可识别性范文

可识别性范文（精选11篇）

可识别性 第1篇

识别性的定义在于一个事物有别于其他事物的特性。它不仅具有视觉上的特征, 而且还反映社会文化的内涵, 能激发起人的想象力。小到一幢住宅, 大到一个城市, 都有可识别性。所以处理居住区景观环境的可识别性时, 必须从整体环境出发, 对规划布局、空间组合、建筑形象以至绿化小品等做深入细致的推敲, 创造出与众不同的独特风格。

任何一个居住小区建成投入使用后, 便形成了一个“小社会”。它不仅仅是一个物质环境, 同时还是一个社会环境。可识别性是居民对景观环境的本能要求。从归属心理讲, 人们都希望自己的住所与众不同, 值得向他们的亲友夸耀并引以自豪。从认同心理讲, 住在光秃秃的行列式住宅里, 哪里看上去都一样, 居民要靠门牌号来进行识别, 这样的景观环境很难使他们产生共鸣。造成这种局面的因素是多方面的, 但主要还是规划设计者主观努力的问题, 没有活跃的思想和创新的精神, 在规划设计中忽视了人们的更高标准的生活需求的设计原则, 同时建筑设计与规划脱节, 建筑形成单一, 对总体的环境效果相对来说考虑得比较少, 对外部空间处理比较粗线条。

对此, 关于居住环境的可识别性, 可从以下几个方面进行考虑:

1 利用现状地形、地貌和地物

基地内的现状记载了历史的变迁, 是自然环境规律的真实写照。原有的道路、水系、洼坑、土包、树木、房屋反映出局部环境所具有的特殊性, 同时也反映了它们与整体环境的相互关系和整体联系。

充分利用原有的地形、地物和地貌。比如为适应高低起伏的地形, 在布置时应尽量保留原来的自然地形, 从远处看, 轮廊参差错落, 高低起伏具有韵味。关键在于根据地形、地貌在整体布局和环境布置中着意营造, 可以前后错迭、高低错落、因地借势、就其自然, 其布置灵活多样。这种居住小区空间环境丰富, 通风、视野、朝向均较好, 而且还有一个可用来着意刻化的大空间, 有利于对其配景予以创造。

2 形成特有的空间环境

在功能合理的前提下, 打破呆板的、缺乏生气的行列式布局。按照各地的自然特点和居民的心理行为需求进行住宅组合, 形成特有的空间环境气氛, 能为居民提供有特色的、受居民欢迎的景观环境。

为了丰富居住小区空间的外部轮廊, 力求人与自然的和谐统一, 不宜将同一单体住宅重复布置, 应将高、中、低层不同建筑形式的住宅搭配布置精心营造。不要只局限于单一层数和型式的住宅。从布置手法上, 为丰富居住小区的外部轮廊线, 可将高层住宅布置在小区的中央部位, 低层住宅布置在外围部位。这样就可以避免形成封闭的空间或形成与外部空间隔绝的局面, 能够和周围形成统一的整体。

为了克服过去“兵营式”规划布局的呆板和单调, 对住宅组团中的条型住宅, 采用以变化方向的行列式布置为主, 分散布置点式住宅为辅的布局手法。各住宅组团之间由绿地、低层公共建筑隔开, 使居住小区成为建筑高低错落, 绿地相连, 道路便捷的既统一又有变化的整体。在规划中密切结合绿化布置, 住宅组团绿地根据配置的花草树木相互区别, 各具特色, 使居民从室内及外部都能看到绿地, 提高居住环境质量。

3 创造独特的建筑风格

居住区的建筑形象是否引人注目, 是否给人留下独特的印象, 同样是使景观环境具有识别性的关键。

对居民来说, 最敏感的常常是具体形象所提供的信息。住宅的建筑外观首先引起人们的注目。“先入为主”的“第一印象”容易长期控制着人们头脑。因此建筑形象是否鲜明, 风格是否独特, 既是人们认知环境, 产生归属感的前提, 又是小区可识别性的直接因素。

建筑体型的变化, 包括天际轮廓线的变化、平面轮廓线的变化以及立面块体的变化, 对人们图像的认知作用十分显著, 因此也是加强可识别性的重要手段。

4 树立标志建筑或标志物

树立标志建筑或标志物是加强景观环境科识别性的一种辅助手段, 倘若处理得当, 可称为整体环境中的重要组成部分, 令人难以忘怀。

作为标志, 建筑物或构筑物必须具备三个基本条件:

第一, 它应处在居住区的重要位置;

第二, 它必须是美的;

第三, 它要与众不同。

当然还要加上一条, 即要与居住区的整体景观环境协调统一。

标志建筑或标志物有多重处理手法。例如以高取胜, 突出在群体的天际线上, 吸引远处的视线, 起到导向的作用, 有的以独特的造型取胜。设计运用对比协调的手法, 将其不同于住宅的形象突出出来。房不在高, 却引人瞩目。装饰性的小品如果运用得当, 别具匠心, 能起到画龙点睛的作用, 有助于加强居住区的可识别性。

为了加强小区的可识别性, 建筑师还可以运用符号学原理, 把一种独特的标志作为母题, 在小区的各个部位中重复应用。母题的重复应用呢过不断地向人们传达信息, 加深人们的印象。

总之, 要建设富有特点和具有新颖的居住空间环境的居住小区是完全可能的, 只要我们每个设计者在规划设计上搞创作, 不拘泥于教条, 不难出现具有特色的与周围环境协调适合人们居住心理的居住小区, 尽可能地给人们提供一个舒适、安静、新颖、优美的居住环境。

摘要：随着我国国民经济的不断发展, 住宅建设逐步走向商品化的轨道, 人们对居住环境的要求也会越来越高, 这也给建筑师、规划师提出了新的课题。目前, 千篇一律的居住环境, 虽有变化, 却“大同小异”, 本文试图从实践经验中探索居住环境中可识别性的一些方法。

关键词：居住环境,可识别性,论述

参考文献

[1]霍晓卫.居住区与住宅规划设计实用全书[M].北京:中国人事出版社, 1999.

可识别性 第2篇

可吸入颗粒上多环芳烃来源的识别和解析

根据化学质量平衡(CMB)受体模型对安阳市大气颗粒物中多环芳烃进行源解析.测定安阳市非采暖季和采暖季可吸入颗粒物中多环芳烃的.浓度,对其污染水平进行比较分析.根据污染源调查结果,确定市区多环芳烃的主要排放源类,并建立相应的源成分谱.应用CMB受体模型解析安阳市可吸入颗粒物中多环芳烃主要来源的分担率.

作 者：张勇 常艳文 马可 王萍 韩艳刚  作者单位：安阳市环境监测中心站,河南,安阳,455000 刊 名：中国环境监测  ISTIC PKU英文刊名：ENVIRONMENTAL MONITORING IN CHINA 年，卷(期)： 22(6) 分类号：X823 关键词：可吸入颗粒物   多环芳烃   安阳市  

真实性识别体及可识别真实性的基材 第3篇

授权公告日：2016.08.31

专利权人：大日本印刷株式会社

地址：日本东京都

发明人：斋藤多惠

Int.Cl.：G03H1/02（2006.01）I

PCT进入国家阶段日：2009.03.11

PCT申请数据：PCT/JP2006/318452 2006.09.11

PCT公布数据：WO2008/032411 JA 2008.03.20

对比文件：JP 特开2006-153990 A，2006.06.15，；JP 特开2006-153990 A，2006.06.15，；JP 特开2005-88381

A，2005.04.07，；WO 2006038561 A1，2006.04.13，；JP 特开2005-297449 A，2005.10.27，

可识别性 第4篇

一、什么是标志

标志是一种特殊的艺术语言或抽象文字或图像组成的, 是直接联系大众的传播符号, 是通过简单的造型, 明确的意义, 以精炼、直观并且具有艺术欣赏价值, 易于辨认的形态与大众交流, 是企业形象的视觉传达要素, 是大众与企业之间相互交流的重要元素之一。

一个成功的标志, 让人一看见就能感受到另一种深层次的意义。比如, 狼烟, 看到烟, 就想到火, 从而想到紧急, 求救等。简而言之, 标志就是要让受众看一眼便能记住该标志对应的品牌或企业, 成功的标志设计则一定要让这种停留在受众心里的印象是美好的。所以标志设计遵循这个原则, 通过对企业的经营理念、文化背景、产品特征进行抽象的概括, 简洁大方有力地使大众对标志印象深刻, 记忆鲜明。从而更好地把自己与他人区分开。塑造新颖、独特、有个性的企业品牌形象, 不仅能为企业获取更大的社会经济效益, 而且能够对企业品牌形象起到很好的推广以及推动型的可持续发展作用。

二、标志在企业品牌传播中的重要意义

当前, 标志是人与企业品牌之间直观联系的特殊方式, 在社会与社会有关的生产活动中无处不在, 且对国家利益、社会集团利益, 甚至是个人利益, 都越来越显示出它极其重要的特征性和独特性功能。

标志浓缩于综合着一个企业的经营理念, 文化背景, 经营内容和企业对产品的认知, 以及产品识别的责任。标志作为一个企业品牌最具代表性, 象形性的视觉要素, 在传递给大众这个过程中起着举足轻重的作用。尤其是一个优秀的标志设计, 不仅能有效全面地向大众展示企业的特性, 还能在和人类相互交流中让大众理解它深层次的含义, 增加大众对企业的信赖和好感, 得到大众的青睐, 有利于企业品牌知名度的提高, 鉴别于其它同类企业或品牌。因此, 很多企业都非常重视标志设计, 甚至不惜重金设计与改良企业的标志设计, 其目的也是希望借助新颖的标志来区别其他品牌, 以便提高自我识别度, 打造更好的经济效益。

标志作为企业的形象代表要素, 是消费者的保证要素, 信赖要素, 是企业经营战略和管理理念的重要组成要素, 是企业在与其他企业的竞争中赖以生存和发展的必不可少的关键性决策元素之一。

现代标志对企业来说已经超越了传统意义, 不再仅仅是一个图案设计, 而是成为了企业文化与经营理念的载体, 促使企业在发展的道路上走得更快更好。

三、标志设计给企业品牌带来的效益

设计师在设计企业标志时就把企业的文化, 思想, 理念等内涵融会贯通到企业的标志里, 使得标志传达出鲜明的具有创意的外在形象, 更好地展现了企业文化, 使企业文化在公众的心中留下深刻的印象。

优秀的企业标志不仅给人视觉上的美观, 而且包含着深刻的主题思想, 是一个用艺术语言说话且具有商业价值的图案设计, 通过视觉形象元素, 用艺术语言的图形形式将一个企业的文化层次、精神理念等固定下来。促使企业的社会活动与生产活动紧密相连, 是企业对外传媒交流中不可或缺的重要载体。

事实证明, 标志不仅能够反映一个企业的特殊性, 而且还能帮助企业不断发展壮大, 让更多的人认识和了解企业, 特别是一个优秀的设计, 由于它可以给人良好的外观, 丰富的含义, 因此能够帮助企业产品更好的得到消费者的青睐。并且, 在消费者使用产品的过程中, 还能巩固他们对产品的品牌认知度、信赖度和忠诚度, 促进消费者进行反复购买的行为, 为企业带来可持续发展的机会, 获得长久的利益。

所以, 标志作为一个企业的形象, 设计得好与坏对企业的发展起着决定性的推动作用。

四、标志的可识别性的重要性

现在的标志形式多样, 造型不一, 每件标志都具有它独特的意义, 但是, 有时候标志的造型或色彩太过于接近则容易给人带来误解, 这就需要标志要与众不同, 也就是标志具有较强的识别性。标志就像是企业的身份证, 与众不同才能够显示出企业自身的独特性, 才能让大众能牢记该企业, 达到设计的初衷。只有贴近企业实际的标志设计才能充分传达企业的思想和文化, 才能让企业在众多的企业中脱颖而出, 走得更远。因此, 标志是否易于识别, 直接影响到人们对于该形象、该标志的熟悉程度及认可性, 在一些具有一定代表性的大企业或事业单位, 比如救护行业, 标志的可识别性设计就变得更为重要, 可识别性强的标志就容易被大众牢记, 往往在危急关头就能发挥关键作用。

企业标志犹如一个人的脸面, 是每个企业用于区别其他企业的标记性符号, 标志是否美观、醒目、新颖、独特、唯一, 这些要素直接关系到消费者是否能对企业有留下印象, 它不仅是一个艺术语言上的图案, 不仅仅能区别于其他的组织或品牌, 也不仅仅是代表某一产品, 更多的是企业的理念、文化的集中体现。当今社会, 企业会通过各种手段进行品牌的维护和传播, 标志的设计便是其中的一个手段, 标志最基本的功能就是可识别性, 因此企业都会借助标志独特的表现力来区别与其他企业品牌的不同之处, 这是现代企业发展所必要的“利器”, 所以, 不论大小企业, 每个企业都有自己的LOGO, 作为面对他人的脸面, 让自己在众多的企业形象中能使消费者一目了然。

五、结语

标志作为一个视觉符号, 设计师通过简洁、明了、易记的手法使标志承担传播品牌形象的任务, 且将企业的文化背景、经营理念、管理方式、品牌形象等传递给大众, 使受众信赖企业品牌的产品。在媒介的配合与支持之下, 标志的传播速度远远超过文字语言, 标志以图文并茂的形式, 形成一股强有力的冲击力, 增加标志的可视性、记忆性, 塑造品牌的个性。

识别胰性脑病 第5篇

走进神经科，果见一名中年男病人正烦躁不安，嘴里胡言乱语，家属也按捺不住。我问他：叫什么?多大岁数?哪里不好受?他概不回答，反倒说些毫不相关的事儿，真是语无伦次。

主治医师介绍说：“病人因酗酒后昏迷，住院已经5天。住院第二天人就清醒了，只是反应迟钝、嗜睡，自诉上腹疼痛，还呕吐两次，并有发热。昨天又神志不清，出现精神症状。同时我们还发现病人腹部膨胀、拒按，所以才请您会诊，看看是不是有外科情况。”他这一说，我才明白会诊的目的。

我从其家人那里了解到，病人嗜酒几十年，有经常上腹痛的病史。检查病人，果然腹部膨隆，腹肌紧张，有压痛和反跳痛，这表明已有腹膜炎。我心里初步有了底，便立即做了腹腔穿刺，抽出腹水送去化验，同时送去血和尿以检验胰淀粉酶。结果不出所料，腹水中淀粉酶极高，血和尿中的淀粉酶也比正常值高数倍。原来，病人患的是慢性复发性胰腺炎，并发胰性脑病。老实讲，他并非真正的神经科病人，也就是说他的病根儿不在神经系统，而在发炎的胰腺。

于是，我把病人转到外科，并为他做了急症剖腹探查术。当打开腹腔时，涌出淡红色腹水近2000毫升。只见其胰腺明显水肿、被膜下出血、腺组织已近坏死。胰腺炎的诊断确立后，只好将其胰腺被膜切开，行套管式腹腔引流。术后静脉输注庆大霉素和甲硝唑控制感染；用20％甘露醇脱水，减轻脑和其他组织水肿；还应用了抑肽酶等胰酶抑制剂。病人清醒后，精神症状很快消失，意识恢复正常。这进一步证明了胰腺脑病的诊断是正确的。

人们可能常听说有“肺性脑病”、“肝性脑病”，但很少听说有“胰性脑病”。这是因为该病近年才引起临床医生的注意。

胰性脑病又叫酶性脑病，是急性胰腺炎的严重并发症之一，病死率较高。由于炎症，坏死胰腺组织中的多种胰酶释放激活，被吸入血液，经血脑屏障进入中枢神经系统，损害脑细胞，从而引发一系列神经精神症状。以往多被误诊为中毒性脑病、转移性脑瘤、精神分裂症或糖尿病昏迷等，常因贻误治疗，而导致严重后果。

其实，只要掌握其特点，诊断并不困难。凡酗酒、暴饮暴食后出现上腹剧烈疼痛，伴恶心、呕吐、发热，怀疑急性胰腺炎，同时又出现抑郁、反应迟钝、意识模糊、谵语躁动等精神异常者；或以往有慢性胰腺炎又急性发作并出现精神症状者，都应想到有胰性脑病的可能。查血、尿淀粉酶及做脑电图检查有助于确诊。

该病一经确诊，应尽早手术，引流出腹腔内大量含胰酶的渗出液，避免其被继续吸收入血，这是缓解脑损害的根本措施。同时应用善得定、抑肽酶等胰酶抑制剂，脱水剂，抗炎药物，以及疏肝理气、通里清热的中药方剂，都有助于该病的治疗和身体的恢复。

当然，最重要的还是“防病于未然”。预防胰腺炎及其脑病的要领是：不酗酒，不暴饮暴食，少吃刺激性或过于油腻的食物，心情愉快，不生闷气，及时治疗胆道系统疾病。如有慢性胰腺炎要彻底治疗，防止其反复发作。掌握以上要领，就可避免胰性脑病的发生。

可识别性 第6篇

美国著名作家爱默生曾说过“城市是靠记忆而存在的”,历史文化名城是人类文明结晶的代表,其蕴含着丰富多彩的记忆,如何挖掘这些“记忆”中的闪光点、传承其文化,塑造独一无二的城市形象是一个亟待解决的问题。而这一问题的解决,可以建立在对历史文化名城可识别性元素的挖掘与合理利用之上。纵观我国当前对历史文化名城的研究成果,无论从理论上还是实践上都鲜有涉及可识别性研究,对其可识别性的概念,研究方法、研究过程、研究内容等都缺乏系统论述,在实践过程中的指导作用有限。另一方面,反观当代历史文化名城旅游规划,保护与发展观念落后、手段单一,以及旅游规划中城市特色不明显且缺乏创新,旅游项目缺少文化内涵等[1]问题频现,直接造成了城市可识别性的减弱。在这样的发展背景下,历史文化名城可识别性研究更显其必要性。

2 相关概念辨析

2.1 可识别性定义

不同学者对可识别性的定义不尽相同,大体可以分为两类:一是强调文化景观与人文地理之间的差异[2,3];二是强调人的感知差异[4,5]。本文在综合两类概念的基础上将历史文化名城的可识别性定义为能够展现其历史风貌、传承其历史文化、彰显其历史特色并能与现代发展需求相融合,且可被人清晰感知的独特属性。包括自然属性及历史属性两大类,自然属性是指与城市的自然、山水、气候等息息相关的元素;历史属性是指在城市发展过程中传承和保留下来的元素,如历史遗迹、民俗风情等(见表1)。其中,历史属性的存在并被感知尤其重要,只有被感知,才能内化为居民或游客心中对历史文化名城的特殊形象和独有记忆。因而历史文化名城的可识别性研究不仅关注存在的要素,更强调由表及里,由现象到本质的过程,即通过人的主动感知和空间探索[6],将其重新组合获得意义,提升认知,从而内化为内在意识(见图1)。

2.2 可识别性与特色的关系

在实践中“可识别性”概念往往易于“特色”概念产生混淆。张松曾提出,“城市特色是在一定时空条件下,城市社会为了自身的生存和发展,以当时所达到的文明手段,利用、改造自然所创造的有别于其他城市的物质和精神成果的外在表现形式”[7]。从概念上看,两者均强调城市发展的差异性,强调地方、自然与历史、人文特征的结合。但可识别性与特色并不能完全等同。首先,在过程上,历史文化名城的可识别性更强调人的感知过程,需建立在公众感知之上,是特色在公众心理的内化与升华。其次,在覆盖范围上,历史文化名城的可识别性与其特色并不完全重叠,往往存在部分城市特色尚未被感知、识别或识别的内容并非城市特色的情况(见图2)。特色的不能被感知或是感知不完全,造成了城市部分特色被掩盖,不利于人们对历史文化名城形成全面、正确的理解。只有将历史文化名城特色进行提炼、并结合创新,物化到场所中,使其具有鲜明的地域特色和强烈的可识别性[2],才能有利于居民、游客对历史文化名城特殊形象的塑造并加深其理解(见图3)。

2.3 历史文化名城可识别性日渐弱化

在城镇化快速发展的今天,城市的可识别性却在逐步削弱,导致城市可识别性弱化消失的因素大致可以分为两个方面。

2.3.1 可识别性本体逐渐消亡

在文化全球化的大背景下,部分城市为了迎合“全球化”,舍本逐末,去追逐所谓的潮流,忽视本土文化的发展,导致城市特色逐步消亡。

地方政府对历史文化名城保护力度的欠缺,无视或者放任居民的盲目改造,导致城市可识别性本体的人为破坏。

从规划层面来说,部分不负责任的规划人员在缺乏对城市系统了解的基础上,盲目对城市进行规划,或照搬照抄其他城市的规划,直接造成了城市可识别性本体的消亡。

2.3.2 感知主体的习惯性思维及文化不自信

《后汉书》中云:“久入芝兰之室而不闻其香”,世代居住于此的居民已完全被同化,无论是从生活环境、居住空间还是生活习惯都认为理应如此,不具有独特性,因而不认为它们具有展示和传承价值。

面对外来文化的冲击,居民的新奇感油然而生,于是产生了盲目的模仿、追崇。拆旧建新,随意改造等现象屡禁不止,直接阻碍了本土文化的发展。于是,在盲目的模仿中形成了千篇一律的古城、古镇、古街,降低了历史文化名城的可识别性,违背了其保护的意义。

3 长汀历史文化名城可识别性分析

3.1 长汀概况

长汀县地处福建省西部,位于低山盆地中,四周由山脉围合。属于第三批历史文化名城,素有“客家首府”的美誉,为福建省最大的客家人聚居地[8]。拥有着灿烂的红色文化,是第一次国内革命战争时期红色政权的所在地(见图4—10)。由于地处福建西南一隅,相对与外界隔离,因此,经济较为落后,但保持了较好的城市格局,拥有着丰富的历史文化遗产(见表2、图11)。

3.2 基于IPA的长汀历史文化名城可识别性分析

IPA分析法(重要性及其表现分析法)一般应用在重要性与满意度的评价中,用来评价各要素对提升客户满意度的意义。近年来IPA分析法被广泛应用在历史文化名城旅游研究领域,包括旅游目的地形象研究[9,10]、游客满意度研究[11]等,但较少的应用在历史文化名城可识别性研究上。本文根据IPA分析原理,以长汀为例,将城市特色要素与民众感知相结合,构建长汀城市可识别性评价模型,分析其内在联系与存在问题。根据分析结果,提出长汀历史文化名城可识别性提升策略。

3.2.1 可识别性元素的选取

在可识别性元素的选取方面,参照《长汀历史文化名城保护规划》(2004年)、相关文献的阅读,结合长汀地方文化宣传网站及长汀城区主要旅游资源,从城区环境、文化形象、文化景观三个层面共选取19个元素(见表3)。

3.2.2 可识别性评价过程

图11长汀城区文物保护单位分布图(根据福建省长汀县县城总体规划(2014-2030)改绘)

本次调研地点为福建长汀,共发出调查问卷254份,回收245份,其中有效问卷222份,有效率90.6%。本文借助SPSS18.0进行数据运算和分析。在进行IPA分析前,分别对感知性和特色性进行可信度分析及独立样本T值检验,感知性可靠性为0.902,特色性可靠性为0.901,均具有较好的可信度(见图12)。

3.2.3 可识别性评价结果

在历史文化名城可识别性IPA定位分析图中,以特色性为X轴,感知性为Y轴,构建坐标系。象限划分的原则是依据特色性与感知度两类变量各自得分的总均值作为一个交叉点来划分,即本文中特色性得分总均值为3.884,则默认此数值为特色性高低判断的分界点,高于3.884则具有较高的特色性,反之特色性较低;同理,感知度得分总均值为3.738,高于3.738则具有较高的感知度,反之则感知度较低。因此,第I象限:高/高区,即特色性及感知性均较高;第II象限:低/高区,即特色性较低,感知性高;第III象限:低/低区,即特色性及感知性均较低;第IV象限:高/低区,即特色性高,感知性低(见图13)。

3.3 长汀城市可识别性的提升策略

根据IPA分析法构建的历史文化名城可识别性元素特色性与感知性定位分析图可制定出提升城市可识别性的各项策略。

3.3.1 第I象限:高高区,可识别性强区域——重点突出,继续保持

此象限为特色性及感知性均较高的区域,包括1依山傍水、2气候舒适、8历史悠久、9艰苦奋斗、11重视教育、12讲求风水、15客家祠堂、16红色遗址、18客家小吃共9个元素。这类元素在调查问卷中属于得分较高的元素,不仅具有较高的特色性且可被人清晰的感知,因而属于长汀可识别性较强的元素。对于此类元素要重点突出,并继续保持。在旅游发展中,借由此类元素较易形成共鸣的特点,作为旅游发展初期重点宣传体验项目,以此树立旅游形象,吸引旅游人群,壮大旅游业。

3.3.2 第II象限:低高区,可识别性较强区域——重点改进

此类元素游客感知性较高,但特色性不具有典型代表。包括5景观好、14民居设计两类。游客感知性较高是由于他们作为生活在现代化大都市的人群,与地方景观和传统民居接触不多,因而感知性较高,认为具有一定的可识别性。但对特色性而言,景观好、民居设计有特色长汀较永定而言不算是典型的代表。因而,这类元素应该在保持其高感知性的基础上,增强其特色性。对于民居设计而言,大部分民居延续了传统形式,但存在部分民居私自改建、扩建的现象,严重的破坏了周围的建筑风貌,应该责令拆除或改建。对于绿化设施而言,除注重住宅内部绿化外,道路、街头的绿化也尤为重要。

3.3.3 第III象限:低低区,可识别性弱区——适当改善

特色性及感知性均较低的区域,包括3植被多样、4水质好、6噪音少、7交通便利、13街巷布局。无论特色性还是感知性此类元素得分均较低,可识别性较低。但此类元素又与居民的现代化生活息息相关,是体现居民生活质量的一个重要方面。因此,对于本地居民而言,此类要素需要适当改善。

3.3.4 第IV象限:高低区,潜在可识别性区——重点提升区

特色性较高,感知性较低,包括10宗法观念、17客家戏剧、19民间技艺。游客对此类元素感知性较低源于这类元素具有高度的“内向性”,即在居民的观念或生活中存在,平时并未向外界直接展示,或者只有在特殊节日时才出现。在长汀停留十几天之久,基本没有听到客家山歌及戏剧,八闽绝唱的“公嬷吹”更是无幸见到,民间技艺也是无缘见到,而此类元素却是长汀特色的凝结,属于长汀的非物质物化遗产。因而对于这类特色,除以文字形式记录外,更应该物化到场所中,以表演的形式向大家展示出来,使游客能够清晰的感受到其文化特色,成为长汀可识别性元素之一。

4 结语

一个成功的历史文化名城,一方面是指其具有丰富的历史文化遗产,另一方面还包括其所具有的清晰的可识别性。无论是从规模宏大、布局严整的北京,还是小桥流水、吴侬软语的苏州,都体现着他们独一无二的特色,都是城市可识别性元素的凝结。而在历史文化名城的发展中,可识别性元素的合理利用,对于城市健康有序的发展具有极其重要的意义。

4.1 增加历史文化名城的可识别性可以保护城市特色

一个富有特色且具有可识别性的空间,将具有更深的感染力和冲击力,无论对本地居民或外地游客都能产生深刻的印象,更能凸显城市的特色与个性。增加历史文化名城的可识别性不仅是增加城市中一般元素的可识别性,更是对城市特色的可识别性的加强。通过将城市特色融入到生活中去,使其具有可看、可听或可想性,使其成为具有客观价值的体系,让人有所领悟,从而将其内化,成为具有可识别性的城市特色。

4.2 增加历史文化名城的可识别性可以在历史形象的基础上提升历史文化名城

历史文化名城不仅要有丰富的历史文化遗产,同样需要浓厚的生活氛围和高度的可感知性、可识别性,这种感知不仅是对物质方面遗存感知,还包括对非物质遗存的感知。只有能感知才能形成识别,才能内化为居民及游客心中的独特认识,才能提升历史文化名城的形象。正如进入一座完全被保护的历史文化名城,那么呈现在眼前的只有冰冷冷的建筑,而缺乏生活氛围,我们的感知传递回来的只是一栋栋古老的建筑和一片苍凉,而不能对其形成系统全面的了解,其中的历史故事与文化也就无从体会。

总之,增加历史文化名城的可识别性,不仅是对历史文化名城中特色元素的提升,更是对历史文化名城的全方位提升。在突出城市特色的同时,更好的展现城市形象与魅力。一个兼具特色与可识别性的历史文化名城,不仅能够在全球化的影响中独善其身,保持其本色,还能给人深刻的归属感与认同感,更易产生共鸣。

参考文献

[1]魏峰群.对历史文化名城旅游开发的探索和思考[J].旅游科学,2006,20(2):30-34.

[2]杨茂川,王琛.城市公共空间的地域特色与可识别性[J].江南大学学报,2006,5(6):117-119.

[3]戴维·莫利,凯文·罗宾斯,认同的空间[M].司艳,译.南京:南京大学出版社,2001.

[4]曹昌智.我国历史文化名城保护的若干理论问题[C]//2012年城市发展与规划大会论文集,2012:1793-1808.

[5]邓蜀阳,冯凌.城市个性——广场空间可识别性设计初探[J].重庆建筑,2008(52):38-40.

[6]李嵩.基于GIS原理的城市居住空间可识别性研究[D].哈尔滨:哈尔滨工业大学,2008.

[7]张松.历史城市保护学导论:文化遗产和历史环境保护的一种整体性方法[M].上海:同济大学出版社,2008:33.

[8]何郑莹,徐建刚,裘行洁.GIS辅助对长汀客家首府地位形成与地理环境关系的探讨[J].江西师范大学学报(自然科学版),2004,28(5):458-463.

[9]宋子斌,安应民,郑佩.旅游目的地形象之IPA分析——以西安民居对海南旅游目的地形象感知为例[J].旅游学刊,2006(10):26-32.

[10]张一,邵林涛,赵建,等.基于IPA分析的无锡惠山古镇旅游目的地形象感知研究[J].安徽农业科学,2012,40(22):16198-16202.

全家福照片可识别遗传疾病 第7篇

判断儿童是否患有罕见遗传性疾病, 对于医生来说或许再也不是什么棘手难题, 只要一张就诊者的全家福照片就OK了。英国研究人员开发出一种计算机程序, 可以学会通过分析普通数码照片的面部来识别罕见病情。如果它的数据库中的多组照片共同拥有特定的面部特征, 它甚至能够由此确定未知的遗传性疾病。

有6%的人据信饱受罕见遗传性疾病的困扰, 其中许多人从未得到正确的临床诊断。很多这类疾病不适用于基因测试, 因为致病的变异基因没有被确定。这意味着医生往往要依靠30%到40%的罕见疾病患者的明显面部特征作出诊断。“但能够熟练运用五官特征来帮助诊断的临床医生寥寥可数。”慈善机构英国遗传联盟的主管阿拉斯泰尔肯特说。

而由牛津大学的克里斯托弗内拉克和安德鲁齐默曼的团队研发的这款软件, 能够帮助医生作出初步诊断。据《新科学家》杂志网站近日报道, 为了训练这个系统, 研究人员将8类遗传性疾病患者的1363张公开照片输入计算机视觉算法中, 计算机学会了利用每张照片的36个面部特征, 比如眼睛、眉毛、嘴唇和鼻子的形状来识别这些疾病。

可识别性 第8篇

关键词：支持向量机,联机手写识别,维吾尔文字母,归一化,特征提取

0 引 言

随着智能手机、掌上电脑、个人数字助理(PDA)等便携式移动计算设备的普及,由于磁性笔简洁,输入舒适,联机手写识别技术成为模式识别领域中一个“热”点研究分支。联机手写识别技术能给用户提供自然、方便的人机交互方法。联机手写识别是通过手写板等轨迹捕获设备获得手写者的书写信息,并对它进行实时地识别操作。手写者也能够很容易地发现和纠正识别错的字符。相对于脱机识别而言,联机识别的优势是在笔尖运动过程中可获取动态信息。已经有很多种中文和英文的联机手写识别产品问世,但联机维吾尔文手写识别技术还处在初步研究状态。维吾尔文是新疆维吾尔自治区广泛使用的官方语言文字,约有900多万人使用(2009年总人口达987万),研究它的手写识别方法对促进该地区的信息交流与科技发展具有重要意义。

迄今为止,为解决联机手写字符识别问题,各国研究者提出了很多种处理方法[1,2]。一般,联机或实时字符识别包括以下几个主要步骤:手写数据的预处理,特征提取和分类等。

为了设计一个实时、可靠的识别器,我们需要速度快的特征提取和分类算法。为了使用尽可能简单的分类器来得到较理想的识别率,抽取的特征应该具有高的判别性能。对联机手写识别而言,实时捕获运动轨迹是比较容易的。Nouboud等人通过各种措施来尝试从笔尖运动过程的动态信息中提取特征[3]。

分类器方面,从曲线匹配[4]到马尔可夫模型[5]等多种统计学方法都被应用于分类器的设计。具有计算简单、自适应、可训练等特点的人工神经网络也在脱机和联机手写识别中也得到了广泛应用[6]。这些算法的提出虽然不是针对维吾尔文,但与维吾尔文的识别有一致性。

本文介绍基于SVM(Support Vector Machine)的维吾尔文手写字母识别系统的原理和设计。在SVM分类器训练(学习)时,本文选用序列最小最优化算法SMO (Sequential Minimal Optimization Algorithm)[7]。由于基本的支持向量机只适用于两类分类,而维吾尔文手写字母识别属于多类(128类)分类问题,需要将SVM推广到解决多类分类问题。为此,本文用一对一分类法[8]来解决这个问题。

1 维吾尔文字母的特点

维吾尔语属于阿尔泰语系突厥语族西匈语支。维吾尔文以及在新疆维吾尔自治区使用的哈萨克、柯尔克孜等文种都借用了阿拉伯文和部分波斯文字母。维吾尔文由32个字母组成,其中有24个辅音字母和8个元音字母。32个字母共有126种字符形式,另外还有一个复合字符和一个前缀符,他们又各有两种形式,这样信息处理中需要处理的维吾尔文字母的形式共有130种。但是,在手写字母识别中,字母“”的四种形式里只识别两种就可以了,因为它的独立形式和首写形式、中间形式和尾写形式一般人眼分不清楚。因此,在维吾尔文手写字母识别中实际需要处理的字符为128个。

维吾尔文字母与由统一大小方形字组成的汉字和由拉丁字母拼写而成的英文有着明显差异, 无法直接应用汉字和英文的识别技术来识别维吾尔文。下面简单介绍维吾尔文字符的基本特点。

(1) 与拉丁文等文字相比,维吾尔文字的手写方向不是从左到右,而是从右到左。

(2) 每个字母根据在字里面的位置不同而有不同的字符形式:首尾与相邻字符都不相连的独立形式、尾部与下一个字符连接的首写形式、首尾与相邻字符连接的中间形式和首部与上一个字符连接的尾写形式等。

(3) 不同位置的字符形式也有0到2不同,这样不同字母总的字符形式有2、4、8等三种。其中,5个字母有两种形式,25个字母有四种形式,2个字母有八种形式。如表1所示。

(4) 从自动识别的角度来看,很多维吾尔字母包含点和其他附加的符号,点数和点位置的不同或其他附加符号的差异也是区别主体部分相同字母的重要依据。如字母可以出现如下具有附加符号的形式。这些附加符号也增加了字母识别的难度。

2 手写数据的预处理

联机手写字母识别的第一步工作是手写字母轨迹的采集。字符通过鼠标或磁性笔输入。手写的轨迹数据是根据笔尖在手写板上的运动轨迹按时间顺序获取,这样我们不但能获得每个点的坐标信息,而且能得到它们的时间序列、笔画数等信息。在手写维吾尔文过程中,笔尖运动轨迹由它在手写板上的x、y坐标和“落笔”、“抬笔”的状态来描述,将笔尖在手写板上的运动轨迹分隔为笔划序列。这样,第i个字符类Ci的第μ个样本的坐标序列通过下面的公式来描述:

C${}_i^{\mu }$={(x${}_{i0}^{\mu }$,y${}_{i0}^{\mu }$),,(x${}_{ik}^{\mu }$,y${}_{ik}^{\mu }$),,(x${}_{in}^{\mu }$,y${}_{in}^{\mu }$)} (1)

在这里i=1,2,,128,也就是本文研究的128个字符,(x${}_{i0}^{\mu }$,y${}_{i0}^{\mu }$)和(x${}_{in}^{\mu }$,y${}_{in}^{\mu }$)分别表示某个字符C${}_i^{\mu }$的第一个和最后一个点的坐标值。

人们使用手写板书写时,由于书写的随意性,人手抖动,书写的速度变化等,导致各种干扰和噪声,又因为手写过程中会产生冗余点,不能直接用于识别,为了消除这些影响,必须对采集到的信号进行平滑滤波处理。

设采样得到的数值化坐标为(x1,y1),(x2,y2),,(xn,yn),则平滑处理计算公式为:

xpt=axp(t-1)+(1-a)xt (2)

ypt=ayp(t-1)+(1-a)yt (3)

其中(xt,yt)是笔划平滑处理前在t时刻的坐标,(xpt,ypt)和(xp(t-1),yp(t-1))分别表示在t时刻和(t-1)时刻经过平滑后的坐标数据。平滑系数为0a1。由平滑公式可知,平滑后各点坐标值与该点平滑前的坐标值和前一点平滑后的坐标值有关。选择不同的a值,可以得到不同的平滑效果。

维吾尔文字母点阵的归一化是十分重要的,因为维吾尔文字母识别主要是基于字母的图形结构而识别的,如果不能将字母点阵在位置和大小上经归一化处理一致起来,维吾尔文字母点阵的相似性比较就无法正确进行。

本文采用线性归一化方法[9,10]对维吾尔文字母进行归一化。

采集得到的原始数据坐标点经线性归一化得到新坐标点的线性变换可以表示成:

$\left(\begin{array}{l}m\\ n\end{array}\right)=\left(\begin{array}{c}a{}_{1}b{}_1\\ a{}_{2}b{}_2\end{array}\right)\left(\begin{array}{l}x\\ y\end{array}\right)+\left(\begin{array}{l}c{}_1\\ c{}_2\end{array}\right)(4)$

其中,系数矩阵

$\left(\begin{array}{c}a{}_{1}b{}_1\\ a{}_{2}b{}_2\end{array}\right)$

可以反映字母原来图像与线性归一化后的结果之间的变换,

$\left(\begin{array}{l}c{}_1\\ c{}_2\end{array}\right)$

是变换向量, x、y是原始图像的坐标, m、n是归一化后图像的坐标。

线性归一化以后得到的坐标点为:

$m=\left[x\frac{{\rm M}}{X}\right]n=\left[y\frac{{\rm M}}{Y}\right](5)$

其中XY表示原始图像的大小,MN表示归一化以后的图像大小。

可见,进行这一变换后,所有图像将具有同样的大小,这种方法的优点是简单易行,是字符识别中应用很广的一种归一化方法。

下一步对归一化后的字母进行重采样。假设对于所有字符的所有样本而言,采样率是固定的。这样字符的总点数取决于它在手写板上写的时间,所以每一个字符的点数n是不一样的。由于书写速度不同而不同字符实际轨迹的点数n大不一样,为了处理的简单,本文选用了一个比一般点数小的,并且均匀的分散在时间序列上的固定数p。

从总点数为n的字符数据中选出m个点的公式为:

m=j(n点之间的总距离/p) (6)

其中,j的取值范围为0,1,2,,p。

任何一个字符第μ个样本的时间序列信号的进一步处理通过一个简单的坐标序列公式来表示:

Cμ={(x${}_0^{\mu }$,y${}_0^{\mu }$),,(x${}_k^{\mu }$,y${}_k^{\mu }$),,(x${}_p^{\mu }$,y${}_p^{\mu }$)} (7)

考虑到公式表示的复杂性,在式(7)中没有使用式(1)中表示某个字符Ci的下标i,所以现在开始把x${}_{ik}^{\mu }$和y${}_{ik}^{\mu }$分别替换为x${}_k^{\mu }$和y${}_k^{\mu }$。

3 特征提取

提取速度快、稳定性好、分类能力强的特征是模式识别的关键。特征提取算法有基于统计模式识别的特征提取法和基于结构模式识别的特征提取法。统计法适合识别有噪声的字符,抗干扰性强,但是,可以用来区分结构的敏感部位的差异也随之被淹没了,所以它不能充分地利用字符结构信息;而结构法可以利用字形的结构规律来识别,对字符变体、变形适应性好,能较好反映事物的结构特性,但是,基元的提取很不容易,对结构特征的敏感性,导致它的不稳定和抗干扰能力低。所以,把统计法和结构法两者结合起来,存优去劣,在统计法中,字符特征的选择和抽取充分考虑字形结构信息,在结构法中应用统计方法的模式分布性质,这是当前字符识别方法的主要发展方向。梯度方向特征就是这两种方法结合的产物。

所以,结合维吾尔文字母的特征,本文选用梯度方向特征[11]算法对其进行特征提取。

把每个预处理后的字母点阵图像分成16网格。独立计算每个网格扇区的特征。

(1)把预处理后得到的大小相同的归一化字符分成44的16块。

(2)对每个块中的笔迹点进行方向链表特征提取。定义东、西、南、北、东南、东北、西南、西北八个方向。如图1所示。

(3) 计算出每个块中对应每个方向的笔迹点的总数并把这个总数作为特征。这样可以得到448=128维特征向量。

4 分类器

本文采用支持向量机(SVM)作为实验系统的分类器。考虑如图2所示的二维两类线性可分的情形,图中实心点和空心点分别表示两类训练样本,H为把两类没有错误地分开的分类线,H1、H2 分别为过各类样本中离分类线最近的点且平行于分类线的直线,H1和H2之间的距离叫做两类的分类空隙或分类间隔。所谓最优分类线就是要求分类线不但能将两类无错误地分开,而且要使两类的分类空隙最大。前者是保证经验风险最小(为0),而后者是置信风险最小,从而使真实风险最小。推广到高维空间,最优分类线就成为最优分类面。

进行分类之前,SVM需要学习(训练)。为学习选用序列最小最优化算法(SMO)[7]。SMO将工作集的规模减到最小,一个直接的后果就是迭代次数的增加。然而序列最小最优化算法的优点在于:两个变量的最优化问题可以解析求解,因而在算法中不需要迭代地求解二次规划问题。它在每一个迭代步只选择两个变量Ci和Cj进行调整,同时固定其他变量,通过求解最优化问题,得到关于这两个变量的最优值,然后用它们来改进相应的C的分量。

基本的支持向量机用于两类分类,而本文研究的维吾尔文手写字母识别属于多类(128类)分类问题,需要将SVM推广来解决多类分类问题。为此,本文用一对一分类法[8]来解决这个问题。

一对一分类中需要许多两类问题的分类机。对M类问题,就有(M-1)M/2个两类分类机。这个数目比一对多分类法得到的分类机数目大得多。但是每一个分类问题的规模却小了许多,实际上,这里的每一个两类分类机,都比一对多中的两类分类机的规模小(有较少的支持向量),这是因为训练集规模小,并且由于类别有较小的重合,要学习的问题也比较简单。因此,该算法优点就是分类速度相比一对多分类法要快。

5 实验结果与分析

5.1 数据的采集

维吾尔文联机手写字母识别的第一步工作是手写字母图像的采集,在本文中利用手写板采集到不同手写者的128个字母样本图像,对手写者的手写字母顺序是特殊规定的。将字母图像信息保存为二进制格式文件中,样本文件数据结构为:(1)字符的总长度;(2)字符的内码;(3)字符的总笔画数;(4)每一个笔画的每一个点的x、y坐标值;(5)每一个笔画的结束标志;(6)字符的结束标志。

基于上述文件结构,在新疆大学采集了600多人的手写样本。其参加采集的人包括文、理、工科专业,本科生到博士生,甚至教师,可以说是千变万化的笔画都有。然后对样本数据进行挑选,得到了530个质量达标的样本。

5.2 实验结果

本文用的实验系统的运行测试环境为Windows XP,主要的开发工具为Visual C++ 6.0,部分辅助性的操作使用了Matlab 2007。

本文实验所用的手写样本共400份,每份样本包含128个字符的数据,并用梯度方向特征提取方法得到样本的特征数据,利用SMO算法,通过不同数量的样本对SVM分类器进行学习,相应的不同数量的样本对SVM分类器进行测试,识别效果如表2 所示。

从表2可以看出,随着训练样本数量的增加,分类器的识别效率也提高,同时识别过程需要的时间也增加,当然训练需要的时间更多。最好的时候识别率达到96%,这是个很理想的识别结果,需要的识别时间为3秒左右,因为实际的识别系统是一个字符、一个字符的进行识别,如果输入的是1个字符,而不是128个字符,这样识别所用的时间会更短。

本文为了进行识别结果比较,又利用模板匹配法做了识别率测试。模板匹配是较早提出的一种分类方法。该方法的基本思想是:首先需要为每一类模式建立一个对应的模板,然后对待识别对象进行分类判决。分类判决时用待识别模式与已有的模板进行比较。

本文采用均值法来建立模板,采用最近邻分类器[12]作为分类器。均值法的基本思想是:首先利用某种特征提取算法对不同手写者的样本数据进行特征提取;然后利用所得到的特征数据,对每一类进行特征值的平均值计算。比如,第i个字符类Ci的μ个特征样本的平均值计算公式为:

${\rm T}{}_i=\frac{1}{\mu }{\displaystyle \sum C}{}_i^{\mu }(8)$

在这里i=1,2,,128,也就是本文研究的128个字符,Ti表示某个字符Ci的模板。

表3 是利用最近邻分类器进行的分类结果,此方法用的特征数据是用SVM分类器分类时使用的特征数据,只不过是分类器不一样而已。

表3中的测试样本1是参加过训练过程的同一组样本,而测试样本2是没参加过训练过程的一组样本。对于同样数量的训练样本而言,测试样本2的识别率总是高于测试样本1的识别率。但是随着训练样本数的增多,分类器的识别率没有表现出规律性的变化,所以很难得出一个规律性的结论。跟表2的 识别率比较,最近邻分类器的识别率远远不如SVM分类器的识别率。最近邻分类器的最好识别率达到60.94%,而SVM分类器的识别率达到96.09%。

6 结 语

本文研究了基于SVM算法的联机维吾尔文手写识别方法,并给出了识别系统的整体框架。该方法在数据采集阶段中,采用自定义的数据结构和相应的文件格式来保存手写样本数据;预处理阶段中,首先对原始数据进行平滑滤波,然后利用线性归一化方法进行归一化,最后通过重采样方法压缩信息量,这样可以提高下一步的计算速度;特征提取中,选用了对于字符的扭曲和变形具有较好稳定性的、结合结构特征和统计特征的梯度方向的特征提取方法;分类过程采用支持向量机进行分类。本文通过用实际采样获取的手写样本数据对该系统进行验证,实验结果表明采用此方法能够获得较理想的结果,最高分类精度达到96.09%,最差不低于90%。最后跟模板匹配法进行比较,从比较结果可以看出,SVM分类器的识别率明显高于最近邻分类器的识别率。这些研究对于新疆维吾尔自治区的哈萨克文、柯尔克孜文等相似的文字研究也有一定的参考价值。

本文的识别方法存在的问题是,在训练样本不够多的情况下,主题部分相似的字符进行识别时出现混淆。这个问题可以从两个方面解决。(1)增加训练样本;(2)设计一个代表性更强的特征提取算法。对于训练样本的增加已经做了实验,并有了一定的效果。但使训练效率降低。这样,下一步工作将集中在针对维吾尔文的更有效的特征提取算法。

参考文献

[1]C C Tappert,et al.The state of the art in on-line handwriting recogni-tion[J].IEEE Trans,PAMI,1990,12(8):787-808.

[2]R Plamondon,et al.On-line handwriting recognition[J].Encycl,Electr,Electron,Eng,1999,15:123-146.

[3]Nouboud F,Plamondon R.On-line recognition of handprinted charac-ters:survey and beta tests[J].Pattern Recognition,1990,25(9):1031-1044.

[4]Li X,Yeung D Y.On-line handwritten alphanumeric character recogni-tion using dominant points in strokes[J].Pattern Recognition,1997,30(1):31-44.

[5]Anquetil E,Lorette G.On-line cursive handwritten character recogni-tion using hidden Markovmodels[J].Trait.Signal,1995,12(6):575-583.

[6]Le Cun Y,et al.Handwritten digit recognition with a back-propagationnetwork[J].Advances in Neural Information Processing Systems,1992,2:575-583.

[7]Platt J C.Fast training of support vector machines using sequentialminimal optimization[C].Massachusetts:MIT Press,1998,185-208.

[8]Knerr S,Personnaz L,Dreyfus G.Single-layer learning revisited:astepwise procedure for building and training a neural network[M]//Fogelman J,et al.Neurocomputing:Algorithms,Architectures andApplications.NATO ASI.Springer-Verlag,1990.

[9]Casey R G.Moment normalization of handprinted characters[J].IBMJ.Res.Develop,1970,14:548-557.

[10]Nagy G,Tuong N,et al.Normalization techniques for handprinted nu-merals[J].CACM,1970,13(8):465-481.

[11]Qing Wang,Zheru Chi,David D Feng,et al.Match Between Normal-ization Schemes and Feature Sets for Handwritten Chinese CharacterRecognition[C]//Sixth International Conference on Document Analy-sis and Recognition,Seattle,September 10–13,2001.Washington:IEEE,C2001.

可识别性 第9篇

关键词：二进制局部模式,蛾类昆虫,图像处理,目标识别

0 引言

蛾类昆虫属于鳞翅目,该类昆虫具有明显的特征,尤其是不同昆虫的翅膀差异明显。昆虫学家根据翅膀的特征对蛾类昆虫进行分类。但传统的方法费时费力,特别是在因特网环境下人工识别昆虫的方式难以发挥网络技术的优势。因此,如何实现昆虫的自动识别成为急待解决的问题。

近年来,于新文等应用不同的形状参数描述昆虫的图像特征实现基于图像的昆虫识别[1]。马骏等应用数据形态学方法提取昆虫图像骨架特征并结合神经网络算法实现昆虫识别[2]。周龙则通过数学形态学提取昆虫边缘特征实现昆虫识别[3]。刘德营等采用特征不变量等描述昆虫特征实现昆虫识别[4]。Wen等提出了基于图像的5 种果园害虫的自动识别技术[5],在此基础上结合图像的局部特征和全局特征进一步提高识别性能[6]。Wang等利用基于内容的图像检索技术提取昆虫的形状特征、纹理特征和颜色特征实现蝶类昆虫的识别[7],并应用神经网络和支持向量机以提高识别性能[8]。现有昆虫识别的方法主要集中在目层次的昆虫识别,一般均需先提取出图像中的昆虫目标区域,然后提取该区域的特征,但鉴于目前图像分割技术的局限性,该处理往往是手工完成的,从而导致昆虫自动识别无法实现。同时,现有昆虫识别技术认为形状、颜色特征优于纹理特征,但蛾类昆虫形状相似,同种昆虫颜色各异,但翅的纹理特征突出,因此,合适的纹理特征表示是有效识别蛾类昆虫的基础。近年来,局部二进制模式LBP特征提取技术被证明是较好的纹理特征提取方法,并已应用于诊断病症、鉴定性别、行为分类等[9,10,11,12]。同时,LBP技术也不断得到改进,出现了诸多变种,如主LBP、CLBP等[13,14,15,16]。

为了避免现有处理方法先分割昆虫目标后提取特征的不足,本研究采用拍摄得到的蛾类昆虫原始图像,用CLBP算法直接提取这些昆虫图像的纹理特征,同时鉴于CLBP得到的特征矩阵巨大,而蛾类昆虫的本质特征维数有限的特点,对CLBP特征矩阵提取可识别的本征维数,从而有限地降低特征矩阵存储容量,并降低相似度比较的计算复杂度。

1 可区分的CLBP

1. 1 蛾类昆虫的特点及其特征提取

鳞翅目昆虫约有112 000 种,其中蛾类昆虫是鳞翅目中最大的类群,占90% 左右,其外观变化很多,难以作一般描述。如图1( a) 、( b) 和( c) 属于同一种蛾类,但其形状和颜色均差异明显。图1( d) 则属于另一种蛾类昆虫。由图1 可知,颜色和形状作为蛾类昆虫的特征表示效果不理想,但从纹理看,图1( d) 和( a) 、( b) 和( c) 差异较明显。因此,纹理特征也可作为蛾类昆虫识别的依据。

LBP是近年来提出的很好的纹理特征提取算法,已出现多种变种。其中CLBP在原有LBP基础上综合考虑了中心点和其相邻像素点的差异程度以及中心点。

对于一幅图像中给定的某一像素,传统的LBP特征计算如下:

其中: gc是该点像素的灰度值,gp是与中心点相邻的像素点的灰度值,p是相邻像素点的个数,R是相邻像素点的半径。设gc的坐标为( 0,0) ,则gp的坐标为。由于这些像素点的坐标值并不与图像的坐标值相等,因此无法得到这些点的灰度值,需应用插值技术。

文献[16]认为式( 1) 忽略中心点与其相邻像素点的差异程度不利于图像特征提取,因此,在式( 1) 基础上提出:

其中: c为阈值,一般取整幅图像的像素平均值。mp| gp- gc| 。

同时,认为中心点对目标识别也有影响,提出下式:

其中: c为阈值,一般取整幅图像的像素平均值。

为了使CLBP特征具有旋转不变性,LBPP,R改写为:

对式( 2) 、式( 3) 做同样处理则得到具旋转不变性的CLBP-MPri,R、CLBP-CPri,R。

图2 是图1( a) 的昆虫CLBP特征表示,RI表示具旋转不变性的CLBP特征,M表示式( 2) 表示的特征,S为式( 1) 表示的特征,数字8 和24 分别表示为式( 1) 和式( 2) 中P的值。

图2( a) - ( d) 为传统的LBP特征表示即式( 1) 以及旋转不变性处理的图像处理结果。图2( a) 和( b) 比较表明旋转不变性处理后得到的特征较不具旋转不变性的特征能够更好表达昆虫的纹理特征; 图2( b) 和( d) 表明P = 24 时的昆虫LBP特征比P= 8 时的特征更清晰和精细; 图2( e) - ( h) 则为式( 2) 以及旋转不变性处理的图像处理结果,是CLBP特征中考虑到中心点和其相邻点灰度差异程度外得到的纹理特征表示,同样地,旋转不变性处理后的比未经处理的特征图像、P = 24 比P = 8 时的特征图像更清晰细致。图1( d) 和( h) 则表明式( 1) 即传统的LBP特征和式( 2) 即CLBP中扩展传统LBP后的特征之间具有差异且有互补性。因CLBP中式( 3) 表示的图像特征与昆虫本身不具有对应关系,在本文中未列出。因此,本研究仅应用CLBP中的式( 1) 和式( 2) 以及旋转不变性处理后的特征表示。

1. 2 可区分的CLBP

不同的昆虫种类具有不同的纹理特征,因此,不同的昆虫种类应具有不同的CLBP特征表示。由1. 1 节可知,CLBP比传统的LBP能更充分表达其纹理特征。因此,首先对每幅图像Ii提取其CLBP特征即传统的LBP特征LBPPri,R和CLBPPri,R。在此基础上筛选每个类别的代表性CLBP特征。然后统计各个模式的个数并得到其直方图,设其模式总数为Total。筛选方法如下:

第一步: 得到每幅图像的主要模式

对直方图fi降序排列后得到新的按其模式的个数降序排列fi,对fis做以下循环运算:

用Vec存储筛选出的前k个模式。Veci表示第i幅图像的前k个模式直方图。

对于同一类中的图像提取其CLBP特征并抽取前K个模式,同一类中不同图像的k可能不一样。

第二步: 得到每类图像的可区分模式

设某类图像的个数为nj个,Veci为该类某幅图像的主要模式,i = 1,…,nj。假设输出的第num类图像的可区分模式为Class-Vecnum,则:

Class_Vecnum=Vec1

For count=2 to nj

Class_Vecnum=Veccount∩Class_Vecnum

第三步: 得到总的可区分模式

设总的可区分模式为Total_Class_Vec,图像集中图像的类别数量为nclass,则:

Total_Class_Vec=Class_Vec1

For count = 2 to nclass

Total_Class_Vec = Class_Veccount∪Total_Class_Vec

2 实验结果分析

用数码相机( 分辨率为500 万像素) 在日光灯照明情况下分别拍摄福建农林大学林学院昆虫标本室中尺蛾科、灯蛾科、夜蛾科等三个科的昆虫图像,其图像数分别为49、43 和20,共112幅图像。将每类图像随机各取出一半图像作为训练集和测试集,其中训练集的图像为57 幅、测试集为55 幅。对每幅图像提取CLBP特征,即在提取传统LBP特征基础上进一步提取旋转不变性处理后的式( 2) 的特征,然后提取可区分的CLBP,最后用KNN算法实现识别。

本实验在Window XP操作系统上用Matlab2009b编程语言实现,处理器为Intel 1. 6 GHz,内存为2 GB。

注: 表中所有特征均为可区分特征,用D表示; RI、M、S、8、24 的含义与图2 同

注: 表中所有特征均为可区分特征,用D表示; RI、M、S、8、24 的含义与图2 同

注: D、RI、M、S、8、24 的含义同表1

首先比较了不同粒度时CLBP可区分昆虫图像特征表示的分类识别率( 表1) 。表1 可看出P = 24 时的CLBP可区分特征表示的分类识别率比P = 8 时的CLBP可区分特征表示的高11% 。P = 8 和P = 24 时的CLBP可区分特征的混合表示与P =24 时的CLBP可区分特征表示的分类识别率相同。这说明P =24 时的分类识别性能优于P = 8 的,也说明P = 24 时的特征表示包含了蛾类昆虫识别所需的特征表示信息。在此基础上,进一步比较P = 24 时,传统LBP即DRIS24 可区分图像特征和CLBP即DRIM24 + DRIS24 可区分图像特征的分类识别率( 表2) 。表2 可看出P = 24 时的LBP特征表示的分类识别率比P =24 时的CLBP特征表示的低9. 2% ,说明CLBP能够有效地提高蛾类昆虫识别率,具有更好的识别性能。表3 可看出P = 24 时的可区分CLBP特征表示的维数仅为初始CLBP特征表示的0. 7% 以下,其中DRIM24 的维数仅为RI M24 的维数的0. 2% ,即99. 8% 的维数特征对分类不具影响,同时,DRIS24 的维数仅为RI S24 的维数的0. 7% ,99. 3% 的维数被丢弃了,且不影响分类性能。因此,可区分CLBP特征表示方法不仅能够提高蛾类昆虫的分类识别性能,并且能够由于急剧减少用于分类的特征维数从而能够更容易实现快速识别蛾类昆虫的目标。

3 结语

如何识别糖尿病性神经病变 第10篇

一、糖尿病性中枢神经病变

糖尿病性中枢神经病变主要指大脑、脊髓病变，发病率高、致残率高是它的特点。

(1)糖尿病性假脊髓痨：主要是脊髓后根神经节损伤，临床表现为患者步态不稳，举足高，踏地重，似踩棉垫，跨步较宽，行走困难。常伴有双下肢麻木，刺痛感，多见于糖尿病病程较长的患者。

(2)糖尿病性脊髓侧束硬化综合征：本病患者多为糖尿病病程较长者。主诉双下肢无力，或行走困难，走路时难控步伐。常伴有肌无力、肌肉萎缩。肌电图检查可以明确诊断。

(3)糖尿病性脑梗死：短暂性脑缺血发作，脑血栓形成。糖尿病合并脑中风的患病率比非糖尿病者高3～4倍，发病率、致残率及死亡率均大大高于非糖尿病人群。临床表现有头痛、头昏、肢体麻木、失语、偏瘫等症状。

(4)糖尿病低血糖脑病：主要表现为意识障碍，定向力减退，出汗，面色苍白，精神失常，神志不清。给予补充葡萄糖可以缓解。

(5)糖尿病性老年痴呆：主要表现为智能缺损，记忆力下降，刺激能力障碍，人格改变，思维困难，对答缓慢，动作减少等，给人以痴呆印象。

二、糖尿病周围神经病变

周围神经分为三大部分：①感觉神经：可使机体感觉到内外环境的冷、热、痛、痒等变化；②运动神经：支配肌肉收缩舒张从而引起机体运动的神经；③自主神经(又称植物神经)；分布在全身内脏器官、腺体，维持基本生命活动的神经。

(1)多发性神经病变：多见于糖尿病初期或血糖控制不理想者。主诉双下肢极不舒服，麻木，过电感，蚁走感，烧灼感，酸胀痛等。

(2)糖尿病末梢神经炎：主要临床表现为四肢末端麻木、疼痛，呈对称性，常伴有蚁走感，针刺样疼痛，踏棉垫感觉，行走困难，夜间疼痛加重，病人难以入睡。

(3)糖尿病急性痛性神经病变：发病突然而剧烈性疼痛，常发生在下肢远端，疼痛呈刺痛，钻凿痛，夜间为甚，病人多伴恐惧感。有的糖尿病患者接受胰岛素治疗初期出现神经症状，被称为“胰岛素性神经病变”。

(4)糖尿病足：发生溃疡前常有较久的周围神经病变和周围血管病变。患者肢体麻木，烧灼样疼痛，脚踩棉絮感，间歇跛行，并伴有肌肉萎缩，足部变形等症状。

(5)糖尿病神经性肌病：此病多见于老年糖尿病患者。病变主要侵犯下肢近端肌群，如髋肌、大腿肌，伴有肌萎缩。病人表现为肌无力，行走困难，尤其上台阶极为困难。

(6)糖尿病性坐骨神经痛、糖尿病性面瘫：主要表现为坐骨神经分布区压痛，行走困难。糖尿病性面瘫主要表现为肌瘫痪，鼻唇沟变浅，口角流涎等。

三、糖尿病自主神经病变

(1)糖尿病性心血管病变：主要包括糖尿病性心律异常，如心动过速、糖尿病性高血压病、糖尿病性心肌梗死等，这些病变主要由于植物神经调节失衡所致。糖尿病性心血管病变发病率高，死亡率高，是糖尿病致死的主要原因。

(2)糖尿病性食管功能障碍：糖尿病患者由于食管下段蠕动减弱，胃内食物清除功能差，导致食管返流。临床上，糖尿病患者的食管炎、咽炎、支气管炎、哮喘等症状，易被医生误诊误治。

(3)糖尿病性胃瘫：主要表现为上腹部胀满，嗳气，恶心，呕吐，食欲不振，上肢部灼热，隐痛。上述症状主要是由于胃的排空动力差而导致。也有病人表现为腹泻和便秘交替出现，严重脱水，电解质紊乱及营养不良等。

(4)糖尿病神经性胆囊炎：临床证实，糖尿病患者中胆囊收缩不良者为56.9％，胆石症伴胆囊炎者为20.7％，80％伴有周围神经病变。糖尿病性胆囊病的症状不典型，多以无痛性为主，但一旦发病症状严重，病死率较高。

(5)糖尿病性膀胱病：主要表现为膀胱的排尿功能障碍。在糖尿病患者中有40％～90％伴有糖尿病性膀胱功能降低，排尿无力，尿潴留，尿末滴沥等症状。

(6)糖尿病性阳痿：男性糖尿病患者，性功能障碍发病率较非糖尿病人群高2～5倍，病程越长，血糖控制越差，阳痿发病率就越高且程度越重。

可识别性 第11篇

煤炭是我国目前主要能源之一,在煤炭生产和建设中,水害是影响矿井安全的重大灾害之一。突水水源判别在水害综合治理过程中具有重要的作用。如果在煤矿突水事故发生之后,能及时准确地判断矿井突水水源,则对进一步制定营救实施方案、降低水害事故影响具有重要作用。目前,常用的矿井突水水源判别方法有灰色关联度法、神经网络、贝叶斯判别分析法等[1,2,3,4],这些方法都是将突水点数据与标准集数据进行对比以得到突水水源判别结果。但是,这些方法都是根据判别指标的单一实数值建立标准模型,无法直观正确地反映判别指标浓度在各含水层的分布。可拓学是以蔡文教授为首的我国学者们创立的新学科,包括可拓论、可拓方法、可拓工程等。参考文献[5]采用可拓方法建立了岩质边坡稳定性安全评价的可拓模型。参考文献[6]采用可拓方法进行突水水源判别,并根据判别指标的区间值来建立模型。用这些区间值代替单一实数值, 不但可以反映出各个判别指标浓度在各含水层的分布,而且还能反映出同一判别指标浓度在各个含水层之间的分布差异。但是,对一些在各含水层分布差异较小的判别指标数据来说,利用可拓识别方法进行水源判别时,造成误判的可能性大。因此,有必要进一步改进可拓识别方法,以提高判别结果的准确率,降低误判率。

本文根据山西西山晋兴能源有限公司斜沟煤矿提供的水化学离子数据,利用改进的可拓识别方法建立突水水源判别模型,并依据该模型对新的突水水样进行了归 类与分析,得到了较 好的水源 判别效果。

1 可拓识别方法

物元可拓分析理论是将评价特征指标体系及特征值作为物元,通过评价级别和实测数据,得到经典域、节域和关联度,从而建立定量综合判别方法[7]。可拓识别方法是一种改进的物元可拓法。

1.1 物元的确定

物元是可拓学的逻辑细胞,它是由事物、事物的特征及事物特征对应的量值范围所组成的有序三元组,记为R=(事物,事物的特征,事物特征对应的量值范围)。其中,事物特征对应的量值范围就是经典域,事物特征对应的全部量值范围就是节域。设Rj 为水源判别经典域物元,有n个判别指标,m个水源类别,则Rj的表达式为

式中:Nj为突水水源类别;Ci为判别指标;Vij为Nj 关于Ci的取值范围,即经典域,Vij=〈aij,bij〉,其中aij,bij是各水质 指标值变 化范围的 边界值;i=1, 2,…,n;j=1,2,…,m。

设Rp为水源判别节域物元,其表达式为

式中:Np为所有突水水源类别的全体;Vip为Np关于Ci的全部量值的总范围,即节域,Vip=〈aip,bip〉, 其中aip,bip是所有含水层各水质指标值变化总范围的边界值。

设R为待判物元,其表达式为

式中:N为待判别的突水水源;vi为实测数据或已收集到的数据。

1.2 关联度的确定

若经典域v0 为经典域Vij=〈aij,bij〉的最优值,v0∈Vij,VijVip,且无公共 端点,则可以建 立如下初 等关联函数[6,8]:

式中:ρ(vi,v0,Vij)为vi到区间Vij的侧距;D(vi, Vij,Vip)为vi关于区间Vij和Vip组成的区 间套的位值。

侧距、位值计算公式为

式中:ρ(vi,Vip)为vi到节域Vip的距离,其计算公式为

1.3 判别结果的确定

最终判别结果由初等关联函数加权和的最大值来决定。设Kj(vi)为综合关联度,其表达式为

式中:wi为各判别指标的权重系数,其计算公式为

式中:Fi为各判别指标的F值。

当Kj(vi)取最大值时,待判别物元的突水水源来自于第j个含水层。

2 改进的可拓识别方法

现有的可拓识别方法存在一定的局 限性。由式(4)可知,关联度函数与侧距和位值有关系,当侧距保持不变时,位值的大小将影响关联度的大小。如果待判物元中至少有一个判别指标数据为含水层经典域边界值,或者待判物元各判别指标数据都在含水层经典域内,这2种情况下各自的判别指标数据不是全部在其他含水层对应的经典域内时,上述可拓识别方法就有可能造成误判。造成误判的原因是当这些判别指标数据不是全部在其他含水层对应的经典域内时,那部分超出经典域的数据对最终水源判别的结果影响很大。因此,针对上述可拓识别方法的缺陷,对其进行改进。具体改进思路包括以下几点:

(1)将经典域、节域的量值范围以及待判物元的量值进行归一化。即将经典域、节域的量值范围以及 待判物元 的量值均 除以节域 右端点的 数值[9,10],以使关联度及综合关联度更加规范、整齐、直观。具体归一化方法如下:

经典域归一化:

节域归一化:

待判物元归一化:

(2)采用Huber-M估计量与经典域中点结合的方式选取最优值。用Huber的M估计量和经典域中点结合替代平均数,以反映判别指标浓度的集中趋势,降低异常值对数据实验结果造成的影响,提高系统模型的可靠性和判别的准确率。

(3)将位值公式改进为

由式(4)和式(13)可知,改进后的位值公式使得位值计算结果发生变化,影响了关联度的大小,从而影响了综合关联度的大小,提高了待判物元正确归属于某个含水层的程度。

3 改进可拓识别方法在矿井突水水源判别中的应用

3.1模型的建立

根据斜沟煤矿提供的水质资料数据,突水水源来自6个含水层,分别为奥陶系马家沟组奥灰水、采空区、地表水、山西组8号煤层顶板水(简称为山西组)、太原组13号煤层底板水(简称为太底板)以及太原组13号煤层顶板水(简称为太顶板)。将含量较高、识别能力较强的主要水化学离子K++Na+, Ca2+,Mg2+,Cl-,SO4 2-,HCO3 -作为判别 指标;将各个含水层判别指标的浓度范围与各自浓度的集中趋势(最优值)作为经典域,奥灰水、地表水、太底板、太顶板的Huber的M估计量作为最优值,采空区和山西组经典域的中点作为最优值,各个判别指标对应全部 含水层取 值的总范 围作为其 节域。设R1—R6为由各含水层判别指标浓度与最优值组成的经典域,经典域中间一列为最优值,R0为各个判别指标对应全部含水层取值的 总范围,即节域,则可得

3.2 权重的确定

利用SPSS软件[11]得到各个 指标的F值[12]。根据式(9)得到各判别指标对应权重,见表1。

3.3 判别结果分析

利用C#语言对改进后的方法进行编程,将建模的23个水样数据回判,改进前与改进后的突水水源判别结果见表2。由表2可以看出,改进的可拓识别方法使得山西组误判水样为2组,太底板误判水样为1组,太顶板误判水样为1组。奥灰水和采空区的判别准确率分别由66.7%和80%提高到了100%;山西组和太顶板判别准确率分别由20% 和16.67%提高到了60%和83.3%,判别准确率得到了显著的提高;而地表水和太底板判别结果保持不变。综合以上结果可知,斜沟煤矿矿井突水水源判别结果的准确率从47.93%提高到了82.61%。

进一步采用6组数据作为测试集,实验结果表明判别准确率为83.3%。

4 结语

改进的可拓识别方法将经典域、节域的量值范围及待判物元的量值归一化,并用Huber的M估计量和经典域中点结合替代平均数,以反映判别指标浓度的集中趋势,最后通过对位值公式的改进,解决了待判物元的判别指标数据不是全部在其他含水层经典域内时造成的误判问题,提高了待判物元正确归属于某个含水层的程度,得到了较好的判别结果。实验结果表明,改进的可拓识别水源判别方法提高了判别结果准确率,降低了误判率。但由于现场影响因素众多,在实际应用中,可进一步结合现场水文地质条件来分析判别结果。如果现场水流交替循环好,各含水层水力联系密切,则水质混合程度较为明显,判别结果准确率会受到一定影响,下一步可对此进行深入研究。

摘要：针对已有可拓识别方法用于矿井突水水源判别时易造成误判的问题,提出了一种改进的可拓识别方法。首先对已有方法中经典域、节域量值范围以及待判物元的量值进行了归一化处理,并优化了最优值的选取,然后提出了新的位值计算方法。实验结果表明,将改进后的可拓识别方法应用到煤矿突水水源判别,提高了待判物元正确归属于某个含水层的程度,从而提高了水源判别的准确率。