Reinhard算法模型的色调映射算法的研究
第16卷第1期2013年3月成都工业学院学报JOURNAL OF CHENGDU TECHNOLOGICAL UNIVERSITY Vol．16，No．1March．，2013
收稿日期：2013－01－18
基金项目：四川省科技支撑计划(2012GZ0090)
作者简介：岳丽(1987－)，女(汉族)，甘肃嘉峪关人，在读硕士研究生，研究方向:数据库与信息系统。
胡大裟(1976－)，男(汉族)，四川泸州人，讲师，博士，研究方向:并行计算，编程语言，软件工程。
基于Reinhard 模型的色调映射算法的研究
岳
丽，胡大裟，蒋玉明(四川大学计算机学院，成都610065)
摘要：传统显示设备由于受自身动态范围的限制无法很好地显示高动态范围图像，因此需要通过色调映射算法进行合理的动态域压缩，不同的压缩算法对图像最终的显示质量有很大的影响。综述了现有高动态范围图像的色调处理方法，分析了Reinhard 基于摄影模型的色调映射算法的推导过程，通过几组对比实验分析了算法中的参数选择以及Reinhard 全局色调映射算法和局部色调映射算法在处理图像上的不同优势。
关键词：高动态范围图像;色调映射;全局映射;局部映射
中图分类号：G718文献标志码：A 文章编号：2095－5383（2013）01－0018－04
Research on HDR Image Tone Mapping Based on Reinhard ’s Algorithm
YUE Li ，HU Dasha ，JIANG Yuming
（College of Computer Science ，Sichuan University ，Chengdu 610065，China ）
Abstract ：Traditional display device couldn ’t display high dynamic range image well due to its dynamic range limitation ，and this dynamic range mismatch must be overcome with a reasonable tone mapping method by compressing the dynamic range．This paper firstly introduced the existing tone
mapping methods of HDRI．After that ，
it analyzed emphatically the derivation process of Reinhard ’s tone mapping algorithm．Finally ，the authors analyzed the algorithm of parameter selection and the different advantages of Reinhard global tone mapping algorithm and local tone mapping algorithm in image processing through several group of experiments．
Key words ：HDRI ；tone mapping ；global mapping ；local mapping
长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场景的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要一种特殊的图像，即高动态范围
图像（High Dynamic Range Image ，
HDRI ）来满足要求。动态范围图像是用来实现比普通数字图像技术更大曝光动态范围（即更大的明暗差别）的一组技术，图像所表现的层次更加丰富，图像中高亮度区和低亮度区
的细节信息都能很好地保留下来，更接近于人眼观测到的真实场景［
2］。为了解决真实场景与传统显示设备
动态范围不匹配的矛盾，国内外学者提出了很多色调映射（Tone Mapping ）算法来实现在传统显示器上显示高动态范围图像。本文主要研究Reinhard 基于摄影模型的色调映射算法。
图1色阶映射原理示意图1色调映射算法
色调映射算法是由Tumblin 等人在1993年引入到
计算机图形学领域的［1］。图1描述了色调映射的问
题，其目的是解决观察到的景物与通过色调映射生成
显示的HRD 图像在视觉上匹配的问题。目前常见的
色调映射算法有2类。
1）全局色调映射算法
全局算法即空域不变算法，在一幅图像中，所有的
像素使用通用压缩曲线进行压缩，使其从原来超出显示设备动态范围映射到一个常规显示设备所能显示的
范围。全局算法比其他类型的操作算法简单，大多可以立即执行，因此计算效率高。在普通的数码相机中大多使用全局算法。
从20世纪80年代开始，就有很多学者在进行全局色调映射算法的研究，但是直到90年代才有比较好的成果。1993年，Tumblin 和Rushmeier ［4］针对人类的视觉系统（HVS ）亮度感觉模型上的一致性，提出了一
2013年第1期岳丽，胡大裟，蒋玉明：基于Reinhard模型的色调映射算法的研究
种非线性的全局算法；1994年，Ward［5］基于保留对比亮度而非绝对亮度提出了一个较简单的线性映射Ward全局算法；1997年，Ward Larson等人［6］进一步提出了一种基于直方图的全局算法；2000年，Scheel和Stamminger等人［7］将色调映射技术用于交互式系统中，将亮度信息表示为纹理信息；2003年，Drago等人［8］提出了一种自适应对数映射算法；同年Artusi等人［9］提出了一种基于全局算法应用的统一框架。虽然不同全局算法的效果不一样，但是如果一幅图像的动态范围非常高，全局算法将无法保存图像的局部细节，因此出现了局部色调映射算法。
2）局部色调映射算法
局部算法也叫空域相关算法，它会根据像素本身的值来计算出局部的对于每个像素点的区域分级，这个局部区域值将驱动目标像素的压缩曲线。也就是说一个像素点的压缩依赖于邻接点像素，一个暗点像素在一个亮点像素旁边和一个暗点像素在一个暗点像素旁边的处理是不同的。
从20世纪90年代开始，大量有效的局部算法被提出。1993年，Chiu等人［10］根据人眼对于亮度相对变化更为敏感这一现象，提出了一种分区域获得亮度缩放因子的算法；1997年，Jobson等人［11］提出了模拟人类的视觉系统（HVS）对亮度和颜色感知的多尺度Retinex模型；1998年，Pattanaik等人［12］建立了非常全面的模拟HVS对亮度及空域变化的适应模型；2002年，Durand和Dorsey［13］提出了一种具备边缘检测的双边滤波技术；2002年，Reinhard等人［14］提出了基于摄影模型的自动调节亮度的色调映射方法；2002年，Fattal等人［15］提出了基于梯度域上对图像进行多尺度压缩的方法；2007年，Kuang和Fairchild［16］基于图像色貌模型（iCAM）和双边滤波分层技术提出了一种新的局部算法。局部算法弥补了全局算法中遇到的图像细节或者对比信息会丢丢失的问题，但不足之处是计算量大大增加，而且要注意光晕、虚假轮廓及噪声等图像失真问题，这些问题的减少或消除是以模糊图像为代价。
全局算法通常简洁高效，但是很难保持局部对比度。局部算法采用多分辨率分层算法，可以更好地展现局部信息，但是同时计算复杂且可能产生光晕等图像失真问题。
2Reinhard色调映射算法
2002年，Reinhard等人［14］提出了基于摄影模型的自动调节亮度的色调映射方法。该思想源于照片拍摄的“分区曝光显影系统（Zone system）”的概念，它将场景和显示设备的动态范围分别按照亮度的递增顺序分成了若干个区域（Zones），其中显示设备的动态范围被分成了11个区域。摄影师首先获取场景的中间亮度值，这个亮度将映射到显示设备的Zone-5，然后再获取场景的最高亮度和最低亮度以决定场景的动态范围。如果没有超过11个Zones，那么就将场景和显示设备的Zone一一对应；如果超过了11个Zones，就需要使用遮光—曝光（dodging and burning）的方法来压缩动态范围，将过亮的区块变暗或者将过暗的区域变亮［17］。根据这一理念，Reinhard提出了基于摄影模型的色调映射算法，该算法包含了全局色调映射算法和局部色调映射算法，不同的是，局部色调映射算法提供了对图像的不同区块采用摄影中的遮光—曝光的技术［14，18］。
首先，对图像进行一次动态范围压缩，计算整幅图像的平均对数亮度值，平均亮度L—w看作是对场景关键点有用的近似值：
L—w =
1
N
exp（Σx，y lg（δ+L w（x，y）））（1）
其中，L w（x，y）是已给定的像素点（x，y）的全局亮度，N为输入图像中所有像素点的个数，δ是一个很小的修正值。经过多次实践发现，平均像素亮度总是被映射到平均关键场景显示范围的18%，这样，原始的缩放方程式为：
L（x，y）=a
L—
w
L
w
（x，y）（2）
其中L（x，y）是缩放后的亮度，a是亮度比例常数，其大小决定了输出图像的亮度大小。然后，对图像进行二次线性压缩变化，使用式（3）将L（x，y）映射到显示设备的L d（x，y）：
L d （x，y）=L（x，y）
1+L（x，y）
（3）
当高亮度被大量压缩的时候，该函数线性缩放的值比较小，其所有的值都在［0，1］之间，从而保证了所有的L d（x，y）都在显示设备的显示范围内，然后引入L white将函数扩展为一个可控函数：
L d （x，y）=
L（x，y）（1+L（x，y）/L2
white
）
1+L（x，y）
（4）
成都工业学院学报http：//paper．cdtu．edu．cn/第16卷全局色调映射算法在对图像进行动态压缩时十分快捷方便，但是对于动态范围极高的图像还是会丢失
一些图像的细节。因此，Reinhard进一步提出了运用遮光—曝光的方法来压缩动态范围的局部色调映射算法，其基本思想是对每一个像素找到其周围不包含强烈反差的最大环绕域，根据其环绕域亮度信息选择不同
的a。因此，首先要找到目标像素点最大环绕域半径s max，s max是满足式（5）的最大值：
│V（x，y，s max）│＜ε（5）
其中ε是一个较小的阀值，s是高斯滤波器的尺度。如果在像素点周围没有明显的反差，那么高斯点周围的
像素都是相似的，否则，这2个高斯点就不同。这里引入亮度感知模型的中心环绕函数V（x，y，s），其中a和
φ分别是亮度比例常数和锐化参数，方程V1（x，y，s）和V2（x，y，s）是由式（7）和（8）求出。
V（x，y，s）=V
1
（x，y，s）－V
2
（x，y，s）
2φa/s2+V
1
（x，y，s）
（6）
R
i （x，y，s）=1
π（a i s）2
exp（－
x2+y2
（a
i
s）2
）（7）
V 1（x，y，s）=L（x，y） R
i
（x，y，s）（8）
当s max在（x，y）像素得到最大值的时候，对应的最大亮度环绕域的平均像素亮度为V1（x，y，s max（x，y）），用V1代替式（3）分母中的平均亮度L（x，y），带入到式（3）中，得到局部映射的算法公式：
L d （x，y）=L（x，y）
1+V
1
（x，y，s
max
（x，y））
（9）
Reinhard算法的局部色调映射算法对于图像中较重要的区域适当增加动态范围，对于较不重要的部分适当降低动态范围，从而使得细节的显示效果得到增强。
3实验结果及分析
实验过程中针对Reinhard基于摄影模型的色调映射算法中的主要参数a和φ对图像的影响做了分析，同时分析了Reinhard算法的全局色调映射算法和局部色调映射算法对图像处理的不同优势。
图2是a取不同值后图像缩放的效果。由图2可知，随着a的值增，图像逐渐变得明亮。当a=0．18时，图像的效果最好。所以，当图像是normal key，通常都取a值为0．18，但是如果图像是low key时，需要将a提高到0．18以上，使图像中比较暗的部分可以亮一些。反之，当图像是high key，则要降低a。
（a）a=0．045（b）a=0．09（c）a=0．18
（d）a=0．36（e）a=0．72（f）a=1
图2a取不同值时图像的缩放效果
φ是锐化参数，它可以增加图像细节边缘的对比度，从而有助于更清晰地显示图像的细节。从图3中可知，随着φ的增加，相比于原始图像细节边缘部分的对比度逐渐的增强。当φ=1时，图3（b）相比于原始的图3（a）就已经有较好的效果。经过多次的实验，发现φ=8时最合适（图3d），如果φ值太大，图像将会出现光晕。
图4显示了分别运用Reinhard全局色调映射算法和局部色调映射算法对图像处理后的不同效果。因为选取的实验图像的动态范围并不是非常高，所以图4（a）即便是运用全局色调映射算法进行动态范围压缩，也表现出了比较好的效果。但是仔细观察对比可以发现，在射灯照射下的书本及杯子等物体，运用局部算法压缩后的图4（b）明显拥有更好的图像细节保留，图4（b）书本上的字隐约还能看到，杯子上的图案也更加真实，因此对于动态范围较高的图像部分，局部算法表现出了明显的优势。
2013年第1期岳丽，胡大裟，蒋玉明：基于Reinhard
模型的色调映射算法的研究
（a）
原始图像（b）φ=1．
0（c）φ=4．
（d）φ=8．
0（e）φ=12．
0（f）φ=32．0
图3φ取不同值时图像的效果
4
结语
a）Reinhard
全局色调映射算法b）Reinhard局部色调映射算法
图4Reinhard色调映射算法对图像处理后的效果本文对现有的主要色调映射算法进行了简
要的分析，研究了Reinhard基于摄影模型的色
调映射算法，并对算法中的重要参数做了实验
分析。通过一系列的实验证明，Reinhard全局
色调映射算法对于处理动态范围不是很高的图
像，运行效率快且效果好。对于动态范围较高
的图像可以运用局部色调映射算法进行进一步
处理，只需要更改参数值即可，因此这个算法很
灵活，比其他算法在支持实时应用程序方面具
有更强的全局性能。
参考文献：
［1］王作省，邹少芳，王章野．高动态图像色调映射技术新进展［J］．计算机应用研究，2010，27（7）：2421－2424．
［2］谢一凇，方俊永．高动态范围图像色调映射技术的发展与展望［J］．照明工程学报，2011，22（5）：11－17．
［3］张硕．高动态范围图像的色调映射算法研究［D］．北京：北京交通大学，2009．
［4］TUMBLIN J，RUSHMEIER H E．Tone reproduction for realistie images［J］．IEEE Computer Graphics＆Applications，1993，13（6）：42－48．
［5］WARD G J．The radiance lighting simulation and rendering system［C］//In Proceedings of SIGGRAPH94，Computer Graphics Proceedings，Annual Cognference Series，1994：459－472．
［6］LARSON G W，RUSHMEIER H，PIATKO C．A visibility matching tone reproduction operator for high dynamic range scene［J］．IEEE Transactions on Visualization and Computer Graphics，1997，3（4）：291－306．
［7］SCHEEL A，STAMMINGER M，SEIDEL HP．Tone reproduction for interactive walkthroughs［J］．Computer Graphics Forum，2009，19（3）：301－312．［8］DRAGO F，MYSZKOWSKI K，ANNEN T，et al．Adaptive logarithmic mapping for displaying high contrast scenes［J］．Computer Graphics Forum，2003，22（3）：419－426．
［9］ARTUSI A，BITTNER J，WIMMER M，et al．Delivering interactivity to complex tone mapping operators［C］//Proc of the14th Eurographics Workshop on Rendering．Aire－la－Ville：Eurographics Association，2003：38－44．
［10］CHIU K，HERF M，SHIRLEY P，et al．Spatially nonuniform scaling functions for high contrast images［R］．In Proc Graphics Interface’s93，Morgan Kaufmann，1993：245－253．
［11］JOBSON D J，RAHMAN Z，WOODELL G A．A multiscale retinex for bridging the gap between color images and the human observation of scene［J］．IEEE Transactions on Image Processing，1997，6（7）：965．
［12］PATTANAIK S N，FERWERDA J A，FAIRCHILD M D，GREENBERG D P．A multiscale model of adaptation and spatial vision for realistic image display［C］．In Proceedings of SIGGRAPH98，Computer Graphics Proceedings，Annual Conference Series，1998：83．
［13］DURAND F，DORSEY J．Fast bilateral filtering for the display of highdynamic－range imges［J］．ACM Transactions on Graphics2002，21（3）：257－266．［14］REINHARD E，STARK M，SHIRELY P，et al．Photographic tone reproduction for digital images［C］//In Proceedings of ACM SIGGRAH2002，Computer Graphics Proceedings，Annual Conference Series ACM Press/ACM SIGGRAPH，2002．
［15］FATTAL R，LISCHINSKI D，WERMAN M．Gradient domain high dynamic range compression［J］．ACM Transactions on Graphics，2002，21（3）：249－256．［16］KUANG J，JOHNSON G M，FAIRCHILD M D．ICAM06：A refined image appearance model for HDR image rendering［J］．Journal of Visual Communication and Image Representation，2007（18）：406－414．
［17］杨克虎，姬靖，郭建军，等．高动态范围图像和色阶映射算子［J］．自动化学报，2009，35（2）：113－121．
［18］余志俊．高动态范围图像色调映射算法的研究与实现［D］．北京：北京交通大学，2010．
Reinhard算法模型的色调映射算法的研究
第16卷第1期2013年3月成都工业学院学报JOURNAL OF CHENGDU TECHNOLOGICAL UNIVERSITY Vol．16，No．1March．，2013 收稿日期：2013－01－18 基金项目：四川省科技支撑计划(2012GZ0090) 作者简介：岳丽(1987－)，女(汉族)，甘肃嘉峪关人，在读硕士研究生，研究方向:数据库与信息系统。 胡大裟(1976－)，男(汉族)，四川泸州人，讲师，博士，研究方向:并行计算，编程语言，软件工程。 基于Reinhard 模型的色调映射算法的研究 岳 丽，胡大裟，蒋玉明(四川大学计算机学院，成都610065) 摘要：传统显示设备由于受自身动态范围的限制无法很好地显示高动态范围图像，因此需要通过色调映射算法进行合理的动态域压缩，不同的压缩算法对图像最终的显示质量有很大的影响。综述了现有高动态范围图像的色调处理方法，分析了Reinhard 基于摄影模型的色调映射算法的推导过程，通过几组对比实验分析了算法中的参数选择以及Reinhard 全局色调映射算法和局部色调映射算法在处理图像上的不同优势。 关键词：高动态范围图像;色调映射;全局映射;局部映射 中图分类号：G718文献标志码：A 文章编号：2095－5383（2013）01－0018－04 Research on HDR Image Tone Mapping Based on Reinhard ’s Algorithm YUE Li ，HU Dasha ，JIANG Yuming （College of Computer Science ，Sichuan University ，Chengdu 610065，China ） Abstract ：Traditional display device couldn ’t display high dynamic range image well due to its dynamic range limitation ，and this dynamic range mismatch must be overcome with a reasonable tone mapping method by compressing the dynamic range．This paper firstly introduced the existing tone mapping methods of HDRI．After that ， it analyzed emphatically the derivation process of Reinhard ’s tone mapping algorithm．Finally ，the authors analyzed the algorithm of parameter selection and the different advantages of Reinhard global tone mapping algorithm and local tone mapping algorithm in image processing through several group of experiments． Key words ：HDRI ；tone mapping ；global mapping ；local mapping 长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场景的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要一种特殊的图像，即高动态范围 图像（High Dynamic Range Image ， HDRI ）来满足要求。动态范围图像是用来实现比普通数字图像技术更大曝光动态范围（即更大的明暗差别）的一组技术，图像所表现的层次更加丰富，图像中高亮度区和低亮度区 的细节信息都能很好地保留下来，更接近于人眼观测到的真实场景［ 2］。为了解决真实场景与传统显示设备 动态范围不匹配的矛盾，国内外学者提出了很多色调映射（Tone Mapping ）算法来实现在传统显示器上显示高动态范围图像。本文主要研究Reinhard 基于摄影模型的色调映射算法。 图1色阶映射原理示意图1色调映射算法 色调映射算法是由Tumblin 等人在1993年引入到 计算机图形学领域的［1］。图1描述了色调映射的问 题，其目的是解决观察到的景物与通过色调映射生成 显示的HRD 图像在视觉上匹配的问题。目前常见的 色调映射算法有2类。 1）全局色调映射算法 全局算法即空域不变算法，在一幅图像中，所有的 像素使用通用压缩曲线进行压缩，使其从原来超出显示设备动态范围映射到一个常规显示设备所能显示的 范围。全局算法比其他类型的操作算法简单，大多可以立即执行，因此计算效率高。在普通的数码相机中大多使用全局算法。 从20世纪80年代开始，就有很多学者在进行全局色调映射算法的研究，但是直到90年代才有比较好的成果。1993年，Tumblin 和Rushmeier ［4］针对人类的视觉系统（HVS ）亮度感觉模型上的一致性，提出了一
建立能力素质模型的基本步骤
建立能力素质模型的基本步骤 能力素质模型的定义和结构 能力素质模型（Competencemodel）就是用行为方式来定义和描述员工完成工作需要具备的知识、技巧、品质和工作能力，通过对不同层次的定义和相应层次的具体行为的描述，确定核心能力的组合和完成特定工作所要求的熟练程度。这些行为和技能必须是可衡量、可观察、可指导的，并对员工的个人绩效以及企业的成功产生关键影响。 能力素质模型通常包括三类能力：全员核心能力、职系序列通用能力、专业技术能力。全员核心能力是指适用于公司全体员工的工作胜任能力，它是公司企业文化的表现，是公司内对员工行为的要求，体现公司公认的行为方式；职系序列通用能力是指在企业内一个职系多个角色都需要的技巧和能力，但重要程度和精通程度有所不同；专业技术能力指某个特定角色和工作所需要的特殊的技能，通常情况下，专业技术能力大多是针对岗位来设定的。 建立和实施能力素质模型的目的 建立和发展企业内部员工的核心能力体系，其最终目的是为了支持企业的经营发展需要。 经营目标的达成是企业的最终目的之一，企业内任何规划和行动都应该支持这一目的。在企业内部建立和发展能力素质模型是为了帮助企业找到合适的人员来完成其经营目标，与此同时，内部人员也得到个人相关的能力发展和培养。人员的能力支持企业的经营，企业的经营要求人员不断成长。两者相辅相成，不断更新。而企业的经营发展目标，无论是短期的还是长期的目标，始终是企业内部进行人员能力体系发展的指导原则。 企业在市场中要形成自身的核心竞争力，为企业获取持续竞争优势提供来源和基础，而要实现企业的核心竞争力，员工就必须具有相应的核心能力。因此，在建立能力素质模型时，必须首先了解整个企业的中长期经营目标和经营策略，从中我们可以分析整个企业的关键竞争优势，即：企业在哪些方面的核心竞争能力最终能够支持企业的市场地位。企业的关键能力要靠内部的人员来达到，这就是企业对内部人员的整体要求：什么样的人员能够在企业内生存和发展，并且能够支持企业的生存和发展。 因此，找到对经营结果最有帮助的行为和能力，了解如何有计划地建立和培养这样的能力，才能建立能力素质模型。根据能力素质模型的具体内容对人员的能力进行评估，找出人员现有能力与所要求的能力之间的差距，采取针对性的措施，才能最终形成具有企业特色的以能力素质模型为核心的人才规划、选拔、发展、激励和储备的人力资源管理体系，为经营目标的实现提供切实的保障。 能力素质模型的作用 以能力素质模型为核心构建人力资源管理体系，能力体系成为企业人力资源管理各项活动的基础，给企业的管理和员工的发展带来很多的益处。
胜任力模型的构建流程
胜任力模型的构建流程 一个相对完整的胜任力模型构建过程大致可以划分为三个步骤：职系与序列划分、能力素质要素提炼和能力素质要素评级。 首先是要进行职系与序列的划分。胜任力模型是建立在明确的职系和序列划分基础之上的。 “职系”是指由两个或两个以上的职位组成，是职责繁简难易、轻重大小及所需资格条件不同，但工作性质相似的所有职位集合。简言之，一个职系就是一种专门职业（如管理职系、操作职系等）。“序列”是指将现有组织结构中具有相同或相近专业资质要求的职位归并成一类职位群组。每个序列具有其独特的能力素质结构组合和描述，一个职系包含一个或多个序列，一个序列只能在一个职系当中。划分职系和序列的目的是通过设立不同的职业通道，为员工指明职业发展的方向。 在具体进行职系划分时，可以工作性质相似为原则，通过企业价值链分析来确定职系的划分。例如，通过对某石油炼化企业价值链进行分析，将企业的所有职位划分为管理职系、技术职系和操作服务职系。序列的划分以能力素质要求相近为标准，可以通过业务类别和职责对比归类两种方法确定序列划分。例如，根据岗位说明书在对岗位能力素质初步判断的基础上，将某企业管理职系下面的所有职位划分为中层管理序列、财务管理序列、综合管理序列和生产管理序列等。 职系和序列的划分是公司进行职位管理的基础和重点，也是胜任力模型构建的基础。通过职系分类，可以为员工设立多条职业发展通道，同时，通过序列划分，可以明确不同职位能力素质的差异，实现对员工的区别管理。 第二步是在职系和序列划分的基础上进行能力素质要素的提炼。 一个完整的胜任力模型由核心能力素质、通用能力素质和专业能力素质三部分组成。因此，能力素质要素的提炼也将围绕这三部分能力素质进行。首先是核心能力素质要素的提炼，“核心能力素质”是基于公司核心价值观、企业文化与战略愿景，要求全体员工都应具备的能力素质。核心能力素质要素提炼可以采取行业共性分析、企业资料分析和企业调研等方式进行。例如行业共性分析，可以采取行业共性分析、优秀标杆企业借鉴等方法，通过对行业的共性分析以及标杆企业核心能力素质的分析，获取行业或标杆企业在核心能力素质方面的共性需求，得出可供备选的核心能力素质要素。最终经过分析和研讨确定企业的核心能力素质；接下来是进行序列通用能力素质要素的提炼。“序列通用能力素质”是每个岗位序列所要求的能力素质，但不同岗位对能力素质的要求不同。通用能力素质要素提炼可分为以下三
研究假设和模型构建
4我国上市公司多元化与经营风险及企业价值关系实证研究 多元化经营是我国上市公司经营和发展的普遍现象，那么多元化究竟会给企业带来价值增值还是价值折扣，一直都是理论界和实务界关心的话题。本章在前述文献综述和理论分析的基础上，实证研究我国上市公司多元化的风险和价值问题。 4.1 研究假设和模型构建 4.1.1研究假设 （一）多元化经营对经营风险和企业价值的影响 迄今为止，国内外关于多元化的经营风险和企业价值关系的现有研究并未形成一致结论。大致形成了三种观点：①多元化有助于分散经营风险，提升企业价值；②多元化会加大经营风险，损害企业价值；③多元化与经营风险和企业价值不存在显著的影响关系。 现有的研究结论多是基于欧美等发达国家企业样本，对于我国上市公司而言，具有不同的经济背景和制度环境。通过对我国上市公司多元化的现状调查，我们发现我国企业绝大部分（75%左右）热衷于多元化经营。从多元化的风险、动因和理论基础分析可以看出，尽管多元化可能带来行业进出、投资过度等经营风险，但是带来的经济收益和成长机会却远远大的多，这也是大多企业选择多元化的真正动机所在。 具体而言，⑴我国是发展中国家，处在市场经济发展初期，市场的不健全和经济制度的不完善导致了外部资本市场的交易成本很高，多元化有助于建立内部资本市场，提高资源配置效率并节约大量交易成本；（2）企业利用多元化带来的规模经济和范围经济，在不同业务之间共享资源和服务、并分摊成本，有助于改善企业的成本结构和提升边际利润；（3）企业可以通过多元化快速积累资金，进入比现有业务收益更高的其它行业，减少单一经营的风险，从而提高企业价值。等等。 基于以上分析，可以提出如下假设： 假设1：多元化分散经营风险，多元化企业比单一经营企业具有更小的收益波动率。 假设2：多元化提升企业价值，多元化企业比单一经营企业具有更高的企业价值。 （二）多元化程度对经营风险和企业价值的影响 通过调查研究发现，我国上市公司涉足的行业数目的普遍较多，但在各行业中的销售收入达到主营业务收入10%（财政部要求确认业务分部的标准）的并不多，因此在统计中未能确认为业务分部或行业分部，这样以来，涉足5个及以上业务分部的上市公司为数不多，大多都是在2或3个行业内经营。这是不是说，多元化经营的项目越多，具有越高的经营风险，越折损企业价值呢，我想未必如此，试想全球500强企业有哪家是在两三个业务范围内生产经营呢？ 从理论上讲，在一定范围（企业资源能力限度）内，多元化程度越高的企业，一方面企业内部建立的资本市场更加宽泛和有效，可以在更多的产品市场市场上积累资金、挖掘市场机会和投资机会、提高企业知名度和信誉；另一方面，企业在更为广泛的业务范围中产生协同作用、分享资源和分摊损失，因此企业具有较低的边际成本以及更稳定的现金流。另外，企业的高度多元化经营也可能是企业具有较高风险承受能力和经营绩效良好的结果（这时企业多元化是为了追求价值最大化）。 根据以上分析，本文提出如下假设： 假设3：多元化程度与经营风险负相关，多元化程度越高越有利于分散经营风险。 假设4：多元化程度与企业价值正相关，多元化程度越高带来越高的企业价值。 （三）多元化程度对经营风险和企业价值的影响 通过对我国上市公司多元化类型的调查，我们发现有近三成（33%左右）的企业是以一业为主，多业务共同发展的主导业务经营方式，与相关业务经营的企业家数相比，非相关业务经营的企业占多数。事实上，主导业务经营企业的主业收入占主营业务收入在70%以上，
LED显示屏高动态范围显示技术研究
LED显示屏高动态范围显示技术研究 向健勇1，范晓倩1，袁胜春2 (1西安电子科技大学技术物理学院，710071； 2西安诺瓦电子科技有限公司，710075) 摘要：LED显示屏在环境光的影响下，其显示图像的对比度和有效动态范围会产生一定程度的下降。所谓动态范围，就是一幅图像可见区域亮度的最大值与最小值之比。本文介绍了将图像高动态范围压缩至低动态范围，同时保留原图像感观质量的高动态范围显示技术，并仿真其应用于受环境光干扰的LED显示屏后效果。实验表明，该种技术可以有效提高被环境光影响的LED显示屏图像显示质量，显示图像更加接近真实效果。 关键字：LED显示屏环境光高动态范围显示技术 Study of Visualization of High-Dynamic-Range for LED Display Xiang Jianyong1, Fan Xiaoqian1 (1 School of Technical Physics, Xidian Univ., Xi’an 710071, China; 2 Xi’an Nova star Tech Co., LTD, Xi’an 710075, China) Abstract: Under the influence of environmental light,the contrast and effective dynamic range of the image, which is showed on the LED display,will produce a certain degree of decline.The so-called dynamic range,is the intensity ratio of the maximum and minimum of the visible region in an image.In this paper,we introduce the algorithms that can transform a high dynamic range image into a reduced dynamic range image while retaining important visual information,then apply them to the LED display which has been affected by the ambient light.Experiments show that this technology can effectively improve the quality of images on the LED display,and they are close to the real ones. Key words：LED Display Ambient Light Visualization of High-Dynamic-Range
胜任力模型构建三部曲
胜任力模型构建三步曲 2008-3-22 13:53:41 页面功能【字体：大中小】【打印】【关闭】 胜任力模型是现代人力资源管理的一项重要基础工作，通过胜任力模型的分析和建立，可以有效开展人力资源管理的各项工作，如招聘任用、培训、职业发展、薪酬、晋升、绩效评估等等。胜任力模型的建立是一项动态的系统工作，一般来讲，胜任力模型的构建分为构建胜任特征辞典、构建胜任力模型、人力素质测评与胜任力模型的检验修正等几个模块。以下将针对这三大步骤对胜任力模型构建逐一展开介绍。 一、构建胜任特征辞典 胜任特征辞典是提炼出的胜任特征的集合和胜任特征的分级描述记录，这些胜任特征对胜任力模型起到原料供应与测量尺度的作用；它可以看作为搭建胜任力模型的砖瓦以及测量胜任力模型的尺子。有了原材料和尺子，就可以对不同岗位进行胜任特征的提取组合，并对各岗位的胜任特征要求进行级别评价。 举例来说，假如某一个岗位的胜任力模型中要求具备“客户服务导向”胜任特征，那么如何才算具备了“客户服务导向”特征呢？胜任特征辞典会把客户服务导向分为若干级，举例其中的两级：“能够对客户的问题给予基本的答复，但不刻意探究客户的根本需求或问题的原因”：“建立起客户足以信赖的顾问角色，热情、周到、想客户所想，深入了解并为客户提供高质量的服务，发掘客户深层次的需要”。那么我们就很容易理解“客户服务导向”所表述的分级的意义了。有些岗位较低级别的“客户服务导向”就足够满足工作需要了，比如前台；但有些岗位就需要较高级别的“客户服务导向”才能够满足工作要求，比如售后服务。 构建胜任特征辞典就是对胜任特征进行归纳甄选并对胜任特征进行分级的一个过程。 二、构建胜任力模型 有了胜任特征词典，胜任力模型的构建就有了标准化的素材来源。不同的岗位对胜任特征的要求往往是不同的，但大多数特征都包含在了胜任特征词典中。 在这个基础上，针对不同的岗位，通过行为事件访谈法或者通过对熟悉该岗位的专家、人力资源专业人员、绩效突出的员工、外部咨询顾问等的综合研讨和评定，就可以提炼出胜任该岗位最需具备的胜任特征，从而确定该岗位的胜任力模型结构。 确定胜任力模型结构后，需要确定胜任程度。胜任程度一般按照基本满足岗位胜任要求、满足岗位胜任要求、高度满足岗位要求等三个层级确定胜任力模型中各个胜任特征级别的组合。举例来说，假如市场营销岗位的胜任力模型由：成就意愿、主动性、信息获取能力、人力理解力、客户服务导向、团队合作、自信、专业知识技能八项胜任特征组成，那么对于市场营销人员的胜任力模型可能如下表所示：
模型参数估计方法研究
LOGIT模型参数估计方法研究 金安 摘 要 离散选择模型，特别是LOGIT模型在交通需求模型建立过程中，应用非常广泛，许多实际的交通政策问题都涉及到方式选择，然而LOGIT模型的建立非常困难，尤其是效用函数及参数估计。本文重点就LOGIT模型参数估计的有关问题进行讨论，特别是运用统计方法如何对效用函数的变量进行选取及比较不同形式效用函数。 关键词 LOGIT模型 参数估计 t检验 似然率检验 1、引言 实践过程中，LOGIT模型效用函数不可能预先知道，模型师在建立LOGIT模型最初阶段几乎没有效用函数任何信息，最多认为在效用函数中会有哪些可能的变量，但也不能确定所有的变量是否都需要，更不可能知道哪些变量需要进行函数变换或效用函数参数的具体数值是多少。这些问题只有通过拟合合适的观测数据，并检验这些模型来确定哪一个最能够描述观测数据。本文主要介绍拟合和测试LOGIT模型方法。 2、 数据的要求 估计和检验过程的第一步是选择合适的观测数据，用于建立LOGIT方式选择模型的所需的数据有： 1）对个体实际方式选择行为的观测。例如，要建立工作出行方式选择模型，需要对上班出行者方式选择进行观测的数据。 2）所有被选择和没有被选择方式的相关属性值。这些属性可能作为模型中的变量。例如，假设总出行时间被认为是模型中的一个变量，则对于样本中每一个个体而言，所需数据包括每一种可能方式的总出行时间。如果属性数据仅包含被选择方式，LOGIT模型就不能建立。 3）任何可能作为变量的个体属性值。例如，汽车拥有水平，则需要样本中每个个体家庭汽车拥有水平数。 3、 模型的设定 所需数据收集后，下一步工作是设定一种或多种效用函数形式。设定步骤包括确定效用函数中变量、属性的函数变换以及效用函数的形式。这个步骤通常不确定效用函数参数值。例如，建立LOGIT方式选择模型，可以设定如下两种比选效用函数形式：形式1: V DA= a1T DA+ a2 A + a3(1a) V CP = a1T CP + a4 A + a5(1b) V B = a1T B(1c) 形式2: V DA= b1 log(T DA) + b2 A + b3(2a) V CP = b1 log(T CP) + b4 A + b5(2b) V B = b1 log(T B). (2c) 在这些等式中，T表示出行时间（分），A表示出行者家庭汽车拥有，a1 - a5和b1 - b5是参数。这个阶段设定的形式（1）和（2）并不意味着模型师必然相信其中一个是正确的，而是（1）和（2）都是模型师认为值得去估计和检验的效用函数形式。在估计和检验过程中，
数字图像处理课程设计(图像去雾)
数字图像处理 课设题目：图像去雾 学院：信息与电气工程学院 专业：电子信息工程 班级： 姓名： 学号： 指导教师： 哈尔滨工业大学（威海） 年月日
目录 一. 课程设计任务 (3) 二. 课程设计原理及设计方案........................ 错误！未定义书签。 三. 课程设计的步骤和结果 (6) 四. 课程设计总结 (8) 五. 设计体会 (9) 六. 参考文献...................................... 错误！未定义书签。
一. 课程设计任务 由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。为了解决这一问题，设计图像复原处理软件。 要求完成功能： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直 方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复 原图像与原始图像以及直方图均衡化后的图像； 3、设计软件界面
二. 课程设计原理及设计方案 2.1 设计原理 在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析和理解的性能. 在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为 （1） 式中, x 为空间坐标, A 表示天空亮度(Skylight), ρ为场景反照率, d 为场景 的景深, β为大气反射系数。图像去雾的过程就是根据获得的有降质的图像，即 I （x ）来推算出ρ的过程。 但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量固定，然后求解。 2.2 设计方案 2.2.1 白平衡 WP (White point) 算法, 也称为Max-RGB 算法, 利用R 、G 、B 颜色分量的最大值来估计光照的颜色。我们用天空亮度A 来取代最大值。对于A ，如果直接用图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域，然后取平均值为我们估计的天空亮度A 。然后方程（1）变为 （2） 2.2.2 估计大气耗散函数 ) 1()(d e A d e A x I ββρ--+-=d e d e A I ββρ- -+- =1/
素质模型的构建方法
素质模型的构建方法 Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】
素质模型的构建方法 素质模型（Competency Model，简称CM）作为现代人力资源的基础性管理工具之一，在企业人才招聘、选拔、考核和培训当中都发挥着极为重要的作用。而如何从企业自身的需要出发构建和应用符合本企业特点的素质模型体系，则是企业的人力资源决策者们需要认真考虑的问题。本文将对目前比较流行且便于操作的素质模型的主要构建方法进行介绍，供企业进行相关决策时参考。 素质模型的构建方法主要有行为事件访谈（Behavioral Event Interview，简称BEI）、专家小组(Expert Panel)、评价中心(Assessment center)和问卷调查(Survey)等四种。这些方法各有优缺点，在实际应用当中，企业应当从自身的需要去选择适当的一种方法或采用多种方法的组合，下面分别加以介绍。 1、行为事件访谈法 这种方法是目前在构建素质模型过程中使用得最为普遍的一种。它主要以目标岗位的任职者为访谈对象，通过对访谈对象的深入访谈，收集访谈对象在任职期间所做的成功和不成功的事件描述，挖掘出影响目标岗位绩效的非常细节的行为。之后对收集到的具体事件和行为进行汇总、分析、编码，然后在不同的被访谈群体（绩效优秀群体和绩效普通群体）之间进行对比，就可以找出目标岗位的核心素质。具体的操作程序如下图： 行为事件访谈法对访谈者的要求非常高，只有经过专业培训的访谈者才能在访谈过程中通过不断地有效追问，获得目标岗位相关的具体事件。在国内一般的企业当中，目前尚不具备独立使用这种方法来构建素质模型的条件，主要有以下几个原因：一是过去的考核体系不是很完善，很难区分出绩效优秀群体和绩效普通群体。这对于选取正确的访谈对象以及在不同群体间进行比较等方面难以保证客观性、准确性。二是需要大量的被访谈者，牵涉面比较广，中小型企业无法取得足够的访谈样本，即使部分企业有足够的访谈样本，也需要大量的人力、财力和物力去支持，这从企业投入与回报的评估角度来说可能不令人满意。在实际应用当中，行为事件访谈法更多地使用其简化模式，并与其它方法相结合。简化模式主要保留行为事件访谈的信息收集方法，用于确定素质模型的操作定义和行为描述。 不论是复杂的行为事件访谈还是简化的行为事件访谈，对其结果的要求都是必须能够直接应用于人才选拔、考核或培训。所以在成果上要有能够直接观察的行为指标作为依据。这样在实施关键行为事件访谈（Focus Behavioral Event Interview, 简称FBEI）来考察任职者的时候，就可以直接看他是否表现出素质模型所描述的行为和事件来判断他是否与目标岗位的素质模型相符合。 2、专家小组法 这种方法主要是召集对目标岗位有充分了解和深刻认识的专家，收集他们对目标岗位核心素质的看法和意见。这里的专家可以是组织内部有多年目标岗
胜任力模型快速建立的步骤详解完整版
胜任力模型快速建立的 步骤详解 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
胜任力模型快速建立的步骤详解 1、明确管理职责，找到难点、痛点 想解决工作中的难点、痛点，先要明确我们的工作职责是什么？ 首先，明确L2（一线主管）的上下级：从L1到L2是我干事到我们干事，要允许下属犯错，并勇于承担责任；从L2到L3，需关注不要越级管理并制订最佳战术，从L3到L4更应该关注战略的制订。 其次，明确L2的管理职责：4个小组得出了应具备的12条管理职责，根据管理的类型，被划分为三大类：管事、管人、管自己。 有了管理职责，那平时我们都是怎样做的呢？实现这样的职责，都用了哪些方法？ 找到实现工作的职责和方法后，新晋管理人员们顿悟，原来平时做了很多无用功，要抓工作中的重点才能创造价值。通过投票，找出公认的难题。 重回难点痛点产生的情境，通过STAR的正反面案例对比，4个小组对认领的话题展开了研讨和情景案例的模拟，提炼知识，共创出问题解决的方法。 L2（一线主管）胜任力建模 接下来就进入关键环节——通过北森GENE Card建立出大家认可的L2层级胜任力模型。 沈莉老师带着新晋管理人员们学习了目前几家企业在用的经典能力模型及北森的GENE Card。几家知名企业的能力模型，分别通过有递进关系的层级法和无递进关系的关键行为法展现。目前常用的建模方法有：在线测评、访谈、情景文件筐、轮岗、项目实践等。建立出的能力模型基本分为三大类：通用型、管理（层级）型、职类（专业）型。 几家企业在用的经典能力模型 北森GENE Card GENE Card通过将管理人员进行五个层级的分类，梳理出不同层级需要的通用能力要求，五个层级分别是：一般员工、一线主管、部门经理/总监、集团职能负责人/事业部总经理、集团高管： GENE Card的建模逻辑是岗位——挑战——胜任力。挖掘每个层级的挑战，根据挑战梳理出其需要具备的能力要求，这些能力要求就是岗位素质模型。
HDR图像色调映射的自适应色彩调节算法
0引言 高动态范围(High Dynamic Range,HDR)图像是一种可以记录实际场景亮度范围变化较大的图像,拥有更丰富的亮度层次,尤其是亮区域和暗区域的细节展现,远比普通图像更逼近现实的色彩效果。但HDR图像通过普通显示设备再现时存在动态范围不匹配问题,因此动态范围的压缩算法成为了研究的热点。 近年来,已经涌现出很多HDR图像色调映射(tone mapping)算法[1-4],例如KUANG J[3]等在图像色貌模型的基础上提出了iCAM06算法;REINHARD E[4]等提出基于摄影法的动态范围压缩算法。这些色调映射算法提供了将真实世界的亮度范围映射到输出媒介亮度范围的复杂方法,但它们通常会导致图像颜色外观的变化。最常见的色调操作是亮度压缩,会导致较暗的色调变得更亮并且扭曲对比关系[5]。这是由于调映射算法起初都是针对图像在亮度域进行压缩处理,但在处理彩色的高动态范围图像时,仅仅考虑亮度分量,忽略了在对亮度压缩的同时图像的色彩分量也被压缩了,颜色发生了变化。 本文提出图像经色调映射压缩处理后,在色域增加色彩调节算法,以解决因压缩后存在的褪色、偏色等色彩失真问题,从而提高图像的色彩表现。 1色彩调节算法描述 整个算法分为两个部分:亮度域处理和色域处理。亮度域处理是对采集得到的高动态图像在亮度域进行动态范围的压缩映射和限制对比度的自适应直方图均衡化处理,将图像的高动态范围映射到低动态范围内。色域处理包含两方面,一方面是色彩恢复处理,结合下文中所给曲线的特点,根据图像处理前后亮度比值自适应地调节色彩饱和度参数,对压缩后的图像色彩恢复;另一方面对恢复后的图像做色彩增强处理,解决图像拍 HDR图像色调映射的自适应色彩调节算法 陈文艺1,张龙2,杨辉1 (1.西安邮电大学物联网与两化融合研究院,陕西西安710021; 2.西安邮电大学通信与信息工程学院,陕西西安710021) 摘要:为了克服传统色调映射算法处理高动态图像过程中因忽略彩色分量而导致图像色彩失真的现象,给出一种自适应的色彩调节算法。该方法首先对图像在亮度域采用色调映射压缩处理,然后再转换到色彩域,采用色彩恢复和色彩增强算法处理亮度压缩后的图像,从而校正图像色彩。通过实验与其他两种算法处理效果进行对比,分别从主观方面和客观方面进行分析,结果表明,在色彩域增加色彩调节算法处理,可以有效降低色彩失真的影响。 关键词:高动态范围;色调映射;色饱和度;色彩恢复;色彩增强 中图分类号:TP391文献标识码:A DOI:10.16157/j.issn.0258-7998.180682 中文引用格式:陈文艺,张龙,杨辉.HDR图像色调映射的自适应色彩调节算法[J].电子技术应用,2018,44(11):107-110.英文引用格式:Chen Wenyi,Zhang Long,Yang Hui.Adaptive color adjustment method based on HDR image[J].Application of Electronic Technique,2018,44(11):107-110. Adaptive color adjustment method based on HDR image Chen Wenyi1,Zhang Long2,Yang Hui1 (1.Institute of Internet of Things and IT-based Industrialization,Xi′an University of Posts&Telecommunications, Xi′an710021,China; 2.School of Communication and Information Engineering,Xi′an University of Posts&Telecommunications,Xi′an710021,China) Abstract:In order to solve the problem of color distortion caused by ignoring color components in the process of traditional tone mapping inprocessing HDR images,an adaptive color adjustment method is presented.In the method,firstly the image is compressed by tone mapping in the luminance domain and then to the color domain,the color corrected image is processed using color recovery and color enhancement algorithms to correct for color distortion.Through experiments,it compares the method with the other two methods,and analyzes from the subjective and objective aspects respectively.The results show that adding color adjustment algo?rithm in color domain can effectively reduce the influence of color distortion. Key words:high dynamic range(HDR);tone mapping;color saturation;color recovery;color enhancement 107 《电子技术应用》2018年第44卷第11期
建立素质模型的流程和难点
在开始着手建立企业的素质模型之间，企业必须首先审视两个基本问题，这是建立员工素质模型的基础，也是保证我们一开始就能够正确行动的前提。 企业的战略是什么？制定并且实施战略计划的关键环节有哪些？因为企业试图建立的素质模型必定源于企业的战略，并且是能够支撑战略有效实施的那些核心素质，因此这一步骤在建立员工素质之前非常重要。 例如，在某公司的战略实施计划之中，A部门是关键部门，那么我们因此可以断定的是，一方面公司的发展依靠的是它能够为A部门吸引、培养以及维持具有管理者素质的经理人员的能力；另一方面，挖掘A部门具备的素质特征，并在企业范围内全面有效推广与复制这些素质特征才是素质模型建立的真正意义所在，因此在选定目标职位方面也就有了判断与决策的依据。 与实施战略计划的关键环节相关的核心职位有哪些？通常这些核心职位指的是那些由对公司业务的成败具有核心作用的人掌握的，承担实施战略的主要责任，控制关键资源（人、资金、技术、市场、客户等），可以产生价值增值的职位。对于企业而言，对这些关键的价值的增值的职位集中进行素质模型研究，开展人力资源管理活动都是非常有价值的。 在企业战略和目标职位都明确之后，员工素质模型即可按以下三个步骤进行开发。素质模型的建立通常有三种不同的方式，其中两种是： 一、成立专家组，依据问卷调查、访谈、头脑风暴等多种手段集中开发、评审与确认素质模型。该种方式花费的时间不长，适合面向较少职位的素质模型的开发。 二、面向未来尚不存在的职位或者没有太多的任职者可以提供优秀以及一般工作绩效的样本的职位，主要采取专家组论证、分析目前类似工作状况的方式进行素质模型的开发。 另外一种是员工素质模型建立的一般流程，主要分为两个阶段。第一阶段主要从事素质的研究与开发工作。这是一项基础性的、花费时间较长、对于素质模型建立非常核心与重要的工作，其中涉及的技术与方法也较多。由于素质的开发本身就是一个不断证伪、不断完善的过程，作为企业通用素质尚且如此，更何况个性化的专业素质，它们都体现着企业为实现战略目标对各专业系统能力的关注。因此在第一阶段完成之后，通常要有一个对素质模型的评估与确认过程。这个过程不仅要从各个专业系统的角度，把握系统内部不同级别人员之间在素质要求上的差异性，解决系统内部素质结构的合理性问题，还要从企业的角度，统筹平衡各个专业系统之间的素质层次与结构的匹配性，从而从整体上兼顾员工素质的要求。另外，评估的对象不仅要扩展到企业内部更多的职位与更多的人员，同时还要考虑将企业的其他管理措施与手段嫁接进来，从而为素质模型的应用营造良好的氛围与条件。对于那些比较成熟的行业，企业还可以采取所在行业的标杆企业的某些职位，在信息完备的前提下对素质模型进行标杆检验，使其对企业构建核心竞争优势更具现实指导意义。 在素质研究与开发阶段，还可以具体细分为五个步骤： 1、选定研究职位。要建立一套完整的素质模型通常要花费2个月~3个月的时间。即使仅仅对该职位安排行为事件访谈以及对访谈结果进行处理都需要30个左右的工作日，这对企业而言既不划算，又没有抓住重点。因此正如我们在前文所论述的，必须首先确定哪些是企业的关键职位，是值得企业对其进行这样投入的。一般可以通过收集分析组织结构图、战略计划执行记录或对企业高层进行访谈的方式进行。例如，企业高层管理者的管理能力是牵引企业全体员工职业能力发展的核心力量，从这个意义上讲，企业管理者是企业核心竞争力的中枢，因此对应于企业的所有管理职位都是企业的关键职位，研究与开发管理者素质模型也就成为建立企业素质模型的关键。另外，作为企业价值创造的核心环节，与技术研发、生产作业以及营销、客户服务相关的职位都应该视为企业的关键职位，只是考虑到企业的价值定位不同，上述核心环节有所侧重而已。例如对于服务型企业而言，营销以及客户服务环节的职位就显得尤为重要；对于高科技企业而言，技术研发环节的职位当然是重中之重。
模型构建的原则和主要步骤
1．试述模型的概念、特征和分类。 概念：模型是对现实世界某些属性的抽象 特征：（1）模型是现实世界一部分的抽象或模仿； （2）模型是由那些与问题有关的因素组成； （3）模型表明了有关因素之间的关系 分类：图形与实物模型；分析模型；仿真模型；博弈模型；判断模型2．模型构建的原则和主要步骤是什么？ 原则：（1）建立方框图；（2）考虑信息相关性； （3）考虑信息准确性；（4）考虑信息结集性 步骤：（1）形成问题；（2）确定系统的特征因素；（3）确定模型的结构； （4）构建模型；（5）模型真实性检验 3．建立模型必须有赖于反映系统特征的各种因素，根据因素在模型中所起的作用不同，可以将因素划分为哪3类？ （1）可忽略其影响的因素；（2）对模型起作用但不属于模型描述范围的因素；（3）模型所需研究的因素 4．试说明结构模型具有什么样的基本性质。 （1）结构模型是一种图形模型 （2）结构模型是一种定性分析为主的模型 （3）结构模型可以用矩阵形式来描述，从而使得定性分析和定量分析得到有效结合 （4）结构模型作为对系统进行描述的一种形式，正好处在自然科学领域用的数学模型形式和社会科学领域用的以文字表现的逻辑分析形式之间5．试分析邻接矩阵和可达矩阵各自的特点以及二者的区别。 邻接矩阵的特点：（1）矩阵中元素全为零的行对应的节点称作汇点，即只有有向边进入而没有有向边离开该节点；（2）矩阵中元素全为零的列对应的节点称作源点，即只有有向边离开而没有有向边进入该节点；（3）对应每一节点的行中，其元素值为1的数量，就是离开该节点的有向边数；（4）对应每一节点的列中，其元素值为1的数量，就是进入该节点的有向边数。
基于L0梯度最小化滤波和对比度受限直方图均衡的色调映射算法
第26卷，第1期中国传媒大学学报(自然科学版) 2019年2月JOURNAL OF COMMUNICATION UNIVERSITY OF CHINA(SCIENCE AND TECHNOLOGY)Vol26,No1 Feb,2019 基于厶梯度最小化滤波和对比度受限 直方图均衡的色调映射算法 段瑞，郭钺 （中国传媒大学信息工程学院，北京100024） 摘要:提出了一种基于梯度最小化滤波和对比度受限直方图均衡的色调映射算法。首先通过Reinhard全局压缩将图像映射到一个特定的范围，然后运用梯度最小化滤波将图像分为基础层和细节层，对基础层利用基于比例分配的对比度受限直方图均衡化算法以提高其对比度，最终将细节层和基础层合成，并利用原有颜色信息对图像进行Gamma校正。实验结果表明，本文所提算法在主观和客观实验中都取得了较好的效果，相较于经典算法，图像细节保真度好，层次丰富，较完整了保留了场景信息。 关键词：高动态范围图像；色调映射;梯度最小化滤波；对比度受限直方图均衡 中图分类号:TP391.41文献标识码：A文章编号：1673-4793（2019）01-0045-07 A Tone Mapping Algorithm Based on Gradient Minimization Filtering and CLAHE DUAN Rui,GU0Cheng （Information Engineering School,Communication University of China,Beijing100024,China） Abstract:This paper proposes a lone mapping operator based on L_0filter and contrast limited histogram equalization.First,the image is mapped to a specific range by Reinhard global compression,and then the image is divided into a base layer and a detail layer using L_0gradient minimization filtering,and a pro-portional一restricted contrast limited histogram equalization algorithm is applied to the base layer to en-hance contrast..Final,the result is combined by detail layer and base layer synthesis,with the original color information for image Gamma correction.Experimental results show that the proposed algorithm a-chieves good results both in subjective and objective https://www.wendangku.net/doc/219455970.html,pared with classical algorithms,it has good detail fidelity,rich layers,and complete scene information. Key words:high dynamic range image；tone mapping；gradient minimization filtering；CLAHE 可以展现出和真实场景相同的视觉感官。真实场景1引言中光照的动态范围可以达到，而普通的显示设备的 动态范围只有10‘，由于在动态范围方面的巨大差高动态范围图像和普通数字图像相比,是一种距，高动态范围图像无法直接在显示设备上输出。能完整记录场景光照数据的新兴图像解决方案，它色调映射算法通过将高动态范围图像映射为一张和 收稿日期:2018-05-04 作者简介：段瑞（1992-）,男（汉族），江苏徐州人，中国传媒大学硕士研究生.E-mail：582924605（?https://www.wendangku.net/doc/219455970.html,