西电科大计算机视觉复习提纲

什么叫滤波？1.8

形成一个新的图像, 其像素是原始像素的组合

线性滤波（互相关，卷积）指用相邻的线性组合（加权和）替换每个像素

什么时候用到滤波？1.8

从图像中获取有用信息，如提取边缘或轮廓

增强图像，如消除噪音，锐化和增强形象

典型的图像处理1.9

图像恢复，如去噪，清晰化

图像压缩

定位结构特征，如角点，边缘

相关和卷积的定义以及关系1.13

相关，每个像素的本地邻点和权重核之间的点积

卷积，同上，只是权重核反转（水平和垂直），满足交换律，分配律和结合律

高斯核，高斯滤波的形式1.29

，通过调节的值，来变换高斯滤波器的效果高斯滤波器，是一个低通滤波器，从图像中删除高频分量

以宽度为卷积两次= 以宽度*√2卷积一次

不同的滤波器，不同的参数有什么用

阈值不是线性滤波器

什么是边缘？2.6

边缘是图像强度函数中快速变化的地方

怎样通过图像的导数（一阶，二阶）来表示图像的边缘2.6 边缘对应于导数的极值

如何对一个数字图像F[X,Y]求积分？2.7

重建连续图像F，然后计算导数

采用离散导数（有限差分）

图像的梯度，幅值怎么算，方向怎么算2.8

梯度幅值，边缘强度由此定义梯度方向，边缘方向就是梯度方向

怎么去噪2.11

先做平滑

d(f*h)/dx的峰值就是边缘

几个算子2.16

Sobel算子，标准定义中没有1/8，但这不会对边缘检测产生影响，如果想要得到正确的梯度赋值，1/8项是必须的

什么叫非最大抑制2.23

抑制不是极大值的元素，搜索局部的极大值，即，检查像素是否沿梯度方向为局部最大值，需要插值像素p 和r

Canny边缘检测器，怎么做2.28

用高斯导数做滤波

获得梯度的幅值与方向

非最大抑制

连接与滞后阈值化

定义两个阈值，低和高

使用高阈值寻找边缘曲线的起点，用低阈值确定后继点

取决以下的参数

σ：高斯模糊的宽度，大的时候可以检测打出度的边缘，小的时候可以检测细微边缘

高阈值和低阈值

使用高斯平滑后的尺度空间的性质2.31

边缘位置随尺度σ的增大而变化

随σ增加，两条边缘有可能合并

随σ增加，边缘不可能分成两个

插值

提取特征的步骤4.19

特征检测

特征描述符

特征匹配

特征跟踪

局部特征的优点4.17

局部性，对遮挡和噪声鲁棒

数量，在一张图中很多

独特性，可以区分大量对象

效率，可实现实时性能

哈瑞斯角点检测的步骤4.40

计算图像中每个点的梯度

根据梯度创建H矩阵

计算H的特征值

查找具有较大相应的点（λmin>阈值）

选择哪些λmin是局部最大值的点

其中H矩阵为

Harris算子，Harris角点检测器

步骤

图像导数

导数的平方

高斯滤波器

角点函数-两个特征值都很强，Harris算子>阈值

非最大抑制

不能值检查x和y方向梯度很大的区域，因为一条对角线即可满足。

Harris尺度不变：

寻找使f 具有局部最大值的尺度：同时在位置和尺度上查找

实现方法：在高斯金字塔上使用固定大小的窗口(按理说改高斯的德尔塔，求得响应峰值的尺度)

图像拼接的步骤4.8

提取特征

匹配特征

对齐图像

图像不变性，如何通过特征描述表达图像的旋转，尺度不变性如何实现不变性不变性是指，即使图像被变换，描述符也不应该改变

如何实现不变性

确保检测器是不变的

设计不变的特征描述符

特征描述符实现旋转不变性

寻找图像块的主导方向，即，出现最多的梯度方向

按此角度旋转图像块

MOPS描述符

选取所检出特征周围40*40的方形窗口

缩放到1/5大小

旋转到水平

在以特征为中心的8*8方形窗口内采样

规格化，强度减去平均值除以标准差，均值为0，方差为1

SIFT描述符

在所检出特征周围取16*16的窗口

为每个像素计算边缘方向（梯度角度-90度）

去除弱的边缘（梯度幅值阈值）

为剩余边缘方向建立直方图

完整版

将16*16窗口划分为4*4单元格

计算每个单元格的方向直方图

16个单元格*8方向=128维描述符

将该128维向量归一化到单位长度

优点

异常健壮的匹配技术

其他描述符

HOG 梯度直方图，滑动窗口，用于行人检测

FREAK 快速视网膜关键点，感知动机，用于视觉SLAM LIFT 学习不变特征变换，基于深度学习

特征匹配

在给定I1中的特征，在I2中如何找到最佳匹配

定义距离函数来比较两个描述符

测试I2中所有的特征，找出距离最小的一个

图像滤波，更改图像的值域

图像卷绕，更改图像的定义域

图像变换有哪几种

平移，尺度放缩，旋转，仿射，投影，圆柱

卷绕有两种

前向和反向

线性变换的性质

原点映射到原点

直线映射到直线

平行线保持平行

比率被保持

线性变换的组合是线性变换

变换矩阵

任何最后一行为[0 0 1]的3*3矩阵表示的转换称为仿射变换基本的仿射变换，仿射变换的形式

仿射变换的性质

原点不一定映射到原点

直线映射到直线

平行线保持平行

保持比率

仿射变换的组合是仿射变换

透视（投影，Homographies）变换

最后一行不是[0 0 1]

原点不一定映射到原点

直线映射到直线

平行线不一定保持平行

不保持比率

投影变换的组合仍是投影变换

图像配准的算法流程及其优化方式

计算两个图像的图像特征

匹配两个图像的特征

使用匹配集计算单应映射矩阵的最小二乘解可能会出现离群点（外点）

最小二乘法

两个常见的优化问题

RANSAC完整版本

随机选择s个样本

使用这s个样本求解模型获得一个解（如直线）计数近似复合模型的inliers数

重复N次

选择具有最多inliers数的模型

实验轮数

创建全景图

特征检测

特征匹配

使用RANSAC计算单应矩阵

将图像组合在一起

相机的内参数，外参数

外参数，相机的在世界坐标系中的位置和方向

内参数，焦距f，主点（X’c,Y’c）、像素大小（Sx,Sy）

如何规范化相机

平移-C

旋转R

几个坐标系的转换

全景图的流程

从同一位置拍摄一系列图像，围绕其光心旋转相机

计算第二个图像与第一个映像之间的变换

变换第二个图像以与第一个图像部分重合

将两者融合在一起创建拼图

如果有更多的图像重复以上过程

如何将两个图像与同一相机中心相关联

在图像1中的每个像素上投射一束光线

绘制该射线与图像2相交的像素

什么时候用哪种投影

漂移问题的解决

在末尾添加第一个图像的另一个副本

这就给出了一个约束：Yn = Y1

有很多方法可以解决这个问题

增加位移（Y1 – Yn）/（n-1）到第一个后面的每幅图像

应用仿射卷绕：y‘=y+ax

求解一个大的优化问题，加入此约束

金字塔混合

创建拉普拉斯金字塔，混合每个级别

Alpha混合

求和：将每个像素点的RGB α值求和

归一化：将每个像素点的累计RGB值除以其α值

什么叫无穷远点（消失点）【无穷处一个点的投影】，怎么用特性：

任何两条平行线（3D）都有相同的消失点V

从光心C通过消失点V的射线与那些平行线平行

图像可能有多个消失点，每个点都是一个潜在的消失点

消失线

平面上的任意一组平行线都定义了一个消失点

所有这些消失点的联合是地平线（消失线）

不同的平面可以定义不同的消失线

提供了比较场景中对象高度的方法

深度图怎么求，他说就是一个三角形相似，很简单

的确简单极线

立体重建

标定摄像机

校正图像

计算平移量

估计深度

基本矩阵

一个特殊的3*3矩阵描述极线几何，称为基本矩阵F

F将图像1的齐次点映射到图像2的中的极线

点p在图2中的极线是：Fp

在对应点p和q之间的极线约束：q^TFp=0

基础矩阵（本质矩阵）刻画了什么关系

刻画了三维空间同原点的关系

基本矩阵的性质

Fp是与p’对应的极线

F^Tq是与q对应的极线

Fe1=0，F^Te2=0

F秩为2

相机标定和三角测量，分为哪几步，怎么标定

相机标定：

消失点估计投影矩阵

直接线性标定

如何最小化重投影误差

采用非线性最小二乘法进行优化（光束平差法）

SFM不总是唯一可解的

尼克逆转，旋转对象生成与其镜像对象在相反意义上旋转的相同图像。在透视投影下，图像是不同的。

SFM的应用

3D建模

测量

机器人导航与地图制作

视觉效果

为什么需要多视图

物体表面上的不同点在某些相机中更加清晰

可能有某些区域的特写

某些表面在某些视图中缩小了

某些点可能在某些视图中被完全遮挡

每个点测更多次可以减少误差

光谱是怎么出来的

光的表现取决于它的功率谱

每个波长有多少功率(或能量)

人眼能分辨出哪几个光谱

400nm-700nm

朗播反射率

I =Kd* N*L,，即图像强度= 对象反照率*表面法线*光方向，图像强度正比于COS(N 与L之间的夹角)

计算光源方向可以在现场放置一个铬球，高光显示的位置就是光源的位置

对象识别

几何时代

建立变换的模型来匹配两个图像中的特征对

基于外形模型

局限性，需要对模式进行全局对齐

对杂波、遮挡、几何变换不健壮

滑动窗口

局部特征

部件和形状模型

将对象分解为一组部件

部件之间的相对位置

部件的外观

特征袋

数据驱动的方法，深度学习

图像分类函数

最近邻kNN(k近邻) 线性分类器支持向量机(SVM)

怎么实现的

分类过程

收集带有标签的图像数据库

使用机器学习算法训练图像分类器

用测试图像评估分类器的效果

最近邻分类器

训练，记住所有训练图像及其标签

预测，找最近（最相似）的训练图像，预测其标签为结果K近邻（KNN）分类器

从训练数据中查找K个最接近的点

对k个最近点的标签进行投票

线性分类器

需要有评分函数，原始数据到类分数；

损失函数，预测分数与实际标签的一致性

曼哈顿距离和欧几里得距离

评分函数

S = f(x;W)=Wx

损失函数是怎么建立的，为什么要度量化，损失函数评估现有分类器的优劣

西安电子科技大学 数字电路基础 答案

习题4 4－3 解：该电路的输入为3x 2x 1x 0x ，输出为3Y 2Y 1Y 0Y 。真值表如下： 由此可得：1M =当时，33 2 321210 10 Y x Y x x Y x x Y x x =??=⊕?? =⊕??=⊕? 完成二进制至格雷码的转换。 0M =当时，33 2 32 132121 321010 Y x Y x x Y x x x Y x Y x x x x Y x =??=⊕?? =⊕⊕=⊕??=⊕⊕⊕=⊕? 完成格雷码至二进制的转换。

4－9 设计一个全加（减）器，其输入为A,B,C 和X(当X ＝0时，实现加法运算；当X ＝1时，实现减法运算)，输出为S(表示和或差)，P （表示进位或借位）。列出真值表，试用3个异或门和3个与非门实现该电路，画出逻辑电路图。 解：根据全加器和全减器的原理，我们可以作出如下的真值表： 由真值表可以画出卡诺图，由卡诺图得出逻辑表达式，并画出逻辑电路图： A B C X P 4－10 设计一个交通灯故障检测电路，要求红，黄，绿三个灯仅有一个灯亮时，输出F ＝0；

若无灯亮或有两个以上的灯亮，则均为故障，输出F ＝1。试用最少的非门和与非门实现该电路。要求列出真值表，化简逻辑函数，并指出所有74系列器件的型号。 解：根据题意，我们可以列出真值表如下： 对上述的真值表可以作出卡诺图，由卡诺图我们可以得出以下的逻辑函数： F AB AC BC A B C AB AC BC A B C =+++=??? 逻辑电路图如下所示： A F 4－13 试用一片3－8译码器和少量逻辑门设计下列多地址输入的译码电路。 （1） 有8根地址输入线7A ~1A ,要求当地址码为A8H,A9H ,…,AFH 时，译码器输出为 0Y ~7Y 分别被译中，且地电平有效。 （2） 有10根地址输入线9A ～0A ，要求当地址码为2E0H,2E1H, …,2E7H 时，译码器输 出0Y ~7Y 分别被译中，且地电平有效。

人工智能与计算机视觉

过去几年，全球的互联网公司包括谷歌、微软、Facebook以及中国的百度、阿里巴巴都在加强人工智能领域的投资，设立自己的人工智能研究院。vivo是第一家设立专攻人工智能方向研究院的中国手机公司。此举是vivo内部已经确立的一份3-5年的中长期发展的战略规划，未来对人工智能的发展研究是必然趋势，vivo公司创始人兼CEO沈炜曾表示“人工智能和5G的结合将会是5G时代手机发展的趋势”。 今年我们看到vivo在产品上不少创新，比如AI拍照、商用屏下指纹技术等等，这些都是基于生物特征(biometrics)的鉴别技术，除此之外还有对人脸、虹膜、指纹、声音等特征上的识别，这些大多涉及到视觉信息，正是体现了计算机视觉的应用性，那什么是计算机视觉呢? 计算机视觉技术的概念 正像其它学科一样，一个大量人员研究了多年的学科，却很难给出一个严格的定义，模式识别如此，目前火热的人工智能如此，计算机视觉亦如此。与计算机视觉密切相关的概念有视觉感知(visual perception),视觉认知(visual cognition),图像和视频理解( image and video understanding)。这些概念有一些共性之处，也有本质不同。 从广义上说，计算机视觉就是“赋予机器自然视觉能力”的学科。自然视觉能力，就是指生物视觉系统体现的视觉能力。一则生物自然视觉无法严格定义，在加上这种广义视觉定义又“包罗万象”，同时也不太符合40多年来计算机视觉的研究状况，所以这种“广义计算机视觉定义”，虽无可挑剔，但也缺乏实质性内容，不过是一种“循环式游戏定义”而已。 实际上，计算机视觉本质上就是研究视觉感知问题。视觉感知，根据维科百基(Wikipedia)的定义, 是指对“环境表达和理解中，对视觉信息的组织、识别和解释的过程”。根据这种定

教学大纲-西安电子科技大学

西安电子科技大学高等职业技术学院 “高等数学”教学大纲 一、教材内容的范围及教学时数 根据教育部高职高专规划教材之高等数学，其内容的范围包括：一元函数微积分学及其应用, 一元函数积分学及其应用，向量代数与空间解析几何，多元函数积分学，无穷级数，常微分方程。 教学时数：144学时课程类别：必修学分：9 学期：第一、二学期使用范围：工科所有专业及电子商务专业 二、教学的目的及要求 要求学生全面的掌握高等数学所涉及的基本概念，基本理论和基本运算能力的技巧，具有大专学习所必需的抽象思维能力、逻辑推理能力、空间想象能力以及综合运用所学知识分析问题和解决问题的能力。具体要求可分为较高要求和一般要求两个层次: 较高要求需要学生深入理解、巩固掌握、熟练应用，其中概念、理论用“理解”一词表述；方法、运算用“掌握”一词表述；一般要求也是不可缺少的，只是在要求上低于前者，其中概念、理论用“了解”一词表述；方法、运算用“会”或“了解”一词表述。 1．函数、极限、连续及具体要求 （1）理解函数的概念，掌握函数的表示方法 （2）了解函数的有界性、单调性、奇偶性和周期性 （3）理解复合函数概念，了解反函数和隐函数的概念 （4）掌握基本初等函数的性质及图像 （5）会建立简单应用问题的函数关系式 （6）理解数列极限和函数极限的概念，理解函数的左右极限的概念以及极限存在与左右极限之间的关系 （7）掌握极限的性质与四则运算法则 （8）掌握极限存在的两个重要准则，并会利用其求极限 （9）掌握两个重要极限的方法 （10）理解无穷小、无穷大的阶的概念 （11）理解函数连续性的概念，会判断间断点的类型 （12）了解初等函数连续性的闭区间上的连续性质（最大值、最小值和解介值定理）会解答相关的应用问题 2．一元函数微分学及具体要求 （1）理解导数的概念及其几何意义，会求平面曲线的切线与法线方程 （2）了解导数的物理意义，会用导数描述一些物理量 （3）理解函数的可导性与连续性之间的关系 （4）掌握导数的四则运算法则和复合函数的求导法则，会求反函数的导数 （5）掌握基本初等函数的求导公式，了解初等函数的可导性

计算机视觉技术

目录 1立体视觉 (1) 1.1计算机视觉技术 (1) 2立体视觉技术 (3) 2.1双目立体视觉技术 (3) 致谢 (8) 附录： (9)

立体视觉 我的毕业论文排版样文 1立体视觉 1.1计算机视觉技术 计算机视觉既是工程领域也是科学领域中的一个富有挑战性的重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中，其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学、神经生理学和认知科学等[18]。 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断和军事等领域中各种智能自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。“计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图像信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起[19]。”作为一门学科，计算机视觉开始于60 年代初，但在计算机视觉的基本研究中的许多重要进展是在80 年代取得的。现在计算机视觉已成为一门不同于人工智能、图象处理、模式识别等相关领域的成熟学科[20]。 不少学科的研究目标与计算机视觉相近。这些学科包括图像处理、图像识别、景物分析、图像理解等。由于历史发展或领域本身的特点这些学科互有差别，但又有某种程度的相互重叠。为了清晰起见，把这些与计算机视觉有关的学科从研究目标和方法角度加以归纳[21]。 （1）图像处理 图像处理技术把输入图像转换成具有所希望特性的另一幅图像。例如，可通过处理使输出图像有较高的信噪比，或通过增强处理突出图像的细节，以便于操作员的检验。在计算机视觉研究中经常利用图像处理技术进行预处理和特征抽取。 （2）图像识别 图像识别技术根据从图像抽取的统计特性或结构信息，把图像分成预定的类别。在计算机视觉中图像识别技术经常用于对图像中的某些部分(例如分割区域)的识别和分类。 第 1 页（共9页）

西安电子科技大学通信方向考研经验分享

西安电子科技大学通信方向考研经验分享 时间过去这么久了，现在有时间写些自己的经历。我考研那段时间就常在考研论坛上看学长写的经验，受益匪浅，很受启发。现在考上了，也把自己初试、复试的经历和心得写写，仅供参考。 本人是学电子信息工程的，报的西安电子科技大学的通信方向。学通信的都知道，西电的通信在全国是数一数二的。当时，我是下了很大决心才报的，压力自然很大。可以说，从七月份开始复习一直到考研结束，我没有敢放松过。虽然我过了西电通院的复试线，但我感觉考上的希望不大，最后没去复试(西电也打电话让我去复试了)，选择了去杭电(如果西电复试被刷，杭电就被耽误，只能去桂电了。好几个同学都是这样去桂电的。)没能去西电，我感觉自己尽力了，没有什么遗憾。我就是想拼一下，试试自己的能力。 数学 我是输在数学上。虽然我下了很大功夫，但可能是方法的问题，最后的效果不好。这里就不多说了。劝大家，复习前方法要找对，规划要做好，那样你会比较轻松，也有效果。李永乐的基础过关600题，作为中期强化，有时间的话还是做一下。同学反映这个不错。可惜我没做! 英语 英语单词这关，很重要。背单词，你别想着看一两遍就记住，除非你是过目不忘!相信大家都是凡银!我是一天规定看两个单元，早上花一小时翻两遍(注意是翻，不是背!我没有指望这两遍就记住，就是混个眼熟)，中午再花一二十分钟翻一遍(看单词，努力想意思;想不起来，就看意思，继续往后看)，晚上自习走之前再翻一遍，这次要做记号了，看哪些还是记不住。第二天早上在看第三、四单元之前，把昨天的两个单元再看一遍，着重看有标记的。这样，我一天两个单元，一周看十个单元，留出周四和周日复习，也会全放到周末复习。其实，我也是受到艾宾浩斯曲线的启发。看第一遍时，我强迫自己一定要用一个半月时间拿下，我做到了。后来，看起来就比较快了。最多是，我一天翻了二十个单元。当然，那是在我把整本书搞了至少三遍的情况下。光做标记，我就换了好几种颜色的笔。最后，单词书我翻了不止六遍! 单词搞定了，阅读里基本就没有生词了。有也就一两个我还背了些词根词缀。有用!有些词的意思，我能猜出来。阅读，有些是有技巧的。技巧，网上很多，要看自己摸索和感觉。我总结的有，但是感觉做真题还行，做模拟题不行。可能是模拟题的质量问题。再者，那技巧就是从真题里摸索出来的。对模拟题不灵。反正最后考研时，我就凭感觉做，啥技巧都没用(其实是没用上，考场上太紧张了，不容许你想那么多)，感觉对就选了。最后考的还行吧。所以，我建议大家别太相信技巧类的，还是把根基打牢，脚踏实地。 作文，模板太必要了。考前一周，我作文还没准备。自己也背范文了，但感觉没用，心里不踏实!考前三天，把两个同学准备的模板综合、整理成自己的。这几年的作文，都是社会题材，或好或坏，我就准备比较中性的模板，中间有几个替代的adj/adv.好的题材，就用

机器人视觉大作业

机器人视觉论文 论文题目：基于opencv的手势识别院系：信息科学与工程学院 专业：信号与信息处理 姓名：孙竟豪 学号：21160211123

摘要 文中介绍了一种易于实现的快速实时手势识别算法。研究借助计算机视觉库OpenCV和微软Visual Studio 2008 搭建开发平台，通过视频方式实时提取人的手势信息，进而经二值化、膨胀腐蚀、轮廓提取、区域分割等图像处理流程甄别出当前手势中张开的手指，识别手势特征，提取出人手所包含的特定信息，并最终将手势信息作为控制仪器设备的操作指令，控制相关设备仪器。 0、引言 随着现代科技的高速发展及生活方式的转变，人们越发追求生活、工作中的智能化，希望享有简便、高效、人性化的智能操作控制方式。而伴随计算机的微型化，人机交互需求越来越高，人机友好交互也日益成为研发的热点。目前，人们已不仅仅满足按键式的操作控制，其目光已转向利用人体动作、表情变化等更加方便、友好、直观地应用智能化交互控制体系方面。近年来，国内外科学家在手势识别领域有了突破性进展。1993 年B．Thamas等人最先提出借助数据手套或在人手粘贴特殊颜色的辅助标记来进行手势动作的识别，由此开启了人们对手势识别领域的探索。随后，手势识别研究成果和各种方式的识别方法也纷然出现。从基于方向直方图的手势识别到复杂背景手势目标的捕获与识别，再到基于立体视觉的自然手势识别，每次探索都是手势识别领域内的重大突破。 1 手势识别流程及关键技术 本文将介绍一种基于 OpenCV 的实时手势识别算法，该算法是在现有手势识别技术基础上通过解决手心追踪定位问题来实现手势识别的实时性和高效性。 基于 OpenCV 的手势识别流程如图 1 所示。首先通过视频流采集实时手势图像，而后进行包括图像增强、图像锐化在内的图像预处理，目的是提高图像清晰度并明晰轮廓边缘。根据肤色在 YCrCb 色彩空间中的自适应阈值对图像进行二值化处理，提取图像中所有的肤色以及类肤色像素点，而后经过膨胀、腐蚀、图像平滑处理后，祛除小块的类肤色区域干扰，得到若干块面积较大的肤色区域; 此时根据各个肤色区域的轮廓特征进行甄选，获取目标手势区域，而后根据目标区域的特征进行识别，确定当前手势，获取手势信息。

人机交互中的计算机视觉技术.

人机交互中的计算机视觉技术 基于视觉的接口概念 计算机视觉是一门试图通过图像处理或视频处理而使计算机具备“ 看” 的能力的计算学科。通过理解图像形成的几何和辐射线测定, 接受器(相机的属性和物理世界的属性, 就有可能 (至少在某些情况下从图像中推断出关于事物的有用信息, 例如一块织物的颜色、一圈染了色的痕迹的宽度、火星上一个移动机器人面前的障碍物的大小、监防系统中一张人脸的身份、海底植物的类型或者是 MRI 扫描图中的肿瘤位置。计算机视觉研究的就是如何能健壮、有效地完成这类的任务。最初计算机视觉被看作是人工智能的一个子方向, 现在已成为一个活跃的研究领域并长达 40年了。 基于视觉的接口任务 至今,计算机视觉技术应用到人机交互中已取得了显著的成功,并在其它领域中也显示其前景。人脸检测和人脸识别获得了最多的关注, 也取得了最多的进展。第一批用于人脸识别的计算机程序出现在 60年代末和 70年代初,但直到 90年代初,计算机运算才足够快,以支持这些实时任务。人脸识别的问题产生了许多基于特征位置、人脸形状、人脸纹理以及它们间组合的计算模型, 包括主成分分析、线性判别式分析、 Gabor 小波网络和 .Active Appearance Model(AAM . 许多公司,例如Identix,Viisage Technology和 Cognitec System,正在为出入、安全和监防等应用开发和出售人脸识别技术。这些系统已经被部署到公共场所, 例如机场、城市广场以及私人的出入受限的环境。要想对人脸识别研究有一个全面的认识,见。 基于视觉的接口技术进展 尽管在一些个别应用中取得了成功,但纵使在几十年的研究之后,计算机视觉还没有在商业上被广泛使用。几种趋势似乎表明了这种情形即将会发生改变。硬件界的摩尔定律的发展, 相机技术的进步, 数码视频安装的快速增长以及软件工具的可获取性(例如 intel 的 OpenCV libraray使视觉系统能够变得小巧、灵

西安电子科技大学电子信息科学与技术专业培养方案新整理新

电子信息科学与技术专业培养方案 一、培养目标及规格 电子信息科学与技术专业旨在培养爱国进取、创新思辨、具有扎实的数理、计算机及外语基础，具备电子信息方面的基本知识和技能，具有较强的无线电物理与微波、毫米波技术相结合的能力，具有较好的科学素养及一定的研究、开发和管理能力，具有创业和竞争意识，具有国际视野和团队精神，能适应技术进步和社会需求变化的行业骨干和引领者。 电子信息科学与技术专业针对不同发展要求的学生，确定专业学术型、工程实践型、就业创业型三种人才培养规格。 1.“专业学术型”：在学习的奠基阶段，强调打好数理、计算机及外语基础；在积累成长阶段针对专业学术型的学生进行电子信息基本知识和技能，无线电物理与微波、毫米波技术等方面初步培养；在能力强化阶段进一步加强技术创新和综合设计能力训练并对在该学科方向开展科学研究做好准备。毕业生可报电磁场与微波技术、无线电物理、无线通信等专业的研究生继续深造。 2.“工程技术型”：培养具有良好的数理基础和专业基础知识的技术创新与综合设计人才。掌握熟练的专业技能，具有工程素质，动手能力强，毕业生可从事工程技术应用与开发设计工作。 3.“就业创业型”：培养不但具有良好的数理基础和专业基础知识而且具备良好的外语沟通能力，知识更新能力，技术创新能力以及管理能力的人才。掌握较好的专业技能及工程素养，动手能力强。毕业生可以从事工程技术应用和管理工作。 二、基本要求 （一）知识结构要求 本专业按照4年制进行课程设置及学分分配。知识结构要求如下： 一、二年级主要学习公共基础课程，主要掌握高等数学、大学物理、外语和电路分析基础等基础知识。三、四年级主要学习专业基础课和专业课，主要包括电磁场与电磁波、微波技术、和微波遥感专业基础知识。使学生通过学习掌握扎实的数理基础和电子信息科学与技术专业方面的专门知识。 1. 公共基础知识：具有扎实的高等数学、大学物理、英语、计算机、人文社会科学基础知识。 2. 学科基础知识：掌握电路分析基础、信号与系统、模拟电子技术基础、数字电路与逻辑设计、微机原理与系统设计、数学物理方程、数值计算方法的相关专业知识。 3. 专业知识：掌握天线原理、量子力学、电磁场理论、电波传播概论、通信原理、微波技术基础的专业知识。 4. 实践类知识：具有电波测量实验、电子电磁技术实验、专业特色实验（微波应用）等的专业知识。 5. 能力素质知识：了解电波传播相关专业的最新动态，微波、毫米波天线技术方面的

人工神经网络大作业

X X X X大学 研究生考查课 作业 课程名称：智能控制理论与技术 研究生姓名：学号： 作业成绩： 任课教师(签名) 交作业日时间：2010年12月22日

人工神经网络(artificial neural network，简称ANN)是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能元件(即人工神经元)，按各种不同的联结方式组成的一个网络。模拟大脑的某些机制，实现某个方面的功能，可以用在模仿视觉、函数逼近、模式识别、分类和数据压缩等领域，是近年来人工智能计算的一个重要学科分支。 人工神经网络用相互联结的计算单元网络来描述体系。输人与输出的关系由联结权重和计算单元来反映，每个计算单元综合加权输人，通过激活函数作用产生输出，主要的激活函数是Sigmoid函数。ANN有中间单元的多层前向和反馈网络。从一系列给定数据得到模型化结果是ANN的一个重要特点，而模型化是选择网络权重实现的，因此选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法就能得到包含学习训练样本范围的输人和输出的关系。如果用于学习训练的样本不能充分反映体系的特性，用ANN也不能很好描述与预测体系。显然，选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法是ANN的重要研究内容之一，而寻求应用合适的激活函数也是ANN研究发展的重要内容。由于人工神经网络具有很强的非线性多变量数据的能力，已经在多组分非线性标定与预报中展现出诱人的前景。人工神经网络在工程领域中的应用前景越来越宽广。 1人工神经网络基本理论[1] 1.1神经生物学基础 可以简略地认为生物神经系统是以神经元为信号处理单元,通过广泛的突触联系形成的信息处理集团,其物质结构基础和功能单元是脑神经细胞即神经元(neu ron)。(1)神经元具有信号的输入、整合、输出三种主要功能作用行为。突触是整个神经系统各单元间信号传递驿站,它构成各神经元之间广泛的联接。(3)大脑皮质的神经元联接模式是生物体的遗传性与突触联接强度可塑性相互作用的产物,其变化是先天遗传信息确定的总框架下有限的自组织过程。 1.2建模方法 神经元的数量早在胎儿时期就已固定,后天的脑生长主要是指树突和轴突从神经细胞体中长出并形成突触联系,这就是一般人工神经网络建模方法的生物学依据。人脑建模一般可有两种方法:①神经生物学模型方法,即根据微观神经生物学知识的积累,把脑神经系统的结构及机理逐步解释清楚,在此基础上建立脑功能模型。②神经计算模型方法,即首先建立粗略近似的数学模型并研究该模型的动力学特性,然后再与真实对象作比较(仿真处理方法)。 1.3概念 人工神经网络用物理可实现系统来模仿人脑神经系统的结构和功能,是一门新兴的前沿交叉学科,其概念以T.Kohonen.Pr的论述最具代表性:人工神经网络就是由简单的处理单元(通常为适应性)组成的并行互联网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 1.4应用领域 人工神经网络在复杂类模式识别、运动控制、感知觉模拟方面有着不可替代的作用。概括地说人工神经网络主要应用于解决下述几类问题:模式信息处理和模式识别、最优化问题、信息的智能化处理、复杂控制、信号处理、数学逼近映射、感知觉模拟、概率密度函数估计、化学谱图分析、联想记忆及数据恢复等。 1.5理论局限性 (1)受限于脑科学的已有研究成果由于生理试验的困难性,目前对于人脑思维与记忆机制的认识尚很肤浅,对脑神经网的运行和神经细胞的内部处理机制还没有太多的认识。 (2)尚未建立起完整成熟的理论体系目前已提出的众多人工神经网络模型,归纳起来一般都是一个由节点及其互连构成的有向拓扑网,节点间互连强度构成的矩阵可通过某种学

计算机视觉简介

人们常说：眼睛是心灵的窗户，通过眼睛人们可以轻易地交流情感，眼睛也是与外界交流的窗口，这些都是通过“看”来完成的。 人们可以很容易“看到”一幅画，但这一“简单”过程并不如此简单，大致上它可以分为以下几个阶段：首先是通过眼睛将图成像在视网膜上；其次大脑对图像进行理解；最后根据处理的结果做出反应。用比较专业一点的语言来描述，该过程包括了识别、描述与理解三个层次；这其中还隐含了边缘检测（各物体的轮廓等）、图像的分割（各物体区域的划分）等阶段。以上实际上概述了视觉系统的三个层次，即低层阶段：基于图像特征提取及分割阶段；中层阶段：基于物体的几何模型与图像特性表达阶段；高层阶段：基于景物知识的描述、识别与理解阶段，这是根据先验知识介入的程度划分的，且实现起来也越来越困难。 毫无疑问，如何人工实现这一过程是极具挑战性和应用前景的一项工作，计算机视觉也因此而应运而生。计算机视觉是研究用计算机和成像设备来模拟人和生物视觉系统功能的技术学科，其目标是从图像或图像序列中获取对外部世界的认知和理解，即利用二维图像恢复三维环境中物体的几何信息，比如形状、位置、姿态、运动等，并能描述、识别与理解。 计算机视觉的基础是各种成像设备，例如CCD(Charge Coupled Device )摄像机（数码相机属于此类型）、红外摄像机、医学上常用的核磁共振成像、X射线成像等，这些设备不仅可以成像，还可以获取比人眼更丰富的图像，人们可以形象地把摄像机看成计算机视觉的视网膜部分。可以说从人类拍摄出第一幅图像开始，就为计算机视觉的诞生奠定了基础。 而计算机视觉的核心是数字电子计算机，其发展可谓突飞猛进，在计算和存储能力上，人脑已经无法与之相比，人们的目标就是利用计算机非凡的计算处理能力来代替人脑实现对图像的理解，而计算机日新月异的发展也使得这一愿望越来越成为可能。 用于指导“计算机”这个大脑运作的核心是计算机视觉的理论方法，计算机视觉使用的理论方法主要基于几何、概率和运动学计算与三维重构的视觉计算理论，它的基础包括射影几何学、刚体运动力学、概率论与随机过程、图像处理、人工智能等理论。在20世纪70年代，视觉研究大多采用模式识别的方法；80年代，开始采用空间几何的方法以及物理知识进行视觉研究；90年代以后，随着智能机器人视觉研究的发展，引入了许多新的理论与技术如主动视觉理论、不变量理论、融合技术等，并应用于许多计算机视觉系统中。 研究计算机视觉，不得不提的是英国已故科学家戴维·马尔（David Marr），他在计算机视觉发展史上可谓写下了浓重的一笔。在20世纪70年代末，他提出了第一个

车牌识别综合实验报告大作业

数字图像处理综合实验报告 车牌识别技术（LPR） 组长：__ ******_____ 组员：___ _****** _ ___ _******_____ ____ _*******___ 指导老师：___ *******_____ *****学院****学院 2010年6月10日

实验五车牌识别技术（LPR） 一、实验目的 1、了解车牌识别系统的实现，及车牌识别系统的应用； 2、了解并掌握车牌识别系统如何实现。 二、实验内容 1、车牌识别系统的图像预处理、 2、车牌定位、 3、字符分割 4、字符识别 三、实验原理 车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。 1、预处理 摄像时的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理。预处理的包括： 1）消除模糊—— 用逆滤波处理消除匀速运动造成的图像运动模糊 2）图像去噪。 通常得到的汽车图像会有一些污点，椒盐噪声，应用中值滤波 3）图像增强 自然光照度的昼夜变化会引起图像对比度的不足，所以必须图像增强，可以采用灰度拉伸，直方图均衡等 通过以上处理，提高了图像的质量，强化了图像区域。

2、车牌定位 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 ? 图像的灰度化 ? 图像灰度拉伸 ? 对图像进行边缘检测 采用Sobel 算子经行边缘检测 该算子包含两组3*3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A 代表原始图像，Gx 及Gy 分别代表经横向及纵向边缘检测的图像，其公式如下: A Gx *]101202101?????+-+-+-?????= and A *121000121Gy ?? ?? ? ---+++?????= 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 2 y 2 x G G G += 然后可用以下公式计算梯度方向。 ??? ? ??=x y G G arctan θ 在以上例子中，如果以上的角度θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。 ? 对其进行二值化 ? 纹理分析法 行扫描行法是利用了车牌的连续特性。车牌区域有连续7个字符，而且字符与字符之间的距离在一定范围内。定义从目标到背景或者从背景到目标为一个跳变。牌照区域相对于其它非车牌区域跳变多，而且间距在定范围内和跳变次数大于一定次数，并且连续满足上述要求的行要达到一定的数目。 从下到上的顺序扫描，对图像的每一行进行从左向右的扫描，碰到跳变点记录下当前位置，如果某行连续20个跳变点以上，并且前一个跳变点和后一个跳变点的距离在30个像素内，就记录下起始点和终止点位置，如果连续有10行以上这样的跳变点，我们就认为该区域就是车牌预选区域。 3、字符分割： 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。 ? 车牌区域灰度二值化

计算机视觉

计算机视觉 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 目录 1定义 2解析 3原理 4相关 5现状 6用途 7异同 8问题

9系统 10要件 11会议 12期刊 1定义 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。 计算机视觉是一门关于如何运用照相机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。我们中国人的成语"眼见为实"和西方人常说的"One picture is worth ten thousand words"表达了视觉对人类的重要性。不难想象，具有视觉的机器的应用前景能有多么地宽广。 计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它

的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 2解析 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的 计算机视觉与其他领域的关系 研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战（grand challenge）。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。为此我们将先介绍人类视觉。 3原理 计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现象人那样能识别和理解任何环境，完成自主导航的系统。因此，人们努力的研究目标是实现在高速公路上具有道路跟踪能力，可避免与前方车辆碰撞的视觉辅助驾驶系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用，但并不意味

西安电子科技大学卓越工程师教育培养计划校内课程大纲

西安电子科技大学卓越工程师教育培养计划校内课程大纲 《工程优化方法》 课程名称：工程优化方法/Engineering Optimization Methods 课程代码：0721005 课程类型：必修 总学时数：46学时 学分：3分 开课单位：理学院数学科学系 适用专业：适用于理、工等专业的卓越工程师硕士 课程的性质与目标 最优化方法是一门新兴的应用数学，是运筹学的核心部分，在工程科技、经济金融、管理决策和国防军事等众多领域具有广泛的应用。工程优化方法基于最优化的原理，着重介绍实用性、有效性强的各种实用优化算法。通过本课程的课堂学习和一定的上机实践使学生对工程优化方法的基本原理、算法的基本步骤、应用要点等有一个基本认识和初步掌握，培养和提高用优化方法解决某些实际问题的初步技能，为应用优化软件包解决实际工程问题奠定基础。 ?能够掌握最优化的基本原理、基本方法和应用技能 ?能够用工程优化方法解决简单的实际问题 ?能够熟练应用优化软件包进行计算 学时安排 课堂教学：学时：40 研讨课：学时：6 实践课：学时：10 总学时数：学时:46+10 教学方法 以课堂教学为主，采用板书与多媒体相结合的教学方式，讲授工程优化方法课程的基本原理和方法，既保证讲授内容的清晰，又兼顾师生的交流与互动。在对具体原理和基本方法的推导和证明时，采用板书讲解方式，以便学生能一步步跟上教师的思路。通过课后作业和上机实验加深学生对工程优化方法的理解，培养学生的应用能力，通过动手实践让学生理解从书本理论到分析问题、解决实际问题的过程，从而培养学生解决实际问题的能力。

先修课程 高等数学、线性代数、C语言程序设计、Matlab语言 课程综合记分方法 各部分的比重分别为： 平时成绩 20 % 实验成绩 30 % 期末考试 50 % 总计 100% 教科书 陈宝林. 最优化理论与算法.北京：清华大学出版社，2005. 推荐参考书 1.唐焕文，秦学志编著. 实用最优化方法(第三版).大连：大连理工大学出版社，2004. 2.袁亚湘，孙文瑜. 最优化理论与方法. 北京：科技出版社，2001. 3.J. Nocedal & S. J. Wright, Numerical Optimization（影印版）,北京：科学出版社，2006. * *本表注：对于表中第二列所列技能应对照附录A 理解。目标栏内以A, B, C, D 来表示对此条能力要求达到的程度，A 为最高要求，无要求则留空。接触指在教、学活动中有所提及但没有训练和测试要求；训练指有明确要求并有测试项目；应用指在教、学中有所应用而不论是否曾给与相关训练或考核。

人工神经网络大作业

X X X X 大学 研究生考查课 作业 课程名称：智能控制理论与技术 研究生姓名：学号： 作业成绩： 任课教师(签名) 交作业日时间：2010 年12 月22 日

人工神经网络(artificial neural network，简称ANN)是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能元件(即人工神经元)，按各种不同的联结方式组成的一个网络。模拟大脑的某些机制，实现某个方面的功能，可以用在模仿视觉、函数逼近、模式识别、分类和数据压缩等领域，是近年来人工智能计算的一个重要学科分支。 人工神经网络用相互联结的计算单元网络来描述体系。输人与输出的关系由联结权重和计算单元来反映，每个计算单元综合加权输人，通过激活函数作用产生输出，主要的激活函数是Sigmoid函数。ANN有中间单元的多层前向和反馈网络。从一系列给定数据得到模型化结果是ANN的一个重要特点，而模型化是选择网络权重实现的，因此选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法就能得到包含学习训练样本范围的输人和输出的关系。如果用于学习训练的样本不能充分反映体系的特性，用ANN也不能很好描述与预测体系。显然，选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法是ANN的重要研究内容之一，而寻求应用合适的激活函数也是ANN研究发展的重要内容。由于人工神经网络具有很强的非线性多变量数据的能力，已经在多组分非线性标定与预报中展现出诱人的前景。人工神经网络在工程领域中的应用前景越来越宽广。 1人工神经网络基本理论[1] 1. 1神经生物学基础 可以简略地认为生物神经系统是以神经元为信号处理单元, 通过广泛的突触联系形成的信息处理集团, 其物质结构基础和功能单元是脑神经细胞即神经元(neu ron)。(1) 神经元具有信号的输入、整合、输出三种主要功能作用行为。突触是整个神经系统各单元间信号传递驿站, 它构成各神经元之间广泛的联接。(3) 大脑皮质的神经元联接模式是生物体的遗传性与突触联接强度可塑性相互作用的产物, 其变化是先天遗传信息确定的总框架下有限的自组织过程。 1. 2建模方法 神经元的数量早在胎儿时期就已固定,后天的脑生长主要是指树突和轴突从神经细胞体中长出并形成突触联系, 这就是一般人工神经网络建模方法的生物学依据。人脑建模一般可有两种方法: ①神经生物学模型方法, 即根据微观神经生物学知识的积累, 把脑神经系统的结构及机理逐步解释清楚, 在此基础上建立脑功能模型。②神经计算模型方法, 即首先建立粗略近似的数学模型并研究该模型的动力学特性, 然后再与真实对象作比较(仿真处理方法)。 1. 3概念 人工神经网络用物理可实现系统来模仿人脑神经系统的结构和功能, 是一门新兴的前沿交叉学科, 其概念以T.Kohonen. Pr 的论述最具代表性: 人工神经网络就是由简单的处理单元(通常为适应性) 组成的并行互联网络, 它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 1. 4应用领域 人工神经网络在复杂类模式识别、运动控制、感知觉模拟方面有着不可替代的作用。概括地说人工神经网络主要应用于解决下述几类问题: 模式信息处理和模式识别、最优化问题、信息的智能化处理、复杂控制、信号处理、数学逼近映射、感知觉模拟、概率密度函数估计、化学谱图分析、联想记忆及数据恢复等。 1. 5理论局限性 (1) 受限于脑科学的已有研究成果由于生理试验的困难性, 目前对于人脑思维与记忆机制的认识尚很肤浅, 对脑神经网的运行和神经细胞的内部处理机制还没有太多的认识。 (2) 尚未建立起完整成熟的理论体系目前已提出的众多人工神经网络模型,归纳起来一般都是一个由节点及其互连构成的有向拓扑网, 节点间互连强度构成的矩阵可通过某种学

西安电子科技大学导师简介

导师介绍 机电工程学院各学科博、硕士研究生导师（按姓氏笔划排序） 工程力学（080104） 硕士生导师：仇原鹰徐亚兰陈贵敏杨勇 机械制造及其自动化（080201） 博士生导师：仇原鹰李团结苏玉鑫陈建军郑飞段宝岩贾建援周德俭（兼） 硕士生导师：马洪波马娟王芳林李凯杜淑幸邵晓东陈建军郑飞段江涛赵克殷磊崔明涛曹鸿钧陈永琴孔宪光仝勖峰许威杨东武 机械电子工程（080202） 博士生导师：段宝岩郑晓静仇原鹰王龙李志武邵晓东陈建军周孟初贾建援黄进王从思陈贵敏邱扬田文超 平丽浩(兼) 周德俭(兼) 杜敬利 Alessandro Giua Witold Pedrycz 硕士生导师：马伯渊仇原鹰王从思田文超田锦刘焕玲过润秋李志武杜敬利苏玉鑫邱扬邵晓东陈光达陈贵敏 郑飞段宝岩贾建援黄进段清娟段学超朱言午曹艳荣米建伟牛海军(校内) 机械设计及理论（080203） 硕士生导师：朱敏波许社教李团结陈建军亿珍珍 电子机械科学与技术（0802Z1） 博士生导师：李团结邵晓东郑飞保宏 硕士生导师：保宏朱敏波王伟宋立伟 工业设计（0802Z2） 硕士生导师：杨西惠张英李建坤邵晓东 精密仪器与机械（080401） 硕士生导师：王卫东田文超李团结张菊香黄进樊康旗 王从思陈光达

测试计量技术及仪器（080402） 博士生导师：刘贵喜王海李小平(校内) 郭宝龙(校内) 庄奕琪(校内) 李智(兼) 硕士生导师：于建国王海白丽娜任获荣朱红张玲霞 李智奇邱扬陈晓龙宣宗强赵克赵建孙璐 王辉肖建康高建宁(校内) 王松林(校内) 谢楷(校内) 方海燕 (校内) 方葛丰（兼）郭利强（兼） 电机与电器（080801） 硕士生导师：明正峰赵明英郑峰 控制理论与控制工程（081101） 博士生导师：李志武李智王龙周孟初 Alessandro Giua Witold Pedrycz 刘贵喜明正峰胡核算张强 硕士生导师：千博马伯渊王龙刘贵喜朱荣明过润秋张大 兴张强张菊香李智李志武陈光达屈胜利保宏 段宝岩贾建援韩保君王安荣郭金维侯叶胡核算李向宁 陈玉峰钟春富周孟初(兼) 郭宝龙(校内)

西安电子科技大学网络教育

西安电子科技大学网络教育 2010学年上学期期末考试模拟题2 课程名称： _机械工程材料_ 考试形式：闭卷 学习中心：_________ 考试时间： 90分钟 姓名：_____________ 学号： 一、填充题（共30分，每空一分） 1.弹性模量E值表征材料＿＿＿＿＿＿＿＿＿＿＿＿。弹性模量的大小主要取决 于材料的＿＿＿＿＿＿。它除随温度升高而逐渐降低外，其他强化材料的手段 如热处理、冷热加工、合金化等对弹性模量的影响＿＿＿＿＿。 2. 常将铸铁分为如下五大类：＿＿＿＿＿，＿＿＿＿＿，＿＿＿＿＿，＿＿＿＿ ＿，＿＿＿＿＿。 3.高聚物性能的一个主要缺点是＿＿＿＿＿。 4. 复合材料的增强体材料常用＿＿＿＿＿、＿＿＿＿＿以及它们的粒子和片状物； 而常用的基体材料有＿＿＿＿＿、＿＿＿＿＿、＿＿＿＿＿、＿＿＿＿＿等。 5. 材料的工艺性能是指材料加工成零件的＿＿＿＿＿＿＿＿＿＿。 6. 从形态来看纳米材料可分为＿＿＿＿＿、＿＿＿＿＿、＿＿＿＿＿三种。 7.珠光体是＿＿＿＿＿和＿＿＿＿＿组成的两相机械混合物，常用符号＿＿＿＿ 表示。 8.常见的冷加工工艺有：＿＿＿＿、＿＿＿＿、＿＿＿＿、＿＿＿＿。 常见的热加工工艺有：＿＿＿＿、＿＿＿＿、＿＿＿＿、＿＿＿＿。 二、问答题（共70分） 1. （8分）简述枝晶偏析现象，如何消除枝晶偏析。 2. （5分）合金的相结构有哪几种？ 3. （5分）冷塑性变形对金属性能的影响表现在哪些方面？ 4. （5分）金属的冷热塑性加工的区别是什么？Fe 的冷热塑性加工的区别点是多 高？ 5. （8分）说明钢热处理时影响奥氏体形成的因素有哪些? 6. （5分）退火的目的有哪些？ 7. （8分）解释淬火并说明其目的。 8. （8分）解释冷处理并说明其目的。 9. （4分）根据钢与可控气氛间发生的化学反应情况可控气氛热处理的可控气氛有 哪几种？

实用的解除酒后不适的方法(图文版)

★☆蜂蜜水——>酒后头痛 喝点蜂蜜水能有效减轻酒后头痛症状。美国国家头痛研究基金会的研究人员指出，这是因为蜂蜜中含有一种特殊的果糖，可以促进酒精的分解吸收，减轻头痛症状，尤其是红酒引起的头痛。另外蜂蜜还有催眠作用，能使人很快入睡，并且第二天起床后也不头痛。 ★☆西红柿汁——>酒后头晕 西红柿汁也是富含特殊果糖，能帮助促进酒精分解吸收的有效饮品，一次饮用300ml以上，能使酒后头晕感逐渐消失。实验证实，喝西红柿汁比生吃西红柿的解酒效果更好。饮用前若加入少量食盐，还有助于稳定情绪。

★☆新鲜葡萄——>酒后反胃、恶心 新鲜葡萄中含有丰富的酒石酸，能与酒中乙醇相互作用形成酯类物质，降低体内乙醇浓度，达到解酒目的。同时，其酸酸的口味也能有效缓解酒后反胃、恶心的症状。如果在饮酒前吃葡萄，还能有效预防醉酒。 ★☆西瓜汁——>酒后全身发热 西瓜汁是天生的白虎汤（中医经典名方），一方面能加速酒精从尿液排出，避免其被机体吸收而引起全身发热；另一方面，西瓜汁本身也具有清热去火功效，能帮助全身降温。饮用时加入少量食盐，还有助于稳定情绪。 ★☆柚子——>酒后口气

李时珍在《本草纲目》中早就记载了柚子能够解酒。实验发现，将柚肉切丁，沾白糖吃更是对消除酒后口腔中的酒气和臭气有奇效。 ★☆芹菜汁——>酒后胃肠不适、颜面发红 酒后胃肠不适时，喝些芹菜汁能明显缓解，这是因为芹菜中含有丰富的分解酒精所需的B族维生素。如果胃肠功能较弱，则最好在饮酒前先喝芹菜汁以做预防。此外，喝芹菜汁还能有效消除酒后颜面发红症状。

★☆酸奶——>酒后烦躁 蒙古人多豪饮，酸奶正是他们的解酒秘方，一旦酒喝多了，便喝酸奶，酸奶能保护胃黏膜，延缓酒精吸收。由于酸奶中钙含量丰富，因此对缓解酒后烦躁症状尤其有效。 ★☆香蕉——>酒后心悸、胸闷 饮酒后感到心悸、胸闷时，立即吃1～3根香蕉，能增加血糖浓度，使酒精在血