特征描述论文范文（精选10篇）
特征描述论文 第1篇
在对吴起油田沉积微相的研究过程中, 首先对钻井岩芯剖面进行观察描述、结合录井资料和分析化验资料等进行综合研究, 掌握了沉积学信息, 运用沉积学和测井地质学原理, 建立了可反映沉积体系基本特征和几何形态的沉积微相类型及微相单元。
根据全区沉积环境分析, 钻井剖面和岩芯的观察以及测井曲线、岩石粒度分析等综合资料, 总结长6地层的沉积相标志, 认为长6油层属于河控三角洲沉积体系中, 三角洲前缘河口坝与水下分流河道相互转化的沉积演化序列。发育有水下分流河道、河口坝以及分流间湾、前缘席状砂等众多沉积微相类型。
2 沉积微相的识别
2.1 颜色特征
水体较浅或氧化环境中所形成岩石的颜色为浅色及氧化色, 主要为灰色、紫红色等;吴起油区长6油层中的砂岩的原生色以灰色、深灰色为主, 泥岩的原生色均为灰黑色或黑色, 反映其沉积时为潮湿气候条件, 沉积环境为弱还原一还原环境。表明碎屑物沉积时处于水下环境。
2.2 岩石类型特征
含泥砾砂岩:具有块状层理, 岩石以砂质颗粒为主, 含有大小不等的泥砾与泥质条带成分, 代表高能沉积环境, 主要见于分流河道的底部。
细砂岩:吴起井区常见油层主要为细粒长石砂岩与细粒岩屑质长石砂岩, 分选较好, 磨圆中等, 具有小型交错层理, 平行层理、沙纹层理等, 代表中低能沉积环境, 常见于水下分流河道、河口坝沉积微相中。
粉砂岩:常与泥岩组成韵律互层, 见有水平层理、沙纹层理等, 常见于前缘席状砂、远砂坝、天然堤等沉积。
粉砂质泥岩和泥岩:具有水平层理、平行层理或重力变形层理, 常见植物碎片, 为低能环境产物, 多见于分流间湾、浅湖沉积中。
2.3 层理构造
层理是沉积物沉积时在层内形成的成层构造。由沉积物的成分、结构、颜色以及层的厚度、形状等沿垂向的变化而显示出来。根据钻井岩芯观察, 研究区长6层具有各种类型层理。其中在砂体较发育的水下分流河道、三角洲前缘河口坝沉积中普遍见到的是各种交错层理、块状层理、粒序递变层理、变形层理和透镜状层理。
3 储层填隙物特征
研究长6储层填隙物主要有绿泥石、伊利石、铁方解石等, 总量一般在10.0%以绿泥石为主均以薄膜状, 一般较均匀分布于储层中, 是在早成岩阶段形成的成岩自生矿物, 对阻止压实作用及硅质加大的发生, 保护孔隙起到了极其重要的作用, 这是早期绿泥石膜对储层的积极意义, 随着成岩作用的进行, 二世代、三世代的绿泥石膜在第一世代的基础上继续生长, 在孔隙表面形成极厚的绿泥石膜, 使孔隙极度缩小, 形成较致密的储层。
铁方解石和伊利石具有相同的产状, 属于晚成岩形成的产物, 除钙质夹层外, 大部分呈斑状分布, 除钙质夹层外, 最高含量可达12.7%, 在油田开发中用盐酸酸化效果良好。铁白云石含量较少, 一般呈白云岩岩屑的加大边产出。硅质在储层中一般有两种产状:硅质加大及自形粒状充填孔隙。
4 吴起油田地质研究结论
4.1 吴起油田的储层特征
延10油层组为三叠系末期, 印支运动使盆地上升, 形成以个宽广的河谷系统, 富县组时期大量的碎屑沉积物堆积于河谷中, 随盆地一度弱抬升, 在延安组时期逐渐稳定。延10砂体多呈条带状, 砂体走向北东-南西向;叠合宽度1.5m, 单砂体厚度1.2~11.8m, 延103+4期由于河谷摆动, 冲刷, 顶部的细粒沉积物很难保存, 因此层内夹层少, 砂体连同好。
长2油组为三角洲平原分流河道沉积, 长2河流走向总体东北-西南向, 河道砂体沉积宽度一般在2k m左右, 主河道砂体厚度一般为15~25m, 最厚处可达30m以上, 在分流河道间渗砂层尖灭, 以泥岩夹薄层粉砂岩及薄煤层沉积为主。长6油层组为三角洲沉积相前缘, 长6层以水下分流河道交汇为主要特征, 本区主要发育三条比较大的水下分流河道, 河道之间为宽广的堤泛沉积所隔离, 其走向均近于北东-西南向, 由于水下分流河道朵状体相对发育, 主体带上砂体平均厚度达10m以上。
4.2 岩石特征
延10储层为浅灰, 灰白色的细-中粒硬质长石石英砂岩, 平均粒径0.17~4.1m m, 分选较好;胶结物含量7.1%, 以粘土为主3.6%, 其次为碳酸盐2.4%和少量次生矿物, 石英次生加大普遍, 成岩后生作用较强。
长2储层岩性主要为细粒岩屑质长石砂岩, 长石含量45.15%, 石英含量28.13%, 岩屑含量11.19%, 填隙物含量8.63%。岩石颗粒表面绿泥石膜发育, 粒间孔喉中自生石英充填普遍, 原生粒间孔喉较发育, 从分析看出, 对注水开发有利, 由于率你是含量较大, 易溶于酸, 释放处的铁离子容易沉淀而损害油层, 因此油层应避免无机酸化等。
长6储层岩石为褐灰-浅灰色硬质长石石英细砂岩, 长石平均含量37.03%, 石英含量为45.82%, 岩屑含量7.19%, 云母含量4.58%。填隙物以方解石, 绿泥石, 水云母为主, 含量8.44%。胶结类型以孔隙-薄膜为主。
4.3 孔隙结构特征及非均质性
吴起油田的油层特征为其为多油藏类型组成的油田, 油层之间物性变化复杂, 开发难度大。延安组为底水油藏, 水体范围大, 天然能量强。长2油藏属于构造-岩性控制的低渗油藏。长61油藏物性差, 有效厚度7.9m, 孔隙度11.58%, 渗透率0.9710-3μm2, 属特低渗油藏, 渗透级差115, 渗透率变异系数为0.605。
4.4 驱油效率及渗流特征
延10油层油水相渗曲线表明, 束缚水饱和度31.98%, 残余水饱和度36.36%, 油水相渗曲线交点处含水饱和度52.2%, 对应水相渗透率0.045, 残余油时水相渗透率0.051。水驱油实验时无水采收率34.4%, 含水95%时驱油效率为42.6%, 最终驱油效率46.1%。
长2油水相渗透率实验, 束缚水饱和度33.8%, 残余油饱和度36.4%, 孔隙利用系数0.3;无水期驱油效率36.4%, 含水95%时驱油效率42.3%, 最终驱油效率44.9%。资料表明油层孔喉分选相对较好, 见水后含水上升速度快, 无水采油期结束后达到开采经济极限周期短。
参考文献
[1]杨学峰, 陈守民.鄂尔多斯盆地陕北地区三叠系长2油层压裂改造措施研究[J].石油化工应用.2007, 26 (1) :30-31.[1]杨学峰, 陈守民.鄂尔多斯盆地陕北地区三叠系长2油层压裂改造措施研究[J].石油化工应用.2007, 26 (1) :30-31.
蓝色性格基本特征描述 第2篇
蓝色天然优势
以个体而言
严肃的生活哲学。
思想深邃，独立思考而不盲目从众。沉默寡言，老成持重。注重承诺，可靠安全。谨慎而深藏不露。坚守原则，责任心强。遵守规则，生活井井有条 深沉有目标的理想主义。敏感细腻。
高标准，追求完美。谦和稳健。
善于分析，富有条理。
待人忠诚，富有自我牺牲精神。深思熟虑，三思而后行。坚韧执着。
沟通特点
享受敏感而有深度的交流。设身处地地体会他人。
能记住谈话时共鸣的感情和思想。喜欢小群体的碰撞和互动。关注谈话的细节。
作为朋友
默默地为他人付出以表示关切和爱。谨守分寸。对友谊忠诚不渝。
真诚关怀朋友的境遇，善于体贴他人。能够记得特殊的日子。
遭遇难关时，极力给予鼓舞安慰。很少向他人表达内心的看法。除非必要，否则很少谈及个人隐私。经常扮演解决分析问题的角色。
对待工作和事业
强调制度、程序、规范、细节和流程。做事之前首先计划且严格按照计划去执行。喜欢探究及根据事实行事。先评估风险、障碍及状况，尽量排除不可预测的状态。喜欢一切事情都按照预期发展。尽忠职守，追求卓越。高度自律。
根据事实执行所有的工作上应有的流程。喜欢用表格、数字的管理来验证效果。一丝不茍地执行工作。
蓝色本性局限
以个体而言
高度负面的情绪化。猜忌心重，不信任他人。
太在意别人的看法和评价，容易被负面评价中伤。容易沮丧，悲观消极。陷于低落的情绪无法自拔。情感脆弱抑郁，有自怜倾向。杞人忧天，庸人自扰。最容易的抑郁症患者。
当别人轻易成功时，会因自己的努力付出却不如他人而心生嫉妒。过于阴沉的面孔，让人感觉压抑，不易接近。沟通
不知不觉地说教和上纲上线。原则性强，不易妥协。
强烈期待别人具有敏感度和深度能够理解自己。以为别人能够读懂自己的心思。不太主动与人沟通。
不喜欢制造困扰麻烦给别人，也讨厌别人制造困扰麻烦给自己。要真诚开放心胸与人互动会比较难。习惯以防卫的状态面对别人。
作为朋友
过度敏感有时很难相处 强烈的不安全感 远离人群 喜好批判和挑剔 吝于宽恕
经常怀疑别人的话，不容易相信他人
对待工作和事业
对自己和他人常寄予过高而且不切实际的期望 过度计划和过度绸缪 患得患失，行动缓慢
较真，挑剔他人及自己的表现 专注于小细节，因小失大 吝啬表扬，强烈的形式主义 容易被不理想的成绩击垮斗志 墨守成规，死板教条不懂变通 为了维护原则缺乏妥协精神
作为父母
责怪孩子不理解父母的苦心 家庭压抑气氛 在爱中有强烈的控制 过度呵护孩子 很难做到顺其自然
用高要求和高期待让孩子受到严重挫折 挑剔和批判
特征描述论文 第3篇
关键词：地理事物分布特征；描述能力；初中地理
一、明确地理事物分布特征的内涵
地理事物的分布是指地理事物在地表的位置，主要包括经纬度位置、海陆位置、山地的坡向分布以及地理事物之间的相对位置。地理事物的分布特征即对地理事物位置的整体概括。认识地理空间的秩序和表达可分为分布现象、分布格局（中学常称之为“分布特点”）和分布规律三个层次。初中地理教学应根据学生实际情况和教学要求把握教学深度，注意三个层次的差别：①地理分布现象是某地理要素在一定地区内散布的具体位置，它只反映地理要素的外部特征和联系，是学生可以通过对地理事物的直接感知而获得的地理感性知识；②地理分布特点是某地理要素分布的规格、形式，一般可分为规则分布（如城市的分布）、集中分布（如热带雨林的分布）和随机分布（如绿洲的分布）；③地理分布规律反映地理事象与空间位置的必然联系，如世界热带雨林集中分布在全年高温多雨的热带地区。凡是带有必然性的地理分布知识都可视为地理分布规律，而要总结地理分布规律就必须深入理解地理事象的形成原因。可见，地理分布特点和分布规律是对地理分布现象进行思维的整理加工后而得到的地理事象本质特征和内在联系，均属于地理理性知识。
二、理清地理事物分布特征的认知结构
1.点状地理事物分布特征的描述
点状地理要素主要有山峰、矿产地（如铁矿、煤矿、油田）、聚落（城市、乡村）、港口等。地理事物呈点状分布，说明其地图比例尺小，描述时应从“大范围”考虑。其分布特征的描述主要从总体分布的均衡性、集中区和稀疏区的位置等方面着手，侧重点是“集中分布区”的位置。集中区的位置必须通过阅读图例和辨别图示信息，准确选择恰当的“参照物”进行描述。例如，读“中国主要煤矿和油田分布”图描述我国煤炭资源的分布特点，可引导学生结合图例符号查找每个省区的煤矿，总结出煤炭资源的分布特点：分布不均，北多南少；主要分布在华北和西北地区；山西、陕西、内蒙古等省区最丰富。
2.线状地理事物分布特征的描述
线状地理要素主要有山脉、河流、交通线（如铁路、公路）等。其分布特征主要从总体位置和空间延展特征（走向、流向、延伸方向）等方面描述，但是描述单线和多线地理事物的分布特征又各有侧重点：①单线地理事物的分布特征往往强调它的形态和走向，有时要分段描述走向。例如，读“南美洲”图可得出安第斯山脉的分布特征：纵贯南美洲西部，南北走向且大致与太平洋沿岸平行。②多线地理事物的分布特征往往强调它的数量和极值位置。例如，读“中国铁路干线分布”图，可说出我国铁路干线的分布特点：东部地区稠密，西部地区稀疏。
3.面状地理事物分布特征的描述
面状地理要素主要有湖泊、沼泽、沙漠、气候类型区、土地利用类型、农作物等。面状地理事物有一定的长度、宽度，具有较大的面积。地理事物呈面状分布，相对而言其地图比例尺往往较大，因而主要从位置、面积大小、延展方向等方面描述。例如，读图比较南美洲和澳大利亚的热带沙漠气候区分布的异同点：相同点是都位于南回归线附近，大陆西岸；不同点是南美洲的热带沙漠气候区面积小，南北狭长，仅分布在沿海，而澳大利亚的热带沙漠气候区面积大，东西延伸至内陆。
三、归纳描述地理事物分布特征的方法
1.利用地图多层次描述地理事物的分布特征
不同层次的地理事物分布特征，要从分布现象、分布格局和分布规律三个层次进行描述，以培养学生多层次认识地理事物分布特征的能力。通常可采用“展现分布现象→探索分布格局→总结分布规律→知识迁移运用”的策略来进行教学。例如，世界火山地震分布的教学，首先可用学生感兴趣的新闻报道引入主题，列举最近发生在日本、智利、中国汶川等地区的大地震，并利用教科书“世界近几十年发生的主要地震、火山统计表”，用地图展现其分布，这属于零散的地理分布现象或事实；然后，读“六大板块和山系、火山、地震带分布”图，引导学生归纳分析火山地震的分布格局，总结分布特点，即火山地震主要分布在东亚东部、南北美西部、新西兰、东南亚、南亚、西亚、北非、南欧等地区；再探索其为什么这样分布，原因是这些地区都位于板块交界处，地壳活动较频繁，因而总结出：世界火山地震主要分布在板块与板块的交界地带，环太平洋地带和地中海—喜马拉雅地带是世界两大火山地震带。显然，这是在理解原因的基础上得到的规律性认识。
2.利用地图多角度描述地理事物的分布特征
不同教学要求的地理事物分布特征，要从多角度或多侧面进行描述，以培养学生多角度思考和解决问题的能力。初中生的年龄特征和知识储备决定其空间觉察能力往往较弱。因此，需要教师遵循“循序渐进”的教学原则，充分挖掘教学资源，由浅入深地提出具体的思考问题。例如，读图描述世界冬奥会举办城市的分布特征，可按下列三个步骤进行教学：①让学生观察“历届冬奥会举办城市分布”图，注意指导学生观察各个地点的位置，提出问题：历届冬奥会举办城市都分布在哪个半球？（北半球）这些城市分布在什么纬度范围？（中纬度和部分高纬度）为什么？（这些地区纬度较高，冬季气温较低，有积雪）至此，可得出历届冬奥会举办城市的分布特点：主要集中分布在北半球的中纬度地区。②利用地图册中“世界地形”图提出问题：能否说出这些城市的海拔特点？（图中各城市海拔一般较高，如法国、瑞士、意大利等国选在阿尔卑斯山脉附近，美国、加拿大选在西部落基山脉附近）为什么？（因为同纬度地区山地气温随海拔升高而降低，更有利于降雪，形成积雪）由此，从地形因素考虑可得出这些城市位于海拔较高的山地附近。③继续提出问题：新加坡、巴西等国为什么不举办冬奥会？（这些国家纬度较低，气候终年炎热，没有冬季，不适合举办冬奥会）最后，得出历届冬奥会举办城市的分布规律：均分布在北半球纬度较高、海拔较高的山地附近。
3.利用地图多方面描述地理事物的分布特征
选择不同参照物描述地理事物分布特征。例如，一个地区的人口分布情况，可选用气候、地形、河流、国家的空间位置等多个参照物进行描述。根据图例描述某地区人口分布状况时，应注意与相关地图的配合，让学生通过对比，分析归纳该地区人口分布特点。例如，讲授东南亚人口分布时，将“东南亚人口分布”图与“东南亚气候类型”图或“东南亚”图配合，就可从气候或者地形、河流、国家等角度描述人口分布，使学生把人口分布与气候、地形、河流的分布在空间上联系起来，理解影响人口分布的因素，也明确今后该如何分析某地区的人口分布状况及其影响因素。
选择不同分布范围描述地理事物分布特征。例如，读“中国民族分布”图，可从三方面描述我国少数民族的分布特征：第一，从全国范围看，少数民族主要分布在陆地边疆地区；第二，从地区分布看，少数民族主要分布在西南、西北、东北地区；第三，从具体分布看，少数民族与汉族的分布关系是“大杂居，小聚居”。但是，“大杂居”的分布特征难以直接在图上读出，需要教师辅以文字说明，如我国没有一个县或市的居民由单一民族构成。
选择不同分布视角描述地理事物分布特征。例如，读“中国主要工业基地分布”图，结合图例可从三个视角描述中国工业的地理分布：一是宏观视角，引导学生通过读图分析沿海和内陆工业分布差异，归纳“工业”分布特点：分布不平衡，主要分布在沿海地区，并由沿海向内地扩展；二是中观视角，对照“中国主要铁路分布”图，归纳“主要工业基地”的分布特点：东部沿海、长江沿岸等地区多，广大西部地区少，沿海、沿江河、沿铁路线分布；三是微观视角，归纳“四大工业基地”的分布特点：集中分布在沿海地区。
参考文献：
[1]扈中平主编.现代教育理论[M].高等教育出版社，2002.
[2]全国十二所重点师范大学联合编写.心理学基础[M].教育科学出版社，2002.
网页特征描述算法探讨 第4篇
在得到网页正文后, 要进行网页特征描述, 还需要在网页中抽取一组关键词, 这里就要用到中文分词技术。个性化词典通过将生成用户浏览网页的特征描述放到客户端来处理, 减轻服务器的负担。采用这样的方式来描述网页, 目的是为了能够提高其生成速度, 并且有利于加快网页聚类和用户兴趣建模效率。同时也能保证准确性和缩小网页特征描述向量的维度。
系统在生成个性化词典的时候, 首先进行通用词典的建立、停用词表的建立、用户浏览过网页文档集三个方面的准备工作。然后进入具体的操作步骤:首先, 使用通用词典对用户浏览过的网页文档集进行机械分词, 统计出不同词条出现的频率, 得到N个出现频率最高的词;其次, 再使用停用词表对词条进行过滤, 去掉对网页描述无用的普通词和一些少有的词;最后, 通过增加一定量的当前热门词条, 使个性化词典里词条的数量控制在有效范围内。
动态的及时更新个性化词典是满足其具备实时性的有效方法。通过对用户浏览过网页集的动态更新就能得到个性化词典的动态更新, 我们定期将最新的网页文档加入到用户浏览过的网页文档集中, 传输到服务器端进行分词处理, 从而更新个性化词典。具体更新内容包括:去掉最陈旧的网页文本;加入新的网页文本;发现新的关键词并进行检验, 丢弃不常用、陈旧的关键词;对关键词重新进行统计。
二、网页特征词的权重计算及网页特征描述
网页特征描述的模型很多, 常用的有布尔逻辑型、向量空间型、概率型等等。本文也采用向量空间模型方法来表示网页内容。稍做区别的是, 我们通过二维向量空间模型来表示网页文档。比如, 如果有一个网页文档A, 我们用二维向量{ (J1, W1) , (J2, W2) , , (Jn, Wn) }作为特征向量来表示网页文档A。其中Ki是在A中出现的关键词, Wi是Ji的权重。
1. 词语权重计算的传统方法
词语在某文本中的权重由向量空间模型中每一维的值来表示, 从而刻画该词语在描述文本内容时所起的重要作用。最大限度的区分不同的文本是文本描述中词语权重的计算准则。最初的向量表示完全由0, 1来表示, 也就是说, 如果文本中有该词, 那么文本向量的该维为1, 否则为0。这种方法无法体现词条在文本中是否重要以及出现的频率高低, 所以0、1逐渐被更精确的词频代替, 词频分为相对词频和绝对词频。相对词频是指归一化的词频;绝对词频则是指使用词在文本中出现的频率。我们可以得出权重计算公式:
其中tf是和文本相关的一个统计量, 用来确定该词在给定文本中出现的频率;全部训练集的文本数用N表示;训练文本中出现该词的文本数用dfi表示。Log (N/dfi) 越小说明该词出现得越多, 当该词在集合中的所有文本都出现时, Log (N/dfi) 值为零。
可以看出该公式的思想是符合香侬的信息学理论的:有意义的区别文本的词语应该是一些在少量文本中出现频率比较高, 但是在补集文本集合中的出现频率却很低的词语。
2. HTML标记下TF-IDF改进计算方法
对大家来说, 一般的对文本的加权算法都是通用的。但是网页除了文本正文以外, 还通过HTML标签提供一些附加信息。超文本标签能够展示出网页的逻辑结构, 并且让不同文本在网页内容中的不同重要程度表现得一目了然。同时网页正文的语言信息也能从网页中传达出来。词语长度是中文语言信息中比较容易计算的, 这是因为中文词语的长度和其表达能力之间存在一定联系。比如说, 常用的助词、代词等对体现文档特征是没有太大帮助和区分的, 而名词、术语一般都具有较强表达区分能力。从而前者的词语长度往往会短于后者。系统中对网页的描述采用的加权方案如公式 (2) 所示:
其中, k∈{1, 2, 3, 4}, 词串的长度用L表示, 不同的HTML标签对应的权重用Ck表示, 网页向量中第i个分量的权重用Wi表示, 词语ti在网页中的k类标签中出现的频率用tfkiw表示。其中公式通过归一化处理消除了文档长度的影响。
三、小结
本文着眼于网页的特征描述, 主要针对的是个性化服务系统, 提出了相应的特征词抽取方法以及特征词的精化和权重计算方法, 目的在于准确地描述网页信息, 从而达到准确描述用户兴趣的目的, 这是个性化服务的关键。
参考文献
[1]曾春, 刑春晓, 周立柱.个性化服务技术综述[J].软件学报, 2002, 13 (10) :1952-1961.
[2]liu ling, Pu Calton, Han Wei.XWRAP:An XML-enabled wrapper construction system for Web information sources[J].In:Proc of the16th Int’l Conf on Data Engineering.Washington:IEEE Computer Society Press, 2000.611~621.
自然环境特征怎么描述 第5篇
⑴地理位置特征
半球位置、经纬度位置、海陆位置、相对位置。
⑵地形特点描述
地形组成、地势特点、地表形态、地形分布。
⑶区域气候特点描述
气候类型;气温特点(冬夏气温高低、温差大小、气温分布、温度带);降水特点(降水总量、降水空间分布和季节变化、水热配合情况、干湿状况);光照状况;气候分布;气象灾害。
⑷河流水系水文和特点
水系特点河流长度;流向;流域面积;支流数量;河网密度;落差或峡谷分布。
水文特点水量大小;水位季节变化大小;汛期长短;含沙量大小;结冰期长短、有无凌汛;水能。
⑸植被、土壤特征
植被类型;水平分布规律;垂直自然带特点。
土壤类型;分布;特点。
⑹自然资源：
农业自然资源土地资源;气候资源;水资源;生物资源。
工业自然资源矿产资源;能源;水运与水能;土地资源;生物资源。
基于局部特征描述的目标定位 第6篇
特征描述广泛应用于计算机视觉的许多领域,例如特定目标识别[1]、宽基线匹配[2]、场景分类[3]和图像及视频检索[4]。特征描述的核心思想为首先进行关键点检测,然后计算不变特征描述子,再采用相似性度量的方法进行特征匹配,最后去除误匹配。
目前国内研究图像局部特征描述的机构主要有中科院自动化所,其中王振华提出的LIOP[5]描述子具有很好的亮度不变性。国外最著名的特征描述方法是尺度不变性特征转换(SIFT)[6],其通过创建梯度方位和位置直方图,对尺度、平移、旋转具有不变性,但是算法非常耗时。Bay等人提出的加速鲁棒特征(SURF)[7]在SIFT的基础上将Hessian矩阵的行列式值中的高斯二阶微分模板进行简化,使得模板与图像的卷积运算转为积分图像的加减运算,提高了算法的运算速度,但当图像具有较大尺寸时仍然无法满足实时性。为了提高特征描述的速度,之后提出的特征描述方法如定向快速旋转Brief特征(ORB)[8]、二值化鲁棒尺度不变特征(BRISK)[9]等,它们采用FAST[10]检测关键点与二进制描述方法相结合的方法,大大地提高了算法速度,但是其匹配率并不高。故本文采用SURF检测关键点与BRISK计算描述子相结合的方法,提出一种新的特征描述方法SURF-BRISK,并将其用于目标定位。实验表明SURF-BRISK描述方法在保证匹配率的同时满足实时性。
1 特征描述与匹配
1.1 描述子建立
SURF-BRISK描述方法通过SURF检测极值点,BRISK计算描述子,并采用Hamming距离进行相似性度量,具有较高的匹配率和较快的速度。SURF-BRISK算法基本流程如图1所示。步骤如下:
Step1:创建积分图像。
对源图像I(x,y)=(0≤x≤M,0≤y≤N)创建积分图像:
Step2:建立差分尺度空间。
通过建立差分尺度空间,特征描述子具有尺度不变性。本文维持原图像大小不变,通过改变滤波器掩模的大小得到尺度空间。采用方框滤波近似代替二阶高斯滤波,将卷积运算转化为积分图像的加减法运算,大大地缩短了计算时间。方框滤波与图像卷积后的值分别记为Dxx,Dxy,Dyy。其中9 ?9的方框滤波掩模如图2所示,对应的二阶高斯滤波尺度因子为σ=1.2。
Step3:极值点检测。
完成第二步后,通过Hessian矩阵的行列式计算图像在各个尺度下的极值点。图像I(x ,y)在尺度σ的Hessian矩阵为
式中:Lxx(x ,y,σ)是图像I(x ,y)与高斯函数二阶偏导数(2/x2)g(x,y,σ)的卷积,Lxy(x ,y,σ)和Lyy(x ,y,σ)可以类似定义。通过Hessian矩阵的行列式可以计算图像上感兴趣点的尺度和位置信息。
由于Hessian矩阵中用到的核函数是方框滤波器Dxx,Dxy,Dyy,会带来一定的误差,因此引入一个高斯核函数和方框滤波器近似的比例因子ω,其中,这里||●|| 表示二范数。则Hessian矩阵的行列式为
计算出各个尺度的极值点后,每个极值点与其同一尺度的8个点以及上下两个尺度的各9个点形成一个3x3x3的立体邻域。将尺度空间中每一个点与其立体邻域的26个点比较,只有当极值点的值大于(或小于)所有26个点的值时,才将此极值点作为候选特征点。得到候选特征点后,在尺度空间和图像空间中采用插值运算,得到亚像素精度的特征点位置及所在的尺度值。
Step4:特征点方向估计。
对于SURF检测到的特征点k ,BRISK特征描述方法以k为圆心,选取多个不同半径的同心圆上的点为采样点。同一圆上不同的采样点之间具有相同的间距,如图3所示。采用方差为σ的高斯函数对每个点所在的圆形邻域进行卷积滤波,半径大的同心圆采用较大的方差,半径小的同心圆采用较小的方差,且满足? 正比于每个同心圆上采样点之间的距离。对于采样点中任一对点(pi,pj)经方差分别为σ i和σj滤波后的值分别设为I(p i,σ i)和I(p j,σj),则两个点之间的梯度计算公式如下:
定义所有采样点对构成的集合为A,同时定义短距离采样点对构成的集合S ,以及长距离采样点对构成的集合L ,计算式:
式中:δmax=9.75t,δmin=13.67t,这里的t为特征点k的尺度。
假设局部梯度互相抵消,只由长距离采样点对集合L来计算特征点的主方向,首先计算集合L中所有点对的梯度矢量和:
式中: l表示L集合的长度。然后计算特征点的主方向,为了使提取的特征点具有旋转不变性,需要将采样模式围绕特征点旋转一个角度α,计算式:
Step5:计算特征描述子。
关键点k对应的比特向量描述符d k由所有短距离采样点对(piα,pαj)的强度对比级联而成。每个比特b由式(8)得到。最后,每个关键点周围的512个采样对得到512比特的BRISK特征描述子。
1.2 特征匹配
提取出来的SURF-BRISK特征描述子为1和0组成的512位二进制比特串,可以采用汉明距离(Hamming distance)进行相似性度量。设有两个描述子S1, S2,其中:S1=x1x2···x512,S2=y1 y2···y512, x和y的取值为0或1。两个比特串的汉明距离定义为
式中:符号表示异或运算,Dkd 值越小表示匹配程度越高,反之越低。故匹配时可以采取最近邻汉明距离[11]方法来获取图像之间的匹配对。
1.3 去除误匹配
由于使用相似性度量函数不能将所有的特征点匹配正确,难免会存在误匹配,因此还需进一步剔除错误的匹配。
目前去除误匹配最常用的方法就是RANSAC[12]算法。算法基本思想是:根据一组包含异常数据的样本集,通过不停的迭代剔除异常数据,从而计算出数据集的正确模型参数。RANSAC是一种不确定算法,从某种意义上来说,它只有一定的概率得出一个合理的结果,提高正确的概率就需要增加迭代的次数。如图4为RANSAC算法的流程图。
2 目标定位
本文将SURF-BRISK算法结合仿射矩阵进行目标定位。本文利用4参数仿射模型计算仿射变换[13]的参数,仿射矩阵如下:
式中:s为尺度变换参数,θ是旋转角度,t x与ty 分别为x与y方向的平移量。点p=(x0,y0)到点p=(x1,y1)的映射关系为
要求解6个未知量a11,a12,a13,a21,a22与a23 ,需要3对匹配点,假设模板图像和目标图像提取的特征匹配点集合分别为P、Q ,(pi,pj)与(qa,qb)分别是P、Q对应的两对匹配点。可以采用最小二乘法(LSM)拟合出仿射矩阵的六个最佳参数解。
假设在一幅图像中选取n个匹配点(x1,y1),(x2,y2),...,(xn,yn)，在已匹配的图像中找到对应点(x'1,y'1),(x'2,y'2),...,(x'n,y'n)。则有:
式中:M+ 是M的Moore-Penrose广义逆矩阵,M+=(MTM)-1MT。
假设第一帧中标记目标的中心点为(x0,1,y0,1),第二帧中目标位置为(x0,2,y0,2),第n-1帧中目标位置为(x0,n-1,y0,n-1),第n帧中目标位置为(x0,n,y0,n);第一帧与第二帧的仿射矩阵为T12 ,第二帧与第三帧的仿射矩阵为T23,第n-1帧与第n帧的仿射矩阵为Tn -1,n。则有:
3 实验结果
3.1 特征匹配
本文的硬件环境为Windows XP 32位,Pentium(R) 4 CPU 3.00 GHz 1.99 G的内存,软件环境为MATLAB2010+VS2010+Open CV2.4.8。本文采用型号为WV-CP314CH的彩色闭路监控摄像机所采集的序列以及牛津大学网站http://www.roborts.ox.ac.uk/~vgg/affine)的标准Oxford数据集作为测试图像。
特征描述子匹配结果如图5所示。从图中可以明显地看到匹配中存在一些误匹配,因此有必要去除误匹配。本文采用RANSAC算法去除误匹配,结果如图6所示。可以看到去除误匹配后达到了很好的匹配效果。
3.2 性能评估
本文主要比较了各种描述子的实时性和匹配率。如表1所示,其中T表示检测时间,D表示描述时间,M表示匹配时间,Nint表示初匹配点数,N表示RANSAC去除错误匹配后的点数。可以看出SURF匹配的点数最多,BRISK的速度最快,本文的算法结合了两者的优点,使之具有比SURF更快的速度,比BRISK更多的匹配点。
此外,我们选择Mikolajczyk和Schmid[14]提出的评估准则来评价描述子的匹配率。它基于两幅图像之间正确匹配和错误匹配的数量。正确匹配和基准对应点的数量有重叠误差来确定。如果重叠误差小于0.5,则认为是一对正确匹配。结果可以用精度召回曲线来表示,计算式:
式中:ρ为精度,Nstand是匹配的基准数量,Ncorr表示正确匹配的点对数量,Nfalse表示错误匹配的点对数量,Nall表示所有匹配的点对数量。精度越高,Rrecall越大。各种描述子的性能评价结果如图7所示,由图可知,SURF的精度最高,BRISK的精度最低,本文描述方法精度和SURF接近。
本文通过SURF-BRISK描述子匹配的点对计算出仿射矩阵,并进行目标定位,得到的结果如图8所示。其中图8(a)为模板图像、图8(b)第三帧结果、图8(c)第112帧结果。各种描述子进行目标定位后的帧间误差曲线如图9所示,其中横坐标表示帧数,纵坐标表示相邻两帧之间的欧式距离。
帧间误差的计算式:
式中:Ei,i+1表示第i帧与第i+1帧之间的误差。(xi,yi)与(xi+1,yi+1)分别表示第i帧与第i+1帧中目标的位置。由图可得SURF误差最小,BRISK误差最大,本文算法具有与SURF相近的结果。
综合表明本文算法在很好地结合了SURF和BRISK的优点,在保证匹配率的同时能满足实时性。
4 总结及展望
图像特征点提取与描述算法研究 第7篇
双目图像立体匹配是双目视觉系统研究中的难点和热点,其核心是通过某种特定的匹配准则,在双目图像上找到同名特征间的对应关系,实质就是运用匹配算法,在待匹配特征中寻找最佳配准特征的过程。 若以左图获得的目标特征为源特征对象, 在右图中寻找最佳匹配特征的搜索过程,就是各种立体匹配算法的研究内容。
无论哪种立体匹配算法, 要想取得较好的匹配效果,都需要考虑解决三个问题:(1)如何定义特征,即选择哪种特征作研究对象;(2) 如何得到正确的对应匹配特征,防止误配和失配;(3)匹配的速度问题,特征匹配尤其是特征点的匹配搜索量很大,从而带来很大的计算工作量。
综合来讲,直接影响立体匹配算法的性能的关键技术包括四个方面:特征提取、特征描述、特征匹配、消除误匹配。 这四个关键技术以某些特定的规则结合到一起就可以形成一个新的计算方法。
目前应用较为广泛的是基于特征点的检测与描述算法,主要包括Harris、SIFT、SURF、FAST、ORB等。为此,本文在介绍上述常见算法的基础之上,提出了一种鲁棒性较高的O-SURF算法,并通过11组包含旋转、明暗、噪声等不同状态的测试图像,将Harris、SIFT、SURF、ORB特征检测子与SIFT、SURF、ORB特征描述子分别进行线性组合,从而对各种组合算法的优劣进行比较。
2 图像特征点提取与描述算法
2.1 Harris角点提取算法
Harris算法是Harris和Stephens等人在Moravecs算子的基础上进行改进,于1988年提出的一种特征点提取算子,它通过微分运算和自相关矩阵运算来检测角点。角点要求在水平以及竖直方向上均有较大变化的点。
其原理是取以目标像素点为中心的一个小窗口(一般为矩形区域)向任意方向以微小位移移动,用解析式表达其灰度变化量。
Harris算子用式(2.1) 的高斯函数代替二值窗口函数,给离中心点近的像素赋于更大的权重,从而减少噪声影响。
设以像素点(x,y)为中心的小窗口在x方向上移动u, 在y方向上移动v,Harris给出的灰度变化量的解析表达式为:
写成矩阵形式:
Harris采用如下的角点判定方法:矩阵M的两个特征向量Il和I2与矩阵M的主曲率成正比。Harris利用Il和I2来表征变化最快和最慢的两个方向。若二者都很大就是角点,一大一小就是边缘,两个都小则是处在变化缓慢的图像区域。根据两个特征值的和与矩阵M的迹相等,两个特征值的积与矩阵M的行列式相等,因此用(2.5)式来判断角点质量,根据该点的角点值是否为邻域最大,并且超过给定阈值来判断它是否是特征点,如果满足则可以认为该点即为所求的角点(k一般取0.04~0.06)。
Harris算子是一种有效的点特征提取算子,提取的特征点均匀合理,对图像旋转、灰度变化、噪声等不敏感,是一种比较稳定的特征提取算子。但它对尺度很敏感,不具有尺度不变性。
2.2 SIFT和SURF特征点匹配算法
SIFT算法是Lowe与1999 年提出的一种局部特征提取的算法,并在2004 年加以完善和总结,成为目前一种具有很好稳定性和鲁棒性的特征提取算法。 该算法有几个优点:(1) 在适当的参数设置下提取到的特征点的数目可观;(2)通过SIFT算法提取到的图像特征具有相当高的独特性,使其能在海量的数据库中进行准确的匹配;(3)SIFT特征具有旋转、尺度、平移及亮度不变性,甚至对视点的变化也具有一定的不变性。
SURF特征是Herbert?Bay等人于2006年提出来的,其全称为加速鲁棒特征(Speeded Up Robust Features),实质上是改进版的SIFT特征,主要特点是快速性,同时也具有尺度不变的特性,对光照变化、仿射、透视变化也具有较强的鲁棒性。
2.3 ORB特征点匹配算法
随着对特征点匹配速度的要求越来越高,Ethan Rublee等人于2011年在论文“ORB:an efficient altemative to SIFT or SURF”中提出了ORB算法,文献[4]指出,ORB特征点匹配速度比SIFT要快两个数量级,比SURF快一个数量级。
2.3.1 ORB特征点提取
ORB算法是通过FAST角点检测来提取特征点的。 首先建立图像金字塔,然后在金字塔的每一层检测FAST关键点, 再计算关键点的Harris响应值, 根据响应值的大小筛选出N个关键点, 作为最终检测到的特征点。
FAST算法中的角点被定义为,在像素点周围邻域内,有足够多的像素点与该点处于不同的区域。在灰度图像中,即为该点周围有足够多的像素点灰度值与该点差别足够大。以候选特征点D为例,比较D的灰度值与以D点为中心的圆周上所有点灰度值间的大小,如果圆周上与D点灰度值相差足够大的点的个数超过一定数量,则认为候选点D为特征点。FAST角点检测因为仅仅比较灰度值大小,具有计算简单、计算速度快的优点,但缺点在于其检测出的特征点并不具备尺度不变性,也不具备旋转不变性。
2.3.2 ORB特征描述子
ORB描述子建立在BRIEF特征描述子的基础之上,相比于BRIEF特征描述子具备了旋转不变性,是一种二进制码形式的描述子,用相对少量的灰度对比来表达图像特征点的领域,计算简单、快速。 定义S×S大小的图像领域P的测试准则为:
式(2.6)中p(x)是图像领域P在x=(u,v)T处的灰度值。 选择n个(x,y)测试点对时,唯一定义了二进制准则,通过这种方式生成的描述子即为n维二进制码串:
式(2.7)中,n可为128,256 或这512 等大小,具体选择需要考虑计算量、识别率以及存储空间。
上述描述子本身并没有方向, 还不具备旋转不变性。 ORB的解决方法是为每一个特征点分配方向。 以特征点为中心,同时该特征点作为坐标原点,在领域S内计算质心的位置,然后构造以特征点作为起点、质心作为终点的向量,该向量的方向即为特征点方向,计算过程如下:
用式(2.8)定义区域S的矩
式(2.8)中,f(x,y)表示图像的灰度值,则该区域质心位置为
那么,特征点的方向为:
3 特征点检测算法与描述算法实验分析
将Harris、FAST、SIFT、SURF、ORB特征检测子与SIFT、SURF、ORB特征描述子分别进行线性组合,对检测子和描述子进行配合测试,对11组测试图片进行特征点匹配,从而对各种算法的优劣进行对比。11组测试图片均为1800×1400像素大小,分别包括几种情况:(1)强烈亮度变化;(2)旋转;(3)仿射变换+尺度变化+旋转;(4)仿射变换+亮度变化+旋转;(5)仿射变换+噪音;(6)模糊+亮度变化;(7)旋转+噪音;(8)旋转+尺度变化;(9)亮度变化+旋转+模糊+噪音;(10)亮度变化+旋转+尺度变化;(11)亮度变化+旋转+尺度变化+强烈噪音。
30 组组合算法分别为Harris、FAST、SIFT、SURF、ORB特征检测子与SIFT、SURF、ORB特征描述子的线性组合。 例如算法组合5 即代表FAST检测子与SURF描述子的组合算法。
以ORB-SURF为例, 采用ORB算法提取特征点,SURF算法作为特征点的描述算法, 实验图像为第一组“强烈亮度变化”的测试图片测试结果为:匹配特征点对241,正确匹配226,运行时间63.87 秒。
图3 和图4 分别为30 组组合算法对11 组测试图像进行特征提取匹配后的正确匹配点对与运行时间。
图5 和图6 分别为30 组组合算法对11 组测试图像进行特征提取匹配后的平均匹配点对与平均运行时间。
从测试结果可以看出,O-SURF算法,即ORB检测子与SURF描述子配合的效果是最好的,对于大部分情况有较强的鲁棒性,仍能正确匹配出大量特征点,虽然匹配速度不及FAST这些以快速性著称的算法,不过相比于经典的SIFT和SURF有所提高。SIFT和SURF虽然具有很好的匹配效果,不过速度也相对较慢。FAST算法匹配迅速,在不考虑旋转和仿射变换的情况下有较好的匹配效果。Harris提取较为突出的角点特征,不过数量有限,且不支持尺度变化的情况。在噪音方面,SIFT和ORB明显强于其它算法。在亮度变化和仿射变换上,ORB的鲁棒性是最好的。因此,希望获得更多、更为精确的匹配点对,SIFT算法优于SURF算法,SURF算法又优于ORB算法,不过在计算速度上这个顺序刚好相反。对不不同应用场景,可以根据需要选择不同的算法或配合使用。
4 结束语
本文针对图像特征点匹配的多种算法,分析比较各自的优缺点以及适用场景,并将算法的特征提取与特征描述部分拆分开进行组合实验, 从而找出效果较好的O-SURF算法, 即ORB特征检测子与SURF特征描述子,针对大部分的明暗、旋转、仿射、噪声等变换情况具有较强的鲁棒性。 不过由于受速度限制,并不适用于在线的实时检测的系统,对于离线的图像拼接等处理具有较好的效果。
摘要：双目图像立体匹配是双目视觉系统研究中的重点,根据现有的图像特征点匹配算法,提取出特征检测和特征描述两部分,并将各种算法的特征检测部分与特征描述部分配合使用,利用Matlab测试了它们在不同旋转、尺度、光线变化等情况下的匹配性能,同时给出了实验结果及分析。
关键词：图像特征匹配,SURF,ORB
参考文献
[1]Harris C,Stephens M.A combined corner and edge detector[C].Proc of the 4th Alvey Vision Conference.Cambridge:MIT Press,1988:207-217.
[2]Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.
[3]H.Bay,et al.Van Gool.Surf:Speeded up robust features[C].European Conference on Computer Vision,2006,3951:404-417
[4]Rublee E,Rabaud V,Konolige K,以IIf.0RB:an efficient alternative to SIFT or SURF.Proceedings of the IEEE International Conference on Computer Vision,Barcelona,Spain,2011:2564-2571.
特征描述论文 第8篇
《03规范》中, 并没有对项目特征做出明确规范, 也没有阐述项目特征描述对工程造价的重要意义。如果招标文件中提供的工程量清单不规范, 结算时, 由于工程量清单特征不清, 界限不明, 甲、乙双方为此经常引起争议。我们认为, 准确地描述工程量清单项目的特征是推进工程量清单计价的重要一环。与《03规范》相比, 《08规范》把项目特征纳入了分部分项工程量清单构成要件。“条文2.0.3项目特征, 构成分部分项工程量清单项目、措施项目自身价值的本质特征。”定义该术语, 是为了更加准确的规范工程量清单计价中对分部分项工程量清单项目、措施项目的特征描述的要求, 便于准确的组建综合单价。与“03规范”相比, 增加了“项目特征”, 解决了工程量清单计价中由于对项目特征欠缺规定带来的实践中的困惑。体现项目特征的区别和对报价有实质影响的内容必须进行准确和全面的描述, 其原则是“条文3.2.7分部分项工程量清单项目特征应按附录中规定的项目特征, 结合拟建工程项目的实际内容予以描述。”
《08规范》中把综合单价的确定因素由“工程内容”代之以“项目特征”便是体现了“项目特征”在反映工程实体价值中的决定性作用。
项目特征必须描述, 因为其讲的是工程项目的实质, 直接决定工程的价值。项目特征描述得全面、准确与否, 也体现出工程量清单编制人员的水平高低与能力大小, 它具有较高的技术含量。对工程量清单每一项目能全面、准确地进行项目特征描述, 不在于对施工图纸简单摘要, 而在于对每一项目需完成的内容和要求作详细的描述, 从而使投标单位能根据这一项目的特征描述, 清楚地知道完成这一项目的所有内容和要求, 以便根据自身情况准确报价 (综合单价) 。
项目特征的描述, 应根据本规范附录, 再结合实际情况, 按照工程结构、使用材质及规格或安装位置等, 予以详细表述和说明。可按以下内容把握:1涉及正确计量计价的必须描述。2涉及结构要求的必须描述。3涉及施工难易程度的必须描述。4涉及材质要求的必须描述。上述情况以能满足确定综合单价的需要为前提。但对不能满足项目特征描述要求的部分, 仍应用文字描述进行补充。在“计价规范”附录中的表格里有“项目特征”一栏, 它排列在“项目名称”的后面, 是用来具体表述项目名称的。同一个名称的项目, 例如“实心砖墙”, 由于设计图中在不同部份, 所采用的材料、规格、位置及施工工艺等有所不同, 都将影响该项目的综合单价。因此在编制工程量清单时要逐一表述项目特征, 根据特征的不同进一步细分项目。前面已叙述在十二位项目编码时规范统一规定到前九位, 也即前九位编码明确到了项目名称, 最后三位由编制人确定。编制人正是根据项目特征的不同来编这最后三个数码的。项目特征的描述如果能够达到投标人在编标时, 基本不用再去刻意分析图纸, 不用再去重新计算特征描述未涉及内容的工程量, 就能编制出符合图纸要求的工程报价, 那这份工程量清单的项目特征描述就算合格了。
工程量清单项目特征描述的重要意义在于:1.项目特征是区分清单项目的依据。工程量清单项目特征是用来表述分部分项清单项目的实质内容, 用于区分计价规范中同一清单条目下各个具体的清单项目。没有项目特征的准确描述, 对于相同或相似的清单项目名称, 就无从区分。2.项目特征是确定综合单价的前提。由于工程量清单项目的特征决定了工程实体的实质内容, 必然直接决定了工程实体的自身价值。因此, 工程量清单项目特征描述地准确与否, 直接关系到工程量清单项目综合单价的准确确定。3.项目特征是履行合同义务的基础。实行工程量清单计价, 工程量清单及其综合单价是施工合同的组成部分, 因此, 如果工程量清单项目特征的描述不清甚至漏项、错误, 从而引起在施工过程中的更改, 都会引起分歧, 导致纠纷。
由此可见, 《建设工程工程量清单计价规范》GB50500-2008对规范工程招投标中的发、承包计价行为将起到重要作用, 为建立市场形成工程造价的机制奠定基础。深入推进《建设工程工程量清单计价规范》GB50500-2008正是我国工程造价管理改革的方向。
摘要：《建设工程工程量清单计价规范》GB50500-2008作为国家标准颁布实施, 是我国工程造价管理改革和建立新的工程造价管理机制的重大举措。分部分项清单项目特征的描述是工程量清单计价的关键。
关键词：工程量清单,项目特征
参考文献
[1]谢洪学:《工程量清单项目特征描述指南》, 中国计划出版社, 2007.1。
特征描述论文 第9篇
基于视觉人体运动的分析在智能监控、高级人机交互、虚拟现实和基于内容的视频检索分析等方面有广泛的应用前景和潜在的经济价值,已经成为计算机领域中备受关注的研究方向[1]。行为识别可以看作是在空间中时变数据的分类问题,即将测试序列和标记的典型行为的参考序列进行相似性度量,但是人体运动同一行为速度、方向和尺度有可能有变化,好的算法应该能处理相似行为模式在时空中的微小变化。从对人体行为的特征选取,人体行为识别方法可分为2方面:结构化的数据特征(如人体的轮廓序列,人体的躯干分布和人体的局部区域的时间特征)和非结构化的数据特征(如图像人体区域的角点检测、行为序列的关键点检测)[2]。从这两方面看,前者多借助于图像图形处理的方法,而后者多借助于原始信号处理的方法。本文采用非结构化的数据特征,原因在于其关键点检测没有像图像图形处理那么复杂。
用时空关键点表征视频序列,在研究初期存在许多对静态图像的关键点提取[3],对在视频中的时空关键点检测较少。直到2005年Laptev等人提出基于Harris and F
1 本文算法介绍
本文实现了一种新的简单有效的人体行为识别算法,不需要预先标记特定的特征区域,也不需要比较耗时的聚类算法预分类。首先使用分离线性滤波器将视频序列中的人体行为运动剧烈的关键点提取出来,然后在这些关键点的2020的区域中使用梯度位置朝向直方图进行描述,描述序列可以构成描述一种行为的特征向量,使用基于核函数的SVM多分类器,取得良好的识别结果。算法流程如图1所示。
2 视频序列中人体行为关键点检测
关键点的检测最初是用于图像的匹配,而且随后发展成为图像匹配一种主要的方法。但是对静态图像的关键点的检测与对视频序列的关键点检测有很大区别。前者只是检测静态图像的边缘和角点,反映静态图像中不确定目标对象的关键点(如SIFT,Scale Invariant Feature Transform),而后者检测的是视频序列中确定人体行为的运动关键点。本文应用的是分离线性滤波器对视频序列的人体行为进行检测。分离线性滤波器本质是多个滤波器联合处理相关数据信息。对于视频序列的人体行为,可以用多各不同尺度高斯滤波来处理视频序列每一帧图像,即所谓的空间信息滤波,用Gabor滤波来处理空间相同位置时间不同的视频数据信息。本文所用的高斯滤波函数为:
式中:(x,y)为视频图像空间的坐标;σ为高斯滤波的尺度。在时间上的滤波函数用一维Gabor正交对函数:
式中:t为时间的维数;τ为Gabor滤波的尺度。分离线性滤波器对视频数据处理会得到输出响应,响应函数:
对于视频片段取固定的空间滤波尺度和时间滤波尺度,每个帧图像的每个像素点都会得到输出响应,为了简便取每一帧最大的输出响应为关键点的所在位置。那么这样是否能表征人体行为的特征,在Weizmann行为数据库中以shahar的10种行为视频作为检测对象。这十种行为是:弯腰、四肢伸展跳跃、跳跃前行、原地跳跃、跑、侧行、单腿跳行、走、单臂挥动、双臂挥动。如图2所示,图中的白点为检测到的关键点,实验时把视频片段的所有帧关键点叠加到一帧图像中,可以看到有非常明显的行为模式,但是有的关键点检测到人体运动范围以外,统计得到这部分点不到5%不影响整体行为模式的表达。
3 关键点区域梯度特征描述
在检测确定人体行为的关键点后,近一步需要确定人体行为特征向量。特征向量的提取主要分为2个步骤:人体图像帧关键点区域梯度位置朝向直方图的获取;特征向量的选择和归一化处理。
获得梯度位置朝向直方图,首先要计算图像关键点及其领域的像素点的梯度。图像的梯度可使用2个滤波器(-1,0,1)和(-1,0,1)T对图像进行水平和垂直方向进行滤波,获得水平和垂直方向的梯度。由于人体运动状态时刻变化,所以图像帧容易受到噪声的影响。在进行梯度计算时首先要做相关的平滑处理,而进行关键点检测时空间滤波使用高斯滤波本身就相当于给图像帧做平滑处理,这里直接应用即可。根据图像各点在水平和垂直方向上的梯度值Dxi和Dyi,计算出各点梯度的幅值Mi和方向θi。
考虑到视频图像中人体行为有效梯度信息都集中在人体运动最剧烈的像素附近,关键点区域可能完全落在人体运动区域外没有意义的区域。因此,为降低局部噪声的影响,去除关键点区域图像局部细小的波动特征,需要对梯度的幅值进行限定。为计算梯度朝向直方图,图像中梯度的方向角也被归并为8个方向。
得到关键点区域梯度后,假设一个序列长度l, 可以确定l各区域。使用区域内各点的梯度作为权向量,计算各区域内不同梯度朝向的直方图Hk:
式中:l为关键点区域的数目;Ql表示第l各区域内所有的像素点;j为并归后当前梯度方向。
最后将各个视频图像帧人体行为区域的梯度朝向加权直方图进行归一化处理,通过各个值除以直方图的最大值,映射到[0,1]区间内作为该区域的特征向量。整个人体行为可以用序列各关键点区域特征联合描述。为保留行为的空间和时间信息,将各个区域的特征向量按固定顺序排列成一个行向量:
描述整个人体行为的特征向量的维数为lN,N为梯度朝向的归并数目[9]。
4 人体行为的多类识别
支持向量机具有完美的数学形式、直观的几何解释和良好的泛化能力,解决了模型选择与欠学习、过学习问题以及非线性问题,避免了局部最优解,有效地克服了“维数灾难”,且人为设定参数少,便于使用,已经成功的应用于许多分类、识别和回归问题[10,11]。设给定样本集xi∈Rn,输出分类结果yi∈{-1,1},i=1,2,,l和核函数K(xi,xj)。K对应特征空间Z中的内积,即<φ(xi),φ(xj)>=K(xi,xj)。变化φ:x->Z将样本从输入空间映射到特征空间。设计基于SVM的分类器就是在Z中寻找一定意义下的最优超平面<w,φ(x)>-b=0。具体来说就是样本集在Z中线性可分,使得分类间隔最大,求条件:yi(<w,φ(xi)>-b)≥1,i=1,2,l时下式的解:
当样本在Z中线性不可分时,使分类间隔和分类错误达到某种折中。求条件:yi(<w,φ(xi)>-b)≥1-ξi,ξi≥0,i=1,2,l时下式的解:
式中:ξi为松弛变量;C为正则化参数。本文中取核函数为高斯径向基函数:
以上针对2类的分类过程,要实现多类人体行为的分类,需要构建基于SVM的多分类器。构造若干个SVM二值分类器是解决多值分类的最基本的方法,这类方法目前主要有2种分支算法,1对多(one-against-rest,简称1-a-r)算法和1对1(one-against-one,简称1-a-1)算法。1-a-r算法定义:对于N类问题,构造N个2类分类器,第i个分类器用第i类训练样本作为正的训练样本,将其他类的训练样本作为负的训练样本,此时分类器的判决函数不取符号函数,最后的输出是N个2类分类器输出中最大的那一类。本文实验就是基于此方法构建的SVM的人体行为分类器。
5 实验结果分析
本文实验使用Weizmann行为数据库对算法进行分析测试,Weizmann行为数据库包括9个人体的10种行为,每个人体有10种行为的视频片段。这些视频片段长度不一致,如果取视频序列的整体提取特征会使得特征长度不一致,而且人体的行为在运动有一定的重复性。所以取多少维的特征向量和最优分类器参数(C,δ)影响着分类计算的时间和分类器的泛化能力。根据人体行为的时空连续性,取特征区域的数目l从10到33(选取最佳区域数目)。在进行分类参数选择时,将样本分随机的十组,设定(C,δ)的搜索区间为(C:0.001～1 000,δ:0.001～1 000),进行交叉比对测试,通过所有交叉检验准确率(CVA,Cross Vali-dation Accuracy)平均值最高的分类器的(C,δ)的值作为最优参数。实验取训练样本200个,测试样本100个,表1为各种行为在特征区域的数目l为10,20,30和最优参数(C,δ)下最高识别率。表1中l为特征区域的数目,sbl为识别率,xw为行为种类。由上表兼顾计算量实验取30个特征区域,最优参数(C,δ)取各识别情况下均值即(0.98,1.23),重新构建分类器平均识别率可达81%以上,识别的平均时间在0.2 s左右。在识别过程中一些行为模式比较复杂如跑与侧行涉及到的身体运动不是一个关键点能够表达的,所以识别率比较低,影响平均识别率下降。但是算法有较明显的优势,与文献[3,5,6]识别算法比较,关键点特征选取不需要标记特定的特征区域; 与文献[5,8]识别算法比较,不需要耗时的聚类算法进行特征的预处理,构建单个支持向量多分类器即可达到较好的识别率。
6 结 语
本文提出了一种新的人体行为识别方案,首先使用分离线性滤波器将视频序列中的人体行为运动剧烈的关键点提取出来,无需特别的标注。然后在这些关键点的2020的区域中使用梯度位置朝向直方图进行描述,描述序列可以构成描述一种行为的特征向量,无需对这些特征向量聚类,直接使用基于核函数的SVM多分类器,取得良好的识别结果。在下一步工作中,将需求更加可靠的特征取代梯度特征描述,降低特征向量维数,提高算法性能。
%
参考文献
[1]凌志刚,赵春晖,梁彦,等.基于视觉的人行为理解综述[J].计算机应用研究,2008,25(9):2570-2578.
[2]蔺广逢,张二虎,顾桓,等.基于功率谱密度的人体运动状态检测[J].计算机应用,2008,28(5):1269-1271.
[3]SCHMID C,MOHR R,BAUCKHAGE C.Evaluation ofinterest point detectors[J].International Journal of Com-puter Vision,2000,2(37):151-172.
[4]LAPTEV I.On space-time interest points[J].Internation-al Journal of Computer Vision,2005,64(2/3):107-123.
[5]DOLLAKA R P,RABAUD V,COTTRELL G,et al.Be-havior recognition via sparse spatio-temporal features[C]//Proceedings of 2nd Joint IEEE International Workshop onVisual Surveillance and Performance Evaluation of Trackingand Surveillance.[S.l.]:IEEE,2005:65-72.
[6]KE Y,SUKTHANKAR R,HEBERT M.Efficient visual e-vent detection using volumetric features[C]//Proceedings ofthe Tenth IEEE International Conference on Computer Vision.Los Alamitos:IEEE Computer Society,2005:166-173.
[7]OIKONOMOPOULOS A,PATRAS I,PANTIC M.Hu-man action recognition with spatiotemporal salient points[J].IEEE Transactions on Systems,Man,and Cyberne-tics,Part B:Cybernetics,2006,36(3):710-719.
[8]NIEBLES Juan Carlos,WANG Hong-cheng,LI Fei-fei.Unsuspervised learning of human action categories usingspatial-temporal words[J].International Journal of Com-puter Vision,2008,79(4):299-318.
[9]云廷进,郭永彩,高潮.基于图像局部区域梯度特征描述的红外人体识别算法[J].光学技术,2008,34(3):441-444.
[10]GUO G D,LI S Z.Content-based audio classification andretrieval by support vector machines[J].IEEE Trans.onNeural Network,2003,14(1):209-115.
特征描述论文 第10篇
油气井岩石力学理论是钻井力学分析的基础,国内外学者针对不同油气探区的实际情况,提出了多种关于岩石变形与强度参数、构造应力场、孔隙压力、井周应力、井壁稳定性、岩石抗钻性能等方面的物理建模及计算方法[1—13],为钻井设计与施工提供了有效指导。鄂尔多斯气井纵向上钻遇地层多达10 ~ 15套,其中包含易塌、易漏、异常低压、高研磨性等复杂地层,前期应用情况表明,直接套用常规方法求取的地层可钻性级值、坍塌压力、漏失压力误差较大。因此,必须针对坍塌压力、漏失压力、可钻性计算方面的难点,根据地层的实际地质与工程特点,充分利用利用测井、钻井、测试等信息,优化井壁围岩力学参数计算模型,对钻井岩石力学特征进行精细描述,以期为优质快速钻井技术的建立提供准确全面的基础信息。
1 井壁坍塌压力计算
鄂尔多斯盆地富县工区的二叠系石千峰组至石炭系太原组等地层存在水敏性泥页岩,遇水基钻井液易发生水化膨胀,改变井周应力状态,导致井壁坍塌失稳,实钻中起下钻频繁遇阻。常规井壁稳定分析方法根据声波、密度测井信息与岩石变形与强度参数的相关性,依次求取岩石力学参数、孔隙压力、地应力、坍塌压力。由于泥页岩水化机理极为复杂,很难直接建立测井数据与泥页岩水化程度之间的定量关系,导致利用常规方法计算的泥页岩地层坍塌压力精度受到影响。针对这一问题,结合富县工区的地质与工程实际情况,对常规坍塌计算模型进行了优化并进行了现场应用。
孔隙压力是井壁稳定性分析的基础,因此首先需要建立合理的孔隙压力计算模型。对富县工区岩心进行岩石物理实验表明,地层纵波传播速度与泥质含量、密度和垂直有效应力之间存在如下关系
式( 1) 中,vp为纵波速度( km/s) ; Pe为垂直有效应力( k Bar,1 Bar =100 k Pa) ; Pp为孔隙压力( MPa) ; Vsh为泥质含量( 无量纲) ; ρ 为地层密度( g/cm3) ; σv为上覆地层压力( MPa) ,它可以通过密度测井资料计算得到;w1,w2,w3,w4,w5为模型参数,通过对富县地区岩心实验与测井资料进行拟合,得: w1= 4. 71,w2= - 4. 086,w3= - 0. 046 3,w4= 0. 018 8,w5= - 0. 021 5。
从岩石力学角度来看,造成井壁坍塌的主要原因为由于井内液柱压力较低,使井壁周围岩石所受应力超过岩石本身的强度而产生剪切破坏,可以由岩体剪切破坏准则可建立井壁坍塌压力计算模型[14,15]。由库仑-摩尔准则,可得到保持井壁稳定的坍塌压力常规计算公式为
式( 2) 中,ρb为坍塌压力( MPa) ; Pp为孔隙压力( MPa) ; σH、σh为水平方向的最大与最小地应力( MPa) ; C为黏聚力( MPa) ; α 为有效应力系数( 无量纲) ; η 为应力非线性修正系数( 无量纲) ;,其中 φ 为内摩擦角( °) 。式( 2) 中的水平地应力、黏聚力、内摩擦角可以根据声波、密度、自然伽马等测井数据计算得到。富县工区前期钻井设计中普遍参考了式( 2) ,但由于该式未考虑泥页岩水化因素,实际应用效果并不理想。
针对这一问题,笔者收集了富县工区泥页岩地层的岩心,在实验室进行了泥页岩水化模拟实验,通过对岩石力学实验结果和测井数据进行统计分析,发现泥页岩水化应力与地层电阻率存在一定关系,以此为基础建立了水化应力经验计算模型,并用其校正井周应力
式( 3) 中,σw为水化应力( MPa) ; σθ'为校正后井壁周向应力( MPa) ; σz'为校正后井壁垂向应力( MPa) ;r为井壁上各点至井轴距离( cm ) ; r0为井眼半径( cm) ; t为水化时间( h) ; Rf为地层电阻率测井数据( Ω·m) ; m0,m1,m2,m3,m4,m5为模型参数( 无量纲) ,通过对岩心测试与测井数据进行统计分析,可得: m0= 3. 763,m1= - 2. 309,m2= 0. 051 6,m3=1. 168,m4= - 0. 975,m5= 1. 798; Pi为井内液柱压力( MPa) ; 其他符号说明见式( 1) 、式( 2) 。在实际操作时,需要结合自然伽马、声波等测井资料判断地层岩性,对泥页岩地层的井壁应力进行水化校正,将校正后的井壁围岩应力代入岩石剪切破坏准则,即可求取考虑泥岩水化因素的坍塌压力。
在富县地区重点探井的钻井设计中应用了上述计算模型。基于本工区完钻井的测井资料,结合钻井、实测数据,建立了富县已完钻气井的地层三压力剖面,图1 为xf5 井二开井段的坍塌压力、孔隙压力与破裂压力剖面,其中坍塌压力与孔隙压力通过式( 1) ~ 式( 3)计算得到,而破裂压力的计算也是根据式( 3) 所示的井周应力水化校正模型,具体方法这里不再赘述。图中三个地层压力数值折算为当量钻井液密度。
由图1 可见: 1富县工区地层孔隙压力类型为异常低压,压力系数大小在0. 75 ~ 1. 03 之间波动;2从延长组至刘家沟组地层坍塌压力随深度缓慢增加,石千峰组至太原组地层坍塌压力明显增大,马家沟组坍塌压力又迅速减小。将图1 所示的坍塌压力预测曲线、实用钻井液密度曲线以及实测井径扩大率曲线的变化特征进行综合对比,可以发现该井坍塌压力曲线特征与实钻情况是基本吻合的,这表明本文提出的坍塌压力计算方法是可行的。
在富县地区新探井xf8 井的钻探中充分考虑了包括坍塌压力在内的地层压力体系分布特征,分析认为该地区前期使用的钻井液密度稍低,近期钻井设计与施工中,延长组至刘家沟组地层钻井液密度从1. 08g / cm3逐渐增加到1. 16 g/cm3,石千峰组以深地层钻井液密度为1. 18 ~1. 26 g/cm3。根据xf8 井的完钻资料统计,石千峰组至太原组地层平均扩径率为5. 95% ,全井的井径扩大率仅为4. 91% ,与本地区之前的6 口完钻井数据对比,井径扩大率同比减少了65. 04% ,这进一步证明了本方法的适用性。
2 地层漏失压力求取
鄂尔多斯盆地定北工区的侏罗系、三叠系、奥陶系多套地层裂缝发育、地层破碎,钻井过程中钻井液漏失严重。目前国内外还没有形成普遍适用的漏失压力理论计算模型,而使用拉伸破坏准则计算的破裂压力则对地层漏失状况缺乏指导性。从理论上说,钻井液漏失与多种因素有关,诸如漏失通道( 裂缝、孔隙、溶洞) 的尺寸与连通性、钻井液流变性能、井筒环空压力、地层岩石力学特性、钻井工艺参数等,因此完全基于测井资料与岩石力学理论建立漏失压力物理模型是很困难的,比较现实的解决办法是通过统计分析钻井、测井、地质数据,建立符合工区实际的漏失压力经验计算模型。
通过分析定北工区声波、自然伽马、电导率、自然电位、中子等多种测井信息,将其与实钻漏失情况进行对比,确定地层电导率测井数据对漏失程度敏感性最强。进一步进行数据统计发现,漏失压力与孔隙压力的比值和深、浅电导率测井数据的差值存在负相关关系。基于以上研究,可以建立以下破碎性地层漏失压力定量计算公式
式( 4) 中,Pi为漏失压力( MPa) ,Pp为孔隙压力( MPa) ,Cd、Cs分别为深、浅侧向电导率测井数据( m S /m) ,ξ1、ξ2为模型参数( 无量纲) ,可以通过统计工区钻井、测井资料得到,对于定北工区,ξ1=2. 217,ξ2= - 14. 66。
利用上述方法计算得到了定北工区一口重点井( db13 井) 的漏失压力曲线,并将其与坍塌压力与实际钻井液密度曲线进行对比( 如图2) 。从图2 可以看到,该井中上部地层( 安定组至和尚沟组) 漏失压力整体较低,深部马家沟组地层也存在漏失压力低值点,漏失压力的异常低值对应着漏失风险极大的破碎带。在db13井实钻过程中,中上部地层使用钻井液密度较低,导致井壁垮塌严重。从刘家沟组地层开始大幅提高钻井液密度,从1. 13 g/cm3逐渐增加到1. 18 g/cm3,虽然抑制了井壁坍塌,但过高的密度却超过中上部及深部井段的漏失压力,该井在2 945 m出现严重漏失,后又在3 980 m处再次出现严重井漏,检测发现漏失层位处于延长组、和尚沟组、马家沟组等地层,以上情况表明计算的漏失压力是符合实际的。
根据db13 井漏失压力分析结果,对定北工区后续钻井中的钻井液密度设计提出以下建议: 安定组至刘家沟组井段钻井液密度控制在1. 04 ~ 1. 09 g /cm3,石千峰组以深井段钻井液密度控制在1. 09 ~1. 14 g / cm3。根据以上建议进行设计与施工的db16、db17、db18、db22 井均未出现严重漏失。
3 岩石可钻性分析
鄂尔多斯盆地富县工区气井的三叠系刘家沟组以深地层岩性变化复杂,泥岩、粉砂质泥岩、细砂岩、中砂岩、砾岩、泥灰岩不等厚互层,且夹多层煤,深部马家沟组地层岩性为白云岩、灰质白云岩夹泥岩,岩石可钻性整体较差。前期使用基于测井数据的常规可钻性分析方法,但实践中发现测井信息对复杂薄互层岩性引起的可钻性变化响应程度不高,导致计算精度不高,以此为基础选择的钻头及钻井参数使用效果不理想,而且使用常规方法无法分析本工区复杂的可钻性区域分布特征。通过对钻井、测井参数与可钻性测试数据的综合分析,对常规计算方法进行优化后建立了以下综合考虑钻时与声波测井参数的可钻性计算模型
式( 5) 中,Kd为岩石可钻性级值( 无量纲) ,DT为纵波时差( μs/m) ,Td为钻时( min /m) ,u1、u2、u3为基本系数( 无量纲) ,与钻遇地层岩性有关,R1、R2为拓展系数( 无量纲) ,与钻头类型有关。通过收集富县工区各套地层一定数量的岩心,对岩心进行微钻头可钻性室内测试,在对测试、测井、钻井数据进行统计拟合的基础上,可得各类经验参数值: u1=100. 58 ,u2= 0. 018 5 ,u3= 1. 675 ; 对于牙轮钻头,R1= 0. 000 32,R2= 1. 206; 对于PDC钻头,R1=2. 15 × 10- 7,R2= 2. 056 4。基于上述模型,利用测井资料计算得到了富县已完钻气井的岩石可钻性数据,图3 为xf3 井的可钻性剖面。
由图3 可以看出,富县气井岩石可钻性级值整体较高,其纵向分布具有以下特征:
( 1) 延长组至刘家沟组地层可钻性级值整体上随深度缓慢增加,刘家沟组可钻性级值相对上部地层增加明显,石千峰组至马家沟组地层可钻性级值相对更高,受岩性影响其数值波动较大;
( 2) 延长组至刘家沟组上部地层PDC钻头可钻性级值总体低于牙轮钻头,刘家沟组下部地层至太原组PDC与牙轮钻头可钻性级值的均值相差不大,但PDC钻头可钻性级值波动幅度明显大于牙轮钻头。
目前钻头选型方法多基于对多种岩石力学参数及实钻参数的分析,操作繁琐,流程复杂[16—19]。针对鄂尔多斯探区的实际情况,以岩石可钻性分析成果为基础,形成了较为简便实用的钻头优选方法。首先根据探区钻头库存情况,按照各层段岩石可钻性整体特征与钻头机械性能的匹配程度,首先预选出候选钻头型号,再进一步分析候选钻头在本工区及鄂尔多斯其他探区的实际使用情况,具体采用经济效益指数和比能作为指标。经济效益指数即为钻头进尺与机械钻速的乘积,比能通常定义为钻头从井底地层上钻掉单位体积岩石所需要做的功,作为示例,图4 和图5 为对石千峰组各候选钻头经济效益指数和比能的比较情况。通过分地层综合分析和比较岩石可钻性及钻头实际使用效果,形成了富县气井二开各层段的推荐钻头型号( 详见表1) 。
以上钻头优选方案在富县工区的新探井xf8 井进行了全面应用,根据钻后统计,该井平均机械钻速达到5. 09 m/h,与本区前期6 口完钻井3. 63 m/h的平均机械钻速对比,同比提高了40. 2% ,这在一定程度上证明本节提出的可钻性计算方法是可行的。
4 结论
( 1) 鄂尔多斯古生界气井地质条件复杂,常规钻井岩石力学分析方法未充分考虑水敏性泥页岩地层、破碎性地层、岩性突变地层的影响,导致利用其计算的坍塌压力、漏失压力、可钻性级值存在较大误差;
( 2) 本文针对鄂尔多斯气井钻井岩石力学特征描述的难点,提出了水敏性泥页岩地层坍塌压力计算方法、破碎性地层漏失压力求取方法、岩性多变地层的可钻性分析方法,计算的坍塌压力、漏失压力、可钻性级值基本符合实钻情况;
