过分水岭

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇过分水岭范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

过分水岭范文第1篇

然而这并不值得乐观。《新兴经济体蓝皮书：金砖国家发展报告（2013）》中显示，2012年新兴市场对全球经济增长的贡献度达到75%，仅中国的贡献度就达到三分之一。但是，中国却是金砖国家中唯一一个服务业占比不足50%的国家。

一些媒体已经用上了“中国后工业时代来临”这样的标题，这虽然有些言之过早，但需要注意的是，中国人均GDP已经超过6000美元，部分地区的工业化确实已经步入中后期，服务类需求正在上升。可从整体上看，服务业的发展仍然滞后，占GDP的比重距离发达国家60%的平均水平还相距甚远。除了公共服务以外，人们一般习惯于将服务业划分为两类：一是生产，包括金融、保险、法律、信息和咨询、广告和市场研究等，指为生产和商务活动提供的服务，它体现为被服务企业的生产成本；二是消费，包括零售、餐饮、旅游、关爱体验等，是直接为消费者提供的服务。

无论是生产还是消费，专业化和集中化都是未来的方向。以德国为例，德国的会展业位居世界第一位，每年都要举办150场以上的国际展会，行业集中程度令人惊叹，世界10大会展公司中有6个来自德国，会展业也为德国当地的其他服务业创造了更多的机会。而瑞士75%的国民收入来自服务业，发达的金融行业为整个服务业提供了安全稳定的环境，银行保险业占到瑞士GDP的40%之多。

过分水岭范文第2篇

举办一届有特色、高水平的奥运会，是中国对世界的郑重承诺，也是推动中国经济发展的重要机遇。承办奥运会带来的基础设施投资增长、国内外游客的巨大消费需求以及投资者看好中国经济的心理预期，对中国经济持续较快发展产生了积极的推动作用。自2001年北京申奥成功7年来，我国国内生产总值年均增长10.5%。经济增长持续时间之长、运行之平稳，都是改革开放以来前所未有的。奥运会有力地促进了中国进一步深化开放和走向世界，推动中国经济在更广更深层次上融入世界。

2008年是北京奥运会举办之年，也是中国经济发展进入新一轮周期性调整之年。进入后奥运时期，上述因奥运带动的经济发展利好因素会减弱甚至在短期内消失，中国经济是否会走“下坡路”？国家发改委宏观经济研究院副院长王一鸣认为，城市化、基础设施建设投资规模巨大、居民消费结构升级、劳动生产率提高以及积极主动参与经济全球化，是过去几年支撑我国经济发展的基本动力，这些基本动力不会因为奥运会结束而发生变化，“后奥运效应”不会影响中国经济发展的基本面。

同时，中国目前已发展成为世界第四大经济体。奥运对北京经济增长贡献明显，但北京市经济总量仅占全国的3.6%。奥运会场馆建设和基础设施投资约3000亿元，按奥运投入期4年分摊，平均每年750亿元，仅占我国过去4年当年全社会固定资产投资的0.55%―1.06%。奥运会带来的经济和投资增量在中国经济和投资总量中的比重很小，奥运不会成为中国经济发展的分水岭。

如何积极放大奥运会对经济发展的正面影响？王一鸣建议，一是要有效发挥奥运场馆和关联基础设施的作用，降低体育场馆利用不足带来的资源闲置和浪费，进一步推进城市轨道交通等基础设施建设，提高网络化程度，为提升百姓生活品质服务。二是要积极推广“绿色奥运、科技奥运、人文奥运”理念，加大环保和生态建设投入，推动科技进步和创新，促进经济发展方式转变。三是要充分利用奥运会对现代服务业的带动效应，引导金融保险、商务服务、现代流通、信息传输、房地产、旅游会展和文化体育等服务业发展，推动产业结构调整升级。四是要积极扩展奥运主办和协办城市的辐射带动效应，推动区域经济发展。五是要充分发挥举办奥运会带来的精神财富和品牌效应，进一步挖掘中国文化底蕴，丰富城市人文内涵，提升城市品牌价值，提升我国的国际形象。

过分水岭范文第3篇

1基于脊线的层级分水岭算法本算法核心是一种利用分水岭算法本身的多级迭代算法，图1所示为算法流程框图。待处理图像输入后，经过四个步骤，即可输出结果。各步骤说明如下：（1）预处理：降低噪声，平滑图像。（2）生成脊线：生成可供再分割区域边界脊线。为了实现基于脊线的多级分割，本文算法要求该步骤生成的脊线必需满足2个条件：（a）区域一定有封闭完整的边界脊线，不允许存在无脊线分割的相邻区域；（b）脊线宽度为1个像素，不能有冗余。本文利用了一种改进的V.S.泛洪分水岭算法来生产这些脊线。（3）基于脊线的多层级再分割：将已获得的积水盆区视为透明区，根据给定的“泛洪”规则，仅对已知脊线进行另一种改进的V.S.泛洪分水岭算法来生成新的脊线，以实现多层级再分割。（4）判断是否达到分割目标：根据一定判据，判断分割是否达到目的。是则停止分割，输出结果，当前已获得的脊线即为所得分水岭；否则利用当前脊线，再重复步骤（3），直到满足分割目标为止。

下文重点描述步骤（2）和步骤（3），也即本文算法核心所在。

1.1生成脊线为了在后续分水岭算法的再分割中，仅利用已知的脊线信息，本文算法要求本步骤生成的脊线必须足够完整。生产脊线有多种算法，一种方法是通过边界提取算子，如罗伯特（Robert）算子，但不能确保脊线一定出现在边界处。考虑V.S.分水岭算法本身的优点，经过适当的改进，即可实现：在泛洪生成区域的过程中，同步生成完整的脊线。下文将此改进算法简称为分水岭“改进算法A”。V.S.分水岭算法[2]可以分为两个过程：排序和浸没。排序可得到待处理图像的最小像素值hmin和最大值像素值hmax。浸没过程是个区域生长的循环过程，流程图如图2所示，其中，h表示循环变量。

由于“改进算法A”对浸没过程中队列生长的严格判断，可获得完整非冗余的分水岭脊线。图3所示为“改进算法A”与V.S.原算法的结果比对图，梯度图通过Sobel算子得出。其中（a）为实验原图，（b）、（d）分别为V.S.分水岭算法与“改进算法A”生成区域图，（c）、（e）分别为（b）、（d）对应的局部放大图。在（c）图方框指示区中存在相邻4像素皆为标记脊线的情况，即脊线宽度超过了1个像素；（c）图中还存在大量脊线断裂不连续的现象；而（e）图中脊线连续封闭且宽度恒为1个像素，有效避免了这些现象。

1.2基于脊线的多层级再分割经过“改进算法A”，生成了完整的区域脊线。这些脊线有以下两个特点：（1）从形态看，每一个分割后的积水盆，都是由脊线包围的封闭区域，当水充满每一个积水盆时，盆内的更精细的结构将不可见，影响形态的只有脊线元素。（2）图像梯度反映了图像局部的不一致性，分水岭的脊线，是局部不一致性最强的位置，积水盆内部的一致性好于脊线，脊线反映了相邻区域的差异。因此，综合以上因素，为了获得更大尺度、更宽一致性的区域，有必要跟踪已有脊线，仅对脊线元素，迭代实施某种分水岭变换，以达到所需的区域分割目标为止。此过程即为：基于脊线的多层级再分割过程，其中迭代变换是一种再次改进的V.S.分水岭算法，本文简称其为分水岭“改进算法B”。“改进算法B”对图2中的两个环节做了新的修改，描述如下：（1）搜索像素入队列：只搜索分水岭脊线，当脊线领域中具有“新级别”（大于前一层级标识最大值）标记的像素，将脊线加入队列，同时设置脊线标识（MASK）。（2）队列像素区域生长：对队列 中像素进行区域生长。（a）对标记为MASK的像素作区域生长。先确定当前像素的标记是否为分水岭，是则停止生长；否则考虑此像素的领域像素，且仅当领域像素标记为MASK或“前一级别”时，对领域作基于距离变换的区域生长。像素邻域标记类型可能有：前一级别标记、当前级别标记、MASK和脊线；（b）对标记为“前一级别”的像素作区域生长。仅当领域像素标记为MASK或“前一级别”时，对领域作基于距离变换的区域生长；（c）对“前一级别”邻域像素的标记处理细节。可以通过一个简单的区域映射表来实现，即“前一级标记”→“当前级别标记”，初始时每个表项设为无效标记，如取-1。映射表的作用是保证区域生长过程中，“前一级别”区域的完整性，另一个作用是避免同时查询、新旧两张标记图。这个映射表也是层级分割输出的一部分。映射表的实现可以用一个数组即可。

图4所示为基于脊线的多层级分割原理示例图。图4（a）为分水岭算法待处理梯度图的局部。图4（b）为“改进算法A”生成的脊线图，脊线用虚线表示（下同），生成浸没区域为①。图4（c）和（d）是两级“改进算法B”的处理结果。对图4（b）中脊线进行“改进算法B”的分水岭变换，将会继续浸没产生图4（c）中②区，生成如图4（c）所示新脊线。对图4（c）中脊线进行“改进算法B”，将会继续浸没产生图4（d）中③区，生成如图4（d）所示新脊线。之后，需要根据整张图像的情况和采用的判据，进行更多级别的再分割，达到分割目标即可结束。

1.3多层级分割判据如果对基于脊线的多层级分割过程不加限制，将出现“过合并”现象。在实际应用中，需要用合适的判据方法来减少“过合并”现象。本文采用判据方法为：自适应调整脊线阈值法。由两部分实现：（1）自适应更新脊线值：计算区域的平均灰度，将区域脊线值更新为相邻区域灰度均值差的最大值。（2）区域分类：区域脊线的最大值为vmax，取一阈值vthred，判断两者关系：对满足vmax>vthred区域不作处理，直接进入下一级分割；对其它区域，进行浸没计算。vthred计算方法为：对经“改进算法A”获得的区域脊线图，仅考虑脊线值，非脊线像素置0，进行基于最大类间方差法[20]二值化，计算而来的分割阈值。2实验结果与分析按照图1所示流程图，本文对Berkeley数据库彩色图像及工程实用电缆截面图像进行了基于脊线的层次分水岭分割。实验显示：本文算法可以处理部分图像的过分割现象，且处理速度较快。

2.1实验过程本文算法经预处理阶段后生成梯度图，不同图像可以选择不同的梯度图生成方式。然后对梯度图作边界2个像素的延拓。对此梯度图进行分水岭“改进算法A”生成初始脊线。随后，对脊线进行分水岭“改进算法B”、自适应调整脊线阈值相结合的多层级再分割过程，即可完成最后分割。不同的图像，再分割的级数不同。

2.2分割结果与分析本文选取的测试实验图像有两类：Berkeley数据库的彩色图像；工程用电缆绝缘切片灰度图像。此两类图像的多级分割实验为实验一和实验二，实验过程图如图5、图6所示。二者都按灰度图像处理，梯度图获取方式都为Sobel梯度算子。在实验一和验二中，第一张图为原始图像，其它为多级分割的各级区域脊线图，脊线用实线表示，区域透明，多级分割的级别用n表示。n=1表示“改进算法A”获取的区域脊线图，n>2表示“改进算法B”获取的区域脊线图。n=7表示最后分割结果图。

从实验一、二中可以看出，随着分割级数的增加，区域数量逐渐减小，灰度相似的小区域逐渐向同一个大区域合并，基本完成不同灰度区域的分割。实验一最后一级将鹰树枝分割在同一区域中，天空被树枝分割为6个区域，在图中用①～⑥标号表示。实验二最后一级将电缆绝缘切片图像主要分为三个区域：绝缘层内、绝缘层、绝缘层外。图7所示为更多的多级分割实验图，第一行为原始图像，第二行为对应的多级分割最后结果图。第一列基本实现天空、树木山坡的分割。第二列将花叶、花盆、花盆中土、背景基本分离开来了。第三、四、五列实现了电缆绝缘层、层内外背景的分离，且第五列同时实现了两个绝缘层的单独分割。

3结论本文针对传统V.S.分水岭分割算法中存在的过分割现象进行了分析，考虑分水岭算法本身的优点，提出了一种基于脊线的层次分水岭算法。通过分水岭“改进算法A”提取了完整非冗余的区域脊线，自适应调整脊线阈值，对脊线进行分水岭“改进算法B”多层级再分割，取得了不错的实验结果。从对部分彩色图和工程图的实验中看出：本文算法可以有效避免过分割现象，对不同显著区域能有有效分割。在层级迭代过程，本文算法只处理脊线，计算量大大降低，达到与传统V.S.分水岭算法相当的处理速度，是一种快速的分水岭改进算法。同时，在预处理方法、多级迭代停止条件等方面，本文算法仍存在着优化空间。

参考文献：

.International Journal of Image Processing，2011，5（5）：521-541.

.IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13（6）：583- 598.

.SPIE Image and Video Communications and Processing，2000，3974：759-766.

[4]刁智华，赵春江，郭新宇，等.分水岭算法的改进方法研究[J].计算机工程，2010，36（17）：4-6.

[5]卢官明.一种计算图学形态梯度的多尺度算法[J].中国图象图形学报，2001，6A（3）：214-218.

[6]焦斌亮，胡永刚.基于变尺度形态学的遥感图像边缘检测算法[J].光学仪器，2005，27（4）：13-17.

[7]孙卫芳，段智勇，朱仲杰.结合JSEG与分水岭方法的彩色图像分割[J].计算机工程与应用，2010，46（21）： 185-187.

[8]沈晶，杨学志.一种新的边缘保持分水岭的图像分割算法[J].工程图学学报，2009（5）：80-88.

[9]吴昊，刘正熙，罗以宁，等.改进多尺度分水岭算法在医学图像分割中的应用研究[J].计算机应用，2006，26（6）：1975-1979.

[10]余旺盛，侯志强，宋建军.基于标记分水岭和区域合并的彩色图像分割[J].电子学报，2011，39（5）：1007-1012.

.电子测量与仪器学报，2011，25（6）：516-512.

过分水岭范文第4篇

【关键词】图像分割；小波变换；数字形态学

1.引言

图像分割是按照一定的规则把图像划分成有一些明显的支付目标性质的区域。一些提取的图像经过进一步的分析和处理所得到的图像分割结果是图像理解和图像特征提取的基础。聚焦图像分割和对图像分割中的数字图像处理技术进行研究可以进行随后的图像分析，用来确定用较少的数据来高级别处理，同时也保留了图像在不同的图像分割地区也有其他名称，如物体轮廓技术指标检测技术门槛目标跟踪技术，这些技术本身或它的核心实际上是图像分割[1]。

2.基于小波变换与数学形态学相结合的图像分割算法

直接在原图像的梯度图像上运用传统的分水岭算法进行分割图像，会造成严重的过分分割问题，而这是我们不情愿看到的结果。为了抑制过分分割，减少分割后的小区域，可以在分水岭分割后，合并过多无意的小区域[2]，但是合并准则的选择和确定一般比较困难，合并算法比较复杂，计算量大，为了避免这些复杂的合并处理，在分水岭分割之前，可以对图像进行综合的预处理，减少噪声和细密纹理对分割的影响。

实际上有意义的分割需要满足下面四个条件[3]：一、区域不能太小即区域内要包含一定数量的像素；二、一个图像需要分成个数极少的几个区域；三、区域与区域间的公共边界尽量要平滑简单；四、同一区域内的象素要具有相似的或一致的性质。

根据上面四个要求，文中研究了一种结合小波变换和数学形态学的分水岭算法，此算法的主要思想是用小波变换法，接着再利用形态学中的开闭重建运算，来删除梯度图像中因为噪声引起与灰度非规则扰动的局部的极值；接着采用基于前景与背景的分水岭分割算法来进行分割。此方法基本包含四个主要的算法：一、小波去噪，二、形态学开闭重建滤波，三、标记提取，四、分水岭分割。

3.实验结果及仿真

首先求出原始图像对应的灰度图像，再得到膨胀后的图像，膨胀是根据结构元素对图像补集进行填充，因而它表示对图像外部滤波处理。还需要得到腐蚀后的图像，腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。图1是利用结构元素对图像做闭运算，可以填充目标内部狭窄的裂缝和长细的窄沟，消去小的孔洞。图2是开运算可以用来分解图像，抽取图像中有意义且独立的图像元。由图3，4对比可知开闭重建运算比开闭运算更有效的去除图像中的微小噪声和细密纹理，而且保留了目标的轮廓特征。

4.结论

通过实验分析可以得到下面的结论：文中研究了一种基于小波变换与分水岭变换的图像分割方法，此方法中，需要在分割之前对图像先小波变换来去噪，再求其梯度图像，并进行形态学的重建，标记前景和背景等预处理，这样可以有效的减少图像的细密纹理和噪声，并可以减小过分割区域和积水盆的数量，最后得到的分割结果具有精确连续的边缘与相当完整的轮廓，得到的区域闭合性较好，就不需要对分割后的图像再进行复杂合并处理，也可以获得有意义的分割，这种方法课有效的解决了传统算法中存在的对细密纹理和噪声过度敏感、过分割等问题，有效地避免了分割后处理。

参考文献

[1]陈武凡.小波分析及其在图像处理中的应用[M].北京：科学出版社，2002：45-49.

过分水岭范文第5篇

【关键词】车辆检测；视频监控；目标跟踪；数据关联；分水岭算法

1.引言

多运行车辆目标跟踪应用广泛，特别是在视频监控方面，很多专家学者对其进行了广泛的研究，提出了很多车辆检测与跟踪的算法。[4]中在视频跟踪时，通过Marr小波概率核函数生成静态背景，运动跟踪采用SI_P粒子滤波算法，但是背景得不到及时更新。[5]利用Kalman滤波思想对运动目标的前时刻状态信息进行预测，但是在预测中容易受到噪声的影响。针对上述情况，利用改进的分水岭算法能够准确地分割图像，同时利用分割后的图像采用数据关联方法进行跟踪。

2.运动车辆的检测

2.1 分水岭算法

分水岭是一种典型的地形面貌，长时间被认为是图像分割中的有用工具。它是数学形态学的概念，并且在原始的算法上已经做了很多的修改和完善。目前，有效的分水岭算法的发展仍然受到重视。在地形中，我们把可视化的3D图像中在每个点上的灰度值代表高度或者是这个点的海拔高度。分水岭的思想是很简单的，可以通过地形特征进行解释。众所终知，在处理图像的地表特征时，把它视为一种景观，如果把这种景观侵入水时，图像中的区域就会被水填充。这种淹没过程是从最小的灰度值开始，当在某一个时刻，水位达到灰度值的最大高度时，两个或更多的集水盆就会开始连通。把能够阻止这种连通的点连成一条线，就会在来自不同区域将要连通的地方形成了一个水坝。当水位已经达到最高峰时，所有的区域会被水坝分割开，这些地区被称为集水盆地和水坝或线称为分水岭，它把输入的图像划分为一组区域。经过分割后，结合轮廓区域面积的大小和形状决定哪个区域代表的是运动车辆。分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证的。另外，分水岭算法所得到的封闭的集水盆，为分析图像的区域特征提供了可能。

2.2 分水岭的改进方法

2.2.1 图像梯度的计算

如果对输入图像直接应用分水岭算法，必须进行梯度计算，但通常会造成过度分割。在这个工作中先使用“Canny”边缘检测对于梯度的计算是一种非常鲁棒的方法，并且产生封闭轮廓。

2.2.2 获得掩膜图像

图像梯度计算后，用标准的Vincent-Soille分水岭算法进行分割，获得了分水岭线，从而形成了掩膜图像。利用掩膜图像减少了在分割结果中获得集水盆的个数。

2.2.3 分割阶段

经过上面的处理后，在掩膜图像上利用淹没原理进行了分水岭分割，这种分割是基于集水盆地技术。在这个被水侵入的地表图像中，水是从图像的最小点开始上升；在地表的灰度图像中，像素的灰度值代表了在这个点的高度。当水流达到最高点时就停止，这样就形成了阻止水汇合的一条坝，这个坝就是分水岭，它把输入图像进行了完全划分，形成了一系列区域，如图2所示。

3.运动目标的跟踪

3.1 关联矩阵

关联矩阵是多目标跟踪中对目标进行观测和轨迹进行关联的依据，也是判断在复杂场景中一些特殊情况的依据。常用的关联矩阵有两种：一种是基于连续帧中目标质心间的距离，另一种是目标相交区域的面积。本文在跟踪过程中结合了这两种方法，能够对目标遮挡和重叠情况进行有效的处理，保证多目标跟踪的准确性。假设运动目标在同一时刻不同时发生合并、分裂、消失、新增时，在连续帧目标数量不变的情况下采用质心距离的关联矩阵；而当目标数量发生变化时采用基于相交区域面积的关联矩阵。

3.2 基于关联矩阵的多目标跟踪

多目标跟踪的过程就是为每个跟踪目标建立目标链，建立相互对应的关系，同时建立相应的匹配代价函数，来跟踪并判断复杂情况下的各个目标的运动情况。

为解决这些问题，本文提出一种新的检测和跟踪多目标的算法。算法分为3个核心部分。

（1）运动物体的检测。根据前面分水岭算法提取的轮廓特征，如果轮廓形状接近于六边形并且面积大于规定的最小值，则认为该轮廓代表的是需要检测运动目标。

（2）每个运动物置的预测以及运动模型的建立，本文采用的是Kalman滤波的方法预测运动物体的位置，并在此基础之上建立相应的运动模型。

（3）关联矩阵和匹配链表以及相应的判断，评价跟踪目标与前景团块之间的质心距离、包围矩形面积、覆盖比例等多个因素更加准确的视频中的遮挡重合等情况。关联矩阵和2个链表关联矩阵产生后，可以根据关联矩阵，生成2个链表：目标-区块匹配链表和区块-目标匹配链表。

在目标区块匹配链表中，匹配的区块数量对应与关联矩阵的行累加值，匹配的区块数组是由关联矩阵中对应行上不为0的元素构成。在区块-目标匹配链表中，匹配的目标数量对应于关联矩阵的列累加值。匹配的目标数组由关联矩阵中对应列上不为0的元素构成。

4.结束语

利用基于分水岭的分割方法，可以较准确的检测出运行车辆；运动跟踪时能够正确地提取运动目标。对运动目标轮廓采用链表法记录多运动目标之间的数据关联，并跟据质心特征进行跟踪，能够在不同的场景中对多目标进行跟踪并有效地处理了由于遮挡带来的目标失踪现象，达到了预期目标。

参考文献

[1]黄磊，于曼曼.基于背景差分的运动目标检测研究[J].软件导刊，2009，6：187-189.

[2]詹群峰.基于OpenCV的视频道路车辆检测与跟踪[D].2009.

[3]杨涛，李静.一种基于贪心搜索的实时多目标遮挡处理算法[J].自动化学报，2010，3：375-384.

[4]高韬，刘正光，张军.基于交通视频序列的多运动目标跟踪算法[J].中南大学学报，2010（6）：1028-1036.

[5]胡宏宇，王殿海.基于视频监控的运动目标跟踪算法[J].北京工业大学学报，2010，12：1683-1690.

[6]李志慧，张长海，曲昭伟，等.交通流视频检测中背景初始化算法研究[J].吉林大学学报（工学版），2008，38（1）：148-151.

[7]李劲菊，朱青，王耀南.一种复杂背景下运动目标检测与跟踪方法[J].仪器仪表学报，2010，10：2242-2247.