(tái)

宿舍長(zhǎng)/聯(lián)系方式

本宿舍全體成員鄭重承諾：

1、宿舍全體成員已閱知并愿意嚴(yán)格遵守《西安電子科技大學(xué)學(xué)生宿舍空調(diào)設(shè)備使用和管理辦法（試行）》等學(xué)校的相關(guān)規(guī)定和要求，服從學(xué)校管理。

2、本宿舍全體成員已就空調(diào)安裝使用產(chǎn)生費(fèi)用分?jǐn)偂惭b位置、使用時(shí)間等事項(xiàng)達(dá)成一致意見(jiàn)，保證不會(huì)因使用空調(diào)引發(fā)宿舍成員矛盾。

3、規(guī)范使用空調(diào)設(shè)備，因操作不當(dāng)或違規(guī)使用造成的人身傷害和財(cái)產(chǎn)損失，由違規(guī)操作者承擔(dān)一切責(zé)任。

4、合理使用空調(diào)，保證安全用電、節(jié)約用電。

5、嚴(yán)格遵守學(xué)校作息制度和學(xué)習(xí)紀(jì)律，不在正課時(shí)間無(wú)故滯留宿舍。

6、宿舍成員簽名全部為本人簽名，沒(méi)有代簽行為。

宿舍成員簽名：

年 月 日

學(xué) 院 意 見(jiàn)

（應(yīng)寫(xiě)明是否同意安裝）

學(xué)院（蓋章）：

年 月 日

學(xué)工處（蓋章）：

年 月 日

后勤處（蓋章）：

年 月 日 學(xué) 工處 意 見(jiàn) 后勤處 備案

注：此表一式四份，后勤處、學(xué)工處、空調(diào)租賃服務(wù)商及本宿舍各保留一份。