摘 要 针对基于PC实现的图像边缘检测普遍存在的执行速度慢、不能满足实时应用需求等缺点，本文借助于TI公司的TMS320DM642图像处理芯片作为数字图像处理硬件平台，DSP/BIOS为实时操作系统，利用CCS开发环境来构建应用程序；并通过摄像头提取视频序列，实现对边缘检测Sobel算子改进[1]。 关键词 DM642；Sobel算子；程序优化；图像边缘检测 1 引言 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。 近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。随着DSP芯片处理技术的发展，尤其是在图像处理方面的提高如TMS320C6000系列，为实现高效的、实时的边缘检测提供了可能性[5]。在经典的边缘检测算法中，Sobel边缘检测算法因其计算量小、实现简单、处理速度快，并且所得的边缘光滑、连续等优点而得到广泛的应用。本文针对Sobel算法的性能，并借助于TMS320DM642处理芯片[3]，对该边缘检测算法进行了改进和对程序的优化，满足实时性需求。2 Sobel边缘检测算法的改进 经典的Sobel图像边缘检测算法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测水平边缘。算法的基本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH的像素点当作边缘点。Sobel算法的优点是计算简单，速度快。但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sobel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。这种判定依据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。 图像加权中值滤波 由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进行一次滤波处理，减少噪声对边缘检测的影响。中值滤波是一种非线性信号的处理方法[2]，在图像处理中，常用来保护边缘信息；保证滤波的效果。加权中值滤波，首先对每个窗口进行排序，取适当的比例，进行曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进行加权。 增加方向模板 除了水平和垂直两方向外，图像的边缘还有其它的方向，如135o和45o等，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的基础上增加6个方向模板，如图1所示。 边缘的定位及噪声的去除 通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点[4]。基于这一思想，可以将噪声点和边缘点区分开来。对于一幅数字图像f(x，y)，利用上述的8个方向模板Sobel算子对图像中的每个像素计算，取得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。若｜f(x，y)－f(x+i，y+j)｜＞TH2，对于任意i=0，1，-1；j=0，1，-1均成立，则可判断点(x，y)为噪声点。图2给出了图像边缘检测系统改进算法的软件流程图。图1 边缘检测8个方向模板图2 系统结构图3 基于TMS320DM642的图像处理的设计及算法优化 TMS320DM642功能模块及图像处理系统的硬件结构 DSP以高速数字信号处理为目标进行芯片设计，采用改进的哈佛结构(程序总线和数据总线分开)、内部具有硬件乘法器、应用流水线技术、具有良好的并行性和专门用于数字信号处理的指令及超长指令字结构(VLIW)等特点；能完成运算量大的实时数字图像处理工作。 TMS320DM642是TI公式最近推出的功能比较强大的TMS320C6x系列之一，是目前定点DSP领域里性能较高的一款[6]。其主频是600MHz，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理能力可达4800MIPS。DM642基于C64x内核，并在其基础上增加了很多外围设备和接口，因而在实际工程中的应用更为广泛和简便。本系统使用50 MHz晶体震荡器作为DSP的外部时钟输入，经过内部锁相环12倍频后产生600 MHz的工作频率。DM642采用了2级缓存结构(L1和L2)，大幅度提高了程序的运行性能。片内64位的EMIF(External Memory Interface)接口可以与SDRAM、Flash等存储器件无缝连接，极大地方便了大量数据的搬移。更重要的是，作为一款专用视频处理芯片，DM642包括了3个专用的视频端口(VP0～VP2)，用于接收和处理视频，提高了整个系统的性能。此外，DM642自带的EMAC口以及从EMIF 口扩展出来的ATA口，还为处理完成后产生的海量数据提供了存储通道。本系统是采用瑞泰公司开发的基于TI TMS320DM642 DSP芯片的评估开发板——ICETEK DM642 PCI。在ICETEK DM642 PCI评估板中将硬件平台分为五个部分，分别是视频采集、数据存储、图像处理、结果显示和电源管理。视频采集部分采用模拟PAL制摄像头，配合高精度视频A/D转换器得到数字图像。基于DSP的视频采集要求对视频信号具备采集，实时显示、对图像的处理和分析能力。视频A/D采样电路—SAA7115与视频端口0或1相连，实现视频的实时采集功能。视频D/A电路—SAA7105与视频口2相连，视频输出信号支持RGB、HD合成视频、PAL/NTSC复合视频和S端子视频信号。通过I2C总线对SAA7105的内部寄存器编程实现不同输出。 整个系统过程由三个部分组成：图像采集—边缘处理—输出显示，如图2所示。摄像头采集的视频信号经视频编码器SAA7115数字化，DM642通过I2C总线对SAA7115进行参数配置。在SAA7115内部进行一系列的处理和变换后形成的数字视频数据流，输入到核心处理单元DM642。经过DSP处理后的数字视频再经过SAA7105视频编码器进行D/A转换后在显示器上显示最终处理结果。 图像处理的软件设计和算法优化的实现 由于在改进Sobel边缘检测算子性能的同时，也相对增加了计算量，尤其是方向模板的增加，每个像素点均由原来的2次卷积运算增加为8次卷积运算，其实时性大大减弱。为了改进上述的不足，在深入研究处理系统和算法后，针对TMS320DM642的硬件结构特点，研究适合在TMS320DM642中高效运行的Sobel改进算法，满足实时处理的要求。整个程序的编写和调试按照C6000软件开发流程进行，流程分为：产生C代码、优化C代码和编写线性汇编程序3个阶段。使用的工具是TI的集成开发环境CCS。在CCS下，可对软件进行编辑、编译、调试、代码性能测试等工作。在使用C6000编译器开发和优化C代码时[7-8]，对C代码中低效率和需要反复调用的函数需用线性汇编重新编写，再用汇编优化器优化。整个系统的控制以及数字图像处理是用C程序实现，大部分软件设计采用C程序实现，这无疑提高了程序的可读性和可移植性，而汇编程序主要是实现DM642的各部分初始化。其边缘检测优化算法在DM642中的实现步骤具体如下： S1：根据DM642的硬件结构要求和控制寄存器设置，初始化系统并编写实现边缘检测算法的C程序。 S2：借助CCS开发环境的优化工具如Profiler等产生.OUT文件。 S3：根据产生的附件文件如.MAP文件，分析优化结果及源程序结构，进一步改进源程序和优化方法。 S4：使用CCS中调试、链接、运行等工具，再生成.OUT可执行文件。 S5：运行程序，如果满足要求则停止；否则重复步骤S2～S4直至满足使用要求。4 实验结果 本文以Lena图像为例根据上述的硬件环境和算法实现的原理和方法，图4～图6分别给出了在该系统下采集的视频Lena图像及使用边缘检测算子和改进后处理的结果。由实验结果可以看出，在该系统下能实时完成视频图像的处理，并且给出的边缘检测算子能较好的消除噪声的影响，边缘轮廓清晰。该算法不仅能抑制图像中大部分噪声和虚假边缘，还保证了较高的边缘点位精度。图4 Lena原始图像 图5 传统Sobel算子 图6 改进Sobel算子5 总结 本文实现了在TMS320DM642评估板上用改进的Sobel算子对实时图像进行边缘检测，无延迟地得到边缘图像。边缘检测效果较好，既提高了图像检测的精度又满足了实时性的要求。从检测结果看，利用该改进后的算子在边缘精确定位、边缘提取都达到了很好的效果，且抗噪声能力强，并为目标跟踪、无接触式检测、自动驾驶、视频监控等领域的应用提供了坚实的基础。参考文献[1] 王磊等. 基于Sobel理论的边缘提取改善方法[J]．中国图像图形学报，[2] 陈宏席. 基于保持平滑滤波的Sobel算子边缘检测.兰州交通大学学报，2006，25(1)：86—90[3] 熊伟. 基于TMS320DM642的多路视频采集处理板卡硬件设计与实现[ M]. 国外电子元器件，2006[4] 朱立.一种具有抗噪声干扰的图像边缘提取算法的研究[J]．电子技术应用.2004，25(1)[5] 刘松涛，周晓东.基于TMS320C6201的实时图像处理系统[J].计算机工程，2005(7)：17—23[6] TI TMS320DM642 video/imaging fixed-point digital signal processor data manual，2003[7] TMS320C6x Optimizing C Compiler User’s Guide’ TEXAS INSTRUMENTS”，2002[8] TMS320C32x Optimizing C/C++ Compiler User's Guide，Texas Instruments Incorporated，2001
Canny边缘检测是一种使用多种边缘检测算法检测边缘的方法。由John 于1986年提出，并在论文中有详尽的描述。 1）去噪。噪声会影响边缘检测的准确度。通常采用高斯滤波去除图像中的噪声。滤波器的核越大，边缘信息对噪声的敏感度就越低。不过，核越大，边缘检测的定位错误也会随之增加。通常一个5 X 5的核能满足大多数情况。 2）计算梯度的幅度与方向。梯度的方向与边缘的方向是垂直的，通常就取近似值为·水平、垂直、对角线等八个不同的方向。 3）非极大值抑制，即适当地让边缘变瘦。在获得了梯度的幅度和方向后，遍历图像中的像素点，去除所有非边缘的点。具体实现上，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，如果是，则保留该点；如果不是则抑制（归零）。 4）确定边缘。用双阈值算法确定最终的边缘信息。完成之前三步骤后，图像的强边缘已经在当前获取的边缘图像内。但一些虚边缘可能也在边缘图像内，这些虚边缘可能是真实的图像产生的，也可能是由于噪声产生的（必须将其剔除）。 设置两个阈值，其中一个为高阈值maxVal，另一个为低阈值minVal。根据当前边缘像素的梯度值与这两个阈值之间的关系，判断边缘的属性。如果当前边缘像素的梯度值不小于maxVal，则将当前边缘像素标记为强边缘；如果介于maxVal与minVal之间，则标记为弱边缘(先保留)；如果小于minVal，则抑制当前边缘像素。之后再判断虚边缘是否与强边缘有连接，有连接，则处理为边缘；无连接则抑制。 OpenCV提供了()来实现边缘检测：dst ： 为计算得到的边缘图像 image： 为8位输入图像 threshold1： 表示处理过程中的的第一个阈值 threshold2： 表示处理过程中的的第二个阈值 apertureSize： 表示Sobel算子的孔径大小。 L2gradient： 为计算图像梯度幅度的标识。其默认值是False。如果为True，则使用更精确的L2范数进行计算，否则使用L1范数。 例如：
噪音是我们身边最常见的一种危害健康的现象，而且很常见。
像洗衣机、冰箱、电视机、音响等等，都可以被视为噪音来源。衡量噪音的单位为分贝，我国相关标准规定，居民区的环境噪音，白天不能超过50分贝，夜晚要小于40分贝。
噪音的危害
这个是一个安全界限，一旦超过这个界限，就可能对人体的听觉器官造成损害，时间久后我们的听力会出现迟钝并降低，有的情况数小时才会回复，有些会让人持续性耳鸣。
医学研究认为，家庭噪音是造成儿童聋哑的病因之一，这一点一定要注意。
除了损害听力，还对眼睛有损害。当噪音强度超过90分贝时，会有一半以上的人出现瞳孔放大，视物模糊的情况。
如果超过了110分贝，人的眼球对光亮度的适应程度会出现减弱的情况。
长此以往，人们更易出现眼疲劳、眼花眼痛，甚至视物模糊，迎风流泪等多种眼部疾病。
噪音还会影响睡眠质量，不仅让人无法安然入睡，还会引起烦躁不安、神经衰弱、血压升高等副作用，噪音超过60分贝，就能让70%以上的人从梦中惊醒。如果噪音在49-59分贝的环境下睡眠，沉睡的时间会缩短。
噪音不仅会影响到正常的消化功能，还会是我们人体的免疫力下降，营养物质维生素C、氨基酸等消耗量增加，对儿童的生长发育不利。
噪音的预防
1.减少噪音接触时间，尤其是不能影响到工作、学习、生活和休息，严格把控自家电器的使用音量和时间，不能过度使用。
2.家电尽量放在卧室，有条件的家庭，可以在屋子内安装隔音、吸音设备，从而控制噪音，减少噪音。
3.屋内适当种植些花草，既可以美化环境，又可以吸收、消除部分噪音。
4.如果家人暴露在噪音污染中，一定要及时进行护理干预，缓解他们的心理问题，同时积极协商，尽量控制噪音程度。
以上就是噪音的危害及防范措施，您了解了吗？
噪声可以造成人体暂时性和持久性听力损伤。一般来说，85分贝以下的噪声不至于危害听觉，而超过100分贝时，将有近一半的人耳聋。 引起人体其他疾病。一些实验表明噪声对人的神经系统、心血管系统都有一定影响、长期的噪声污染可引起头痛、惊慌、神经过敏等，甚至引起神经官能症。噪声也能导致心跳加速、血管痉挛、高血压、冠心病等。极强的噪声（如170分贝）还会导致人死亡。 干扰人的正常工作和学习。当噪声低于60分贝时，对人的交谈和思维几乎不产生影响。当噪声高于90分贝时，交谈和思维几乎不能进行，它将严重影响人们的工作和学习。
一天，一位82岁的老人因患耳疾走进了荷兰的一家医院。医生在察看病入耳朵时，发现他的左耳道深处有一个小棉球。当问起棉球的来历，老人经苦苦思索后方才回忆起，那是32年前他治中耳炎时放进去忘记取出的。医生对老人进行了耳力检查，发觉他的右耳已聋，而左耳听力却相当好。这个重要发现说明，老年性耳聋并非完全是由于年龄的增长引起听力自然衰退造成的，它很可能与人长期受到外界噪声的损害有关。为了证实这一点，美国科学家特地来到远离噪声干扰的非洲苏丹偏僻地区进行调查研究。发现居住在那里的马巴安部族老人的听力，比美国城市中的年轻人的听力还强得多。
研究和分析表明，噪声对人耳听力的影响，同它的强度大小有关。在科学上，声音强度的大小是以“分贝”为单位来计量的。一般来说，在人们生活和工作的环境中，噪声强度低于30分贝时，人们感到十分寂静，并且对人体也不会产生任何影响；在40～45分贝时，人们白天工作仍然感到比较安静，但夜晚睡眠多少要受到惊扰；50～60分贝时，人们开始有吵闹的感觉，医生听诊受到了干扰，准确率要下降20%；当达到65分贝时，人们的工作、学习和开会受到明显干扰，打电话都会感到有困难；达到75分贝时，人们会觉得很吵，两个人谈话必须靠得很近才能听清楚；持续在80～90分贝时，人耳的听觉变得迟钝，别人平常的谈话已经无法听清；100～110分贝时，人耳感到难以忍受，听力受到严重损伤；120～130分贝时，人耳被刺痛，只需待1分钟，耳朵就会出现暂时变聋；超过130分贝，人耳听力完全丧失，严重时耳膜破裂，甚至发生脑溢血或心脏停止跳动。
世界上许多国家的统计资料都显示，生活在城市中的居民的听力都有明显的减退。这是因为各种各样的噪声长期弥散于整个城市的空间，并且其中3/5的强度超过80分贝。例如，在工厂里，机加工车间平均噪声为70～90分贝，锻工车间为105～120分贝，空压机站为85～105分贝，织布车间为100～104分贝；在建筑工地上，柴油机的噪声为98分贝，球磨机为112分贝，电锯为110分贝；在马路上，公共汽车的噪声为80分贝，载重汽车为90分贝，繁忙的交通路口白天的平均噪声在80分贝以上；在家庭里，电视机、收录机、音箱等家用电器的高频噪声可达70～85分贝，等等。1971年国际标准组织，对每周工作40小时、每年工作50周、工龄为20年的工人的听力情况做过统计分析，发现长期工作的环境噪声强度在80分贝以下时，听力受损者为7%；噪声强度为100分贝时，听力受损者为49%；噪声强度为115分贝时，听力受损者为94%。这就从一个侧面反映出，噪声污染给人们带来的听力损害是何等的严重。
为了保护我们的耳朵，减小噪声的危害，国际上制定了噪声的卫生标准。规定工人工作环境的噪声强度不能超过90分贝。这是听力保护的最高限度，在这样的环境中每天工作8小时，30年后刚刚不致耳聋。另外，对于工作在强噪声环境中的工人，各国还采取了一些听力保护措施，如工作时戴特别的护耳塞、护耳罩，以期起到隔音或减少噪声损害的效果。
噪声性听力损失，虽无痛，却是一种进行性的永久听力损伤。不过，它也是完全可以预防的。人如果长时间暴露于声压级在85分贝或更高水平的声音环境中，就会引起内耳听毛细胞损伤，继而发生噪声性听力损失。这种损伤，可以是由像爆炸声、枪声这种突爆型强脉冲噪声引起的；也可能是由长时间或反复暴露于巨大的机械噪声或诸如高分贝的音乐等娱乐环境而引起的。
Canny边缘检测是一种使用多种边缘检测算法检测边缘的方法。由John 于1986年提出，并在论文中有详尽的描述。 1）去噪。噪声会影响边缘检测的准确度。通常采用高斯滤波去除图像中的噪声。滤波器的核越大，边缘信息对噪声的敏感度就越低。不过，核越大，边缘检测的定位错误也会随之增加。通常一个5 X 5的核能满足大多数情况。 2）计算梯度的幅度与方向。梯度的方向与边缘的方向是垂直的，通常就取近似值为·水平、垂直、对角线等八个不同的方向。 3）非极大值抑制，即适当地让边缘变瘦。在获得了梯度的幅度和方向后，遍历图像中的像素点，去除所有非边缘的点。具体实现上，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，如果是，则保留该点；如果不是则抑制（归零）。 4）确定边缘。用双阈值算法确定最终的边缘信息。完成之前三步骤后，图像的强边缘已经在当前获取的边缘图像内。但一些虚边缘可能也在边缘图像内，这些虚边缘可能是真实的图像产生的，也可能是由于噪声产生的（必须将其剔除）。 设置两个阈值，其中一个为高阈值maxVal，另一个为低阈值minVal。根据当前边缘像素的梯度值与这两个阈值之间的关系，判断边缘的属性。如果当前边缘像素的梯度值不小于maxVal，则将当前边缘像素标记为强边缘；如果介于maxVal与minVal之间，则标记为弱边缘(先保留)；如果小于minVal，则抑制当前边缘像素。之后再判断虚边缘是否与强边缘有连接，有连接，则处理为边缘；无连接则抑制。 OpenCV提供了()来实现边缘检测：dst ： 为计算得到的边缘图像 image： 为8位输入图像 threshold1： 表示处理过程中的的第一个阈值 threshold2： 表示处理过程中的的第二个阈值 apertureSize： 表示Sobel算子的孔径大小。 L2gradient： 为计算图像梯度幅度的标识。其默认值是False。如果为True，则使用更精确的L2范数进行计算，否则使用L1范数。 例如：
目标检测（object detection）是计算机视觉中非常重要的一个领域。在卷积神经网络出现之前，都利用一些传统方法手动提取图像特征进行目标检测及定位，这些方法不仅耗时而且性能较低。而在卷积神经网络出现之后，目标检测领域发生了翻天覆地的变化。最著名的目标检测系统有RCNN系列、YOLO和SSD，本文将介绍RCNN系列的开篇作RCNN。 RCNN系列的技术演进过程可参见 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN 。 目标检测分为两步：第一步是对图像进行分类，即图像中的内容是什么；第二步则是对图像进行定位，找出图像中物体的具体位置。简单来说就是图像里面有什么，位置在哪。 然而，由于不同图片中物体出现的大小可能不同（多尺度），位置也可能不同，而且摆放角度，姿态等都可以不同，同时一张图片中还可以出现多个类别。这使得目标检测任务异常艰难。上面任务用专业的说法就是：图像识别+定位两个不同的分支分别完成不同的功能，分类和定位。回归（regression）分支与分类分支（classification）共享网络卷积部分的参数值。 还是刚才的分类识别+回归定位思路。只是现在我们提前先取好不同位置的框，然后将这个框输入到网络中而不是像思路一将原始图像直接输入到网络中。然后计算出这个框的得分，取得分最高的框。 如上，对于同一个图像中猫的识别定位。分别取了四个角四个框进行分类和回归。其得分分别为，因此右下角得分最高，选择右下角的黑框作为目标位置的预测（这里即完成了定位任务）。 这里还有一个问题——检测位置时的框要怎么取，取多大？在上面我们是在257x257的图像中取了221x221的4个角。以不同大小的窗口从左上角到右下角依次扫描的话，数据量会非常大。而且，如果考虑多尺度问题的话，还需要在将图像放缩到不同水平的大小来进行计算，这样又大大增加了计算量。如何取框这个问题可以说是目标检测的核心问题之一了，RCNN，fast RCNN以及faster RCNN对于这个问题的解决办法不断地进行优化，这个到了后面再讲。 总结一下思路： 对于一张图片，用各种大小的框将图片截取出来，输入到CNN，然后CNN会输出这个框的类别以及其位置得分。 对于检测框的选取，一般是采用某种方法先找出可能含有物体的框（也就是候选框，比如1000个候选框），这些框是可以互相重叠互相包含的，这样我们就可以避免暴力枚举所有框了。讲完了思路，我们下面具体仔细来看看RCNN系列的实现，本篇先介绍RCNN的方法。 R-CNN相比于之前的各种目标检测算法，不仅在准确率上有了很大的提升，在运行效率上同样提升很大。R-CNN的过程分为4个阶段： 在前面我们已经简单介绍了selective search方法，通过这个方法我们筛选出了2k左右的候选框。然而搜索出的矩形框大小是不同的。而在AlexNet中由于最后全连接层的存在，对于图像尺寸有固定的要求，因此在将候选框输入之前，作者对这些候选框的大小进行了统一处理——放缩到了统一大小。文章中作者使用的处理方法有两种： （1）各向异性缩放因为图片扭曲可能会对后续CNN模型训练产生影响，于是作者也测试了各向同性缩放的方法。有两种方法： 此外，作者对于bounding box还尝试了padding处理，上面的示意图中第1、3行就是结合了padding=0，第2、4行结果采用padding=16的结果。经过最后的试验，作者发现采用各向异性缩放、padding=16的精度最高。 卷积神经网络训练分为两步：（1）预训练；（2）fine-tune。 先在一个大的数据集上面训练模型（R-CNN中的卷机模型使用的是AlexNet），然后利用这个训练好的模型进行fine-tune（或称为迁移学习），即使用这个预训练好的模型参数初始化模型参数，然后在目标数据集上面进行训练。 此外，在训练时，作者还尝试采用不同层数的全连接层，发现一个全连接层比两个全连接层效果要好，这可能是因为使用两个全连接层后过拟合导致的。 另一个比较有意思的地方是：对于CNN模型，卷积层学到的特征其实就是基础的共享特征提取层，类似于传统的图像特征提取算法。而最后的全连接层学到的则是针对特定任务的特征。譬如对于人脸性别识别来说，一个CNN模型前面的卷积层所学习到的特征就类似于学习人脸共性特征，然后全连接层所学习的特征就是针对性别分类的特征了。 最后，利用训练好的模型对候选框提取特征。 关于正负样本的问题：由于选取的bounding box不可能与人工label的完全相同，因此在CNN训练阶段需要设置IOU阈值来为bounding box打标签。在文章中作者将阈值设置为，即如果候选框bounding box与人工label的区域重叠面积大于，则将其标注为物体类别（正样本），否则我们就把他当做背景类别（负样本）。 作者针对每一个类别都训练了一个二分类的SVM。这里定义正负样本的方法与上面卷积网络训练的定义方法又不相同。作者在文章中尝试了多种IoU阈值（）。最后通过训练发现，IoU阈值为的时候效果最好（选择为0精度下降了4个百分点，选择精度下降了5个百分点）。即当IoU小于的时候我们将其视为负样本，否则为正样本。 目标检测问题的衡量标准是重叠面积：许多看似准确的检测结果，往往因为候选框不够准确，重叠面积很小。故需要一个位置精修步骤。在实现边界回归的过程中发现了两个微妙的问题。第一是正则化是重要的：我们基于验证集，设置λ=1000。第二个问题是，选择使用哪些训练对(P,G)时必须小心。直观地说，如果P远离所有的检测框真值，那么将P转换为检测框真值G的任务就没有意义。使用像P这样的例子会导致一个无望的学习问题。因此，只有当提案P至少在一个检测框真值附近时，我们才执行学习任务。“附近”即，将P分配给具有最大IoU的检测框真值G（在重叠多于一个的情况下），并且仅当重叠大于阈值（基于验证集，我们使用的阈值为）。所有未分配的提案都被丢弃。我们为每个目标类别执行一次，以便学习一组特定于类别的检测框回归器。 在测试时，我们对每个提案进行评分，并预测其新的检测框一次。原则上，我们可以迭代这个过程（即重新评估新预测的检测框，然后从它预测一个新的检测框，等等）。但是，我们发现迭代不会改进结果。 使用selective search的方法在测试图片上提取2000个region propasals ，将每个region proposals归一化到227x227，然后再CNN中正向传播，将最后一层得到的特征提取出来。然后对于每一个类别，使用为这一类训练的SVM分类器对提取的特征向量进行打分，得到测试图片中对于所有region proposals的对于这一类的分数，再使用贪心的非极大值抑制（NMS）去除相交的多余的框。再对这些框进行canny边缘检测，就可以得到bounding-box(then B-BoxRegression)。 参考： Rich feature hierarchies for accurate object detection and semantic segmentation. RCNN-将CNN引入目标检测的开山之作-晓雷的文章 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN R-CNN 论文翻译
边缘检测是图像处理的重要基础算法。它是许多高阶的图像算法（例如轮廓检测，目标检测）的基础。Canny边缘检测算法是OpenCV中使用的边缘检测算法，由John F. Canny在1986年提出。由于它出色的检测和容错能力，至今一直被广泛使用。Canny边缘检测具有以下特点： 那么Canny边缘检测为什么会有出色的性能？这和它的实现有着很大关系，Canny边缘检测主要分为以下几个步骤： 因为边缘检测容易受到图像中的噪点影响，所以在边缘检测之前通常需要对图像进行降噪处理。这里我们使用高斯滤波进行降噪。关于高斯滤波可以参考 这里 。 如何确定图像的边缘？图像的边缘像素的灰度值通常会有剧烈变化。而梯度可以用来衡量灰度值变化的大小和方向。图像在x, y方向的梯度值可以通过点乘下面的Sobel算子得到： 在得到x, y方向的梯度值以后，通过以下公式计算出方向梯度值： 高斯滤波在降噪的同时，边缘也有可能被放大。引入非最大值抑制就是为了解决这个问题，使得检测出的边缘更细(窄)。 即：如果一个像素点属于边缘，那么这个像素点在梯度方向上的梯度值是必须是最大的。 如下图所示，A是在图像的边缘上的点，计算出的梯度方向垂直于边缘。B和C在梯度方向上，这时我们比较A和B,C的灰度值，如果A比B和C都大，则选取A作为结果。如果A比B或者C小，则将A的值设为0。 为了确定最终的边缘，我们需要设定一个阈值来挑选出足够“像”边缘的点，即它的梯度值要足够大。但如果设定单一阈值，最终的检测精度就非常依赖于阈值设定，过大或者过小的阈值都会让结果偏离预期。而Canny边缘检测算法设置两个阀值，分别为maxVal和minVal。其中大于maxVal的都被检测为边缘，而低于minval的都被检测为非边缘。对于中间的像素点，如果与确定为边缘的像素点邻接，则判定为边缘；否则为非边缘。这样有效地提高了检测精度。 OpenCV中提供了Canny边缘检测的实现。我们直接调用 Canny() 函数即可
Canny边缘检测教程 Author: Bill Green (2002) 作者：比尔绿色（ 2002 ） HOME EMAIL 主页 电子邮件 This tutorial assumes the reader: 本教程假定读者： (1) Knows how to develop source code to read raster data （ 1 ）知道如何发展的源代码阅读栅格数据 (2) Has already read my Sobel edge detection tutorial （ 2 ）已经阅读我Sobel边缘检测教程 This tutorial will teach you how to:本教程将教你如何： (1) Implement the Canny edge detection algorithm. （ 1 ）实施Canny边缘检测算法。 INTRODUCTION 导言 Edges characterize boundaries and are therefore a problem of fundamental importance in image processing.边的特点，因此，边界问题，根本的重要性在图像处理中。 Edges in images are areas with strong intensity contrasts – a jump in intensity from one pixel to the next.在图像的边缘地区，强度强的反差-一个跳转的强度从一个像素的下一个。 Edge detecting an image significantly reduces the amount of data and filters out useless information, while preserving the important structural properties in an image. This was also stated in my Sobel and Laplace edge detection tutorial, but I just wanted reemphasize the point of why you would want to detect edges.边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么你会要检测的边缘。 The Canny edge detection algorithm is known to many as the optimal edge detector. Canny's intentions were to enhance the many edge detectors already out at the time he started his work.的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。坎尼的意图是要加强许多先进的探测器已经在的时候，他开始他的工作。 He was very successful in achieving his goal and his ideas and methods can be found in his paper, " A Computational Approach to Edge Detection ".他很成功地实现他的目标和他的思想和方法中可以找到他的论文“ 计算方法的边缘检测 ” 。 In his paper, he followed a list of criteria to improve current methods of edge detection.在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。 The first and most obvious is low error rate.第一个也是最明显的错误率低。 It is important that edges occuring in images should not be missed and that there be NO responses to non-edges.重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。 The second criterion is that the edge points be well localized. In other words, the distance between the edge pixels as found by the detector and the actual edge is to be at a minimum.第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。 A third criterion is to have only one response to a single edge.第三个标准是，只有一个回应单一优势。 This was implemented because the first 2 were not substantial enough to completely eliminate the possibility of multiple responses to an edge.这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 Based on these criteria, the canny edge detector first smoothes the image to eliminate and noise.根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。 It then finds the image gradient to highlight regions with high spatial derivatives.然后认定的形象，以突出地区梯度高空间衍生物。 The algorithm then tracks along these regions and suppresses any pixel that is not at the maximum (nonmaximum suppression).该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止） 。 The gradient array is now further reduced by hysteresis.梯度阵列现在进一步减少滞后。 Hysteresis is used to track along the remaining pixels that have not been suppressed.磁滞用来追踪沿其余像素，但没有压制。 Hysteresis uses two thresholds and if the magnitude is below the first threshold, it is set to zero (made a nonedge).磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ） 。 If the magnitude is above the high threshold, it is made an edge.如果是规模以上的高门槛，这是一个优势。 And if the magnitude is between the 2 thresholds, then it is set to zero unless there is a path from this pixel to a pixel with a gradient above T2.如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 Step 1 第1步 In order to implement the canny edge detector algorithm, a series of steps must be followed.为了落实Canny边缘检测算法，一系列步骤必须遵循。 The first step is to filter out any noise in the original image before trying to locate and detect any edges.第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。 And because the Gaussian filter can be computed using a simple mask, it is used exclusively in the Canny algorithm.而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。 Once a suitable mask has been calculated, the Gaussian smoothing can be performed using standard convolution methods.一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。 A convolution mask is usually much smaller than the actual image.阿卷积掩模通常远远小于实际的形象。 As a result, the mask is slid over the image, manipulating a square of pixels at a time. The larger the width of the Gaussian mask, the lower is the detector's sensitivity to noise .因此，该面具是下跌的形象，操纵一个正方形的像素上。 较大的宽度高斯面具，较低的是探测器的敏感性噪音 。 The localization error in the detected edges also increases slightly as the Gaussian width is increased.定位误差检测边缘也略有增加的高斯宽度增加。 The Gaussian mask used in my implementation is shown below.高斯遮罩使用我在执行下面显示。 Step 2 第2步 After smoothing the image and eliminating the noise, the next step is to find the edge strength by taking the gradient of the image.经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。 The Sobel operator performs a 2-D spatial gradient measurement on an image.的Sobel算子进行二维空间梯度测量的形象。 Then, the approximate absolute gradient magnitude (edge strength) at each point can be found.然后，大约绝对梯度幅度（边缘强度）各点可以找到。 The Sobel operator uses a pair of 3x3 convolution masks, one estimating the gradient in the x-direction (columns) and the other estimating the gradient in the y-direction (rows). Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行） 。 They are shown below:它们如下所示： The magnitude, or EDGE STRENGTH, of the gradient is then approximated using the formula:的规模，或EDGE强度，梯度近似然后使用公式： |G| = |Gx| + |Gy| | G | = | GX的| + |戈瑞| Step 3 第3步 Finding the edge direction is trivial once the gradient in the x and y directions are known.寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。 However, you will generate an error whenever sumX is equal to zero.然而，你会产生错误时sumX等于零。 So in the code there has to be a restriction set whenever this takes place.因此，在代码中必须有一个限制规定只要发生。 Whenever the gradient in the x direction is equal to zero, the edge direction has to be equal to 90 degrees or 0 degrees, depending on what the value of the gradient in the y-direction is equal to.每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。 If GY has a value of zero, the edge direction will equal 0 degrees.如果青的值为零，边缘方向将等于0度。 Otherwise the edge direction will equal 90 degrees.否则边缘方向将等于90度。 The formula for finding the edge direction is just:公式为寻找边缘方向是： theta = invtan (Gy / Gx)论旨= invtan （戈瑞/ GX的） Step 4 第4步 Once the edge direction is known, the next step is to relate the edge direction to a direction that can be traced in an image.一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。 So if the pixels of a 5x5 image are aligned as follows:因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x x x x x x x x x x x a x x x x 1 x x x x x x x x x x x x x x x x x x x x x x Then, it can be seen by looking at pixel " a ", there are only four possible directions when describing the surrounding pixels - 0 degrees (in the horizontal direction), 45 degrees (along the positive diagonal), 90 degrees (in the vertical direction), or 135 degrees (along the negative diagonal).然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度 （水平方向） ， 45度 （沿积极对角线） ， 90度 （垂直方向） ，或135度 （沿负对角线） 。 So now the edge orientation has to be resolved into one of these four directions depending on which direction it is closest to (eg if the orientation angle is found to be 3 degrees, make it zero degrees).所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度） 。 Think of this as taking a semicircle and dividing it into 5 regions.认为这是采取了半圆形和分裂成5个地区。 Therefore, any edge direction falling within the yellow range (0 to & to 180 degrees) is set to 0 degrees.因此，任何先进的方向范围内的黄色范围 （ 0至5月22日＆ 至180度）设置为0度。 Any edge direction falling in the green range ( to degrees) is set to 45 degrees. Any edge direction falling in the blue range ( to degrees) is set to 90 degrees.任何先进的方向下滑的绿色范围 （ 至度）设置为45度。任何优势的方向下滑的蓝色范围 （ 至度）设置为90度。 And finally, any edge direction falling within the red range ( to degrees) is set to 135 degrees.最后，任何先进的方向范围内的红色范围 （ 到度）设置为135度。 Step 5 第5步 After the edge directions are known, nonmaximum suppression now has to be applied. Nonmaximum suppression is used to trace along the edge in the edge direction and suppress any pixel value (sets it equal to 0) that is not considered to be an edge. This will give a thin line in the output image.在被称为边缘方向， nonmaximum抑制现在必须适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将给细线的输出图像。 Step 6 第6步 Finally, hysteresis is used as a means of eliminating streaking.最后，滞后是用来作为一种手段，消除条纹。 Streaking is the breaking up of an edge contour caused by the operator output fluctuating above and below the threshold.裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。 If a single threshold, T1 is applied to an image, and an edge has an average strength equal to T1, then due to noise, there will be instances where the edge dips below the threshold.如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将有情况下，边逢低低于阈值。 Equally it will also extend above the threshold making an edge look like a dashed line.同样它也将延长超过阈值决策的优势看起来像一个虚线。 To avoid this, hysteresis uses 2 thresholds, a high and a low.为了避免这种情况，滞后使用2的门槛，高和低。 Any pixel in the image that has a value greater than T1 is presumed to be an edge pixel, and is marked as such immediately.任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。 Then, any pixels that are connected to this edge pixel and that have a value greater than T2 are also selected as edge pixels.然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。 If you think of following an edge, you need a gradient of T2 to start but you don't stop till you hit a gradient below T1.如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。 You are visitor number: 你是第位访客人数：
浅谈市场主流车型的高科技配置 在竞争激烈的中级车市，装载高科技配置似乎已经成了厂家制胜的法宝，车辆的配置清单也变得越来越有看点。但是，这些令人眼花缭乱的高科技配置，是否能够真正满足消费者的需求，驾乘生活带来便利？以下是对目前市场主流中级车的科技配置的点评，希望能给读者一些参考。 即时油耗显示 即时油耗显示是行车电脑提供的附加功能之一，设在仪表板上，多为指针式显示。在行车时，随着油门被踏下、被放松，随时显示车辆每百公里油耗的变化。与剩余行驶里程一样，即时油耗仅是一个参考，并不是实际数据，在行车时关心油耗？那必然会分心去看,也增加了驾车的危险性。即时油耗显示也经常会犯一些低级作用，如下坡时显示为0的错误信息，由此可见其唯一的作用是提醒您，想省油就要轻踩油门。 方向盘换挡拨片 方向盘换挡的实质是手自一体自动变速箱，但将手动换挡的功能集成在方向盘上。在方向盘的左右两侧各设按键或拨片，分别控制加挡和减挡。使用时，需将排挡从“D”模式转为“M”模式。与变速箱的手自一体功能相同，方向盘换挡不过是销售时的噱头。以北京、上海、广州等城市的交通状况，不是夜里回家恐怕难以体验那提速、升挡的爽快，所以其最大作用就是装饰品了。 ECO节油提示 Eco-driving节能系统可以实时监测司机右脚的动作，通过液晶屏显示将驾驶者在节能驾驶方面的信息反馈给驾驶者。这套生态驾驶辅助系统结合了多种功能：可以让连续变速控制系统、引擎动力以及相关的动力配置省油性能得到优化；具有反馈功能的液晶屏，可为司机显示实时路况环境状况，以获得更佳的驾驶操作选择。在国内油价逐年攀升的情况下，Eco-driving可帮助驾驶者不断提高节油驾驶技术，从中体验到更多的省油乐趣。到目前为止，欧洲的车主利用Eco-driving系统已经减少了163,000kg的二氧化碳排放量，这对于环保事业有着莫大的帮助。如今在国内10－15万的车市中，也只有东风悦达起亚福瑞迪采用了这款配置。 ESP电子稳定系统 ESP系统由控制单元及转向传感器、车轮传感器、侧滑传感器、横向加速度传感器等组成。控制单元通过这些传感器的信号对车辆的运行状态进行判断，进而发出控制指令。有ESP与只有ABS及ASR的汽车，它们之间的差别在于ABS及ASR只能被动地作出反应，而ESP则能够探测和分析车况并纠正驾驶的错误，防患于未然。ESP最主要的功能就是通过纵向力适度地调整不平衡，保证汽车能够按照驾驶员的指令进行转向。清华大学汽车工程学院副院长宋健也指出，ESP可以提高汽车极限行驶的性能如转弯、制动、驱动，对防止侧滑、翻车等能够发挥很大的作用。 对于家用中级车的消费者来说，装备实惠实用的配置才是购车的关键。只有像ECO-driving和ESP电子稳定系统能够为驾驶者带来真正的作用的配置，才能在竞争中脱颖而出，赢得消费者的认可。
你好，这里发图片公式数据等比较麻烦。这个希望对你有帮助。 汽车发动机噪声控制技术研究 前言 噪声是工业社会带来的副产品，它与大气污染和水污染一起被认为是当今世界三大公害。与其他两个公害相比，噪声的影响面最广，感觉最直接，人们反映也最多。汽车作为一种主要的交通工具日益普及和增长，因而汽车噪声所造成的环境污染也日益严重。汽车噪声中由于发动机产生的噪声占很大一部分，因此研究发动机噪声产生的机理以及噪声控制的措施在汽车噪声控制中显得尤为重要。 1 发动机噪声控制 直接从发动机机体及其主要附件向空间传出的声音，都属于发动机噪声。发动机噪声随机型、转速、负荷及运行情况等的不同而有差异，如在转速相同的条件下，柴油机的噪声要比汽油机高。按噪声产生的性质，发动机噪声可分为燃烧噪声、机械噪声和空气动力噪声。下面主要介绍各种噪声产生的成因以及一些具体的降噪措施。 燃烧噪音 燃烧噪声产生机理 燃烧噪声是由于气缸内周期变化的气体压力的作用而产生的。它主要取决于燃烧的方式和燃烧的速度。在汽油机中，如果发生爆燃和表面点火等不正常燃烧时，将产生较大的燃烧噪声。柴油机的燃烧噪声是由于燃烧室内气压急剧上升，致使发动机各部件振动而引起的噪声。一般来说，柴油机噪声比汽油机的噪声高得多，因此在这里主要以柴油机为例来说明如何降低燃烧噪声。 燃烧噪声的控制策略 在汽车发动机中，燃烧噪声在总噪声中占有很大比例，研究如何降低其燃烧噪声具有特别重要的意义。目前所研究出的降噪措施主要有： (1)采用隔热活塞以提高燃烧室壁温度，缩短滞燃期，降低空间雾化燃烧系统的直喷式柴油机的燃烧噪声。 (2)提高压缩比和应用废气再循环技术也可降低柴油机的燃烧噪声。但压缩比主要决定了柴油机的机械负荷与热负荷水平。废气再循环技术通过降低气缸最高压力，在抑制NOx产生的同时，也降低了燃烧噪声。 (3)采用双弹簧喷油阀实现预喷。即将原本打算一个循环一次喷完的燃油分两次喷。第一次先喷入其中的小部分，提前在主喷之前就开始进行着火的预反应，这样可减少滞燃期内积聚的可燃混合气数量。这是降低直喷式柴油机燃烧噪声的最有效措施。通过降低双弹簧喷油器初次开启压力和针阀的预升程来抑制空气和燃料混合气的形成，以此对怠速工况的燃烧噪声产生影响。通过设计两段升程装置，采用引燃喷射装置在较大的转速范围及加速情况下来抑制燃烧噪声。 (4)共轨喷油系统是一种很有前途的直喷式轿车柴油机电子控制高压燃油喷射系统，它能减少滞燃期内喷入的燃油量，特别有利于降低燃烧噪声。 (5)采用增压。柴油机增压后进入气缸的空气充量密度、温度和压力增加，从而改善了混合气的着火条件，使着火延迟期缩短。虽然增压柴油机最大爆发压力有所增加，但其压力增长率dp/dφ和压力升高比λ却变小，使柴油机运转平稳，噪声降低。此外，一般来说，涡轮增压柴油机最大额定功率的转速要比同样气缸尺寸的非增压柴油机低，有利于降低燃烧噪声。增压空气中间冷却后，空气温度降低，充气效率得以提高，但同时也削弱了增压对降低燃烧噪声的作用。 (6)燃烧室的选择和设计。对于分开式燃烧室，精确的喷油通道、扩大通道面积、控制喷射方向和预燃室进气涡流半径的优化，均能抑制预混合燃烧，促进扩散燃烧，从而降低由低负荷到高负荷较宽范围的燃烧噪声、燃油消耗和碳烟排放。 对于直喷式燃烧室，可以通过合理设计，使其在保证足够的涡流下具有高紊动能，强化燃料与空气之间的扩散，以此来改善燃烧过程，实现柴油机低油耗、低噪声和低排放。 活塞顶燃烧室结构对燃烧噪声有很大影响。孔口较小、深度较深者，燃烧噪声就小得多，排放也明显较好。再加上缩口形，减噪效果就更趋好转。因此，设计时在变动许可范围内，最好选用缩口并尽可能加深些的ω形燃烧室。 (7)减小供油提前角。供油提前角小，喷油时间延迟，气缸内温度和压力在燃油喷入时较高，燃油一经喷入即雾化，瞬间达到着火点，缩短了滞燃期。最先喷入的燃油爆发燃烧，而后续喷入火焰中的燃油因氧气不足而不会立即燃烧，这样，由于初期燃烧的燃油量少，压力升高率低，可使燃烧噪声减小。大多数柴油机的燃烧噪声随供油提前角的减小而有所降低。 (8)选用十六烷值高的燃料，着火延迟期较短，从而影响在着火延迟期内形成的可燃混合气数量，使压力升高率降低和减小燃烧噪声。 机械噪声 机械噪声是由于运动件之间以及运动件与固定件之间周期性变化的机械运动而产生的，它与激发力的大小、运动件的结构等因素有关。主要有活塞敲击噪声和气门机械噪声。 活塞敲击噪声 发动机运转时，活塞在上、下止点附近受侧向力作用产生一个由一侧向另一侧的横向移动，从而形成活塞对缸壁的强烈敲击，产生了活塞敲击噪声。产生敲击的主要原因是活塞与气缸套之间存在间隙，以及作用在活塞上的气体压力。 降低活塞敲击噪声的措施有： (1)采取活塞销孔偏置，即将活塞销孔适当地朝主推力面偏移1～2mm。 (2)采用在活塞裙部开横向隔热槽，活塞销座镶调节钢件，裙部镶钢筒，采用椭圆锥体裙等方式来减小活塞40℃冷态配缸间隙。 (3)增加缸套的刚度，不仅可以降低活塞的敲击声，也可以降低因活塞与缸壁摩擦而产生的噪声。为了增加缸套的刚度，可采用增加缸套厚度或带加强肋的方法。 (4)改进活塞和气缸壁之间的润滑状况，增加活塞敲击缸壁时的阻尼，也可以减小活塞敲击噪声。例如在D=180mm单缸试验机上，采用专用润滑油喷向气缸壁上供给机油，结果使机体的振动降低6dB(A)。显然，这种措施在实用上是受到限制的。近来，日本丸能源公司研制成功含有陶瓷微粒的新型润滑剂，在气缸金属表面上形成“陶瓷薄膜”，防止金属直接接触。因此在降低摩擦噪声的同时，还可改善润滑性能，节约燃料，提高使用寿命。 传动齿轮噪声 传动齿轮的噪声是齿轮啮合过程中齿与齿之间的撞击和摩擦产生的。在内燃机上，齿轮承载着交变的动负荷，这种动负荷会使轴产生变形，并通过轴在轴承上引起动负荷，轴承的动负荷又传给发动机壳体和齿轮室壳体，使壳体激发出噪声。此外，曲轴的扭转振动也会破坏齿轮的正常啮合而激发出噪声。传动齿轮噪声与齿轮的设计参数和结构型式、加工精度、齿轮材料配对、齿轮室结构以及运转状态有关。 降低传动齿轮噪声的措施有： (1)控制齿轮齿形，提高齿轮加工精度，减小齿轮啮合间隙，即降低齿轮啮合时相互撞击的能量，从而降低齿轮啮合传动噪声。 (2)采用新材料，如高阻尼的工程塑料齿轮，采用工程塑料齿轮代替原钢制齿轮后，整机噪声降低约(A)左右，效果明显。 (3)合理布置齿轮传动系位置，如将正时齿轮布置在飞轮端，可有效减少曲轴系扭振对齿轮振动的影响。 (4)采用正时齿形同步带传动代替正时齿轮转动，可明显降低噪声。 降低配气机构噪声 内燃机大都采用凸轮、气门配气机构，机构中包括凸轮轴、挺柱、推杆、摇臂、气门等零件。配气机构中零件多、刚度差，在运动中易于激起振动和噪声，包括气门和气门座的撞击，由气门间隙引起的传动撞击，挺柱和凸轮工作面之间的摩擦振动，高速时气门不规则运动引起的噪声。配气机构噪声与气门机构的型式、气门间隙、气门落座速度、材料、凸轮型线、凸轮和挺柱的润滑状态、内燃机的转速等因素有关。 降低配气机构噪声的措施主要有： (1)良好的润滑能减少摩擦，降低摩擦噪声。推荐怠速时凸轮与挺柱间的最小油膜厚度2Lm，1000r/min时最小油膜厚度为3Lm。凸轮转速越高，油膜越厚。所以内燃机高速运转时，配气机构的摩擦振动和噪声就不突出了。 (2)减少气门间隙可减少摇臂与气门之间的撞击，但不能使气门间隙太小。采用液力挺柱可以从根本上消除气门间隙，降低噪声。近年来还出现了气门液压驱动系统，其噪声更低。 (3)缩短推杆长度是减轻系统重量、提高刚度的有效措施，顶置式凸轮轴取消了推杆，对减少噪声特别有利。 空气动力噪声 由于气体扰动以及气体和其他物体相互作用而产生的噪声称为空气动力噪声，在发动机中，它包括进气噪声、排气噪声和风扇噪声。 进气噪声 发动机工作时，高速气流经空气滤清器、进气管、气门进入气缸、在此气流流动过程中会产生一种强烈的空气动力噪声，有时比发动机本身噪声高出5 dB(A)左右，成为仅次于排气噪声的主要噪声源。该噪声随着发动机转速的提高而增强，与负荷的变化无关，其成分主要包括：周期性压力脉动噪声、涡流噪声、气缸的玄姆霍兹共振噪声和进气管的气柱共振噪声。 进气噪声的控制策略主要是： (1)合理的设计和选用空气滤清器。合理设计进气管道和气缸盖进气通道，减少进气系统内压力脉动的强度和气门通道处的涡流强度。 (2)引进消声措施。 排气噪声 排气噪声主要在排气开始时，废气以脉冲形式从排气门缝隙排出，并迅速从排气口冲入大气，形成能量很高、频率很复杂的噪声，包括基频及其高次谐波的成分。该噪声是汽车及发动机中能量最大最主要的噪声源，它的噪声往往比发动机整机噪声高10dB(A)～15dB(A)。除基频噪声及其高次谐波噪声外，排气噪声还包括排气总管和排气歧管中存在的气柱共振噪声、气门杆背部的涡流噪声、排气系统管道内壁面的紊流噪声等，此外，排气噪声还包括废气喷射和冲击噪声。排气噪声的控制策略主要是： (1)从排气系统的设计方面入手，如合理设计排气管的长度与形状，以避免气流产生共振和减少涡流。 (2)废气涡轮增压器的应用可降低排气噪声，但最有效的方法还是采用高消声技术，使用低功率损耗和宽消声频率范围的排气消声器。 风扇噪声 风扇噪声是发动机中不可忽视的噪声源，尤其风冷发动机更为突出，在高速全负荷时甚至和进排气噪声不相上下。它主要是空气动力噪声，由旋转噪声和涡流声所组成。旋转噪声是由旋转叶片周期性地打击空气质点，引起空气的压力脉动所产生的。涡流噪声是由于风扇旋转时使周围的空气产生涡流，这些涡流又因粘滞力的作用分裂成一系列独立的小涡流，这些涡流和涡流的分裂会使空气发生扰动，形成压力波动，从而激发出的噪声，涡流噪声一般是宽频带噪声。 发动机的风扇噪声在低速运转时涡流噪声占优势，高速时旋转噪声占优势，风扇的转速越高，直径越大，风扇的扇风量就越大，其噪声也越高；风扇的效率越低，消耗功率越大，风扇噪声越大。 风扇噪声的控制策略主要是： (1)适当控制风扇转速，风扇噪声随转速的增长远比其他噪声大。在冷却要求已定的条件下，为降低转速，可在结构尺寸允许的范围内，适当加大风扇直径或者增加叶片数目；充分运用流体力学理论设计高效率的风扇，就可能在保证冷却风量和风压的前提下降低转速。 (2)采用叶片不均匀分布的风扇，叶片均匀分布往往会产生一些声压级很高的有调节器成分。当叶片不均匀布置后，一般可降低风扇中那些突出的线状频谱成分，使噪声频谱较为平滑。 (3)用塑料风扇代替钢板风扇，能达到降低噪声和减少风扇消耗功率的效果，但目前成本还稍高于钢板风扇。国外中小功率内燃机已普遍采用塑料风扇。还可采用一种安装角可以变化的“柔性风扇”，这种风扇叶片用很薄的钢板或塑料制造，当风扇转速提高后，由于空气动力的作用，叶片扭转变平(安装角变小)，于是风扇消耗功率和噪声都减小；转速降低时，由于空气动力作用小，叶片的扭转变小，保证了足够的风量。 (4)在车用内燃机上采用风扇自动离合器，试验表明，在汽车行驶中，需要风扇工作的时间一般不到10％。因此，装用风扇离合器不仅可使内燃机经常处在适宜温度下工作和减少功率消耗，同时还能达到降噪的效果。 (5)风扇和散热器系统的合理设计。诸如发动机和风扇的距离、风扇与散热器的距离、风扇和风扇护罩的位置及护罩的形状、空气通过散热器的阻力等都会对冷却风量的充分利用产生影响。合理布置和设计都有可能达到降低风扇转速的目的。 2 结束语 综上所述，影响汽车发动机噪声的因素多种多样，单靠采用某一种降噪方法很难大幅度地把噪声降低下来，要降低汽车发动机噪声，应从发动机噪声的噪声源、传播途径等方面入手，明确降噪的对象和目标，通过综合考虑，采取各种技术手段，在一定程度上可有效地控制和降低燃烧噪声、机械噪声和空气动力噪声，达到降低汽车发动机噪声的目的。
[1]张军 谌勇 张志谊 华宏星.卫星随机试验的振动响应分析[J].机械强度，2006，28(1)：16～[2]陈杰 沈荣瀛 华宏星 罗建平.通风机叶片振动安全性分析[J].核动力工程，2006，27(5)：84～[3]金谷 谌勇 华宏星.加筋靶板受到球形弹丸侵彻时的速度经验公式探讨[J].噪声与振动控制，2006，26(4)：45～[4]童宗鹏 王俊峰 尚国清 华宏星.舱筏结构动态特性的理论与试验研究[J].噪声与振动控制，2006，26(4)：29～[5]梁启明 张军 华宏星 张志谊.整星隔振器动态特性的测试[J].噪声与振动控制，2006，26(2)：83～[6]樊江玲 张志谊 华宏星.几种模态参数盲辨识方法的比较研究[J].振动与冲击，2006，25(5)：153～[7]张丹才 章艺 童宗鹏 华宏星.舵翼结构对水下航行器尾部振动声辐射的影响[J].振动与冲击，2006，25(5)：102～[8]张军 谌勇 华宏星 张志谊.卫星减振的试验研究[J].应用力学学报，2006，23(1)：76～[9]章艺 童宗鹏 张志谊 华宏星.充液压电阻尼圆柱壳的有限元建模[J].振动工程学报，2006，19(1)：24～[10]江国和 沈荣瀛 华宏星 吴广明.舰船机械设备冲击隔离技术研究进展[J].船舶力学，2006，10(1)：135～[11]童宗鹏 章艺 沈荣瀛 华宏星.基于频响函数灵敏度分析的舰艇模型修正[J].上海交通大学学报，2005，39(11)：1847～[12]李玩幽 张志谊 华宏星.利用载荷识别技术诊断柴油机熄火故障[J].上海交通大学学报，2005，39(2)：186～[13]续秀忠 章艺 童宗鹏 华宏星.子空间辨识方法在主动约束层阻尼筒形结构建模中的应用[J].煤炭学报，2005，30(6)：809～[14]张军 谌勇 张志谊 华宏星.整星隔振器的隔振性能分析[J].宇航学报，2005，26(B10)：110～[15]续秀忠 张志谊 华宏星.基于时频滤波和自回归建模方法的时变模态参数辨识[J].上海海事大学学报：文理综合版，2005，26(4)：1～[16]章艺 张丹才 杨文清 华宏星.基于系统模态的作动器优化配置[J].噪声与振动控制，2005，25(6)：8～[17]张军 梁启明 谌勇 张志谊 华宏星.整星隔振防摇装置的研究[J].噪声与振动控制，2005，25(2)：29～[18]童宗鹏 王国治 张志谊 华宏星.水下航行器声振特性的统计能量法研究[J].噪声与振动控制，2005，25(1)：29～[19]张军 韦凌云 谌勇 华宏星.整星隔振系统优化设计研究[J].机械科学与技术（西安），2005，24(10)：1184～[20]童宗鹏 章艺 尚国清 华宏星.舱筏隔振系统水下振动特性的理论分析与试验研究[J].振动与冲击，2005，24(6)：71～[21]张军 谌勇 张志谊 华宏星.一种整星隔振器的研制[J].振动与冲击，2005，24(5)：35～[22]吴广明 沈荣瀛 韦凌云 华宏星.复杂弹性耦合隔振系统建模及其优化设计[J].振动与冲击，2005，24(4)：69～[23]吴广明 沈荣瀛 李俊 华宏星.多层隔振系统的动力学模型[J].振动与冲击，2005，24(2)：16～[24]汪玉 周璞 刘东岳 华宏星 沈荣瀛.考虑流固耦合作用的舰船抗冲击仿真计算[J].振动与冲击，2005，24(1)：73～[25]吴广明 沈荣瀛 华宏星.复杂弹性耦合隔振系统振动建模研究[J].振动工程学报，2005，18(1)：47～[26]李玩幽 蔡振雄 王芝秋 华宏星.柴油机曲轴裂纹的扭振动态诊断技术[J].上海交通大学学报，2004，38(11)：1928～[27]徐张明 沈荣瀛 华宏星.基于能量变分形式的频响系统的设计灵敏度分析[J].机械强度，2004，26(5)：489～[28]李玩幽 张文平 华宏星 沈铭玉.利用扭振波形参数诊断柴油机单缸熄火故障试验研究[J].噪声与振动控制，2004，24(4)：8～[29]林道福 余永丰 华宏星.带限位器的浮筏隔振系统的冲击响应分析[J].噪声与振动控制，2004，24(1)：6～[30]樊江玲 张志谊 华宏星.从响应信号辨识斜拉桥模型的模态参数[J].振动与冲击，2004，23(4)：91～[31]李俊 沈荣瀛 华宏星.非对称Bernoulli-Euler薄壁梁的弯扭耦合振动[J].工程力学，2004，21(4)：91～[32]张志谊 胡芳 樊江玲 华宏星.基于系统输出的时变特征参数辨识[J].振动工程学报，2004，17(2)：214～[33]吴广明 沈荣瀛 华宏星.模态机械阻抗综合法及其在柔性隔振系统中的应用[J].船舶力学，2004，8(6)：135～[34]邹春平 陈瑞石 华宏星.船舶水下辐射噪声特性研究[J].船舶力学，2004，8(1)：113～[35]汪玉 胡刚义 华宏星 沈荣瀛 陈国钧.带限位器的船舶设备非线性冲击响应分析[J].中国造船，2003，44(2)：39～[36]邹春平 陈端石 华宏星.船舶结构振动模态综合法[J].上海交通大学学报，2003，37(8)：1213～[37]续秀忠 李中付 华宏星 陈兆能.非平稳环境激励下线性结构在线模态参数辨识[J].上海交通大学学报，2003，37(1)：118～[38]续秀忠 张志谊 华宏星 陈兆能.结构时变模态参数辨识的时频分析方法[J].上海交通大学学报，2003，37(1)：122～[39]李俊 沈荣瀛 华宏星.轴向受载的Bernoulli—Euler薄壁梁的弯扭耦合动力响应[J].强度与环境，2003，30(3)：12～[40]刘天雄 华宏星 等.结构动力模型一体化降价技术[J].强度与环境，2003，30(1)：31～[41]李俊 沈荣瀛 华宏星.考虑翘曲影响的Bernoulli-Euler薄壁梁的弯扭耦合振动[J].机械强度，2003，25(5)：486～[42]严莉 张志谊 蒋伟康 华宏星.汽车电机噪声在线检测技术的研究[J].汽车工程，2003，25(3)：269～[43]李玩幽 刘妍 蔡振雄 华宏星.多功能电子式扭振标定器的研制[J].内燃机工程，2003，24(5)：82～[44]续秀忠 张志谊 华宏星 陈兆能.应用时变参数建模方法辨识时变模态参数[J].航空学报，2003，24(3)：230～[45]周璞 许庆新 华宏星.舰船设备冲击动力响应在不同边界条件下的比较[J].噪声与振动控制，2003，23(4)：19～[46]陈兆能 续秀忠 张志谊 华宏星.应用时频分析方法辨识时变系统的模态参数[J].振动工程学报，2003，16(3)：358～[47]刘天雄 华宏星 等.主动约束层阻尼板结构动力学建模研究[J].高技术通讯，2003，13(3)：42～[48]邹春平 陈端石 华宏星.船舶结构振动特性研究[J].船舶力学，2003，7(2)：102～[49]刘天雄 华宏星 等.约束层阻尼板的有限元建模研究[J].机械工程学报，2002，38(4)：108～[50]刘天雄 华宏星 等.粘弹材料在粘生板建模中的应用研究[J].航空学报，2002，23(2)：143～[51]续秀忠 华宏星 等.结构模态参数辨识的时频分析方法[J].噪声与振动控制，2002，22(5)：3～[52]刘天雄 华宏星 等.自回归谱的分形特性在状态监测中的应用研究[J].振动．测试与诊断，2002，22(1)：61～[53]续秀忠 华宏星 等.基于环境激励的模态参数辨识方法综述[J].振动与冲击，2002，21(3)：1～[54]续秀忠 华宏星 等.应用时频表示进行结构时变模态频率辨识[J].振动与冲击，2002，21(2)：36～[55]张志谊 华宏星.高速电梯振动控制的理论及实验研究[J].振动与冲击，2002，21(2)：68～[56]刘天雄 华宏星 等.约束层阻尼夹芯板动态特性分析[J].工程力学，2002，19(6)：98～[57]石银明 华宏星 等.主动约束层阻尼梁的数值模型[J].计算力学学报，2002，19(1)：99～[58]华宏星 刘天雄 等.主动约束层阻尼悬臂梁的有限元分析及实验研究[J].振动工程学报，2002，15(4)：383～[59]徐张明 华宏星 等.夹层充液的双层加肋壳体的振动模态分析[J].噪声与振动控制，2001，21(4)：4～[60]李中付 华宏星 等.用时域峰值法计算频率和阻尼[J].振动与冲击，2001，20(3)：5～[61]石银明 华宏星 等.线性粘弹结构有限元模型的鲁棒降阶方法[J].振动与冲击，2001，20(1)：16～[62]李中付 华宏星 等.微振动力学系统模型构造微分方程系数矩阵方法[J].振动与冲击，2001，20(1)：48～[63]石银明 华宏星 等.粘弹性材料的微振子模型研究[J].振动工程学报，2001，14(1)：100～[64]石银明 华宏星.约束层阻尼梁的有限元分析[J].上海交通大学学报，2000，34(9)：1289～[65]石银明 华宏星.主动约束层阻尼悬臂梁的有限元建模[J].压电与声光，2000，22(6)：426～[66]华宏星 陈小琳.运用神经网络识别复合材料板刚度[J].复合材料学报，2000，17(1)：108～[67]周海亭 华宏星.利用实验获得的加速度计算系统的冲击响应[J].噪声与振动控制，2000，(6)：14～[68]韩志毅 华宏星.利用频响函数相关准则修正双层隔振系统模型[J].噪声与振动控制，2000，(3)：2～[69]石银明 华宏星.压电智能结构的一种建模方法[J].压电与声光，1999，21(6)：498～[70]瞿祖清 华宏星.一种频响函数灵敏度分析方法[J].机械强度，1999，21(2)：95～[71]华宏星 瞿祖清.粘性阻尼系统频响函数计算方法[J].工程力学，1999，16(4)：126～[72]瞿祖清 华宏星.基于逆迭代法的结构动力缩聚技术[J].计算力学学报，1999，16(2)：227～[73]瞿祖清 华宏星.一种有限元模型动力缩聚移频迭代法[J].应用力学学报，1999，16(2)：61～[74]华宏星 林莉.浮筏系统频率响应灵敏度分析[J].中国造船，1999，(3)：92～[75]华宏星 沈荣瀛.国际著名振动和声软件系列介绍之一LMS声学软件SYSNOISE[J].噪声与振动控制，1999，(1)：44～[76]瞿祖清 华宏星.一种有限元模型坐标动力缩聚技术[J].振动与冲击，1998，17(3)：15～[77]华宏星 Sol,H.利用振动数据识别极坐标各向异性圆板动刚度[J].复合材料学报，1998，15(2)：113～[78]瞿祖清 华宏星.一种粘性阻尼系统频域响应灵敏度计算方法[J].振动工程学报，1998，11(4)：457～[79]华宏星 傅志方.有限元模型修正中的BAYES方法的几点讨论[J].振动工程学报，1998，11(1)：110～[80]瞿祖清 华宏星.浮筏隔振装置的超单元建模方法[J].中国造船，1998，(4)：81～[81]宋汉文 华宏星.钢管锯切噪声声源分析[J].噪声与振动控制，1998，(1)：14～[82]华宏星 傅志方.模糊数学在有限元模型修正中的应用[J].振动工程学报，1997，10(4)：434～[83]华宏星 Sol,H.模态分析和有限元分析相结合识别材料结构刚度[J].应用力学学报，1996，13(3)：45～[84]华宏星 韩祖舜.有限元模型动力修正中的不同优化方法之比较[J].噪声与振动控制，1996，(3)：9～
测绘工程论文题目
测绘工程在整个工程建设过程中所起的作用很大，测绘工程论文题目大家想好了吗？下面是我整理的测绘工程论文题目，欢迎阅读参考！
1、改善GIS数字底图的质量
2、教学实习在土地资源管理专业中的应用
3、数字化土地利用现状调查的数据采编
4、数字化地形测量的几个问题探讨
5、数字化地籍测量在城镇地籍调查中的应用探讨
6、数字化成图几种作业模式的分析比较
7、数字化测图与地籍信息系统研究
8、数字化测图在地籍补测中的两种应用技巧
9、数字化测图技术在郑州高新区房地产测量中的应用
10、数字化测图教学方法探讨
11、数字化测绘技术在地籍图测绘中的应用与建议
12、数字化测绘技术在地籍测量中的应用与实施
13、数字化测绘技术在地籍测量中的应用初探
14、数字化测绘技术在城镇地籍测量中的应用
15、数字化测绘技术在源影寺古砖塔测绘中的应用
16、数字图像边缘检测方法的探讨
17、数字土地利用现状图的制图概括
18、数字土地利用现状图的制图综合
19、数字地图系统设计
20、数字地形图测绘中的几个问题探析
21、数字地籍测绘实施中的技术问题
22、数字地籍测量中GPS控制网的建立
23、数字地籍测量主要误差来源探讨
24、数字地籍测量作业探讨
25、数字地籍测量应用分析
26、数字地籍测量控制网的建立及精度分析
27、数字地籍测量有关作业流程及精度控制的探讨
28、数字地籍测量精度的讨论及控制方法
29、数字平顶山空间数据基础设施建设的初步研究
30、数字摄影测量生产的质量控制
31、数字水准仪SPRINTERM的试验与评述
32、数字水准仪及其在机场跑道板块高程测量中的应用
33、数字水准仪及水准尺的检定与精度分析
34、数字水准仪的测量算法概述
35、数字水准仪自动读数方法研究
36、数字水准仪观测模式及其应用实践
37、数字水准测量外业数据格式的转换与统一的实践
38、数字水果湖水下地形和淤泥厚度测量
39、数字测图中的坐标变换方法
40、数字测图中设站错误的内业改正
41、数字测图技术在罗营口水电站坝址地形测量中的应用
42、数字测绘产品的质量检查与质量控
43、数字综合法用于平坦地区地形图修测
44、数字高程模型与等高线质量相关性研究
45、数字高程模型及其数据结构
46、数字高程模型在农地整理排水渠道规划设计中的应用
47、数字高程模型地形描述精度的研究
48、数字高程模型的生产及更新
49、数字高程模型的裁剪与拼接技术
50、数学形态学在遥感图像处理中的应用
51、数据化测量在河道治理工程中的应用
52、数码相机可量测化的研制
53、斜拉桥变形观测方法及精度分析
54、斜距法在工程中的应用
55、断面测量内外业一体化系统研究
56、断高法在高等级公路测设中的应用
57、新州公路平面控制测量问题研究与施测
58、方位交会法在城区测量中的'应用
59、方向交会法坐标计算之初探——待定点坐标的计算
60、方向后交最佳点位分析
61、施工测量中快速设站方法
62、无像控基础地理空间数据更新方法
63、无反射棱镜全站仪测距性能测试
64、无反射镜测距的目标特性研究
65、无定向导线环在城市地籍测量中的应用
66、无控制DEM表面差异探测研究
67、既有铁路航测数字化测图的特点与质量控制
68、时态地籍数据库设计与宗地历史查询的实现方法
69、明暗等高线自动绘制方法
70、智能全站仪ATR实测三维精度分析
71、智能全站仪快速测量处理系统
72、曲线拟合高程在公路测量中的应用研究
73、曲线放样中的坐标转换及转换精度分析
74、曲线矢量数据压缩算法实现及评析
75、最小二乘平差理论在制图自动综合中的应用
76、最小二乘法在土地复垦场平整中的应用
77、最小二乘法对多周期函数的周期筛选优化
78、有关地籍调查的几个问题探讨
79、有限条件下坐标转换矩阵的确定与精化
80、有非对称缓和曲线的曲线主点测设方法
81、服务城市化的测绘工程专业培养计划探讨
82、村庄地籍测量之初探
83、条码信号复原技术在数字水准仪中的应用
84、条码因瓦水准标尺校准方法的探讨
85、极坐标法测设平面位置的精度分析
86、构建城镇地籍管理系统的研究
87、栅格数据矢量化及其存在问题的解决
88、标准化大比例尺数字测图的实践与体会
89、树状河系自动绘制的结构化实现
90、根据三斜距确定点的三维坐标及精度
91、桥梁墩_台的沉降观测和沉降值的预测
92、模拟GPS控制网精度估算方法研究
93、模糊数学在土地利用更新调查质量评定中的应用探讨
94、模糊综合评判及其在测绘中的应用
95、气象因素对全站仪测量的影响
96、水下地形分析中空间数据存储与管理方法的研究
97、水下地形测量误差分析及对策
98、水下地形测量误差来源及处理方法探讨
99、水下地形测量高程异常点剔除方法研究
100、水位改正中虚拟验潮站的快速内插
视觉传达毕业论文题目
视觉传达毕业论文题目具体有哪些呢，大家有了解过吗?下面是我为大家介绍的视觉传达毕业论文题目，欢迎参考和阅读，希望能帮到大家!
视觉传达毕业论文题目
1.浅谈计算机图形图像设计与视觉传达设计
2.基于视觉传达设计中视觉思维模式创新的研究
3.新媒体艺术语言在视觉传达中的应用
4.基于视觉传达艺术发展的民族传统设计创新探讨
5.数字广告中数字媒体的视觉传达设计
6.视觉传达设计视角下的科技图像创作研究
7.动态构成在视觉传达设计中的运用与研究
8.跨界与融合--数字信息时代背景下视觉传达设计的新思考
9.色彩符号与企业形象的视觉传达
10.汉字象形造字法在视觉传达中的设计应用
11.中国传统元素在视觉传达设计中的应用研究
12.“视觉传达设计专业”在现实中的应用探究
13.新媒体语境下的视觉传达设计探讨
14.移动互联网背景下视觉传达设计专业人才培养模式研究
15.视觉传达设计中的图形创意表现研究
16.从空无、自然、融合三个角度谈视觉传达设计中的艺术美
17.“私人定制”视觉传达中的定制式设计理念
18.数码技术在视觉传达设计中的应用研究
19.基于视觉传达要素的制造装备人机优化设计方法研究
20.敦煌联珠纹的形态特征与其在视觉传达设计中的应用
21.基于可持续发展理论下的视觉传达设计
22.浅析视觉传达设计与品牌形象的有效整合
23.现代视觉传达的多维感官设计运用探析
24.探究UI设计的视觉传达艺术
25.旅游纪念品视觉传达设计与开发
26.色彩的视觉传达在广告设计中的运用
27.基于视觉传达设计领域的互补设计方法研究
28.信息时代的视觉传达设计特征与发展研究综述
29.动态视觉传达设计在数字媒体中的应用及发展方向
30.视觉传达的灵境语言
31.本土文化视域下的视觉传达设计及拓展重构
32.探讨视觉传达设计发展趋势的分析
33.独特的视觉传达系统研究
34.订制婚礼中视觉传达设计的应用研究
35.视觉传达设计中图形创意的应用与商业价值研究
36.基于观者位移产生的动态错觉在视觉传达设计中的应用
37.关于多媒体设计与视觉传达的完美结合研究
38.视觉传达设计中民族文化符号的应用
39.浅谈视觉传达设计中图形创意的表现
40.视觉传达设计专业学生的实践能力培养探析
41.视觉传达设计中的色彩应用分析
42.视觉传达设计在空间设计中的新发展
43.视觉传达设计中的视觉疲劳现象研究
44.基于信息设计的视觉传达领域新应用
45.文化产业背景下视觉传达设计的转型
46.江汉大学视觉传达设计专业创新型人才培养探析
47.视觉传达设计创新性思维模式初探
48.浅析视觉传达设计创新思维的内涵及原则
49.展示空间中的视觉传达设计元素分析
50.女性身体元素在竞技体育中的视觉传达
51.谈信息时代下视觉传达设计的发展
52.视觉传达设计中笔墨艺术元素的应用
数字化广告的视觉传达效应探析
54.论包装色彩视觉传达的话语意义
55.浅析现代婚庆视觉传达设计
56.数字时代的视觉传达专业的内涵与外延
57.视觉传达设计中抽象图形的针对性提炼与表现
58.探讨视觉传达艺术设计的创新设计理念
59.数字媒体对视觉传达设计的影响分析
60.浅谈视觉传达设计的多元化发展
61.对视觉传达设计中情感理念的表现研究
62.视觉传达设计中视觉思维模式的创新
63.网页设计之视觉传达研究
64.虚拟现实环境下计算机图形图像设计与视觉传达设计
65.数字媒体时代视觉传达专业图形创意课程改革研究
66.景颇族服饰视觉呈现中的社会情境表述
67.视觉传达技术在茶叶包装设计上的运用
68.从视觉心理角度解读自由版式中的视觉游戏
69.基于视觉信息传达的网页界面设计研究
70.“东方葵”的图像叙事与视觉传达
71.网络广告中的视觉传达设计艺术探究
72.浅析视觉营销在商品E化过程中的应用
73.广告视觉传达设计的研究与探讨
74.从标志设计的演变谈视觉简化心理
75.视觉传达设计中传统装饰艺术符号的融入
76.节约型包装视觉传达设计研究
77.数字时代视觉传达设计的新观念探索
78.图表设计与可视化分析
79.技术推动观念 VR技术引发的视觉传达新观念
80.视觉传达设计中的多媒体艺术的表现形式
81.基于数字媒体语境下的视觉传达设计
82.虚拟现实环境下计算机图形图像设计与视觉传达设计
83.视错觉表现在视觉传达设计中的应用
84.论互联网时代视觉传达设计的方法和表现特性
85.视觉传达设计中的多媒体艺术表现形式研究
86.考虑视觉传达效果的夜视环境视觉定位方法研究
87.当代中国设计活动中审美形态的来源--以视觉传达设计为例
88.中国传统文化元素在视觉传达设计中的应用
89.数字时代视觉传达设计的新观念
90.交通标示颜色的视觉传达作用仿真分析
91.视觉传达设计中的传统文化符号探究
92.中国传统家具元素在视觉传达设计中的应用探析
93.视觉传达设计对地方经济发展的实效性研究
94.当代视觉传达设计中的适老性问题研究
95.黑暗中颜色刺激作用的视觉传达分析研究
96.视觉传达设计的交互动画特效制作手法探析
97.学习类网页设计中视觉传达理论的应用研究
98.字体创意设计是加深视觉传达记忆的根蒂
99.对中国甲骨文文字符号视觉传达的属性研究
100.广告视觉传达设计艺术在信息网络时代的传播研究
101.中国禅道文化中的神、意、形、色在视觉传达设计中的应用研究
102.视觉传达设计中的多媒体艺术表现形式分析
103.公共艺术形态下的视觉传达设计研究
104.浅谈数字图像时代视觉传达设计的几个要素
105.浅析视觉传达设计的情感效应
106.如何做到视觉传达艺术设计的与时俱进
107.试论传播学在视觉传达设计中的应用
108.隐喻图形在视觉传达设计中的应用研究
109.视觉传达设计中视觉思维模式的创新
Graphic在视觉传达中的应用研究
111.数字媒体时代视觉传达设计的特征与发展
112.当代视觉传达下汉字图形化设汁的形、意研究
113.网络媒体的视觉艺术传达设计研究
114.数字时代视觉传达设计的新思维探讨
115.中国传统元素在视觉传达设计中的应用
116.浅析视觉传达在室内设计中的应用
117.“新古琴双行谱”中的视觉传达设计
118.视觉传达图形创意在服装设计中的应用
119.从视觉传达的角度对新媒体时代地产广告的探究
120.分析创新设计理念在视觉传达艺术设计中的具体实施
121.视觉传达设计专业的基础课程改革探索
拓展：测绘工程论文题目
1、改善GIS数字底图的质量
2、教学实习在土地资源管理专业中的应用
3、数字化土地利用现状调查的数据采编
4、数字化地形测量的几个问题探讨
5、数字化地籍测量在城镇地籍调查中的应用探讨
6、数字化成图几种作业模式的分析比较
7、数字化测图与地籍信息系统研究
8、数字化测图在地籍补测中的两种应用技巧
9、数字化测图技术在郑州高新区房地产测量中的应用
10、数字化测图教学方法探讨
11、数字化测绘技术在地籍图测绘中的应用与建议
12、数字化测绘技术在地籍测量中的应用与实施
13、数字化测绘技术在地籍测量中的应用初探
14、数字化测绘技术在城镇地籍测量中的应用
15、数字化测绘技术在源影寺古砖塔测绘中的应用
16、数字图像边缘检测方法的探讨
17、数字土地利用现状图的制图概括
18、数字土地利用现状图的制图综合
19、数字地图系统设计
20、数字地形图测绘中的几个问题探析
21、数字地籍测绘实施中的技术问题
22、数字地籍测量中GPS控制网的建立
23、数字地籍测量主要误差来源探讨
24、数字地籍测量作业探讨
25、数字地籍测量应用分析
26、数字地籍测量控制网的建立及精度分析
27、数字地籍测量有关作业流程及精度控制的探讨
28、数字地籍测量精度的讨论及控制方法
29、数字平顶山空间数据基础设施建设的初步研究
30、数字摄影测量生产的质量控制
31、数字水准仪SPRINTERM的试验与评述
32、数字水准仪及其在机场跑道板块高程测量中的应用
33、数字水准仪及水准尺的'检定与精度分析
34、数字水准仪的测量算法概述
35、数字水准仪自动读数方法研究
36、数字水准仪观测模式及其应用实践
37、数字水准测量外业数据格式的转换与统一的实践
38、数字水果湖水下地形和淤泥厚度测量
39、数字测图中的坐标变换方法
40、数字测图中设站错误的内业改正
41、数字测图技术在罗营口水电站坝址地形测量中的应用
42、数字测绘产品的质量检查与质量控
43、数字综合法用于平坦地区地形图修测
44、数字高程模型与等高线质量相关性研究
45、数字高程模型及其数据结构
46、数字高程模型在农地整理排水渠道规划设计中的应用
47、数字高程模型地形描述精度的研究
48、数字高程模型的生产及更新
49、数字高程模型的裁剪与拼接技术
50、数学形态学在遥感图像处理中的应用
51、数据化测量在河道治理工程中的应用
52、数码相机可量测化的研制
53、斜拉桥变形观测方法及精度分析
54、斜距法在工程中的应用
55、断面测量内外业一体化系统研究
56、断高法在高等级公路测设中的应用
57、新州公路平面控制测量问题研究与施测
58、方位交会法在城区测量中的应用
59、方向交会法坐标计算之初探——待定点坐标的计算
60、方向后交最佳点位分析
61、施工测量中快速设站方法
62、无像控基础地理空间数据更新方法
63、无反射棱镜全站仪测距性能测试
64、无反射镜测距的目标特性研究
65、无定向导线环在城市地籍测量中的应用
66、无控制DEM表面差异探测研究
67、既有铁路航测数字化测图的特点与质量控制
68、时态地籍数据库设计与宗地历史查询的实现方法
69、明暗等高线自动绘制方法
70、智能全站仪ATR实测三维精度分析
71、智能全站仪快速测量处理系统
72、曲线拟合高程在公路测量中的应用研究
73、曲线放样中的坐标转换及转换精度分析
74、曲线矢量数据压缩算法实现及评析
75、最小二乘平差理论在制图自动综合中的应用
76、最小二乘法在土地复垦场平整中的应用
77、最小二乘法对多周期函数的周期筛选优化
78、有关地籍调查的几个问题探讨
79、有限条件下坐标转换矩阵的确定与精化
80、有非对称缓和曲线的曲线主点测设方法
81、服务城市化的测绘工程专业培养计划探讨
82、村庄地籍测量之初探
83、条码信号复原技术在数字水准仪中的应用
84、条码因瓦水准标尺校准方法的探讨
85、极坐标法测设平面位置的精度分析
86、构建城镇地籍管理系统的研究
87、栅格数据矢量化及其存在问题的解决
88、标准化大比例尺数字测图的实践与体会
89、树状河系自动绘制的结构化实现
90、根据三斜距确定点的三维坐标及精度
91、桥梁墩_台的沉降观测和沉降值的预测
92、模拟GPS控制网精度估算方法研究
93、模糊数学在土地利用更新调查质量评定中的应用探讨
94、模糊综合评判及其在测绘中的应用
95、气象因素对全站仪测量的影响
96、水下地形分析中空间数据存储与管理方法的研究
97、水下地形测量误差分析及对策
98、水下地形测量误差来源及处理方法探讨
99、水下地形测量高程异常点剔除方法研究
100、水位改正中虚拟验潮站的快速内插