(完整word版)高光谱目标检测文献综述

基于核方法的高光谱图像目标检测技术研究

----文献选读综述报告

1前言

20 世纪80 年代遥感领域最重要的发展之一就是高光谱遥感的兴起。从20 世纪90 年代开始，高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段。高光谱遥感图像目标检测在民用和军事上都具有重要的理论价值和应用前景，是当前目标识别及遥感信息处理研究领域中的一个热点研究问题。

2 研究目的及意义

高光谱遥感图像是在电磁波谱的紫外、可见光、近红外和中红外区域，利用成像光谱仪获取的许多非常窄且光谱连续的图像数据（如图1.1所示）。成像光谱仪为每个像元提供数十至数百个窄波段（通常波段宽度小于10 nm）的光谱信息，能产生一条完整而连续的光谱曲线。

图1.1 成像光谱仪探测地物目标示意图[1]

高光谱遥感技术主要利用各种地物（例如某种土壤、岩石和作物）对不同的光谱波长具有各不相同的吸收率和反射率的原理，根据每种物质所拥有的独特光

谱反射曲线来进行检测和分类。

利用高光谱遥感技术，能够很好地提取目标的辐射特性参量，使地表目标的定量分析与提取成为可能。然而，高光谱遥感成像机理复杂、影像数据量大，这导致影像的大气纠正、几何纠正、光谱定标、反射率转换等预处理困难。由于成像光谱仪获取的地物光谱特征曲线近乎连续，波段间相关性很高，数据冗余信息很多。在使用传统目标检测方法对高光谱影像中感兴趣目标进行检测时，波段多且相关性高，会导致训练样本相对不足，致使分类模型参数的估计不可靠，检测分类存在维数灾难现象。

因此，高光谱影像给地物分类识别带来了巨大机遇，同时给传统的目标检测方法也带来了挑战。为了充分发挥高光谱遥感技术的优势，必须在影像检测分类基本算法的基础之上，结合高光谱影像分类的特点，研究新的适用于高光谱影像的理论、模型和算法〕。在国内外，许多研究机构在理论和应用上进行了探索，取得了不少成果。

自从上世纪90年代中期核方法在支持向量机分类中得到成功应用以后，人们开始尝试利用核函数将经典的线性特征提取与分类识别方法推广到一般情况，在理论和应用中都有许多成果，引起了继经典统计线性分析、神经网络与决策树非线性分析后第三次模式分析方法的变革，成为机器学习、应用统计、模式识别、数据挖掘等许多学科的研究热点，在人脸识别、语音识别、字符识别、机器故障分类等领域得到成功应用[2]。

基于核方法的非线性特征提取与分类，为高光谱影像分析提供了一条新的途径。

3 核方法理论发展概况

3.1 核理论基础

核的理论比较古老，Mercer定理可追溯到1909年，早在20世纪40年代，A.N.Kolmogorov和N.Aronszajn就已经开展了有关再生核理论的研究。该理论最早被引入机器学习领域是在1964年，M.Aizermann、E.Bravermann和L.Rozoener在势函数方法中应用Mercer定理把核解释为特征空间中的内积。1975年Poggiio首次用到了多项式核函数，然而一直到20世纪90年代中期，B.Boser、I.Guyon和V.N.Vapnik提出支持向量机（SVM）算法后，该理论的实际价值才开始被人们所广泛认识。并且在经过 B.Scholkopf等人后续的工作以后，逐渐形成了如下的“核技巧”：任何一个只依赖于内积的算法都可以被“核化”[3]。

近年来核方法和基于核函数的算法在许多领域都获得了重要的应用。这些应用主要包括图象和计算机视觉(人脸识别、手写体识别等)，文本分类，生物信息

技术领域(基因微阵列数据分析、蛋白质数据的分析，DNA数据的分析等)，时间序列预测等等。在高光谱图象处理领域，基于核的机器学习算法已经受到了越来越多的重视，并己经取得了较多应用[4]。

核方法就是针对低维空间d

R中的非线性问题，通过非线性变换Φ将低维空间数据映射到高维空间H中，进而转化为高维空间中的线性问题解决。由于非线性变换Φ形式通常比较复杂，即便知道了Φ的形式，高维空间H的维数通常也是很高的（可能无穷维），因此，直接使用非线性变换的思想很难实现。核方法的的绝妙之处在于：针对这个问题，核方法运用统计学理论中的Mercer条件，提出了实现上述非线性映射思想的方法，即高维空间中的内积运算转化为输入空间的向量运算实现：(,)()()

x z x z。因此，核方法避免了确定非线性映

kΦΦ

射的具体形式，并且也大大降低了计算量和复杂度。

核函数方法的实施步骤：

1.收集和整理样本，并进行标准化；

2.选择或构造核函数；

3.用核函数将样本变换成为核矩阵；

4.在特征空间对核矩阵实施各种线性算法；

5.得到输入空间中的非线性模型。

其中，第3步求解核矩阵的过程相当于将输入数据通过非线性函数映射到高维特征空

间核矩阵作为信息瓶颈，成为数据输入和学习算法之间的界面，不仅是核机器的设计和分析方面的中心概念，而且被认为是核机器实现方面的中心数据结构。

核方法之所以能够得到广泛应用，是因为其具有以下特点[5]：

1.核函数的引入避免了传统模式分析方法遇到的“维数灾难”，大大减小了计算量。输入空间维数对核矩阵无影响，因此，核函数方法可以有效处理高维输入。

2.无需求解非线性变换映射的具体形式和参数，减小算法的复杂度。

3.核函数的形式和参数的变化会隐式地改变从输入空间到特征空间的映射，进而对特征空间的性质产生影响，最终改变各种核函数方法的性能。

4.核方法可以与不同分析算法相结合，形成不同的基于核函数的算法，且这两部分可以单独进行设计，可以为不同的应用选择不同的核函数和算法。

从计算的角度来看，核方法有两个重要的性质。首先，他们能够以在空间上和时间上都较低的计算代价，处理高维的和相应灵活的特征空间中的问题；其次，尽管结果得到的函数比较复杂，但一般都是解凸优化问题，而不会受到局部极小化的困扰。从实现的角度来看，内存限制意味着对于很大的数据集，把整个

核矩阵装入内存是不可能的，在这种情况下，算法中用到核矩阵中元素的值，需要随时通过核函数计算得到。这就会影响到算法选择和实现细节。

3.2 现有常用核函数极其构造

常用的核函数如下：

1.高斯核函数：

22(,)exp(),2k σ-=-

x z x z 其中σ为核参数。

2.多项式核函数： T (,)(),b k a c =+x z x z 其中a c 、b 、、为核参数。

3.Sigmoid 核函数：

)t a n h

(),(βα+=z x z x k T ，其中α、β为核参数。其中，高斯核函数是最常用的。另外，梅锋在2009年提出一种新型光谱相似度量核，该方法对于因光照强度变化，阴影和遮挡等引起的同种地物光谱变化的适应性较强，有利于改善基于核方法的高光谱异常检测算法的性能。

4 高光谱目标检测国内外研究现状

4.1 国外研究现状

目前国内外很多专家学者对于高光谱遥感目标探测进行了深入研究，可归结为4 个大类算法。

4.1.1 投影法

投影法主要是美国马里兰大学的教授Chang 的研究小组在开展此项研究。投影法主要包括正交子空间投影(orthogonal subspace projection)、投影寻踪法

(Projection Pursuit) 和凸面几何体投影变换(convex geometry projection)等3 类典型算法。

1994 年，Chang 等提出了正交子空间投影法[6]。其基本思想是将每个像元向量映射到一个子空间中，在这个子空间中，非理想特征是正交的。这个作法在最小二乘意义上是最优的干扰抑制过程。一旦干扰特征归零，将其他特征映射到感兴趣特征上，得到最大化信噪比并获得一个单一成分图像，即感兴趣目标的分类图。OSP 操作子可以扩展到k 个感兴趣特征，这样在降低了k 的维数的同时给高光谱图像进行了分类。该方法适用于纯像元和混合像元目标探测和分类，如探矿、识别植被等。

投影寻踪法的研究起始于20 世纪70 年代，是由Friedman 教授提出的一种专门对高维数据线性降维的数据处理方法。投影寻踪的基本思想为：将高维数据空间按照某种兴趣结构线性投影到低维子空间中，进而达到在低维子空间中分析

和研究数据的目的。Jimenenz 等于2000 年将投影法和遗传算法应用到高光谱数据特征提取和分类中[7]。其过程为：利用投影矩阵，将相邻的波段分组，然后将每组内各个特征波段投影到一个特征。通过投影有效地减小数据维，为后续的分析和处理提供方便。但是求取投影矩阵的过程较为复杂。投影法适用范围为纯点像元和混合像元目标探测，如矿石和植被。也能发现图像中目视不可见的异常点。

Chang 等于1999 年提出了凸面几何是描述和处理凸集（convex sets）的几何[8]。凸面几何体投影变换法解决的问题：将高维的几何体投影到感兴趣的低维空间上，以突显和压抑某些特征，实现图像上的目标识别和分类，它是一种正交投影变换，能够用来进行特征选择和提取、高维数据降维等。表达式为Y= ATX，其中X和Y分别为变换前后的数据矩阵。凸面几何体投影变换法适用范围：纯点和混合像元目标探测与分类，适合于区分不同材质的目标。

4.1.2 约束法[9]

基于约束的方法来源于数字信号处理中的线性约束最小方差波束形成器(Linearly constrained minimized variance adoptive beam-forming)。该方法又称为Frost波束形成算法，它是根据阵列接收数据的统计特性，对权向量加以线性约束，使波束形成器在信号方向保持单位响应的同时，输出功率达到最小。

Chang 的研究小组对此类算法进行了深入研究，并提出了一系列新方法和改进算法。Harsanyi 于1993 年提出了约束能量最小目标探测法(CEM)。CEM 来源于数字信号处理领域中的线性约束最小方法波束形成器，该方法的思想为提取特定方向的信号而衰减其他方向的信号干扰。与OSP 相比，前者需要图像目标的完全的先验知识，而CEM 仅需要理想目标的先验知识。因此OSP可用于图像中所有目标的识别分类，而CEM 滤波器仅能用来探测理想目标。CEM 在小目标探测方面取得了广泛的应用，但是随着目标像元数目的增多，它的探测效果显著下降，对于大目标，CEM 几乎没有什么效果。CEM 算法适用范围：探测图像中的小目标，如草地上不同材质的板材。缺点是仅能探测理想目标。

Chang 等提出了目标约束干扰最小滤波器(Target-Constrained Interference- Minimized Filter，TCIMF)方法。TCIMF 解决的问题：能将非理想目标与理想目标进行区分，所以TCIMF能够在去除非理想目标的同时，探测到理想的目标并将干扰效应最小化。TCIMF假设图像像元由三个分离的信号源组成，即D(理想目标)，U(非理想目标)，I(干扰)。TCIMF 通过应用一个约束向量来同时约束D和U，以使得在去除U 中的非理想目标的同时，可以探测到D 中的理想目标。TCIMF 适用的范围：TCIMF方法由于不仅使用了欲探测目标的信息，而且也应用了欲删除的目标的信息，因而其探测效果好于CEM 方法。适用于纯点和混合像元目标探测，如板材。TCIMF方法还适合逐行的实时处理。

在TCIMF的基础上，Chang 等又提出了线性约束最小方差(Linearly constrained minimum variance , LCMV)方法。其原理为：设计一个有限响应滤波器来通过目标，同时应用一些线性约束使来自未知信号源的方差最小化。LCMV 的优点为：(1) 不需要图像内的自然背景特征或干扰的知识，这些未知干扰可在滤波器输出端最小化。(2) LCMV 的滤波器结构可使用QR 分解。LCMV 方法适用范围：实时处理纯点和混合点像元目标，如矿石、植被的区分和草地上不同材质的板材的探测。

Chang 等于2004 年提出了高光谱目标探测的信号分解和干扰消除(Signal-decomposed and Interference-annihilated, SDIA) 的方法。Chang 等将人造目标看作是未知信号源，这些目标不能通过目视或者先验知识来分辨，称其为干扰(interferers)。在许多应用中，感兴趣的信号可以被进一步的分成理想信号和非理想信号，理想信号是要提取的，为了提高信号可探测性，就要去除非理想信号。通过提出的SDIN 模型，基于正交子空间投影的模型和信号/背景/噪声模型在特殊情况下，可以被包括进来。SDIA 方法解决的问题：该方法将干扰因素和非理想信号作为其他的信号源，这些信号源在目标探测之前是可以被去除的。通过应用SDIA，Chang 等提出了一个信号分解干扰/噪声(SDIN)模型。SDIA 法适用的范围：纯点和混合像元的目标探测，如草地上不同材质的板材。

4.1.3 匹配法

匹配法在信号处理中属于经典算法。近年来，匹配法在高光谱目标探测中也得到了很好的研究和应用。

广义似然比测试法(GLRT)由Kelly 于1986 年提出。该方法是在信号探测模型基础上构建起来的二值假设, 解决了在非高斯背景噪声情况下的目标探测

问题。在检测过程中图像的每个像素被指定为目标或者非目标。为了使GLRT 能够获得一个解析形式，信号探测模型中的噪声一般假设为高斯白噪声。Chang 等所做的实验给出了OSP 和GLRT 的比较[16,17]。GLRT 适用范围：纯点和混合像元目标探测，如植被间的区分。但探测的结果易受噪声影响。

美国陆军研究实验室(U.S. Army Research Laboratory)的Heesung Kwon和Nusser M. Nusrabadi 等提出的一系列的基于核的目标探测算法，这些算法有核自适应子空间探测器(Kernel Adaptive Subspace Detector，KASD)[10]、核匹配子空间探测器(Kernel matched subspace detector)[11]，核正交子空间投影(Kernel Orthogonal Subspace Projection)[12]，核光谱匹配滤波器(Kernel Spectral Matched Filter)，核RX(Kernel RX)算法等。核方法的重要意义在于：它能够使原有的点积算法具有更好的非线性数据处理能力，将原始数据映射到高维特征空间内，使映射后的数据具有较好的线性结构，提高算法的非线性处理能力。

4.1.4 掩模法

掩模法是指构造一个小窗口，将欲探测的目标包含在内，在整个图像上进行移动以寻找目标，此方法类似于滤波中的滤波算子。掩模法的代表有RX 算法、双窗特征值变换(dual window-based eigen separation transform)、嵌套空域窗目标探测方法(NSWTD)等。

RX 算法是从Kelly、Reed 和Yu 提出的广义似然比检测(GLRT)算子推导而来的，它是一种基于目标替代模型的目标探测算子。在RX 算法中，只需要数据的相关矩阵R，而不需要任何其他后验信息。因此，它的算子形式对于每个象素点都是不同的。由于没有使用任何波谱信息，RX 算法的实用性较强。但是在实际数据处理中，它是建立在多元正态分布的基础上，由于原始数据通常表现为多个正态分布的组合，因此RX 算法更适合于用在局部范围里的异常检测。另外，由于算子是能量检测算子，对于相对背景差异不明显的异常(弱异常)，其检测效果不理想。

Chang 等提出了嵌套空域窗目标探测方法(NSWTD)[13]。该方法可以在没有先验知识的情况下，去探测细微的目标，特别是在感兴趣的目标非常微小(insignificant)并且以低概率发生的情况下。NSWTD 的原理为：应用3个窗，前两个窗(内窗和中间窗)分别用来提取小目标和大目标，而外窗用来描述背景。在DWEST(内窗7/外窗13)中，应用内窗的目标为获取窗内的目标，而外窗的目的是建立目标的背景模型，以使得通过映射的特征值的最大的几个来获取目标。NSWTD与DWEST和RXD 之间的一个差别在于应用了3个窗；另外一个差别在于：它没有使用DWEST 中的特征向量映射和RXD 中的协方差矩阵，而使用了正交投影差异方法(OPD)。NSWTD法适用的范围：纯点像元和混合像元目标探测，如草地上的车辆和板子。

除了以上四大类方法，Antonio Plaza 等提出了基于扩展形态轮廓(Extended Morphological Profiles)的方法[14]。目前的大多数算法将高光谱的谱信息和空间信息分别处理，而扩展形态轮廓的方法将空间维和光谱响应相结合并同时处理，对纯像元或者混合像元进行分类，并应用了数学形态学理论。所提出方法的性能通过与其他知名的纯像元或者混合像元分类器进行比较，并使用仿真的和真实的由NASA/JPL-AVIRIS 和DLR-DAIS 7915成像光谱仪获得的高光谱数据来验证算

法的有效性。该方法为非监督方法，纯点和混合像元都可检测，如植被和树木的探测。扩展形态轮廓方法虽然使用了形态学的方法来进行特征提取，但是在结果图像中仍有部分冗余，因此，可以考虑用更好的特征提取算法，如决策边界(Decision Boundary) 特征提取或者判决分析(Discriminant Analysis)特征提取方法来对特征进行更为有效的提取，以提高地物识别的效果。

Bittencourt 等提出了对数判别法对光谱相近的地物进行区分的方法。由于对数函数是线性的，类别之间的边界也是线性的，所以超平面可以很好地将类别分开。对数判别并不需要知道变量的概率分布的特定形式，也比一些著名的分类算法比如最大似然分类有着更好的通用性。而且需要估计的参数数量相对较少，所以训练样本的数量也较小。

4.2 国内研究现状

国内对于利用高光谱遥感进行目标探测的研究刚刚起步。

谷延峰等提出了基于多分辨率图像融合的非监督目标检测算法[15]。并应用100×100 像素大小的AVIRIS数据进行了实验，实验结果表明所提出的融合方法对于高光谱图像的目标探测非常有效。所提出的方法检测出更多的真实目标，并且比USRX 和CSRX 有更低的错误探测概率。

吴波等提出了非监督正交子空间投影法(UOSP)，用来自动获取影像端元光谱, 同时进行混合像元分解, 而且克服了传统技术需要先验端元光谱的缺点。并用成像光谱数据(PHI)实例测试了这个方法, 结果表明该方法自动获取的端元比较合理, 且分解混合像元的精度较

高。

李智勇等提出了一种基于图像主成分分量的高光谱小目标检测算法[16]。将之应用于128 波段的OMIS的目标探测，目标为7个车辆，最终获得了比RX 算法好的结果。该方法对先验光谱信息的依赖较小，因此实用性较高。

张兵等提出了在光谱特性提取的基础上利用凸面几何体投影变换进行高光谱图像目标探测的方法,并成功地应用于亚运村建材市场屋顶板材和亚运村中心地区真假草坪的自动识别和探测中[17]。实验证明该方法不需要探测目标的任何先验知识就能达到比较好的目标探测效果。

路威等提出了一种基于多分辨率小波高频特征系数的高光谱遥感影像亚像素目标识别方法[18]。通过38种小波函数的高光谱数据实验证明该方法对亚像素目标的识别效果较好。

刘凯龙等提出了以光谱特性作为基本识别特征，针对多类判别和谱空间模式重叠的情况，提出数学分析模型及统计计算和判别效果检验相结合的光谱特征检测新方法，并成功地对迷彩伪装进行了探测，识别正确率达到了99%以上[19]。该方法的优点是充分地利用了高光谱遥感光谱细致的优点，但该方法需要已知大量的地物标准光谱曲线和和伪装的光谱曲线，这在实际应用中是很难获得的。耿修瑞概括性总结了高光谱遥感图像小目标探测算法的研究进展, 揭示了图像白化处理是诸多算法能够成功应用于小目标探测的本质原因所在；提出了基于样本加权自相关矩阵把大目标转化为“小”目标从而进行有效探测的思想和算法。

贺霖等针对背景和目标的先验光谱特征未知的条件，给出一种基于单似然检验的高光谱图像小目标检测器[20]。该检测器避免了统计模型误差和不明确物理含义特征对实际高光谱图像数据检测带来的影响。

5 基于核方法的高光谱图像目标检测研究面临的困难与挑战

1.核函数及其参数的选择缺乏理论指导。核方法的使用，伴随着构造一个核函

数。核函数构造、核函数类别选择、核函数参数选择统称为模型选择。核函数的选择直接影响着分类器的性能，但是如何针对特定问题选择和构造合适的核函数，如何根据实际样本数据确定核函数的参数等问题，缺乏相应的理论指导。虽然已有一些研究者对利用先验知识限制核的选择进行了一些研究,但如何针对特定问题选择最佳核仍是一个难以解决的问题。

2.基于核方法的高光谱目标检测算法尽管通过核函数将高维特征空间点积转移

到输入空间进行计算，避免了高维特征空间的复杂计算的难题，但相对于线性检测算法来讲，基于核方法的检测算法的计算效率较低。如何在保证算法的性能的前提下通过算法优化以及背景空间的优化等方式提高检测算法的效率是很值得研究的内容。

3.光谱特征和空间特征是遥感图像的两大基本特征，也是进行遥感图像分析所

依据的两个基本要素。尤其是随着极高分辨率（VHR）影像的出现，图像的空间细节描述能力在日益提高，合理利用图像场景中的空间结构（如纹理，形状等）越来越受到重视。如何有效地将图像光谱信息和空间信息综合利用起来，切实提高目标检测精度，也将是遥感图像目标检测领域一大挑战。4.目标探测的自动化问题。在此基础上，开发完成包含完备算法集的自动实时

目标探测与分类系统。为了增强国防和打击目标的能力，开展高光谱遥感目标探测技术的研究非常必要而且具有极大的军用和民用意义。

6 小结

本综述主要介绍了与论文主题相关的各方面内容。主要是基于核方法高光谱遥感图像目标检测研究的目的意义、研究现状、面临的困难与挑战等。其中对国内外研究现状作了重点描述。

7 主要参考文献

[1] Josef P. Bishoff, Target Detection Using Oblique Hyperspectral Imagery:A Domain Trade Study[D]. Royal Military College of Canada,2002

[2] 杨国鹏，基于核方法的高光谱影像分类与特征提取[D].郑州：解放军信息工程大学，2007

[3]张永鹏. 基于核函数和自定类别数目的文本聚类问题研究[M]. 哈尔滨：哈尔滨理工大学，2008.

[4] 梅峰.基于核机器学习的高光谱异常目标检测算法研究[D]. 哈尔滨：哈尔滨工

程大学，2009.

[5] 王华忠，俞金寿.核函数方法及其模型选择[J].江南大学学报(自然科学版)，2006，5(4):500一504

[6] Chang Cheng-I, Zhao Xiaoli, et al. Least squares subspace projection approach to mixed pixel classification for hyperspectral images [J]. IEEE Transactions on Geoscience and Remote Sensing, 1998,36(3): 898-912.

[7] Chiang SS, Chang CI, Ginsberg IW. Unsupervised target detection in hyperspectral images using projection pursuit. Geoscience and Remote Sensing, IEEE Transactions on Volume 39, Issue 7, July 2001:1380-1391.

[8] Ifarraguerri A, Chang CI. Multispectral and hyperspectral image analysis with convex cones. IEEE Transactions on Geoscience and Remote Sensing. 1999, 37(2):756 - 770.

[9] Kohli AK, Saxena R. Linearly constrained minimum variance beamforming using modified variable step size LMS adaptive algorithm. IETE Journal of Research. 2003, 49(4): 259-267. [10] Kwon H, Nasrabadi NM. Kernel adaptive subspace detector for hyperspectral target detection. Acoustics, Speech,and Signal Processing, 2005. Proceedings. (ICASSP '05). IEEE International Conference on Volume 4, 18-23 March 2005: iv/681 - iv/684.

[11] Kwon H, Nasrabadi NM. Hyperspectral target detection using kernel matched subspace detector. Image Processing, 2004. ICIP '04. 2004 International Conference on Volume 5, 24-27 Oct. 2004:3327 –3330.

[12] Kwon H, Nasrabadi NM.Hyperspectral Target Detection Using Kernel Orthogonal Subspace Projection. Image Processing, 2005. ICIP 2005. IEEE International Conference on Volume 2,

11-14 Sept. 2005:702 –705.

[13] Liu W, Chang CI. A nested spatial window-based approach to target detection for hyperspectral imagery. Geoscience and Remote Sensing Symposium, 2004. IGARSS '04. Proceedings. 2004 IEEE International Volume 1,2004.

[14] Plaza A, Martínez P, Plaza J, et al. Spatial/Spectral Analysis of Hyperspectral Image Data. Advances in Techniques for Analysis of Remotely Sensed Data, 2003 IEEE Workshop on 27-28 Oct. 2003: 298–307.

[15] Gu Y, Jia Y, Zhang Y. Unsupervised Hyperspectral Target Detection Based on Multisolution Image Fusion. Signal Processing, ICSP '04. 2004,2(31):1076 –1079.

[16] 李智勇, 匡纲要, 郁文贤, 薛绮. 基于高光谱图像主成分分量的小目标检测算法研究.

红外与毫米波学报. 2004,23(4): 286－290.

[17] 张兵. 时空信息辅助下的高光谱数据挖掘. 中国科学院研究生院(遥感应用研究所)博士论文. 2002 年.

[18] 路威, 余旭初, 杨国鹏, 等. 基于多尺度小波特征的高光谱影像亚像素目标识别.海洋测绘. 2005, 25(12): 21-25.

[19] 刘凯龙，孙向军，等. 地面目标伪装特征的高光谱成像检测方法. 解放军理工大学学报:自然科学版. 2005, 6(2):166-169.

[20] 贺霖，潘泉，邸韡，赵永强.一种基于单似然检验的高光谱图像小目标检测器.光学学报. 2007, 27(12): 2155-2162.

高光谱成像专业技术进展(光电检测专业技术大作业)

高光谱成像技术进展Ｂy 1３0４０51０0xx 一．高光谱成像技术的简介高光谱成像技术的出现是一场革命，尤其是在遥感界。它使本来在宽波段不可探测的物质能够被探测,其重大意义已得到世界公认。高光谱成像技术光谱分辨率远高于多光谱成像技术,因此高光谱成像技术数据的光谱信息更加详细，更加丰富,有利于地物特征分析。有人说得好，如果把多光谱扫描成像的MSＳ（mulｔi-specｔral sｃannｅｒ)和TM（thｅｍatｉc mapｐeｒ）作为遥感技术发展的第一代和第二代的话, 那么高光谱成像( hｙｐｅｒspeｃtral iｍaｇeｒｙ) 技术则是第三代的成像技术。高光谱成像技术的具体定义是在多光谱成像的基础上，从紫外到近红外(2００－2500nm）的光谱范围内,利用成像光谱仪,在光谱覆盖范围内的数十或数百条光谐波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。（一）高光谱成像系统的组成和成像原理而所谓高光谱图像就是在光谱维度上进行了细致的分割，不仅仅是传统所谓的黑、白或者R、G、B的区别，而是在光谱维度上也有N个通道,例如:我们可以把400nm-100０nm分为３00个通道。因此，通过高光谱设备获取到的是一个数据立方,不仅有图像的信息，并且在光谱维度上进行展开,结果不仅可以获得图像上每个点的光谱数据，还可以获得任一个谱段的影像信息。目前高光谱成像技术发展迅速，常见的包括光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜等。下面分别介绍下以下几种类别：（1）光栅分光光谱仪空间中的一维信息通过镜头和狭缝后，不同波长的光按照不同程度的弯散传播，这一维图像上的每个点，再通过光栅进行衍射分光,形成一个谱带,照射到探测器上，探测器上的每个像素位置和强度表征光谱和强度。一个点对应一个谱段，一条线就对应一个谱面，因此探测器每次成像是空间一条线上的光谱信息，为了获得空间二维图像再通过机械推扫,完成整个平面的图像和光谱数据采集。如下

微生物检测技术在食品检测中的应用研究进展文献综述

微生物检测技术在食品检测中的应用研究进展摘要：食品问题关系国计民生，食品的安全越来越受到人们关注。在食品工业迅速发展的今天，建立食品微生物快速检测方法，对食品质量进行检测、监控尤为重要。近几年各国的许多机构和学者都很重视食品微生物检测技术和方法的研究，本文对此进行了详细的介绍。关键词：检测技术微生物食品安全 Progress of the research on the application of Microbial Detection Technology in food testing Abstract:Food is the people's livelihood. Food safety has received more and more attention. At present, the food industry is developing rapidly. Therefore, developing an rapid testing method of Microorganism in the food is especially important in detection and monitoring of food quality. In recente years, many institutes and researchers from different country attach great importance to the research of food microbiological testing techniques and methods. This article will give a detailed introduction to this below. Key words:the testing techniques Microorganism food safety 1前言随着时代的不断发展，人们生活水平不断提高，食品安全问题也越来越受到人们的关注，近几年来，三聚氰氨、苏丹红、漂白剂等等一系列的食品安全问题使人们对食品产生了强烈的不信任感，因此，食品微生物检测技术的应用也越来越广泛，同时，食源性微生物的检测技术也趋向迅捷、准确、大通量的方向发展。以往的食品微生物检测技术已经无法应对现代的食品安全问题，检测速度缓慢、检测精度不精确，因此，应当采取新的食品微生物检测技术，现代的检测技术包括色谱法与荧光分析法、阻抗法、放射测量法、ELISA法和生物传感器法，结合我国实际情况，在建立标准的食源性微生物检测方法，推广标准化、检测技术的应用等方面还要很多工作要做[1]。 2 食品微生物检验的内容和特点 2.1 食品的污染程度指示菌的检验（1）细菌总数：又称菌落数，是判断食物和应用水污染的主要指标。这是一种可以为卫生学检验评价提供依据的方法。（2）大肠杆菌：这种细菌主要是来自人们本身的粪便，所以对大肠杆菌的数量来检验食物或饮

企业财务管理目标文献综述

企业财务管理目标文献综述财务管理目标是财务学的核心问题之一。财务管理目标是企业理财活动所希望实现的结果，是评价企业理财活动是否合理的基本标准。它是企业财务管理活动的导向器，它决定着财务管理主体的行为模式。确立合理的财务管理目标、无论在理论上还是在实践上，都有重要的意义。因此对财务管理目标的研究，一直是国外财务学者关注的焦点内容之一，近些年我国财务学者也尽力探讨，力求找到既能符合财务活动的内在要求，又能衔接国家财务管理目标，并能满足企业各经济当事人经济利益的要求，实现我国企业财务管理目标。对此，回顾财务管理目标的发展，以指出财务管理目标的发展趋势。一、财务管理目标发展述评根据现有资料，对于财务管理目标的表述主要有以下几种：（一）利润最大化。这一目标是从19世纪初形成和发展起来的，其渊源是亚当?斯密的企业利润最大化理论。有学者明确提出“用利润最大化作为企业理财总目标是一种客观的选择”（何清波、邢建平，1998），“国有企业管理目标的完整表述应该是:在履行足够的社会责任的基础上追求利润最大化”。以利润最大化作为财务管理目标有其合理性。一方面，利润是企业积累的源泉，利润最大化使企业经营资本有了可靠的来源；另一方面，利润最大化在满足业主增加私人财富的同时，也使社会财富达到最大化。然而，随着商品经济的发展，企业的组织形式和经营管理方式发生了深刻的变化，业主经营逐渐被职工经理经营代替，企业利益主体呈现多元化，在这种情况下，利润最大化作为企业财务管理目标就不合适了。这不仅因为利润最大化概念含糊不清，没有反映出利润与投入资本的比例关系，还因为即使实现了利润最大化，如果未考虑到各种利益主体的合理利益，会影响未来企业经营资本的来源。（二）净现值最大化。20世纪40年代末，西方财务界开始关注资本在企业内部的有效分配，以及企业在资本市场中的作用。随着1951年乔尔?迪安（Joel Dean）的《资本预算》的出版，财务界开始讨论如何在各类资产间分配财物资源，以提高现金流动的净现值。如果一个企业所有各投资项目的净现值最大，企业的净收益就会最大。资本才能真正得以最大化增值。因此现值最大化被视为当时的企业财务管理目标，这一目标考虑了时间价值对资本增值效果的影响，显然优于利润最大化目标，但并为从根本上克服利润最大化目标的缺陷。（三）每股收益最大化。20世纪60年代，随着资本市场的逐渐完善，股份制企业的不断发展，每股收益最大化逐渐成为西方企业的财务管理目标，这以目标在科学上更进了一步，因为这里的“收益额”有时间概念，且“每股”又有投入资本概念，它是一定时间内单位投入资本（每股，不是每元）所获收益额，充分体现了资本投入与资本增值之间的比例关系，但这一目标一是未能体现资本投入所面临的风险；二是没有考虑企业股利方针对股票市价的影响。如果企业的目标只是为了每股收益最大，企业就决不会支付股利。

高光谱成像检测技术

高光谱成像检测技术一、高光谱成像技术的简介高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。高光谱成像技术的定义是在多光谱成像的基础上，在从紫外到近红外（200-2500nm）的光谱范围内，利用成像光谱仪，在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。高光谱成像技术具有超多波段（上百个波段）、高的光谱分辨率（几个nm）、波段窄（≤10-2λ）、光谱范围广（200-2500nm）和图谱合一等特点。优势在于采集到的图像信息量丰富，识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹”效应，不同物不同谱，同物一定同谱的原理来分辨不同的物质信息。二、高光谱成像系统的组成和成像原理高光谱成像技术的硬件组成主要包括光源、光谱相机（成像光谱仪+CCD）、装备有图像采集卡的计算机。光谱范围覆盖了200-400nm、400-1000nm、900-1700 nm、1000-2500 nm。 CCD 光源光栅光谱仪成像镜头

光谱相机的主要组成部分有：准直镜、光栅光谱仪、聚焦透镜、面阵CCD。高光谱成像仪的扫描过程：面阵CCD探测器在光学焦面的垂直方向上做横向排列完成横向扫描（X方向），横向排列的平行光垂直入射到透射光栅上时，形成光栅光谱。这是一列像元经过高光谱成像仪在CCD上得到的数据。它的横向是X方向上的像素点，即扫描的一列像元；它的纵向是各像元所对应的光谱信息。同时，在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。

关于中小型企的业财务管理研究的文献综述

目录 1 研究背景 (1) 2 国内外相关研究概述 (2) 2．1 国内相关研究概述 (2) 2．2 国外相关研究概述 (4) 总结 (5) 参考文献 (6)

1 研究背景随着我国市场经济的发展，及国家鼓励自主创业的一系列政策的实施，中小企业如雨后春笋一般，纷纷涌现。然后中小企业数量的增多，市场份额的增加，增加了其管理成本。包括企业自身管理成本及社会监督成本。一谈财务管理模式的重要性和对企业管理的支撑作用，大家就有很多的共识，因为目前大企业较注重财务管理，中小企业人员较少，业务相对简单，应研究更适合其发展运用的管理模式，用低成本来达到较高效益。在这种形势下，中小型企业的财务管理问题俨然要成为我们关注的重点。 2 国内外研究现状 2．1 国内相关研究概述马长英（2011）提出:从投资、融资和营运资金管理三个方面,采用问卷调查的方式直接关注中小型企业的“行为过程”,通过描述性统计方法,得出中小型企业财务行为特点,以及若干公司财务理论在中小型企业财务行为中的应用情况,并与刘力等人“公司财务理论与我国上市公司财务行为”的问卷调查结果进行了对比,为更加全面地进行财务理论研究和财务管理教学提供一定的参考。［1］陈秀玉（2013）认为：中小企业型企业由于自身资金的不足,导致在财务管理信息化这块上,不管是在技术还是人力方面的运用少之又少。虽然近年来对于加强中小型企业财务管理信息化的研究已取得了一定的成果,但是还是存在着不少需要改进的地方的。基于此,通过查阅大量的文献资料,并结合多年在中小企业工作的经验及所在地区中小型企业关于财务管理信息化的实际进行分析,发现问题,并提出相应的解决策略,以期为优化当前中小型企业财务管理信息化提供一定的参考及借鉴。［2］傅泉惠（2010）研究发现：我国大多数中小型企业受到企业家个人意志影响,在财务管理上表现为缺乏财务战略意识、财务治理目标不明确、工作流程不规范以及现金管理意识不强等现象。所有权和经营权高度一体化,曾经作为中小型企业灵活经营

高光谱图像分辨率增强及在小目标检测中的应用研究

高光谱图像分辨率增强及在小目标检测中的应用研究高光谱遥感是在测谱学基础上逐渐发展起来的新型遥感技术,除了空间图像信息外,其所具有的精细光谱信息,克服了宽波段遥感探测的局限,被广泛应用于多种领域,成为对地观测最重要的信息源之一。但由于成像原理与制造技术等因素的限制,高光谱图像的空间分辨率相对较低,给进一步应用,如特定目标的检测识别带来一系列的问题。为此,论文分别从信息融合和混合像素分解角度研究了高光谱图像的分辨率增强方法,旨在提高基于图谱结合的高光谱图像目标检测的性能。论文首先对遥感成像中涉及到的电磁波理论进行简单的介绍,分析了遥感图像的空间分辨率与光谱分辨率间的关系,即随着光谱分辨率的增加,在CCD等性能参数不变下,遥感图像的空间分辨率下降的原理。并在介绍了高光谱图像特性的基础上,对PCA、MNF及LDA变换的降维算法的原理进行了分析,研究其各种算法的特点及应用范围。降维算法是重要的高光谱图像预处理技术,这一部分的工作为后文的开展打下一个基础。然后对常用的高光谱图像目标检测算法进行了介绍。通过对支持向量数据描述的研究,分析并验证了其单类分类的性能及其适用范围;针对传统纯像素目标检测算法大部分无法解决目标与背景样本数量不平衡的问题,论文提出了基于SVDD的高光谱图像目标检测算法,把目标检测问题转化为单类分类问题。实验结果表明,与经典的光谱角度制图和有约束能量最小化算法相比,该算法仅需要较少的目标类训练样本就可以得到与前两者相近的检测结果,当增加背景样本时,本文方法可以将目标更容易的从背景中分离出来,为利用空间信息进一步检测提高了便利,使最终的检测结果优于上述两种算法。针对空间分辨率的

高光谱图像分类

《机器学习》课程项目报告高光谱图像分类 ——基于CNN和ELM 学院信息工程学院专业电子与通信工程学号 35 学生姓名曹发贤同组学生陈惠明、陈涛硕士导师杨志景 2016 年 11 月

一、项目意义与价值高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。

机器视觉技术发展现状文献综述

机器视觉技术发展现状人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能高等优点，有着广泛的应用前景[1]。一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。机器视觉一般都包括下面四个过程：

行人检测专利技术综述

行人检测专利技术综述摘要近年来，伴随着计算机视觉、模式识别和人工智能等相关技术的发展，以及智能汽车、智能监控和安全领域的迫切需求，行人检测技术受到了越来越多的关注，已成为当前研究人员关注的一个重要的研究方向。本文从行人检测的全球专利申请量、全球主要申请人分布、在中国提交申请量、中国主要申请人分布等角度进行了分析和研究，梳理了行人检测技术的研究现状及发展趋势。关键词行人检测；行人检测应用 1 全球专利申请分析 1.1 全球专利申请量分析自2000年起，行人检测技术在全球的申请趋势按照申请量可分为三个阶段：技术启蒙期、稳健增长期、快速增長与技术产品化期，下面将具体给出三个阶段的数据分析。技术启蒙期（2000-2004年）：2000年至2004年行人检测技术刚刚启蒙，申请量较少，这期间年均增长大约维持在20件左右。由于此期间计算机视觉技术发展也刚刚起步，行人检测技术还处于理论研究阶段，其涉猎的应用领域还很少。这期间主要的申请人还局限于汽车领域的领头企业，例如尼桑、瑞典奥拓立夫、本田等公司。此阶段行人检测技术，还较为落后其检测还主要是基于对物体的检测结合物体行进速度对行人进行检测，检测准确率低。稳健增长期（2005-2012年）：2005年至2012年，信息技术迅猛发展，计算机视觉也得到了飞速发展。此阶段由于与行人检测相关的技术智能汽车、智能监控和安全领域也得到了相关企业重视。行人检测技术申请量增长率有抬头趋势，在此期间年申请量50-80件左右，其主要涉猎的领域也较一阶段也涉及更多的应用领域，例如，一些新兴的企业单位也申请了相关专利申请。且此阶段，行人检测技术采用的技术也有所改进，行人检测的准确率有了一定的提升[1]。快速增长与技术产品化（2013-2016年）：在此期间，计算机视觉、图形图像等相关技术显著提升。2013-2016年，全球专利年申请量迅猛增至年申请量200件，尤其是在近三年其增占率更是实现了翻倍增长。其主要原因为：视频监控、自动驾驶技术、互动娱乐与人机交互、家庭监控等新兴领域的发展，促进了行人检测技术的发展，技术产品化成为可能。行人检测技术也逐渐走向成熟，其主要相关技术行人识别、背景去噪、算法效率等方面均得到了显著提高。 1.2 全球专利申请国家分布分析本文通过对DWPI数据库的国别字段进行申请量统计，并通过Microsoft Excel进行了申请百分比统计。截止2016全球行人检测技术排名前三位的申请国

高光谱成像检测技术.

高光谱成像检测技术、高光谱成像技术的简介高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术, 其最突出的应用是遥感探测领域, 并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。技术,是高光谱成像技术的定义是在多光谱成像的基础上,在从紫外到近红外（200-2500nm 的光谱范围内,利用成像光谱仪,在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时, 也获得了被测物体的光谱信息。高光谱成像技术具有超多波段（上百个波段、高的光谱分辨率（几个nm 、波段窄（＜1-2入光谱范围广（200-2500nm和图谱合一等特点。优势在于采集到的图像信息量丰富, 识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹” 效应, 不同物不同谱, 同物一定同谱的原理来分辨不同的物质信息。、高光谱成像系统的组成和成像原理高光谱成像技术的硬件组成主要包括光源、光谱相机（成像光谱仪+CCD 、装备有图像采集卡的计算机。光谱范围覆盖了200-400nm 、400-1000nm 、900-1700 nm 、1000-2500 nm。

CC D 朮源「一光栅壯谱以 —a I \、「维电移台 . 样品 A CCD。光谱相机的主要组成部分有：准直镜、光栅光谱仪、聚焦透镜、面阵

高光谱成像仪的扫描过程：面阵CCD探测器在光学焦面的垂直方向上做横向排列完成横向扫描（X方向，横向排列的平行光垂直入射到透射光栅上时，形成光栅光谱。这是一列像元经过高光谱成像仪在CCD上得到的数据。它的横向是X方向上的像素点，即扫描的一列像元；它的纵向是各像元所对应的光谱信息。同时,在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（丫方向。 1\ 综合横纵扫描信息就可以得到样品的三维高光谱图像数据。

农药残留对食品安全的影响以及农药残留检测技术的文献综述

农药残留对食品安全的影响以及农药残留检测技术的文献综述摘要：介绍了农药残留的现状及其对食品安全的影响，同时对农药残留检测技术进行系统的综述，并对今后农药残留检测及控制进行了展望。关键词：农药残留食品安全检测技术农药残留是指在农业生产中施用农药后一定时期内残留于生物体、农副产品及环境中微量的农药原体、有毒代谢物、降解物和杂质的总称。残留的数量叫农药残留量，以每千克样本中有多少毫克（或微克、纳克等）表示。农药残留是使用农药后的必然现象，是不可避免的。农副产品上的残留量超过限量，人畜长期食用后会引起慢性中毒或病变，直接或间接影响人们的身体健康。因此，控制降低农药残留，发展农药残留检测技术已成为当前亟待解决的问题。 1农药残留现状及种类 1.1 农药残留的现状 “民以食为天，食以安为先”，农产品的质量安全直接关系到人们的健康和安全。在农业生产中，由于农药、化肥等农业化学投入品的使用，导致农作物严重污染，人们食用农药残留超标的农产品，引起食物中毒的事件经常发生。2010年1 月25 日至2 月5 日，武汉市农业局在抽检中发现来自海南省英洲镇和崖城镇的5个豇豆样品水胺硫磷农药残留超标，消息一出，立即引起社会各方关注，豇豆产地收购价与销售批发价均出现大幅下滑。农药残留已经成为我国农产品出口的最大障碍，常常被进口国当作借口阻挡在门外，不仅给农户造成经济损失，而且还导致农产品出口竞争力减弱或下降，引起国家之间的经济贸易纠纷。国际市场对出口农产品安全要求很高，从2000 年起，欧盟等国家对农药残留颁布了更严格的标准，从2006 年5 月29 日开始，在日本市场流通的生鲜食品就适用肯定列表制度，一棵白菜要检测20个项目，最多的一种农产品要检测50个项目，合格后才能通关[1]。农药喷洒在作物上经过一定时间后，由于日晒、雨淋、风吹、高温挥发和植物代谢等的作用，药剂逐渐分解、减少，但不能全部消失，收获的农副产品上仍

财务管理的文献综述

财务管理的文献综述篇一：论中小型企业财务管理的问题及其对策——文献综述中小型企业财务管理的研究文献综述一、企业财务管理的研究西方财务管理的产生、发展是与股份公司的产生发展相伴随的。17、18世纪，随着资本的原始积累，金融业的兴起，生产规模的扩大，股份公司逐渐发展成为一种典型的企业组织形态。尤其是19世纪50年代以后，随着欧美国家产业革命的完成，制造业迅速崛起，企业规模不断扩大，企业生产经营发展所需要的资金越来越多。股份公司得到了迅速发展，专业化的财务管理便应运而生。企业则务管理是按照国家法律法规和政策以及企业经营要求，遵循资本营运规律，对企业财务活动进行组织、预测、决策、计划、控制、分析和监督等一系列管理工作的总称。其基本特征是价值管理，管理的客体是企业的财务活动，管理的核心是企业财务活动所体现的各种财务关系。因此，企业财务管理是利用价值形式对企业财务活动及其体现的财务关系进行综合性管理工作。在市场经济条件下，企业财务管理水平决定着企业生产经营规模和市场竞争能力，财务管理应当成为企业管理的核心。因此，加强企业财务管理，强化企业财务管理在整个企业管理过程中的中心地位，让财务管理的方法和精神贯穿并

服务于企业生产经营的各个环节，对改善企业的生存条件，提高企业的经济实力，推动企业的发展，起着重大的作用。二、国外学者对中小型企业财务管理的相关研究第一个关于中小企业研究的学术性刊物是1952年在德国创刊的杂志Internationales Gewerbearchiv.Zeitschrift fur Klein und Mittlunternemen代表了中小企业研究工作的开端。之后英国，美国，加拿大，法国和意大利等欧美国家陆续创刊了一系列专门登载中小企业研究文章的刊物。此后出现比较有影响的国际学术会议如美国的Bobson 会议，瑞士的小企业周和国际小企业世界年会理事会等。实证方面的研究有Atherton 和Garson等完成关于零售业中小企业的研究，Taber 和Marberg 等分别以刀具和黄铜制品中小企业为对象的研究，Soltow在1965年对英格兰小规模金属制造企业和机械制造企业研究，最早解释了为什么有的小企业能够成长，这是一项在学术界有主要影响的工作，Vatter1970年研究了大企业和小企业之间的关系及其演进后得出：大企业形成美国工业的垄断核心，而“工业的剩余部分则散布在中小企业部门”的结论。这些研究，被学术界认为是对中小企业的早期研究工作的一个部分。国外在面向中小企业的社会服务体系和相关立法工作方面比较完善，如美国的《小企业法》和《小企业技术创新法》，韩国，日本的《中小企业基本法》等。融资渠

高光谱成像国内外研究与应用

前言随着科学技术的发展，人们的感官得到了延伸，认识事物的能力也不断的提高，其中光谱成像和雷达成像成为其中的佼佼者，高谱和图像使人们能够在大千世界更好的认识到事物。高光谱成像技术作为一项优点显著，实用的成像技术，从20世纪80年代开始得到了世界各国的重视，经过深入的研究和发展如今已经被广泛地应用于各个领域。高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。高光谱成像技术是基于非常多窄波段的影像数据技术，其中最突出的应用是在遥感探测领域，并在民用领域有着更大的应用前景。本文通过分析介绍高光谱图像的成像原理，探讨了高光谱图像在国内外发展现状及其应用。

1.高光谱图像成像原理及特点 1.1高光谱遥感基本概念高光谱遥感是通过高光谱传感器探测物体反射的电磁波而获得地物目标的空间和频谱数据，成立于20世纪初期的测谱学就是它的基础。高光谱遥感的出现使得许多使用宽波段无法探查到的物体，更加容易被探测到，所以高光谱遥感的出现时成功的是革命性的。 1.2高光谱图像成像原理光源相机（成像光谱仪+ccd）装备有图像采集卡的计算机是高光谱成像技术的硬件组成，其光谱的覆盖范围为200-400nm，400-1000nm，900-1700nm，1000-2500nm。其中光谱相机的主要组成部分为准直镜，光栅光谱仪，聚焦透镜以及面阵ccd。其扫描过程是当ccd探测器在光学焦面的垂直方向上做横向扫描（x），当横向的平行光垂直入射到投身光栅是就形成了光栅光谱，这是象元经过高光谱仪在ccd上得出的数据，它的横向式x方向上的像素点也就是扫描的象元，它的总想是各象元对应的信息。在检测系统输送前进是排列的他测器完成纵向扫面（y）。综合扫描信息即可得到物体的三围高光谱数据。 1.3高光谱遥感的特点（1）波段多且宽度窄能够使得高光谱遥感探测到别的宽波段无法探测到的物体。（2）光谱响应范围更广和光谱分辨率高使得它能够更加精细的发硬出被探测物的微小特征。（3）它可以提供空间域和光谱域信息也就是“谱像合一”。（4）数据量大和信息冗余多，由于高光谱数据的波段多，其数据量大，而且和相邻波段的相关性比较高就使得信息冗余度增加很多。（5）高光谱遥感的数据描述模型多能够分析的更灵活。经常使用的3种模型有：图像，光谱和特征模型。 1.4高光谱的优势随着高光谱成像的光谱分辨率的提高，其探测能力也有所增强。因此，与全色和多光谱成像相比较，高光谱成像有以下显著优著: (1)有着近似连续的地物光谱信息。高光谱影像在经过光谱反射率重建后，能获取与被探测物近似的连续的光谱反射率曲线，与它的实测值相匹配，将实验室中被探测物光谱分析模型应用到成像过程中。 (2)对于地表覆盖的探测和识别能力极大提高。高光谱数据能够探测具有诊断性光谱

汽车检测站设计文献综述

学院文献综述题目汽车检测站设计姓名徐金权专业机械设计制造及自动化学号 7 指导教师郭磊魁日期2016年12月16日

汽车综合性能检测站设计一、前言汽车检测站是综合运用现代检测技术，对汽车实施不解体检测、诊断的。它具有现代的检测设备和检测方法，能在室检测出车辆的各种参数，并诊断出可能出现的故障，为全面、准确评价汽车的使用性能和技术状况提供依据。其重要意义在于，能提高维修效率，并对维修质量进行监管，从而保证行车安全。汽车综合性能检测站的设计建造在汽车运输行业来说是一项投资比较大技术性较强的工作，如何建好、管好汽车综合性能汽车检测站，这是摆在广大汽车运输行业科技人员面前的一个重要问题。这就要求我们在检测站的设计规划阶段，应着眼于国成熟的设计方案，充分考虑到检测站将要面的新形势和出现的新变化，拿出合理且具有前瞻性的设计方案。

汽车检测站的发展历史国外发展历程早在50年代在一些工业发达国家就形成以故障诊断和性能调试为主的单项检测技术和生产单项检测设备。60年代初期进入我国的汽车检测试验设备有美国的发动机分析仪、英国的发动机点火系故障诊断仪和汽车道路试验速度分析仪等，这些都是国外早期发展的汽车检测设备。60年代后期，国外汽车检测诊断技术发展很快，并且大量应用电子、光学、理化与机械相结合的光机电、理化机电一体化检测技术。例如：非接触式车速仪、前照灯检测仪、车轮定位仪、排气分析仪等都是光机电、理化机电一体化的检测设备。进入70年代以来，随着计算机技术的发展，出现了汽车检测诊断、数据采集处理自动化、检测结果直接打印等功能的汽车性能检测仪器和设备。在此基础上，为了加强汽车管理、各工业发达国家相继建立汽车检测站和检测线，使汽车检测制度化。国发展历程我国从20世纪50年代开始研究汽车检测技术，为满足汽车维修需要，当时交通部主持进行了发动机气缸漏气量检测仪，点火正时灯等检测仪器的研究与开发。随着国民经济的发展，科学技术在各个领域都有了快速的发展，汽车检测与诊断技术也随之得到快速发展。在单台检测设备研制成功的基础上，交通部自1980年开始，有计划地在全国公路运输系统筹建汽车综合性能检测站，取得了很大成绩。公安部门在全国中等以上的城市中，也建成了许多安全性能检测站。到2004年底，全国公路运输部门建成并投入使用的汽车综合性能检测站约1400余个。同时公安部门建成了数百个汽车安全性能检测站，部队，石油，冶金，外贸等系统和部分大专院校也建成了一定数量的汽车检测站。因此，目前我国以基本形成全国性的汽车检测网络。不仅如此，全国各地的维修企业使用的检测诊断设备也日益增多。汽车检测站的蓬勃发展，对保证在用汽车技术状况良好，监督维修质量，保障行车安全起到了非常重要的作用。同时，也促进了汽车诊断检测技术的发展。

计算机视觉各种方法

第33卷第1期自动化学报Vol.33,No.1 2007年1月ACTA AUTOMATICA SINICA January,2007 车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述贾慧星1章毓晋1 摘要基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一.其核心是利用安装在运动车辆上的摄像机检测行人，从而估计出潜在的危险以便采取策略保护行人.本文在对这一问题存在的困难进行分析的基础上，对相关文献进行综述.基于视觉的行人检测系统一般包括两个模块：感兴趣区分割和目标识别，本文介绍了这两个模块所采用的一些典型方法，分析了每种方法的原理和优缺点.最后对性能评估和未来的研究方向等一系列关键问题给予了介绍. 关键词行人检测，车辆辅助驾驶系统，感兴趣区分割，目标识别中图分类号TP391.41 A Survey of Computer Vision Based Pedestrian Detection for Driver Assistance Systems JIA Hui-Xing ZHANG Yu-Jin Abstract Computer vision based pedestrian detection has become one of the hottest topics in the domain of computer vision and intelligent vehicle because of its potential applications in driver assistance systems.It aims at detecting pedestrians appearing ahead of the vehicle using a vehicle-mounted camera,so as to assess the danger and take actions to protect pedestrians in case of danger.In this paper,we give detailed analysis of the di?culties lying in the problem and review most of the literature.A typical pedestrian detection system includes two modules:regions of interest(ROIs) segmentation and object recognition.This paper introduces the principle of typical methods of the two modules and analyzes their respective pros and cons.Finally,we give detailed analysis of performance evaluation and propose some research directions. Key words Pedestrian detection,driver assistance system,ROIs segmentation,object recognition 1引言车辆辅助驾驶系统中基于计算机视觉的行人检测是指利用安装在运动车辆上的摄像机获取车辆前面的视频信息，然后从视频序列中检测出行人的位置.由于它在行人安全方面的巨大应用前景，成为智能车辆、计算机视觉和模式识别领域的前沿研究课题.欧盟从2000年到2005年连续资助了PROTECTOR[1]和SAVE-U[2]项目，开发了两个以计算机视觉为核心的行人检测系统；意大利Parma[3]大学开发的ARGO智能车也包括一个行人检测模块；以色列的MobilEye[4]公司开发了芯收稿日期2006-3-14收修改稿日期2006-6-17 Received March14,2006;in revised form June17,2006 国家自然科学基金(60573148),教育部高等学校博士学科点专项科研基金(20060003102)资助 Supported by National Natural Science Foundation of P.R.China(60573148),Specialized Research Fund for the Doc-toral Program of Higher Education(20060003102) 1.清华大学电子工程系北京100084 1.Department of Electronic Engineering,Tsinghua University, Beijing100084 DOI:10.1360/aas-007-0084片级的行人检测系统；日本本田汽车公司[5]开发了基于红外摄像机的行人检测系统;国外的大学如CMU[6]、MIT[7,8]和国内的西安交通大学[9]、清华大学[10]也在该领域做了许多研究工作. 车辆辅助驾驶系统中基于计算机视觉的行人检测属于计算机视觉中人体运动分析的研究范畴，其主要任务是在运动摄像机下快速准确地检测行人.本文主要针对这一特定领域对相关的文献进行综述，重点分析常用方法的原理和优缺点，以期对相关的科技人员起到指导作用.对监控系统和体育运动分析领域中人体检测感兴趣的读者可以参考综述文献[11～14]. 行人检测除了具有一般人体检测具有的服饰变化、姿态变化等难点外，由于其特定的应用领域还具有以下难点：摄像机是运动的，这样广泛应用于智能监控领域中检测动态目标的方法便不能直接使用；行人检测面临的是一个开放的环境，要考虑不同的路况、天气和光线变化，对算法的鲁棒性提出了很高的要求；实时性是系统必须满足的要求，这 c 2007by Acta Automatica Sinica.All rights reserved.

基于机器视觉的工件识别和定位文献综述

基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，