多聚焦图像融合算法研究答辩稿
多聚焦图像融合算法研究
本科毕业设计论文题目多聚焦图像融合算法研究专业名称学生姓名指导教师毕业时间毕业 任务书一、题目多聚焦图像融合算法研究二、指导思想和目的要求本题目来源于科研，主要研究多聚焦图像的概念，学习多聚焦图像的常用融合算法，进而实现相关算法。
希望通过该毕业设计，学生能达到：1．利用已有的专业知识，培养学生解决实际工程问题的能力；2．锻炼学生的科研工作能力和培养学生团队合作及攻关能力。
三、主要技术指标1．学习多聚焦图像的特点；2．研究多聚焦图像的融合算法；3．实现多聚焦图像的融合。
四、进度和要求第01周----第02周： 参考翻译英文文献；第03周----第04周： 学习多聚焦图像的特点；第05周----第08周： 研究多聚焦图像的融合算法；第09周----第14周： 编写多聚焦图像的融合程序；第15周----第16周： 撰写毕业设计论文，论文答辩。
五、主要参考书及参考资料1.张德丰.MATLAB 数字图像处理[M].北京：机械工业出版社，2012.2. 敬忠良. 图像融合——理论与应用[M].北京：高等教育出版社，2010.3. 郭雷. 图像融合[M]. 北京：电子工业出版社，2011.4. 孙巍. 孙巍. 像素及多聚焦图像融合算法研究[D].长春：吉林大学，2008.5. 马先喜. 多聚焦图像融合算法研究[D].无锡：江南大学，2012.学生 指导教师 系主任 __ __设计论文摘要图像融合是将同一对象的两个或多个图像按一定规则合成为一幅图像。
其关键是抽取每幅源图像中的清晰区域，并将这些清晰区域以一定的规则融合起来，从而生成一幅清晰且信息量完整的融合图像。
多聚焦图像融合的具体目标在于提高图像的空间分辨率、改善图像的几何精度、增强特征显示能力、改善分类精度、替代或修补图像数据的缺陷等。
本文概括了多聚焦图像融合的一些基本概念和相关的基本知识，对DWT分解的层数和方向子带的个数对融合结果的影响进行了初步的研究。
像素级多聚焦图像融合算法研究
像素级多聚焦图像融合算法研究
在变换域方面,提出了两种基于Q-Shif双树复数小波变换(Q-Shif DT-CWT)的融合算法。
针对低频系数和高频系数的不同特点,算法一分别采用邻域梯度取大(NGMS)和模值取大(MVMS)融合准则进行系数融合。
在算法一的基础上,算法二采用合成图像模值取大(SI-MVMS)准则对高频系数进行融合。
两种融合算法提高了系数选取的准确性,其中算法二融合图像质量更高。
在空间域方面,提出了基于非下采样Contourlet变换(NSCT)的空间域融合算法。
该算法采用NSCT提取源图像细节信息,通过合成图像绝对值取大(SI-AVMS)准则得到融合决策图来“指导”源图像中像素点的选取。
算法利用NSCT良好的细节表现力,克服了传统空间域融合算法在细节表现力上的不足。
由于不存在反变换,避免了对源图像信息的破坏。
在彩色多聚焦图像融合方面,提出了基于NSCT的空间域彩色多聚焦图像融合算法。
该算法根据亮度分量的融合情况“指导”源彩色图像的三个分量中像素点的选取,其中亮度分量采用基于NSCT的空间域融合算法进行融合。
该算法避免了传统融合算法容易出现的颜色失真和模糊现象。
一种有效的形态小波多聚焦图像融合算法
Ａｂｔａ ｔ ｓｒ ｃ ：Ｔｈｅ ｋ ｙ ｐ ｎｔｏ ｕｌｉｆ ｕ ｍ ａ ｅ ｆ ｓｏｎ ｉ ｏ ｋｅ ｐ ｔ ｔｉ ｎｄ ｄｅａ ｌｉ ｏ ｍａ ｉｎ ｏｆｔ ｒｇｉａ ｅ ｏｉ ｆｍ ｔ—ｏｃ ｓ ｉ ｇ ｕ ｉ ｓｔ ｅ ｈｅｏｕ ｌｎｅａ ｔｉ ｎｆ ｒ ｔｏ ｈｅｏ ｉ ｎ ｌ
ｉ ｇ ｅ ｔ ｒ Ａｓｍｏ ｐ ｏ ｏ ｉａ ｖ ｌ ｔｉｔ ｇ ａ ｅ ｈ ｒ ｐ ｒ ｉｓｏ ｕ ｔ ｌｖ ｌｄ ｃ ｍｐ ｓｔ ｎ ｏ ｅ ｙ ｗａ ｅ ｍａ ｅｂ ｔｅ ． ｒ ｈ ｌｇ ｃ ｌｗａ ｅ ｅ ｎ ｅ ｒ ｔ ｓ ｔ ｅｐ ｏ ｅ ｔ ｆ ｅ ｍ ｌｉ ｅ ｅ ｅ ｏ ｏ ｉ ｏ ｗｎ ｄ ｂ ｖ — — ｉ ｌ ｔｔａ ｓ ｏ ｍ ｎ ｈ ｏ —ｉ ｅ ｒｆ ａ ｕ ｅ ｏ ｓ ｓ ｅ ｙ ｍｏ ｐ ｏｏ ｙ ｈ ｓｐ ｐ ｒｐ ｏ ｏ ｅ ｌ — ｏ ｕ ｍａ ｅｆ — ｅ ｒ ｎ ｆ ｒ ａ ｄ ｔ ｅｎ ｎ ｌ ａ ｅ ｔ ｒ ｓｐ ｓ ｅ ｓ ｄ ｂ ｒ ｈ ｌ ｇ ，ｔ ｉ ａ ｅ ｒ ｐ ｓ ｓ ａｍｕ ｔ ｆ ｃ ｓ ｉ ｇ ｕ ｎ ｉ
ｓ ｅ ｔｖ ｌ ． Ｈ ｉ — ｒ ｑｕ ｎｃ ｏｅ ｆｃｅ ｔ ｅ ｔ ｅ ｍ ｅ ｈｏ ｃ ｉｖｉ ｒ ｃ ｉ － ｅａ ｅ ｏ ｒ ｓ ｒ ｅ ｔ ｔ ｉｓ ａ ｐ ｃ ｉｅ ｙ ｇｈ ｆｅ ｅ ｙ ｃ ｆｉｉｎ ｓ ｕｓ ｈ ｔ ｄ ｏｆａ ｈ ｅ ｎｇ ｄｉｅ ｔｏｎ ｒ ｌｔ ｄ ｔ ｅ ｅ ｖ ｈｅ ｄｅａ ｌ ｎｄ
一种改进的基于方向区域能量的多聚焦图像融合算法
中图 分 类 号 ：Ｔ ３ １ Ｐ ９ 文 献 标 识 码 ：Ａ 文章 编 号 ：１ ０ －７ ７ ２ １ ） ９０３ －４ ０ ０ ９８ （ ０ １ ０ － １ １０ － －
Ａｎ ｉ ｐ ｏ ｅ ｌ ｏ ｉｈｍ ｆｍ ｕｌｉｆ ｃ ｓ ｄ ｉ ａ ｅ ｆ ｓｏ ｍ ｒ ｖ ｄ ａ ｇ ｒｔ ｏ ｔ－ｏ ｕ ｅ ｍ ｇ ｕ ｉ ｎ
Ｋｅ ｙ ｗｏｒ ｄｓ： ｉ ｇ ｕｓｏ ｍａ ｅ ｆ ｉｎ；ｗａ ｅｅ ｒ ｎ ｆ ｒ ；ｍｕ ｔ－ｏｃ ｉ ｇ ｉ ｇ ｓ ｒｇ ｏ — ｎｅｇ ；ｄ ｒ ｔｏ ｌ ｈ ａ ｔｒｓｉｓ ｖ ｌ ｔｔａ ｓｏ ｍ ｌｉｆ ｕｓｎ ｍａ ｅ ； ｅ ｉ ｎ ｅ ｒ ｙ ｉｅｃｉｎａ ｃ ａ ｃｅ ｉｔｃ ｒ
ｈｇ ￣ｅ ｅ ｃ ｕ ｂ ｎ ｉｈ－ ｑｕ ｎ ｙ ｓ ｂ— ａ ｄ．ｔ ｆ ｉｎ ｃ ｅ ｃ ｅ ｔ ｓ ｅ ｅ ｉ ｄ ｙ ｈ ｍａ ｉ ｈｅ ｕｓｏ ｏ ｆ ｉ ｎ ｉ ｄ ｔ ｒ ｎｅ ｂ ｔ ｅ ｉ ｍ ｘｍｕｍ ｄｒ ｃ ｉｎ ｌ ｅ ｉｎ— ｎ ｒ ｙ ｎ ｉｅ ｔｏ ａ ｒ ｇｏ ｅ ｅ ｇ ｉ
０ 高效 的融 合组合 ， 否则 会造 成效率不 高且 提升效果 不大 的情况 。另 外 ， 统 的基 于 区 传 域特征 的融合规则 虽然考 虑到子 带 的区域相关性 ， 但并 没 有充分利用 到高频 子带 的方 向特性 。因此 ， 本文 通过 分析
ｄｆ ｒ ｎ ｉ ｈ ￣ｅ ｕ ｎ ｙ ｒ ｇｏ ｓｂ ｓ ｄ ｏ ｈ ｉｅ ｔ ｎ ｈ ｒ ｃｅ ｉｔ ｓ Ｅ ｐ ｒ ｎ ｓｓ ｏ ｈ ｔｔ ｅｆ ｓｏ ｍａ ｅｏ ｉ ｅ ｅ ｔｈ ｇ 一 ｑ ｅ ｃ ｅ ｉｎ ａ ｅ ｎ ｔ ｅ ｄ ｒｃ ｉ ａ ｃ ａ ａ ｔｒ ｉ ． ｘ ｅ ｍｅ ｔ ｈ ｗ ｔ ａ ｕ ｉｎ ｉ ｇ ｆ ｆ ｏｌ ｓｃ ｉ ｈ ｐ ｏ ｏ ｅ ｌｏ ｉ ｍ ａ ｒ ｎｏ ｍａｉｎ ｃ ｎｅ ｔａ ｄ ｈ ｇ ｅ ｌ ｒ ｙ ｒ ｐ ｓ ｄ ａｇ ｒ ｈ ｈ ｓ ｍｏ ｅ ｉ ｆｒ ｔ ｏ ｔｎ ｎ ｉｈ ｒｃ ａｉ ． ｔ ｏ ｔ
基于SIFT和小波多尺度分析的多聚焦图像融合方法研究的开题报告
基于SIFT和小波多尺度分析的多聚焦图像融合方法研究的开题报告一、研究背景及意义随着数字图像处理和计算机视觉技术的快速发展，多聚焦图像成为了一种常见且有效的图像获取方式。
多聚焦图像是指在特定场景下，通过调整相机焦距或移动相机在不同位置拍摄同一场景的多张图像，得到焦距不同、聚焦点不同的、具有不同清晰度的多张图像。
多聚焦图像可以更加清晰地反映物体表面的纹理和细节，提供更加充分的信息，有利于后续图像分析、处理和应用。
但是在实际应用中，由于环境的复杂性、图像像素的差异等原因，多聚焦图像之间存在差异，如图像的亮度、对比度、色彩等方面的变化，直接对多聚焦图像进行融合，可能会出现不连续、不自然的过渡或失真的情况。
因此，如何对多聚焦图像进行有效的融合，提高图像的质量和清晰度，成为了图像处理和计算机视觉领域的热点问题之一。
二、研究目标本文旨在研究一种基于SIFT和小波多尺度分析的多聚焦图像融合方法，实现对多张聚焦图像进行有效、自然的融合，提高图像质量和清晰度。
具体研究目标如下：1. 基于SIFT算法提取图像的特征点，对于多张聚焦图像进行配准和对齐。
2. 利用小波变换进行多尺度分析，得到多聚焦图像在不同尺度下的细节信息和边缘特征。
3. 结合多余度小波理论，对多张聚焦图像进行分解和重构，得到逐层分解的图像序列。
4. 基于逐层分解后的图像序列，对每个分解层选取最优的聚焦区域进行融合，得到最终融合图像。
三、研究内容和关键技术本文的研究内容主要包括以下方面：1. SIFT算法的研究和实现2. 小波变换的原理和多尺度分析方法的研究3. 多余度小波的理论和实现4. 基于SIFT和小波多尺度分析的多聚焦图像融合算法的研究和实现本文主要涉及的关键技术包括：SIFT算法的特征提取和匹配，小波变换的多尺度分解和重构，多余度小波的理论和应用，以及多聚焦图像的融合算法实现。
四、预期成果本文预期达到以下成果：1. 实现了基于SIFT和小波多尺度分析的多聚焦图像融合算法；2. 通过实验验证了该算法的有效性和优越性，比较其与常见的多聚焦图像融合方法的差异和优劣；3. 发表一篇学术论文，交流研究成果。
多聚焦图像融合算法研究答辩稿-毕业论文-
3 .清晰度 图像在人眼中的清晰程度就是清晰度。
四、实验仿真与主客观评价
1. 基于小波变换的低频取平均值、高频取绝对值最大的算法 步骤1 对各源图像进行DWT分解，得到各源图像的低频分 量和高频分量。 步骤2 对各源图像的低频分量取均值、高频分量取绝对值最 大。 步骤3 对以上得到的高低频分量，经过小波逆变换得到最终 融合图像。
4. 客观评价（如表4-1）
由表中所得仿真数据可知，本章主要研究的基于DWT分 解多聚焦图像融合算法无论在信息熵、空间频率还是清晰 度上都大于平均法及加权平均法，融合效果较为理想，达 到了预期的效果。
结论：经小波变换后所得的融合图像较好地保存了原 始图像中的清晰区域，较单纯的加权平均法取得 了较为满意的效果。
随着科技的进步，多聚焦图像融合技术越来 越多地用于多频谱图像理解、目标识别、机器视 觉及医学图像处理等领域。这一技术定将在现代 医疗、军事侦查、产品防伪及文化艺术方面发挥 愈发重要的作用。
二、融合算法分类与概述
◆ 算法分类与描述 目前像素级多聚焦图像融合算法主要分为两
类：空间域多聚焦图像融合算法和变换域多聚焦 图像融合算法。 1.空间域多聚焦图像融合算法
论文题目:多聚焦图像融合算法研究
指导教师：
■ 班级： ■ 学生： 学号：
♦ ♦
16日
日期：2014L年O6G月O
一、研究概述
◆ 研究背景与意义 自第有一台具光学镜头相机的出现开始，便
出现了能生成场景中物体信息的图像。由于光学 镜头的景深有限，使得在拍摄时很难获取一幅所 有景物都聚焦清晰的图像。这样，多聚焦图像融 合技术应用而生。
（1）基于像素点的融合
多聚焦图像融合算法的研究
多聚焦图像融合算法的研究分类号：********U D C：******-***-(20**)****-0密级：公开编号：********************⼤学学位论⽂多聚焦图像融合算法研究论⽂作者姓名：申请学位专业：申请学位类别：指导教师姓名（职称）：论⽂提交⽇期：多聚焦图像融合算法研究摘要光学成像系统焦距确定后，只有成像在景深区间内的空间点能够清晰成像。
实际应⽤中对某个场景的物体成像时，由于被照场景中各物体与成像镜头的物距各异，所成的像不是全都清晰的。
为了获取清晰的全场景图像，需要对场景中不同的物体分别聚焦，获取每个物体的图像，并将其融合在⼀起，即多聚焦图像融合技术。
研究了多聚焦图像融合的基本理论，特别是空间域和变换域的融合⽅法；阐述了有关⼩波变换（WT）的融合理论，该办法通过对原始图像实施⼩波分解，将解析后的低、⾼频区域作相应的变换，⾼低频区域分别使⽤不同的融合规则，然后⽤修正后的⼩波⼦区域融合成新图像。
设计了计算机模拟实验，对⼏种基于⼩波的多聚焦图像融合算法进⾏了模拟并给出了结果评价，实验结果证实了⽂中⽅法的有效性。
关键词：多聚焦图像融合；⼩波变换；图像重构；质量评价；融合规则The research on multi-focus image fusion algorithmAbstractAfter determining the focal length of the optical imaging system, only when imaging in the space point of the depth of focus can be clearly imaged. In the real process of the image-forming, because of the difference of the object distance between the things and imaging lens in the scene which be focused, the image-forming to certain scene is not all clear. To obtain clear panorama, we can respectively focus on the different objects in the scene, get all the images of the object and mix them together, this is so-called multi-focus image fusion technology. The basic theory of multi-focus image fusion, especially the spatial domain and transform domain fusion method;Expounded about the wavelet transform(WT) fusion theory, the approach, the original image by wavelet differentiation, will be resolved after the low-frequency region for the corresponding conversion, high-frequency regions are using different fusion rules, then corrected wavelet sub-regional integration into a new image.Design of computer simulation experiments, several fusion algorithm based on wavelet multi-focus images are simulated and gives the results of the evaluation, experimental results confirmed the validity of the method.Keywords:multi-focus image fusion;wavelet transform; image reconstruction; quality evaluation; fusion rule⽬录论⽂总页数：33页1 引⾔ (1)1.1 课题研究背景及意义 (1)1.2 图像融合技术的研究现状及问题 (1)1.3 图像融合的层次 (2)1.4 论⽂的内容结构安排 (4)2 多聚焦图像的融合算法 (4)2.1 多聚焦图像成像理论基础 (4)2.2 多聚焦图像的融合⽅法 (5)2.2.1 ⼀般常⽤的融合算法简介 (5)2.2.1.1 IHS彩⾊空间的融合算法 (5)2.2.1.2 Brovey变换算法 (8)2.2.1.3 加权平均图像融合算法 (9)2.2.1.4 采⽤PCA算法的图像融合⽅法 (9) 2.2.1.5 智能图像融合算法 (11)2.2.2 图像的变换域融合⽅法 (12)2.2.2.1 ⾦字塔融合⽅法 (13)2.2.2.2 基于⼩波变换的算法 (15)3 ⼩波变换融合算法 (15)3.1 ⼩波变换概述 (15)3.2 ⼩波变换分析 (16)3.2.1 连续⼩波变换 (17)3.2.2 离散⼩波变换 (17)3.3 ⼆维离散⼩波变换及其Mallat算法 (17) 3.4 图像融合的离散多⼩波变换 (18)3.4.1 多⼩波概念简述 (18)3.4.2 多⼩波变换 (18)3.5 ⼩波包算法 (19)3.5.1 ⼩波包的定义 (19)3.5.2 ⼩波包的分解与重构算法 (20)3.5.3 ⼩波包的融合思想 (20)3.6 各种⽅法⽐较 (21)3.7 多聚焦图像融合的规则 (21)3.7.1 低频系数融合规则 (21)3.7.2 ⾼频系数融合规则 (21)4 多聚焦图像融合质量的评价 (22)4.1 融合图像质量的定性评价 (22)4.2 融合图像质量的定量评价 (23)5 理论模拟实验结果及分析 (24)5.1 不同⼩波分解⽅法⽐较 (24)5.2不同分解层数的⽐较 (25)5.3 不同⽬标图像⽐较 (27)6 总结 (29)参考⽂献 (30)致谢 (32)声明 (33)1引⾔1.1课题研究背景及意义随着经济的发展，科技的⽇新⽉异，各种不同传感器的使⽤范围逐渐扩⼤。
基于超分辨率的多聚焦图像融合算法研究
180 2020，56（3）
Computer Engineering and Applications 计算机工程与应用
⦾图形图像处理⦾
基于超分辨率的多聚焦图像融合算法研究
曹 军，陈 鹤，张佳薇 东北林业大学 机电工程学院，哈尔滨 150040
摘 要：针对传统小波变换在图像融合过程中出现边缘模糊、图像失真等问题，提出了一种基于超分辨率的多聚焦 图像融合算法。对所有的源图像进行了双三次插值的单帧超分辨率处理 ，增强源图像对比度等细节信息 ，采用的源 图像为分别进行左右聚焦处理的同一场景中的两幅图像。对这些高分辨率源图像实现了平稳小波变换（SWT），并 将 源 图 像 划 分 为 四 个 子 带 。 针 对 这 些 子 带 所 包 含 源 图 像 细 节 信 息 混 乱 、结 构 信 息 冗 余 等 问 题 ，采 用 了 主 成 分 分 析 （PCA），分别选取源图像各子带的最大信噪比进行图像融合。利用逆平稳小波变换（ISWT）对融合子带进行重构 ， 得到高质量融合图像。为了评定融合后图像的质量 ，选择了无参考图像和全参考图像的两种度量方法来检测融合 后的图像质量。经实验结果表明 ，提出的算法克服了传统小波变换算法在图像融合上的缺点 ，具有边缘清晰 、视觉 感知好、清晰度好、失真小等优点。 关键词：多聚焦图像融合 ；超分辨率 ；平稳小波变换 文献标志码：A 中图分类号：TP391 doi：10.3778/j.issn.1002-8331.1906-0388
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3.主观
（2）单层DWT分解所得的融合图像较平均法和加权平均法 较好，但整体效果不够清晰。
（3）二层DWT分解和三层DWT分解所得的融合图像均较 为清晰，三层DWT分解所得图像更胜一筹。 （4）当DWT分解层数大于三层时，随着分解层数的增加， 所得融合图像的效果会有所增强，但效果不明显；同时会 出现重影等不良影响。 4.客观评价（如表4-1）
3.清晰度
( M 1)( N 1) 1 g ( M 1)(N 1) 1
(
f ( x, y) 2 f ( x, y) 2 ) ( ) x y 2
图像在人眼中的清晰程度就是清晰度。
四、实验仿真与主客观评价
1.基于小波变换的低频取平均值、高频取绝对值最大的算法 步骤1 对各源图像进行DWT分解，得到各源图像的低频分 量和高频分量。 步骤2 对各源图像的低频分量取均值、高频分量取绝对值最 大。 步骤3 对以上得到的高低频分量，经过小波逆变换得到最终 融合图像。 2.实验仿真结果
三、主要客观评价性能指标简介
1、信息熵（E）
E pi l og2 pi
i 0
L 1
信息熵用来描述一幅图像所含信息量的大小。一般来说，熵 值越大，图像所含的信息量就多，融合效果就越好。 2、空间频率（SF） SF RF 2 CF 2
其中RF和CF分别代表行频率和列频率，M×N为图像的大小。
其中，A，B为源图像。基于像素点的融合算法示意图如图2-1所 示。
（2）基于分块的融合算法 该算法能够准确地提取源图像的清晰区域，保留有用信息 ，提高了像素点之间的相关性。其融合示意图如图2-2。
2.变换域多聚焦图像融合（主要介绍小波变换算法） 经小波分解的低频子带包含了图像的主要信息，占整 个图像的大部分能量；高频分量包含了图像在不同尺度、 不同方向上的细节信息。其融合示意图如图2.3所示。
(m, n)
二、融合算法分类与概述
算法分类与描述 目前像素级多聚焦图像融合算法主要分为两 类：空间域多聚焦图像融合算法和变换域多聚焦 图像融合算法。 1.空间域多聚焦图像融合算法
（1）基于像素点的融合
该类算法是根据各个源图像中对应位置上每个像素点的灰度 特征值进行融合的。计算公式为：
F (m, n) wA (m, n) LA (m, n) wB (m, n) LB (m, n)
论文题目:多聚焦图像融合算法研究
指导教师：
班级： 学生： 学号： 日期：2014年6月16日
LOGO
一、研究概述
研究背景与意义 自第有一台具光学镜头相机的出现开始，便 出现了能生成场景中物体信息的图像。由于光学 镜头的景深有限，使得在拍摄时很难获取一幅所 有景物都聚焦清晰的图像。这样，多聚焦图像融 合技术应用而生。 随着科技的进步，多聚焦图像融合技术越来 越多地用于多频谱图像理解、目标识别、机器视 觉及医学图像处理等领域。这一技术定将在现代 医疗、军事侦查、产品防伪及文化艺术方面发挥 愈发重要的作用。
由表中所得仿真数据可知，本章主要研究的基于DWT 分解多聚焦图像融合算法无论在信息熵、空间频率还是清 晰度上都大于平均法及加权平均法，融合效果较为理想， 达到了预期的效果。 结论：经小波变换后所得的融合图像较好地保存了原
始图像中的清晰区域，较单纯的加权平均法取得
了较为满意的效果。
五、致谢
感谢各位老师的教导与指正，祝身 体健康、工作顺利！！