不变的选择（精选四篇）
不变的选择 篇1
赵亮:
“体育舞蹈是源自西方的东西,是一种充满异国文化沉淀的艺术。因此对我们来说,要想掌握其精髓就必须付出更多的努力,就像外国人学习中国的书法与诗歌那样,需要深入其中,掌握其文化内涵。国内外选手对舞蹈的理解不同使得我们对舞蹈的表现方式也不同。事实上,我认为中国选手在技术上相对外国选手更娴熟,但在情感的表达和对音乐的理解等方面还需要提高。”
今年参加黑池的中国选手中,赵亮和高雪可能是过去最早的一对了。“早一点能早点调整心理,适应比赛的节奏,进入最好的状态。去黑池我只希望能将自己的舞蹈再提高一些,无论是技术还是对舞蹈的感觉方面,都希望再提升一个层次,而且这个层次是侧重于意识层面的。”
2007年,赵亮在黑池舞蹈节上获得职业新星拉丁舞冠军,自此,国人对这位舞台上光芒四射、舞台下略显腼腆的大连小伙儿充满期待。对于赵亮个人来说,目前更侧重于内功的修炼。“我把每一次比赛都当成一次锻炼,希望每次都能在舞台上展现一个新的自己,让大家看到我的变化。”
高雪:
每年黑池节,在英国要待差不多一个月的时间,我们都是租房子住,一些私人公寓。首先会在伦敦跟国外的老师学习,到比赛的那个星期才会去黑池。 去黑池一般都是租车,自己开着去。通常我们这些在国内比较熟悉的选手会租在相邻的房子里,有时间的时候大家会约在一起做饭、洗碗,感觉很融洽很开心。
Blackpool Danc
张少杰:
每年去黑池学习和比赛已经成为张少杰的一种需要了,“记不得今年是第几次去了,以前去黑池是因为渴望与向往,现在就是比赛和学习的需要。”
黑池不能缺席,这是因为:第一,黑池舞蹈节是每年一次的世界最大的赛事,也是参加、观看人数最多的比赛,还是最大的舞蹈用品交流市场;第二,去黑池能使自己的舞蹈和英文水平更进一步。张少杰目前的舞蹈正处于寻求突破点的状态中,主要是突破动作连贯性和追求身体极限点两个方面。因此,去黑池比赛,他也是把心态放平,“最好不要先有过高的目标,多训练和上课吧,付出够多,目标会来找我的。去黑池主要还是学习,边学边赛最好不过,只赛不学或者只学不赛都不会有很大帮助。我个人认为造成欧美选手与中国选手差距的原因主要是两个方面:第一,我们起步时间比较晚;第二,文化历史背景不同。真正好的欧美选手在舞蹈技术和音乐细节、感情表现方面比我们更细腻更有感染力,这个是我们要多学习的”。
Blackpool Dance
张浩:
2005年张浩第一次参加黑池,最好成绩是职业新星组的前12名,进入了半决赛。不过,在今年同样是世界三大赛之一的英国UK大赛中,张浩已闯进决赛组,拿到了第五名的好成绩。“希望这次黑池能进入决赛”,这是张浩此行的目标。
课,自己目前需要突破的地方就是与舞伴之间的位置要更清晰些, 有些地方还不够自由,创造力不张浩说,往年去黑池都是直接参加比赛,没有学课,今年提前了一周,“以后想尽可能多学点够,我们需要一位了解我们的老师多加指点,多学一些东西。”
宋晓蓉:
的房子厨房比较方便，我们也开始自己做饭了。黑池的空气挺好的, 街道上开车时人们也比较有礼貌。 我和张浩还没有学会在英国放松下来,每次去英国心情都比较紧张,去了就是比赛、上课, 基本上也没有闲情去购物、逛街。 在英国住着相对国内心情也比较拘谨,毕竟是住在别人的房子里, 如果房东也在,需要跟房东一起生活,感觉不习惯。不过最近租
水清:
今年是第一次升职业组，不想给自己太大的压力。这次去黑池自己相当于一个新手,一切从零开始。放松心态去比赛,比成什么样我们都能接受,当然心里也希望能多进几轮。
马燕燕:
英国很安静,但天气很干燥,每次去我都要带很多护肤霜。黑池比伦敦冷很多,每次都至少要带一件厚外套,天气冷的时候,屋子里面会开暖气,这样就更觉得干燥,这让我有点不适应。 不过这种气候也有个好处,就是不会长痘痘哈。
英国人的时间观念很强, 无论做什么都是按时按点的, 很有秩序感。
第一次去英国的时候觉得很新鲜,也尽量找时间去旅游景点游玩,也购物.但后来发现,很多东西背面都印着“made in China”,所以后来也很少在英国买东西了。除了跟舞蹈相关的东西,每次在黑池我都会买一大堆舞鞋、布料等等。
Blackpool Dance
侯垚:
去年是我第一次参加黑池比赛,心情很紧张也很兴奋。黑池在我心目中就是一个舞蹈圣地,能去参加感觉梦想实现了,很开心。今年第二次去,很多东西应该会熟悉一些,会继续努力往上,希望进的轮数能多一点。
英国练舞室给我印象特别深刻。那里练舞的教室很小,但人却很多,所以得分组跳,每天能练的次数不多,所以每次练都很珍惜,练的效果也很好。而且在那里练舞经常能看到很多国外的高手,不练的时候站在一边专心地看他们练,感觉特别好。
个人感觉外国选手跳舞时的动律特别强,特别是拉丁,舞蹈动作非常迅速,很快很有动感。相比之下,中国选手的动律就显得弱很多, 打个比方来说,有时候中国选手跳的就好像是外国选手的慢动作版本一样。
庄婷:
不变的选择 篇2
纳雍县董地中心学校彭樱
尊敬的各位领导、各位同仁、观众朋友们：
大家好！
我演讲的题目是——《不变的信念，无悔的选择》。
2009年秋天，我带着创造一个激情生活的梦想，带着对教育事业的无限热爱，带着成为一名优秀山村教师的豪情，坚定而执着地踏入了纳雍县董地中心学校。做出这样的决定，是初生牛犊不怕虎，也是少年壮志不言愁，更是青春的理想与激情。从此我便与山村教育结下了不解之缘，“三尺讲台”便成就了我简单质朴的人生。
对于我的选择，曾有不少人这样问过我：“为什么不留在重庆那个家乡的大城市，却要选择贫困山村当一名特岗教师？”我坦诚地告诉大家：为了圆梦，一个幸福而美丽的梦！自从工作以来，我把每一个孩子都当做了自己的亲人,想他们之所想,急他们之所急。充分扶植孩子自信心，重视班上弱势群体的培．
养。我对后进生，尤其是那些“留守儿童”，始终用自己的爱心、诚心、耐心去感化他们，呵护他们。今年我在重庆过年。正月初一一大早，我们班一个孩子就打电话给我拜年。说了几句互相问候的话，正准备挂机，然而，孩子的一句话让我至今倍感温暖。她说：“老师，我想你！”此时此刻，我不会再想到她的作业做不好、不会再想到她常常迟到、也不会再想到她上课爱讲话等等，让我唯一想到的是：我没有白来！
农村有太多的留守儿童，他们都跟着爷爷奶奶或者外公外婆生活。一到冬天，可以看到孩子们冻得乌青发紫的嘴唇，通红的小手，还有一双双湿漉漉的鞋子永远保护不了他们长满冻疮的小脚„„然而他们天不亮就大老远地走一两个小时来学校，天天如此，从不迟到。很多孩子由于家离学校太远，中午都不回家吃饭，饿着坚持下午的学习„„老师们，现在就让我们伸出双手，为这些可爱的孩子们鼓鼓掌吧！（谢谢大家）半年来，我突然感悟：这群孩子才是我的老师！如果换成是我，我都不知道自己能不能够坚持。从他们身上我反而学到了一种精神——永不放弃。
是啊，从大城市到小乡村；从二十多年来一直由爸妈呵护有加到独自一人学会独立生活；从一个在家从没受过苦的独生女孩到独自一人奔赴偏远山村做一名特岗，是需要极大的勇气和毅力的。在这段时间里，我在生活和工作上也遇到了一些困难——像刚开始来工作时，因为没经验，做饭的蜂窝煤火常常会熄掉；我也不习惯5天才买一次菜，而且街上也没什么好买的；平时没菜了就常常泡方便面；使我不习惯的还有必须用手来代替洗衣机工作；但最恼火就是交通的不方便„„当然，我也曾为这些事落过无数次眼泪。我也想家，我也想我的爸爸妈妈！但这些都是我自己的选择，我觉得这些和孩子们遇到的困难相比，真算不上什么困难。条件虽然艰苦，但我心中充满了快乐，我也要学孩子们“永不放弃”的信念，努力实现自己的人生追求。
当然，在这个过程中，我还是个毫无经验的新手，学校“1+1青蓝工程”给予了我很大的帮助和支持。我还虚心向经验丰富的老教师们取真经，将学到的方法运用到我的课堂教学上。每每看着孩子们一天天成长，我心里别提有多美。这就激发了我更大的热情，更加坚定了我的信念。
成为山村一名特岗教师以来，一切的一切给了我巨大的心灵震撼，我深知自己肩负的担子神圣而沉重，我将更加坚定自己的选择，继续用青春和热情，把陶行知先生的“捧着一颗心来，不带半根草去”作为自己的人生追求。在以后的工作中，我将努力做到“三勤”：勤学习、勤探索、勤总结，使自己的教学水平迈上一个新的台阶。
我相貌平平，所以当不了美丽的鲜花；我身材矮小，所以当不了参天大树；但我可以做一棵平凡的小草，把根深深的扎进大山的泥土里，为创造徇丽的世界增加一片绿茵。
可爱的年轻的特岗教师们，让我们带上笑容，让我们携起手来，共绘山区教育的美好明天！
企业生死选择：变则通，不变则完 篇3
“我真的可以改变！”谁都会这样说，可悲的是，大多数企业并没有这样去做。一项调查显示，在困难面前，作出改变与不改变的比例为1：9。在全球市场竞争不断加剧的今天，我们急需打破现有的不适用的游戏规则。
IBM公司经营状况好转的关键，是工作重心从销售计算机硬件到提供“服务”的彻底改变，帮助顾客建立、运行自己的信息技术操作。这需要一个重大的文化转变做支撑——如果这样做对客户有利，那么IBM的员工就必须推荐客户从竞争对手那里购买产品。但是，这种激进的改变取得了成效：提供服务已经成为IBM的核心业务，也是它成功的关键。
不能作出改变的原因
改变人们的行为，是商业团体在动荡的世界中进行生存竞争所面临的最重要挑战。哈佛商学院教授约翰·科特在研究了几十家正在经历剧变的公司后说：“战略、结构、文化或系统从来就不是重点，事情的核心总是与人们行为的改变有关。”
那些人也许不得不应对在动荡的市场环境中产生的剧变，比如说，一个新的全球竞争对手的出现，或者是从一个受管制的环境到自由的环境的转换，或者是应对公司的重组、合并……而我们也许想改变自己的工作方式，比如，如何指导下属，如何面对批评。然而，我们经常不是不想改变，而是做不到。
CEO们理应是公司变革的主要推动者，但他们经常像别人一样拒绝改变，甚至倾向于倒退。迈克尔·艾斯纳就是近来最声名狼藉的反面教材。在他死于心脏病之际，终于听从妻子的建议，提拔迈克尔·奥维茨为第二执行官，以减轻他管理迪士尼公司的压力。但是，艾斯纳还是没有看透这个道理，从未给予奥维茨任何实质性的权利。
传统经验认为，危机能有效地引起改变。但是，严重的心脏病已经是最严重的个人危机了，它都无法激发人们改变的意识——至少激发得还不够。
为什么对人们来说，改变会这么难呢？大脑构造与我们顽固地拒绝改变有关吗？既然知道这样做对我们有利无害，为什么还要抵抗呢？
“动之以情在大多数情况下会使行为发生改变，”科特切中了要害，“这就算是对那些注重分析、数字测量的公司和那些自认为像MBA一样聪明的人都是适用的，它能帮助人们看清问题的实质，找到解决的方法。”
在20世纪90年代，成功地让IBM起死回生的郭士纳，也认识到了以情动人的重要作用。在他刚担任CEO的时候，郭士纳注重的是他在麦肯锡做咨询师时所学到的那一套：冷静的分析和战略。他认为他可以通过变卖资产、降低成本来使公司有所起色，但他很快就发现仅凭这些是不够的，他必须改变那种已经变得死板的、过于官僚化的根深蒂固的企业文化，即改变成百上千名员工的态度和行为。
郭士纳在记事本里写道，他意识到自己必须使员工们产生强烈的情感吸引力，“使他们摆脱死气沉沉的昏睡状态，提醒他们自己——你们可是IBM的员工啊”！他必须让自己在不同场合出现的数千小时保持并传递高涨的热情，而不仅仅是坐在办公室角落里商谈业务、分析电子数据表。
虽然郭士纳是很难相处、暴躁的，但是，他十分出色地完成了这一转变。他在改造数量庞大的员工时，展现了他作为一个迷人的、充满感情的演说家的一面。
制定出结构框架
加利福尼亚大学旧金山分校的医学教授迪安·欧尼斯博士，他和科特一样都意识到不受表面事实束缚的重要性。“告诉患者其健康情况是非常重要的，但这往往还不足以使人们作出改变，我们还需要借助经常被忽视的心理、情感及精神层面的东西。”欧尼斯设计的以素食为主、脂肪卡路里含量不超10%的整体计划，无需手术和药物治疗就能从根本上治愈心脏病。
1993年，欧尼斯说服奥马哈保险公司投资做了试验。研究人员找到333名患有严重动脉阻塞的病人作为研究对象，帮助他们戒烟，并按欧尼斯提供的饮食方法进食。病人参加每周两次的、由心理学家指导的互助会议，还要学习冥想、放松、瑜珈、有氧运动等课程。研究发现，3年后，77%的病人仍能坚持他们对生活方式的改变，而无须接受心脏搭桥手术。因此，奥马哈保险公司在每个病人身上节省了大约3万美元。
为什么传统的方法成功率很低，而欧尼斯的计划却取得成功呢？欧尼斯认为，医生一直利用病人对死亡的恐惧来激发他们改变的欲望，那是行不通的。死亡太吓人了，病人就会出现排斥心理，又回到原来的生活方式。欧尼斯不是用“对死亡的恐惧”来刺激他们，而是重新提出问题——“快乐地生活”，使他们相信不只可以活得更久，还能活得更好。
苹果CEO史蒂夫·乔布斯利用重新设定公司形象，使苹果峰回路转，这个故事很简单，充满了积极的意义，也很动人。在很长一段时间的赋闲之后，他又重新回到公司。当时，苹果在员工和消费者心目中的形象，都是一个在争夺市场份额的战争中落败的、被边缘化了的竞争者，他重新设定了公司形象，使其变成为数不多但令人羡慕的精英分子之家：敢做“想法与众不同”的富有创新精神的革新者。
同样，《纽约时报》主席和发行人阿瑟·萨尔茨伯格所做的如何把这份报纸从危机中解救出来，就是很好的例子。前总编辑豪厄尔·雷恩斯疏远了编辑部里的大部分职员，偏爱其中的几个人，从而破坏了原有的团队精神。在他所袒护的一个明星记者被揭发出制造假新闻后，雷恩斯也就下台了。这起丑闻对这家著名报纸的信誉构成了严重的打击。
萨尔茨伯格认为：我们是一家很好的报社，只是暂时误入歧途，其代价就是差点失去造就这种杰出工作环境的团队精神。只要我们承认错误，保证不再发生，多进行自我反省，就能保持我们优异的工作表现，重新获得团队精神。
为了达到这些目标，萨尔茨伯格让新的总编辑比尔·凯勒（他是一位受人尊敬的退伍军人，在他身上体现了报社所丧失的团队文化）取代雷恩斯的位置，并指定一位“大众编辑”在一个专栏里对报纸提出批评。果然，不久
后，《纽约时报》新闻覆盖率又回到了正常的轨道。
彻底的改变
几年前，在施乐公司陷入危机的时候，他们的管理人员想出一个新办法：改变销售人员一直以来的工作方式。“所有的销售人员在他们的整个职业生涯中，都在做同一件事，”施乐北美地区总裁詹姆斯·费尔斯通（在他手下工作的销售人员有5400人）说，“他们会上门看一眼复印机，然后说它有多么陈旧，再买台新的。他们知道怎么做。”他们工作的程序都是可预见的，所以他们可以制订出每天、每周，甚至每年的工作计划。这种做法是不错，但是，它已经不再有效了。
根据新的工作方式，销售人员应该真正设身处地地为用户着想，并适时推销像扫描仪和打印机等其他产品。也许他们会发现客户实际上并不需要那么多功能更齐全的机器。了解客户的需求，意味着销售代表必须花更多的时间与更多的人进行交谈。这就打破了他们日常工作中那种惬意的可预见性。费尔斯通回忆说，销售代表会变得很担心。
施乐公司迟迟不为他们提供所需的支持，加剧了员工们的担心。通常要两个月之后销售人员才会被安排接受这种新方法的培训。而在两年之后，公司才改变了它原来的薪酬激励制度，来更好地适应这种新的模式。因为，在这种模式下，销售代表必须花费更多的时间和精力才能做成买卖。尽管如此，努力销售更多产品的员工们，最终使施乐免于破产，重新盈利。
“人们要有信心，相信这些过程会在公司内部形成一个整体，”费尔斯通说，“大公司的改革就经常败在这一点上。”就算改革始于公司金字塔的顶端，它也很容易在中间某个环节失败了。这也解释了为什么施乐现在还保留“联合研讨会”：让中级经理（那些执行这些步骤的人）揭露和概括出公司的体制究竟是如何抵制其变革日程的。
贝恩管理咨询公司研究了21例最近的企业改革，发现大多数都是在短短两年甚至更短的时间内就“充分完成”了，没有一家公司的改革超过3年，而且手段都激进——在几乎所有的案例中，CEO都更换了高管层的大部分人。而公司也几乎总是能够得到快速切实的成果，在复兴的过程中，它们的股票价格以平均每年250％的速度增长。
不变的选择 篇4
为了使检测算法不但拥有较高的检测性能和准确率,而且降低其信息计算量,研究人员相继开发了基于图像轮廓利用的检测方法。如吴军等人[7]采用中心投影耦合非下采Contour-let变换来提取局部不变特征,通过中心投影得到图像的轮廓,通Contour-let变换建立局部不变特征,实验结果表明该算法具有很好的不变性,可重复率性能较好。林晓泽等人[8]提出了基于轮廓的图像局部不变特征检测方法,其首先提取Log角点,然后通过选取相对不变的点来创建不变区域,仿真实验显示了该检测方法具有很好的鲁棒性能。这些方法都属于基于轮廓利用的不变区域检测,其性能是目前最好的,但是由于该方法的相对不变点不稳定,容易遭遇到轮廓噪声以及仿射的不利影响。
为了解决上述不足,本文提出了固定尺度椭圆耦合稳定相对不变点选取机制的图像局部不变区域检测算法。为了获得更优异的Do G角点,本文引入S变换,优化了Canny算子,并将优化后的算法融合多尺度乘积Do G(difference of Gauss)算法,提取出信息丰富的Do G角点,降低了计算复杂度,提高了检测速度;引入拟合技术,设计了特征方向确定规则;并根据该特征方向,定义了稳定相对不变点的提取机制;最后连接拟角点和相对不变点,构建直角三角形,建立固定尺度椭圆不变区域,提高了算法的稳定性,并有效消除了仿射变换带来的偏差。通过仿真实验测试本文算法和其他几种算法。
1 基于固定尺度椭圆与稳定相对不变点机制的图像局部不变区域检测算法
本文算法的流程图如图1和图2所示。
算法描述
步骤1:Do G角点提取。
(1)假设初始图像I的尺寸为256×256。采用Canny算子提取其轮廓,令轮廓为L。由于Canny算子易遭遇噪声干扰,会出现虚假轮廓。对此,本文将引入S变换到Canny算子中,得到S-Canny算子。S变换模型如下:
式(1)中,h(t)代表信号;f是频率;μ代表时间;e-i2πft为相位函数;代表标准因子。
嵌入e-i2πft,提高了S变换鉴别真实与虚假轮廓的能力。以中频系数为对象,则S变换的中频相邻系数乘积g(f):
将S变换中频相邻系数的绝对值进行乘积运算后,有效消除了噪声的干扰。再利用该系数进行非极大值滤波与阈值处理。完成图像轮廓提取,如图3(b)所示。构造阈值t方程:
式(3)中,;m(t)代表小于t的Ni数目;n(t)为≥t的Ni数目;Mn代表Ni的均值,Me为Nj的均值;Ni、Nj均代表噪声。
(2)在L随意择取点pi,并以此点建立坐标系W。若L由n点构成,根据初始坐标I,则其函数为
式(4)中,CI代表图像坐标系下的轮廓。
(3)在普通Do G函数基础上,引入多尺度卷积方程,结合公式(3),得到多尺度乘积Do G算子:
式中,k代表轮廓曲率;σ代表尺度因子;Do Gk,σ代表单个Do G函数;C(Do Gk,σ)代表单个Do G转换;MPD(k)代表多尺度Do G算子;σi为第i个尺度;m为控制因子;N代表尺度数量;∏代表卷积运算。
(4)利用多尺度乘积Do G算子,从图像中抽取出一个Do G角点P,如图3(c)所示。
步骤2:特征方向确定。
(1)再将CI切换成坐标系W下的轮廓;若(m,n)为pi在图像中的位置,则坐标系W下的轮廓CT为
(2)在p'i两侧的轮廓上各择取k个点,形成两条线段:
式中,ISk(p'i)、r Sk(p'i)分别代表p'i点两侧的曲线段
(3)引入拟合技术[9],把ISk(p'i)和r Sk(p'i)拟合为直线。其斜率为
式中,k1代表ISk(p'i)对应直线的斜率;k2代表r Sk(p'i)对应直线的斜率。
(4)根据k1和k2,计算这两条直线的角平分线夹角θi∈[0,2π]。首先求出两条直线的角度θi1与θi2;再取二者的均值:
式中,V=1,2,3,4代表拟合直线对应的象限。根据拟合点在坐标系的位置确定象限。
(5)根据步骤中求得的θi,求出角平分线的斜率kp;并以kp为特征方向,见图3。kp计算模型如下:
显然,本文以包含丰富信息的角点和以及稳定的角平分线为基准,且角点与相对不变点间的距离是固定的。
步骤3:稳定相对不变点P'的提取。
(1)以角点pi为基点,将直线c视为pi的角平分线,在pi点右侧平移直线c;当平移过程经过k个点后,pi变成pi+k,则变为d。如图5所示。
(2)构造pi+k的直线方程:
式(17)中,K代表角平分线的斜率。
(3)择取pi+k两侧的邻近点pi+k-n与pi+k+n,若pi+k-n、pi+k+n、pi+k三点在同一侧,将这两点引入公式(17)中:
根据公式(18),若得到同号的值,即
(4)则直线c停止移动,那么此时的pi+k为相对不变点。也就是:直线c与轮廓L的切点为相对不变点;若γ1×γ2<0,则继续向前移动;若到达了轮廓L的末端,则将L的端点视为相对不变点。
从上述步骤可知,相对不变点主要受轮廓与角平分线的控制。因角平分线的尺度与旋转是固定的,从而使得相对不变点也是如此。因本文是采用平滑轮廓,因此该相对不变点能够较好地处理角平分线偏差问题。
步骤4:构造固定尺度椭圆,对图像局部不变区域进行检测。结果如图6所示。箭头代表区域位置;其椭圆代表区域尺寸;其指向代表特征方向。
(1)连接P点与P',创建直角三角形,如图2(d)所示。其中,r1,r2均为其直角边。
(2)以r1,r2为椭圆的长半轴与短半轴,P为中心点,kp为方向,建立固定尺度椭圆不变区域。
显然,本文以包含丰富信息的Do G角点以及稳定的角平分线为基准,且角点与相对不变点间的距离是固定的,使本文椭圆达到固定尺度,且具有很好的稳定性。
2 实验结果及分析
在MATLAB平台上测试本文算法相关性能。仿真环境为:因特尔奔腾Ⅵ2.0 GH z,双核CPU,4GB的内存,Windows XP系统。为了体现本文算法的优越性与合理性,设置了对照组。对照组为:①性能最优异的EBR算法,记为A;②文献[5],令其为B。在USC-SIPI图像数据库选取5组图像;再分别对其进行如下处理:尺度放大;模糊;光照;旋转;高斯噪声干扰。如图7~图11所示。并从可重复率以及检测速度两方面作为评估指标。从图像中分别检测椭圆局部不变区域,根据二者的重叠面积作为匹配的指标,本文设定重叠面积为45%,若其达到45%,则视为匹配。取3个相对不变点;且公式(15)中的k=8。
2.1 可重复率
该性能是评估图像局部不变区域检测技术的重要指标,它可直接反映出被检测图像对应特征的相似率。其模型如下[8,10]:
式(20)中,r代表可重复率;min(m1,m2)代表被测图像里最少特征数量;C(m1,m2)代表相应的特征个数。图7(f)为图7(a)~图7(e)对应的可重复率性能。从图中可知,本文算法的可重复率最高,略比A高。随着尺度放大,可重复率性能下降幅度减小,当放大6倍时,本文算法的可重复率高达68%;而B算法则交差,在放大6倍后,其可重复率下降为60%。主要原因是本文算法构造了固定尺度椭圆以及建立稳定相对不变点提取机制,使得该算法的Do G角点相对于其他算法而言,较为稳定,拥有较强的鲁棒性能和抗外界干扰性能,且其所含信息非常丰富;而其他两种算法不具有稳定性,容易受到噪声、光照等外界干扰,导致性能不理想。
从图8(f)可知,当模糊程度不断增加,A算法的可重复率性能不断提升,而本文算法与B算法都在下降;在模糊级别较小时,本文算法的可重复率最高;模糊程度大时,A算法性能最好,始终保持高于本文算法,幅度为5%左右。
从图9(f)可知,当旋转角度达到90°时,三种算法的可重复率都达到了最大值,分别为90%、86%以及77%。可见,本文算法的性能是最优的。因为本文算法充分利用了角平分线的独特优点,构造了固定尺度椭圆以及稳定相对不变点提取机制,使得该算法的Do G角点所含信息较为丰富;且引入了S变换,使得轮廓性能更加优异,使得本文算法拥有较强的鲁棒性能和抗干扰性能,而其他两种算法的稳定性不佳,易受到噪声、光照等外界干扰,导致性能不理想。
从图10(f)可知,随着亮度程度的增加,这些检测算法的可重复率性能都会发生变化。其中,本文检测算法表现出稳定的可重复率性能,随着亮度程度的增加,变化趋于平稳,维持在81%左右;而另外两种检测机制则表现出不稳定性能,虽然A算法在亮度增加程度较小时,其可重复率最大,但是当亮度急剧增加时,其可重复率性能迅速下降,最后达到67%左右;B检测方法的性能最差,呈直线下降趋势,最后约为58%。可见,本文检测算法的性能是最优的。因为本文检测算法引入了S变换和多尺度乘积Do G算子,使其提取的轮廓具有很好的抗光照和高斯噪声的能力,使得本文算法拥有较强的鲁棒性能和抗干扰性能。
从图11(f)可知,本文检测算法的抗噪声干扰能力最强,随着高斯噪声的逐步增加,其可重复率出现小幅度下降,但是逐渐趋于稳定状态,可重复率保持在61%;而A算法抗噪声干扰能力不佳,可重复率在不断减小;B检测方法的性能最差,下降幅度较大,最后约为44%。这种现象的主要原因是本文检测算法引入了S变换,且充分利用了角平分线的稳定优势,显著增强了算法的抗噪声能干扰能力,使得本文算法拥有较强的鲁棒性能;而其他两种算法都是使用了普通的Canny算子提取轮廓,使其轮廓抗高斯噪声的能力较差。
2.2 算法检测速度对比
从USC-SIPI图像数据库选取80幅经过不同处理的图像进行测试,记录每次检测和匹配时间,然后取平均值。本文算法的特征匹配如图12所示。结果如表1所示。从表1可知,本文算法的检测时耗与特征匹配时间最短,时间总耗分别为:18 229 ms、1 071 ms。这表明该算法具有很快的检测速率与匹配速率。
3 结论
为了使图像局部不变区域检测算法具有良好的稳定性;且提高其抗外界干扰能力,并提高其检测速度,本文引入S变换,结合Canny算法,获得S-Canny算子,提取优异的轮廓;并将其融合多尺度乘积Do G算子,在图像上抽取出Do G角点;嵌入拟合技术,设计了特征方向确定规则;定义了稳定相对不变点的提取机制;最后构建直角三角形,建立固定尺度椭圆不变区域;最终提出了固定尺度椭圆耦合稳定相对不变点选取机制的图像局部不变区域检测算法。借助仿真技术测试了本文算法性能。仿真数据显示了本文检测算法的优异性能。
参考文献
[1] 闫家梅.基于SIFT特征的人脸识别.科学技术与工程,2013;13(5):1219—1222Yan Jiamei.Face recognition based on SIFT features.Science Technology and Engineering,2013;13(5):1219—1222
[2] 朱齐丹,刘学,蔡成涛.高鲁棒性和独特性的图像局部不变特征描述.系统工程与电子技术,2013;35(9):78—83Zhu Qidan,Liu Xue,Cai Chengtao.Image local invariant feature description with highrobustness and uniqueness.System Engineering and Electronics,2013;35(9):78—33
[3] 谢毓湘,栾悉道,陈丹雯.一种基于局部不变特征的图像特定场景检测方法.国防科技大学学报,2013;35(3):1983—1988图12本文算法对应的特征匹配Fig.12 The feature matching of algorithm in this paper Xie Yuxiang,Luan Xidao,Chen Danwen.A method of specific image scene detection based on local invariantfeatures.Journal of National university of Defense Technology,2013;35(3):1983—1988
[4] 柳涛.基于多通道图像MSER局部不变特征提取算法研究.合肥:国防科学技术大学研究院,2010Liu Tao.Theextraction research study on the MSME local invariant features based on Multi channel image.Hefei:Institute of National University of Defense Technology,2010
[5] 杨恒,王庆.一种新的局部不变特征检测和描述算法.计算机学报,2010;33(5):935—941Yang Heng,WANG Qing.A new local invariant features detection and description.Chinese Journal of Computer,2010;35(5):935 —941
[6] 吴军,孙涛,李康顺.组合中心投影和NSCT的图像不变特征提取.电视技术,2013;37(17):197—202Wu Jun,Sun Tao,Li Kangshun.The extraction for image invariant features based on the combination center projection and NSCT.Video Technology,2013;37(17):197—202
[7] Mezaris V,Dimou A,Kompatsiaris I.Local invariant feature tracks for high-level video feature extraction.Lecture Notes in Electrical Engineering,2013;158(77):165—180
[8] 林晓泽.基于轮廓的图像局部不变特征检测算法.重庆:重庆大学,2012Lin Xiaoze.The algorithm for image local invariant features based on profle.Chongqing:Chongqing University,2012
[9] 田垅,刘宗田.最小二乘法分段直线拟合.计算机科学,2012;39 (6):482—484Tian Long,Liu Zongtian.Least squares linear fitting.Computer Science,2012;39(6):482—484