改进的二维Otsu图像分割方法及其快速实现
一种改进的Otsu双阈值二值化图像分割方法_钟雪君
i 0 i 0 t t
out PI ( I ) PI ( I ) (3) 式中， in 表示类内方差， out 表示类间
2 2
图1
方差。 由于按灰度分割图像时，阈值应选取 类间差异最大，类内差异最小的点，故设函 数： (4) 取 F 的最大值，即可得到最佳阈值 t 。 3.2 基于 Otsu 方法的加权双阈值二值化 为了解决 Otsu 法对前景与背景灰度差数 值小而造成图像分割效果差的问题，本文设 置了加权双阈值， t1 和 t 2 分割图像。 在 Otsu 法求的的阈值 t 的基础上，设定 两个的权值 k1和k 2，参数可以根据阈值 t 和图 像对细节的要求进行调整。 t1 k 1 t ， t 2 k 2 t (5) 4.仿真结果与分析 本 文 使 用 仿 真 软 件 MATLAB7.1 实 现 了
表1 三幅图片阈值对比 双阈值 单阈值 m t 图像1 图像2 图像3 140 152 131 124 123.5 118.5
1
到了较好的解决。 2. Otsu 二值化图像分割 Otsu 法是由日本人大津首先提出的，也 称“大津阈值法”或“最大类间方差法”， 该方法是基于图像中目标和背景两类别的可 分离性提出的[4]。该法是建立在，假设图像 中目标和背景所构成的混合密度函数是由两 个服从等方差的正态分布子分布的基础之上 的[5]。 假设图像有 L 个灰度等级，用阈值 m 将 其分为2个区域。求得两个区域的像素与图 像总像素之比、灰度均值，继而求得关于阈 值 m 的类间方差函数 2 ，使得类间方差 2 为最大值的 m ，即是分割图像的最佳阈值。 3.改进的 Otsu 双阈值二值化 3.1 改进的 Otsu 二值化方法 把图像直方图用某一灰度值分割成两 组，当被分割成的两组的类间方差最大，同 时类内方差最小时，此灰度值就作为图像二 值化处理的阈值[7]。具体过程如下所示： 假设图像有 L 个灰度等级，用阈值 t 将 其分为2个区域Ⅰ和Ⅱ。 pi (i 0,1, , L 1) 表 示灰度级为 i 的像素的概率。 t L 1 PI Pi ， PII Pi (1)
二维otsu算法的原理
二维otsu算法的原理
二维Otsu算法是一种用于图像分割的算法，其原理是基于Otsu算法的基础上，对二维图像进行处理。
Otsu算法是一种经典的图像分割算法，其主要思想是通过自适应地确定图像的阈值，将图像分成背景和前景两部分。
二维Otsu算法在此基础上，将图像扩展成二维直方图，在二维直方图中，横轴表示像素的灰度值，纵轴表示像素的灰度值对应的像素个数。
二维Otsu算法的原理如下：
1. 计算二维直方图：遍历图像的每一个像素点，统计每个像素值对应的像素个数，形成二维直方图。
2. 计算总像素数：统计图像的总像素数，即直方图中所有像素个数的总和。
3. 遍历二维直方图：遍历二维直方图，对每一个像素值对应的像素个数进行计算。
4. 计算类内方差：根据二维直方图，计算每个像素值对应的类内方差。
类内方差表示在该像素值作为阈值时，背景和前景的灰度值之间的差异程度。
类内方差越小，说明背景和前景的差异程度越小，分割效果越好。
5. 寻找最大类内方差：遍历所有像素值，找到使类内方差最大的像素值，作为最佳阈值，将图像分成背景和前景两部分。
通过以上步骤，二维Otsu算法可以自适应地确定图像的最佳阈值，实现二维图像的分割。
二维Otsu阈值法的快速算法
ｈ ｓｏ ｒｍ ｎ ｏ ｒ ｇｏ ｓ ａ ｄ ｔ ｏ ａ ｈ ｅ ｉｎ ａ ｏｎ ｔ ｏ ｍ ｅ ｔ — ｉ ｎ ｉｎ ｌ ｈ ｓｏ ｒ ｍ， ｔ ｉｈ ２ Ｏｔｕ ｉ ｇ ａ ｉ ｔ ｅ ｉｎ ， ｎ ｏ ｋ ｅ ｃ ｒ ｇｏ ｓ ａ ｐ ｉ ｔ ｏ ｆｒ ａ ｎ ｗ ｗｏ ｄｍｅ ｓｏ ａ ｉｔｇ ａ ｔ ｏ ｗｈｃ Ｄ ｓ ｔｒ ｓ ｏｄ ｎ ｌｏ ｔｍ ｎ ｈ ａ ｔ ｅ ｕ ｓｖ ｇ ｒｔ ｍ ｗ ｒ ｐ ｌ ｄ ｅ ｔ ｇ ｔｅ ｒ ｇｏ ｕ ｅ ｆｔｅ ｔ ｒ ｓ ｏ ｄ ｈ ｎ ｔｅ ｔ ｏ ｈ ｅ ｈ ｌｉ ｇ ａ ｇ ｒ ｈ ａ ｄ ｔｅ ｆｓ ｅ ｒｉ ｅａ ｏ ｉ ｅ ｅ ａ ｐ ｉ ，ｇ ｔ ｎ ｅ ｉｎ ｎ ｍｂ ｒｏ ｅ ｈ ｌ ．Ｔ ｅ ｈ ｗ ｉ ｒ ｌ ｈ ｅ ｉ ｈ ｈ ｈ
Ｊ ｕｎ ｌｏ ｏ ｕｅ ｐｉａｉｎ ｏ ｒａ ｆＣ ｍｐ ｔｒＡｐ ｌｃｔ ｓ ｏ
Ｉ Ｓ １ ０１ ９ ８１ Ｓ Ｎ ０ ． ０
２０１ ０ ０１ ２． ５—
计 算机 应用，０ ２ ３ （） １５ ２ １ ，２ ５ ：２ ８—１６ ２０ 文章编号 ：０ １ ９ ８ （０ ２ ０ １０ — ０ １ ２ １ ）５—１５ ０ ２ ８— ３
ｘｕ ａ ｇ ｘｎ ． ＰＥＮＧ ｏ ｈ Ｃｈ ｎ － ｉ Ｇｕ － ｕａ （ ｃｏｌｆＳｉ ｃ，ｘ ７ ０ ２ ，Ｃ ｉａ Ｓｈｏ ｏ ｅ ｅ ｏｔ ｅｔｎＰ ｌ ｅ ｉ ｉ ｓｙ ｉｎＳ ａ ｎｉ ０ ９ ｈｎ ） ｃｎ ｈ ｅ ｙ ｈ ａ Ｕ ｅｉ ａ １
ＣＯＤ ＹＩＤ ＥＮ Ｊ Ｉ Ｕ
ｈｔ ： ／ ｗ ．ｏ ａ ｃ ｔ ／ ｗ ｗ ｊｃ ． ｎ ｐ
ｄ ｉ１．７ ４ Ｓ ．．０ ７ ２ １ ． １５ ０：０ ３ ２ ／ Ｐ Ｊ １８ ．０ ２ ０２ ８
一种基于二维直方图的图像分割改进算法
σ
=
ωσ 00
+ω1σ1
(2)
式
(
2
)中
,
σ 0
和
σ 1
分别表示
C0 和
C1 的散布
矩阵 , 其中 :
K 2d
∫∫ σ 0
=ω1
→
→
[
( x,
y)
′-
μ 0
][
( x,
y)
′-
μ 0
]′p ( x,
y)
dxdy
00 0
(3)
2 (L - 1) 2d
∫∫ σ 1
=
1 ω
→
[
(
x,
y)
′-
μ 1
][
( x,
y)
′-
1K0
→
μ 1
] ′p ( x,
y)
dxdy
(4)
根据文献 [ 8 ]的方法 ,用矩阵 σ的迹 tσr 作为类
内距离测度函数 ,即 :
tσr ( K)
=
ω 0
tσr 0
+ω1 tσr 1
基于多种改进Otsu图像分割方法应用论文
基于多种改进Otsu图像分割方法的应用研究[摘要] otsu图像分割方法是一种很受重视并经常使用的方法,本文对比几种改进的otsu方法,分析各自的应用方向,为今后的深入研究打下基础。
[关键词] 图像分割otsu局部最佳阈值图像方差分类1.引言图像分割是图像处理和计算机视觉中基本而关键的技术之一,也是图像理解与模式识别的前提,在现实生活中也有着很广泛的应用。
在这些应用中,图像分割质量的好坏直接影响后续图像处理的效果,甚至决定其成败,因此,图像分割的作用是至关重要的。
其中otsu[1] 提出的方法是很受重视并经常使用的方法，人们从不同的角度对otsu 法进行了说明。
如j. kittler[2]指出otsu算法实际是一种聚类分析法。
a. d. brink[3]指出可以从原图像灰度分布与分割后的灰度分布二者之间的概率相关角度来解释。
t. kurita[4]用条件最大相关原则解释了otsu算法。
付忠良[5-7] 分别从不同的角度对otsu 法进行了推广。
刘健庄[8]将一维otsu阈值法推广到二维,使其抗噪性得到改善。
范九伦[9]将二维otsu算法推广到三维。
sahoo p k使用邻域中心像素的灰度值和邻域全部像素灰度均值来构成二维直方图,再进行分割。
本文将对比几种改进的otsu方法,分析各自的应用方向。
2.经典otsu阈值方法原理otsu提出的最大类间方差法,是在判决分析最小二乘法原理的基础上,推导得出最佳阈值的方法。
该方法首先计算基于直方图的各分割特征值的发生概率，并以阈值变量k将分割特征值分为两类，然后求出每一类的类内方差及类间方差，选取使得类间方差最大，类内方差最小的k作为最佳阈值[1]。
方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小,这便是大津方法的真正含义。
接下来，就是选取使得类间方差最大，类内方差最小的k作为最佳阈值。
二维Otsu自适应阈值分割算法的改进
，
，ｒ ／ Ｊ ，
， ，ｔ ｆ ７ “ （ ， 瞳 ， ｔ ｌ ｌ ｛ Ｌ 。 １
ｌｔ １ ｊ
、
ｒ 、
ｆ
｝ ｔ ｌ ｔ ｔ 。＇； ｄ ｍ Ｉ｝＿ ／ ： Ｌ １
小 ｌ｜ ｌ 矗ｆｌ
ｔ
托Ｍ
．
、 ， ． １ ｆＩ ， ７１ ｔ ｌ ｝ （Ｉ．ｒ 。／ ，， ｆ
，
关 键词 ・
ｌ ， ｉ’ ， ， （： Ｔ ｆ
ｊ ’
～ｌ ＿－ ｌ≮
ｆ， 、 ｜ ， １ 一 ｌ
“ ．“
小
／ － ， ｆ ，、ｌ・ ｌ － －
√ ｆ ，－ 、－一
．
“ ．一
、 川？ ，（ ｌ川 ｔ ｔ ＿ ｌ ｆ １ Ｈ ．ｌ ｔ｝ ／㈡ ／
１＂ｔ＇ｒ¨ ｔ ． ７／Ｌｉ （／ｉ ， ｆ ，
＇ ￡ ／ Ｈ ／，＿ ＾ “，，
】，／ｌ ｃ 工 ／ ／ ， ＿ｒ ， ７， ＇ ，
人ｔ、ｏ ｌｋ 』／ ０ 、 ’ ＃ｌ Ｉｉ ｛ ‘ ’ ． ，
一
＿ｆ ， 『
｜川 ） ｌ ，
一 ｈ ／ － ，、 ｒ ｒ
、
¨
１ ｉ
．ｌ。 … 、。 ，ｌ
…
¨ｉ
¨
＿ 、
二 维 ０ 阈值 分割 算法 充 分 利 用 了 图像 象 素 与 其 邻 域 的 空 间相关 信息而 具 有 比仅 利利 用灰度 直 方 图的 一维 阈值 分 割算
法 更强 的抗 噪声 能 力ｌ － １ 。但 采用 二维 阈值 分 割 算 法 大 大增
ｒ ． 、 川／ “Ｊ￡
、 ， ㈠ ｌ … ￣＜，ｆ ． “ ｔ １ ７／ ．． ／ ．ｔ‘ｌ、｝Ｈ “Ｉ ＿ ” ｝Ｉ 、 Ｊ
基于改进的二维Otsu的铁路轨道阈值分割方法
基于改进的二维Otsu的铁路轨道阈值分割方法王公桃;黄慧明【期刊名称】《信息技术》【年(卷),期】2017(000)004【摘要】Otsu最大类间方差法是图像阈值分割中的经典算法之一,在图像处理邻域应用广泛.为了改善传统二维Otsu算法存在运算时间较长,不适用于铁路轨道实时监测的缺点.文中将遗传算法与Otsu算法相结合,运用自适应遗传算法的原理,通过选择、交叉、变异等操作,寻找图像灰度最佳分割阈值.实验结果表明,在兼顾了图像分割质量前提下,文中算法大幅缩短了运算时间,较好提取了铁轨轮廓.%Otsu threshold algorithm is one of the classic image segmentation.It is widely used in image processing,but Otsu image segmentation also has some disadvantages,such as more time-consuming,is unsuitable for railway tracks' real-time bing the AGA with two-dimensional Otsu algorithm is used to solve the optimum threshold,then through operations of choice,cross mutation,the optimum threshold value is obtained.The experiment results indicated that the algorithm can extract the tracks contour effectively in consideration of the balance of quality and reduce the computation time.【总页数】4页(P125-128)【作者】王公桃;黄慧明【作者单位】武汉大学物理科学与技术学院,武汉430072;武汉大学物理科学与技术学院,武汉430072【正文语种】中文【中图分类】TP301.6【相关文献】1.一种改进的二维Otsu阈值分割算法 [J], 徐超;黄风华;毛政元2.基于边缘信息的二维Otsu阈值分割算法的改进 [J], 纪姚林;黄慧明3.二维Otsu阈值分割算法的改进 [J], 杨小鹿4.改进的狼群优化二维Otsu阈值分割算法 [J], 张举世5.改进GSO与二维OTSU融合的红外图像多阈值分割方法 [J], 刘沛津;王曦;贺宁因版权原因，仅展示原文概要，查看原文内容请购买。
改进的二维阈值图像分割
改进的二维阈值图像分割盛彬【摘要】本文提出了一种基于灰度图像像素点灰度和点邻域方差的改进二维图像分割法.新方法改进了阈值判定域,考虑了边界和噪声的影响,新定义了一个阈值分割函数,提高了分割精度.利用思维进化算法优化分割参数,提高了最优阈值的寻找速度.实验结果表明,基于思维进化算法的改进二维图像分割法优于传统算法,该算法具有较好的稳定性和收敛速度,更能满足图像处理高效率、短时耗的要求.%This paper proposes a improved two-dimensional image segmentation algorithm based on pixel gray level and pixel neighborhood variance of the gray-scale image.This new algorithm improves the judgment domain of threshold,considers the influence of the boundary and noise,defines a new threshold segmentation function,increases the accuracy of ing mind evolutionary algorithm to optimize the segmentation parameters,and the search speed of optimal threshold is increased.The experiment result proves that the proposed algorithm is better than traditional algorithm,it has better stability and convergence speed,and also can meet the requirements of high efficiency,short-term consumption in the image processing.【期刊名称】《电子测试》【年(卷),期】2016(000)006【总页数】3页(P44-45,87)【关键词】二维阈值分割;思维进化算法;点邻域方差;Otsu法【作者】盛彬【作者单位】山西大同大学煤炭工程学院,037000【正文语种】中文阈值法是经典的图像分割方法之一，实现简单，计算量小。
otsu 法
Otsu方法一、概述Otsu方法是一种用于图像阈值分割的经典算法，它由日本学者大津于1979年提出。
该方法基于图像的灰度直方图，通过最大化类间方差来确定最佳阈值，从而实现图像分割。
Otsu方法具有简单、快速、自适应等优点，因此在图像处理领域得到了广泛应用。
二、原理Otsu方法的原理基于图像的灰度直方图。
首先，计算图像的灰度直方图，得到每个灰度级出现的概率。
然后，选择一个阈值，将图像分为前景和背景两部分。
接着，计算前景和背景的类间方差，使类间方差最大的阈值即为最佳阈值。
类间方差是前景和背景两部分灰度级分布差异的度量。
当阈值增加时，前景像素数减少，背景像素数增加；反之，当阈值减少时，前景像素数增加，背景像素数减少。
通过计算类间方差，选择使得类间方差最大的阈值作为最佳阈值，可以将前景和背景尽可能地分开。
三、实现步骤1.计算灰度直方图：统计图像中每个灰度级的像素数。
2.初始化阈值：选择一个初始阈值，将图像分为前景和背景两部分。
3.计算类间方差：根据前景和背景像素数的概率计算类间方差。
4.迭代更新阈值：不断改变阈值，并重新计算类间方差，直到找到最佳阈值。
5.应用阈值进行分割：将最佳阈值应用于图像，得到分割后的前景和背景图像。
四、应用场景Otsu方法在许多图像处理应用中都得到了广泛应用，例如：1.图像分割：Otsu方法适用于将图像分割成前景和背景两部分，常用于医学影像分析、遥感图像处理等领域。
2.目标检测：Otsu方法可以用于检测图像中的目标，例如人脸检测、手势识别等。
3.图像增强：通过Otsu方法可以对图像进行增强，突出前景信息，提高图像的可读性。
基于二维Otsu和模糊聚类的图像分割算法
基于二维Otsu和模糊聚类的图像分割算法胡敏;宋银龙【期刊名称】《计算机应用研究》【年(卷),期】2012(29)4【摘要】针对传统二维Otsu算法计算复杂度高的问题,提出一种改进的Otsu图像分割算法.该算法通过求两个一维Otsu法的阈值来代替传统二维Otsu法的阈值,使得计算复杂度得到了降低；同时为了改进分割效果,结合使用了模糊C-均值聚类算法.实验结果表明,改进的算法充分发挥了两者的优势,不仅在计算速度上优于原二维Otsu算法,且分割效果较好.%Considering the disadvantage that the classical 2D Otsu thresholding method is time-consuming, this paper proposed an improved algorithm. By calculating two 1D Otsu threshold method instead of the traditional 2D Otsu threshold method, it reduced the complexity of the algorithm. Simultaneously in order to improve the segmentation performance, this algorithm adopted fuzzy C-means clustering method. The experimental results show that this improved algorithm can take the advantages of both. It is better than the traditional 2D Otsu not only in the computation time, but also in the quality.【总页数】3页(P1563-1565)【作者】胡敏;宋银龙【作者单位】合肥工业大学计算机与信息学院,合肥230009;合肥工业大学计算机与信息学院,合肥230009【正文语种】中文【中图分类】TP391.41【相关文献】1.基于遗传算法的二维双阈值Otsu图像分割算法 [J], 金元郁;张洪波;冯宇2.基于二维直方图重建的Otsu图像分割算法 [J], 龚劬;付云凤;叶剑英;姚玉敏3.基于二维直方图双斜率划分的快速Otsu图像分割算法 [J], 袁健;程国涛4.基于自适应加权中值滤波的二维Otsu图像分割算法 [J], 倪麟;龚劬;曹莉;廖武忠5.基于改进的FA优化二维Otsu图像分割算法 [J], 吴俊辉;汪烈军;秦继伟因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
ｆ 国防科 学技术大学电子科 学与工程学院 长沙 ４ ０ ７ ） １０ ３ 摘 要：通过实验和理论验证 ２维直方图的副对角 区域的概 率和不一定很小而 能忽略，因而传统 ２维 Ｏｔｕ法 中 ｓ
关 于 主对 角 区域 的概 率 和 近 似 为 １的假 设 不 够 合理 。针 对 该 问题 ，该 文提 出 了 ‘ 改 进 的 ２维 Ｏ ｓ 种 ｔｕ法及 其 快 速 实 现 。 方 法 舍 弃 了 不合 理 的假 设 ， 过 单 独 计算 ２维 直 方 图主 对 角 区域 概 率 的方 法 ，来 准 确 估 计 主对 角 区域 中 目标 新 通 和 背景 的概 率 ，并 重新 计 算 ２维 Ｏｔｕ ｓ 。实验 结 果 表 明 ， 改进 的 ２维 Ｏｔ ｓ 能 够 获 得 明显 优 于 传 统 ２维 Ｏ ｓ 的 ｕ法 ｔｕ法 分 割效 果 ，其 快 速 算法 的计 算 复 杂 度 与传 统 ２维 Ｏｔｕ法 的快 速 算 法 相 当 。 ｓ 关键 词 ：图 像 分 割 ；２维 Ｏｔｕ法 ； 闽值 ；快 速 递 归 ｓ
第３ ２卷第 ５期 ２１ ００年 ５月
电
子
与
信
息
学
报
Ｖｌ ．２ ． ０ ３ ＮＯ ５ １ Ｍ ａ ０ ０ ｙ２ １
Ｊ ｕ ｎ ｌ ｆＥｌｃ ｒ ｎ ｃ ｏ ｒ ａ ｅ ｔ ｏ ｉ ｓ＆ Ｉ ｆ ｒ ａ ｉ ｎ Ｔｅ ｈ ｏ ｏ ｙ ｏ ｎ ｏ ｍ ｔｏ ｃ ｎ ｌｇ
改进 的二 维 Ｏ ｓ ｔｕ图像 分 割 方法 及 其 快 速 实现
Ｏｔ ’ｓｇ ｎａｉｎｍｅｈ ｄａ ｄｒｃｒｉｅ ｌｏｉ ｍ ｒ ｒｐ ｓｄ Ｂ ｅａａｅｙｃｌｕａｅ ｒｂ ｂｌ ｉ ｆ ｂｅｔ ｓ Ｓ ｅｍｅ ｔｔ ｔ ｏ ｎ ｅｕ ｓ ｇ ｒ ｈ ａｅ ｏ ｏｅ ． ｙｓｐ ｒｔｌ ａｃｌｔｓ ｏ ａ ｉｔ ｓ ｊｃｓ ｕ ｏ ｖａ ｔ ｐ ｐ ｉｅ ｏ ｏ
Ａｂ ｔ ａ ｔ Ｔｒ ｄ ｔｏ ａ Ｄ ｓ ’ ｍｅ ｈ ｄ ｓ ｐｐ ｓ ｓ ｔ ａ ｈ ｕ ｎ ｏ ｒ ｂ ｂ ｌ ｉｓ ｏ ｉ－ｄ ａ ｏ ａ ｉｔｎ ｔｉ Ｄ ｓｒ ｃ ： ａ ｉ ｎ ｌ ｉ ２ Ｏｔ ｕ Ｓ ｔ ｏ ｕ ｏ ｅ ｈ ｔ ｔ ｅ ｓ ｉ ｆｐ ｏ ａ ｉ ｔｅ ｆｍａ ｎ ｉ ｇ ｎ ｌｄ ｓ ｉ ｃ ｎ ２ ｉ ｈ ｓ ｏ ｒ ｍ ｓ ａ ｐ ｏ ｉ ａ ｅ ｙ ｏ ｅ ｉｔ ｇ ａ ｉ ｐ ｒ ｘ ｍ ｔ ｌ ｎ ．Ｔｈ ｓ ｐ ｐ ｒＳ ｅ ｐ ｒｍｅ ｔ ｎ ｈ ｏ ｙ ｐ ｏ ｅ ｔ ａ ｈ ｕ ｉ ａ ｅ ’ ｘ ｅ ｉ ｎ ｓ ａ ｄ ｔ ｅ ｒ ｒ ｖ ｈ ｔ ｔ ｅ ｓ ｍ ｆ ｐ ｏ ａ ｉ ｔｅ ｆ ｏ ｒ ｂ ｂｌ ｉｓ ｏ ｉ ｃ ｕ ｔ ｒ ｄ ａ ｏ ａ ｉｔｎ ｔｉ Ｄ ｉｔ ｇ ａ ｉ ｎ ｔａ ｗａ ｓ ｖ ｒ ｍ ａ ｌ ｎ ｈ ｓｃ ｕ ｄ ｎ ｔｂ ｅ ｌ ｃ ｅ ． ｅ ｅｏ ｅ ｔ ｅ ｏ ｎ ｅ － ｉｇ ｎ ｌ ｓ ｉ ｃ ２ ｈ ｓ ｏ ｒ ｍ ｓ ｏ ｌ ｙ ｅ ｙ ｓ ｌ ａ ｄ ｔ ｉ ｏ ｌ ｏ ｅ ｎ ｇ ｅ ｔ ｄ Ｔｈ ｒ ｆ ｒ ， ｈ ｄ ｎ
ａ ｅ ｎ ｃ ｇ ｏ ｎ ｒ ａ ｉ Ｄ ｉｔ ｇ ａ ｍ ａ ｎ ｄ ａ ｏ ａ ｉｔｎ ｔ ｍ ｏ ｉ ｅ ｔ ｏ ｓ ａ ｑ ｉｅ Ｅｘ ｅ ｉ ｎ ａ ｒ ａ ａ ｄ ｂａ ｋ ｒ ｕ ｄ ａ ｅ ｎ ２ ｈ ｓ ｏ ｒ ｍ ｉ － ｉｇ ｎ ｌｄ ｓ ｉ ｃ ， ｄ ｆ ｄ ｍｅ ｈ ｄ ｉ ｃ ｕ ｒ ｄ． ｐ ｒｍｅ ｔ ｌ ｉ
ｒ ｓ ｌｓｓ ｏ ｔ ａ ｒ ｐ ｓｄ ｍ ｅｈ ｄ ｃ ｎ ｏ ｔ ｉ ｅ ｔｒｓ ｇ ｅ ｔ ｔｏ ｆｅ ｔｔ ｎ ｔ ｅｔａ ｉｉｎ ｌ Ｄ ｓ ’ ｍｅｈ ｄ ｅｕ ｔ ｈ ｗ ｈ ｔｐ ｏ ｏ ｅ ｔ ｏ ａ ｂ ａｎ ｂ ｔｅ ｅ ｍ ｎ ａ ｉｎｅｆｃ ｈａ ｈ ｒ ｄ ｔｏ ａ ＯｔｕＳ ２ ｔｏ ．
Ｃ ｅ ｈ ｎＱｉ Ｘｉｎ ｏｌ ｏ ｇＢ ・ － ｉ Ｌ ｕ ｕＪ ｎ Ｋｕ ｎ ｎ －ａ ａ ｇＧａ ｇｙ ｏ －
（ｃｏｌｆ ｌ ｔ ｎｃ ｃ ｎｅ ｎ ｅ ｎ ｌ ｙＮ ｔ ｎ ｌ ｎｖｒ ｔ Ｄ Ｄ ｆ ｓ ｅｈｏ ｇ， ｈｎｓａ １０３ Ｃ ｉａ Ｓｈｏ ｏ ｅ ｒ ｉＳｉ ｃ ａ ｄＴｃ ｏ ｇ， ａｉ ａ Ｕ ｉ ｓｙ ， ｅ ｎｅＴｃｎ ｌ ｙ Ｃ ａｇｈ ０７， ｈｎ） Ｅ ｃｏ ｅ ｈ ｏ ｏ ｅ ｉ ｅ ｏ ４
ａ ｓ ｍｐ ｉ ｎ ｍｅ ｔ ｎ ｄ ａ ｏ ｅ ｉ Ｄ ｓ Ｓ ｍｅ ｈ ｄ ｉ ｎ ｄ ｑ ａ ｅ ｙ ｒ ａ ｏ ａ ｌ ．Ｉ ｈ ｓ ｐ ｐ ｒ ａ ｍｐ ｏ ｅ Ｄ ｓｕ ｔｏ ｎ ｉ ｅ ｂ ｖ ｎ ２ Ｏｔ ｕ’ ｏ ｔ ｏ ｓ ｉ ａ ｅ ｕ ｔ ｌ ｅ ｓ ｎ ｂ ｅ ｎ ｔ ｉ ａ ｅ ， ｎ ｉ ｒ ｖ ｄ ２
Hale Waihona Puke 中图分类号 ：Ｔ ３ １ Ｐ ９
文献标识码 ：Ａ
文章编号 ：１ ０—８ ６２ １ ）５１ ０－５ ０ ９５ ９ （０ ００ —１００
Ｄ Ｉ１． ２／ＰＪ １６ ０９ ０２ Ｏ ：０ ７４Ｓ ．１４ ． ０． ６７ ３ ． ２ ０
Ｉ ｐ ｏｅ ｍ ｒ ｖ ｄ Ｔｗｏ Ｄｉ ｅ ｓｏ ａ ｓ ｍ ａ ｅ Ｓ ｇ ｅ ｔ ｔｏ — ｍ ｎ ｉ ｎ ｌＯｔ ｕ Ｉ ｇ ｅ ｍ ｎ ａ ｉ ｎ Ｍ ｅ ｈｏ ｎ ａ ｔ Ｒｅ ｕ ｓｖ ａ ｉ ａ ｉ ｎ ｔ ｄ ａ ｄ Ｆ ｓ ｃ ｒ ｉ ｅ Ｒｅ ｌ ｔｏ ｚ