特征点描述范文（精选9篇）

特征点描述 第1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.

黄色性格基本特征描述 第2篇

黄色天然优势

以个体而言

不达目标，誓不罢休。

不停地给自己设定目标以推动前进。把生命当成竞赛。行动迅速，活力充沛。意志坚强。

自信、不情绪化，而且非常有活力。坦率，直截了当，一针见血。强烈的进取心，居安思危。独立性强。有强烈的求胜欲。不畏强权并敢于冒险。

不易气馁，不在乎外界的评价，坚持自己所选择的道路和方向。危难时刻挺身而出。讲究速度和效率。

敢于接受挑战并渴望成功。沟通特点

以务实的方式主导会谈。

喜欢主导整个事情进行的方式。能够直接抓住问题的本质。

说话用字简明扼要，不喜欢拐弯抹角。不受情绪干扰和控制。

作为朋友

给予解决问题的方法，而非纠缠在过去。迅速提出忠告和方向。直言不讳地提出建议。

对待工作和事业

动作干净利落，讲求效率。能够承担长期高强度的压力。强烈的目标趋向，善于设定目标。高瞻远瞩，有全局观念。善于委派工作。坚持不懈，促成活动。掌握重点执行。行事作风明快。天生的领导者和富有组织能力。竞争越强，精力越旺，愈挫愈勇。寻求实际的解决方法。

以结果和完成任务为导向，并且高效率。善于快速决策并处理所遇到的一切问题。富有责任感。

黄色本性局限

以个体而言

自己永远是对的，死不认错。趾高气扬。

只关注自己的感受，不体贴别人的心情和想法。以自我为中心，自私倾向。霸道。

脾气暴躁，容易发怒。缺少同情心。

傲慢自大，目中无人。经常紧绷自己的情绪。

在情绪不佳或有压力的时候，经常会不可理喻与独断专行。不喜欢受群体所规范约束,打破既定规则且自己不遵守规则。

沟通特点

喜欢争辩和冲突。

铁石心肠，对情绪表现冷淡。粗线条，简单粗暴。

毫无敏感，无力洞察他人内心和理解他人所想。严酷且自以为是的审判者。缺乏亲密分享的能力。

缺乏耐心，是非常糟糕的倾听者。态度尖锐严厉，批判性强。缺乏耐性，抗拒批评。

容易让他人的工作或生活步调紧张。不习惯赞美别人。说话有时咄咄逼人。控制欲强。

不太能体谅他人，对行事模式不同的人缺少包容度。

作为朋友

大多时候仅保持理性的友谊。讨厌与犹豫不决、能力弱的人互动。

试图控制和影响大家的活动，希望他人服从自己而非配合别人。除了工作内容，很少交谈其它话题。情感上习惯与人保持一定的距离。很少对人流露出直接诚挚的关怀。需要你的时候才找你。为别人做主。

对待工作和事业

生活在无尽的工作当中而不是人群中。数量远比质量重要。

目标没有完成时，容易发怒且迁怒于人。寻求更多的权力，有极强的控制欲。拒绝为自己和他人放松。

完成工作第一，人的事情第二。为了自己的面子，不妥协且毫不认错。

对于竞争结果过分关注而忽略过程中的乐趣。武断，刚愎自用且一意孤行。

特征点描述 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.

特征点描述 第4篇

关键词：KINECT,传感器,设计,实现

对于探索未知世界的机器人, 定位自身位置的同时建立运动路线的过程被称为同步定位和地图建立 (SLAM) 。然而, 随着微软KINECT设备的出现, 使用深度传感器来获取并处理这些数据使得室内同步定位和地图建立成为可能。同时, 微软KINECT设备的RGB-D摄像头展示了很高效的性能, 并且其价格低廉。

1 BRIEF描述子的设计思路

根据BRIEF描述子, 实现图像特征点检测和匹配的代码框架图如1所示。该框架可以分成两部分:初始化阶段 (Init) 和运行阶段 (Run) 。在初始化阶段, 依次完成的操作包括:打开视频源、为图片和数组分配内存以及创建窗口鼠标事件等初始化操作。而运行阶段主要是BRIEF描述子的执行阶段, 进入运行阶段后, 会有运行模式的选择 (App Mode) , 可供选择的运行模式包括:选择新的模板 (TAKING_NEW_TEM-PLATE) 、检测 (DECTION) 和空闲 (DO_NOTHIG) 。

2 BRIEF描述子的实现

在BRIEF描述子的实现方法中, 主要定义了三个文件, 一个是BRIEF.h文件, 该文件中主要包括和BRIEF描述子相关的全局变量以及BRIEF描述子类;另一个文件是BRIEF.c文件, 该文件是对BRIEF类中成员函数的实现;最后一个是main.c文件, 该文件是使用BRIEF描述子实现图像特征点的检测和匹配的测试文件。本节将对BRIEF描述子的实现相关的BRIEF.h和BRIEF.c文件进行详细的说明。

2.1 BRIEF相关的全局变量

BRIEF.h文件中首先定义了和BRIEF描述子相关的全局变量, 如表1所示:

例如, 针对图2所示的一个简单的匹配块, 在图中, a表示填充图像的左位置, b表示填充图像的上位置, 这两个点确定了填充图像的左上方坐标。需要说明的是, 在实现的过程中, 都是选取a=b。对于图中的匹配块, 表1中的每一个全局变量都有对应的值, 具体值如表2所示。

2.2 BRIEF相关的函数

在BRIEF描述子实现的过程中, 不可缺少的步骤就是计算两个不同描述子间的汉明距离。计算汉明距离的函数如表3所示。

在BRIEF描述子中所定义的其它的函数如表4所示。

2.3 BRIEF关键点描述符类

BRIEF关键点描述子类图如表5所示。

对于表5中的成员函数, 在BRIEF.c文件中进行了具体的实现, 本节对该类中的主要成员函数实现进行详细的说明。

图3所示为BRIEF类的构造函数流程图, 在该构造函数中首先对test Location和intensity Pairs分配内存, 然后对积分图像创建所需的矩阵。

BRIEF类的析构函数主要功能是释放在构造函数中所创建的空间, 例如释放测试区域的空间和图像的空间。

图4中详细说明了如果通过一个给定的关键点kpt和图像img, 获得BRIEF描述符descs, 实现这个操作的函数是类中名为get Brief Descriptor的函数, 是实现图像特征点检测和匹配的核心函数之一。

表6中的伪代码定义了给定一个关键点kpt和图像img的伪代码, 返回BRIEF描述符descs。

对于一个给定的匹配块, 需要重复性的选择测试位置, 而在BRIEF类中, 通过成员函数pick Test Locations可以实现位置的选择, 而且测试区域位置的选择是通过随机数的选择来得到的。

通过pick Test Locations函数选定测试位置后, 需要判断kpt是否存在于子图像中, 完成该判断成员函数是is Keypoint Inside Sub Image, 该函数的返回值是一个bool变量, 如果kpt在子图像中, 返回true, 否则返回false。

此外, 成员函数validatekeypoints主要用于检测在kpts关键点集合中的测试位置是否包含在一个分辨率为 (im_w, im_h) 的图像中, 该函数中调用了函数is Keypoint Inside Sub Image, 这个函数主要就是做判断作用。

最后, allocate Integral Image成员函数主要用于为存储图片分配空间。在该函数中, 输入参数为原始格式的输入图像, 并根据该图像的宽和高来定义所需要分配的内存大小。

3 BRIEF描述子的测试代码

在main.c文件中是使用BRIEF描述子实现图像特征点检测和匹配的测试代码。

3.1 主函数流程

在main.c文件中, 除了使用提及的BRIEF类, 还定义了和处理数据相关的其他全局变量, 如表8所示。在该表中, 需要特别注意的是BRIEF类型的变量代表了brief描述子, 这个对象包含了所有BRIEF描述子的方法。

在前文分析中, 运行阶段包括三种可选的运行模式, 在此重点对和图像特征点检测和匹配相关的模式进行说明, 即检测 (DECTION) 模式。在该模式中, 对于一个输入的匹配块, 重点在于实现特征点的检测, 该功能的实现函数是do Detection函数。该函数的执行流程图如图5所示。

在图5中可以看出, 输入一个匹配块时, 首先初始化所需的变量, 然后调用FAST算法来计算即将到来帧中的关键点, 接着调用Brief.get Brief Descriptors () 函数来描述带有BRIEF描述子的关键点, 并通过Ransac来计算单应性矩阵。最后在图像上描绘出检测到的物体, 并以小加号标记关键点, 然后用线条来描述匹配。此外, 还需要特别说明的是, 对于图像特征点的匹配和检测需要相关的性能指标进行判断, 这些性能指标显示在演示界面中。

3.2 测试和分析

对于上述BRIEF描述子代码框架的实现, 使用的测试平台和软件如下:

1) Microsoft visual studio 2008;

2) opencv2.1.0

3) KINECT平台

3.2.1 工程的创建和环境变量的配置

在实现图像特征点检测和匹配的工程中, 主要包括本章中提及的三个文件:BRIEF.h、BRIEF.cpp和main.cpp。其中, BIREF.h文件是BRIEF描述子的类定义文件和函数声明文件, BRIEF.cpp主要是类中成员函数实现文件, main.cpp是测试文件。

完成工程创建后, 需要对Opencv相关的环境变量进行配置, 主要是配置opencv的头文件和库文件。主要的配置方法如下:

1) 头文件:在项目属性中选择所有配置, 在C/C++的附加包含目录中增加*.h文件所在的路径, 如图6所示;

2) 库文件:在项目属性中选择链接器, 在常规的附加库目录中增加lib文件夹, 在输入的附加依赖项中增加库名称, 如图7和图8所示。

3.2.2 测试和结果分析

完成上述配置后, 即可编译运行程序。运行结果如图9所示。

从图9中, 可以看到在图像上有信息的显示, 其中:

1) FPS值为1, 说明系统每秒跑一帧;

2) KP Extract指出了我们所需测试的关键点数;

3) Bit Desc表示了关键点的平均比特距离;

4) Match Time指示了匹配时间;

5) Total Matching Time指出了总体的匹配时间;

6) RANSAC值为0.007812;

7) Match Percentage为百分之百。

图9展示了我们设计的BRIEF描述子的运行结果, 该结果跑在测试视频上, 从上述数据可以看出, 该视频每秒跑一帧, 提取出的关键点为4842829个, 该帧视频的二进制字符串的平均比特距离是49.464549。匹配所消耗的时间是933ms, RANSAC值是0.007812。匹配率为100%。从而可以看出BRIEF具有较高的识别率。

4 基于点云库 (PCL) 的特征描述与提取

三维点云特征描述与提取部分是点云信息处理中最基础也是最关键的一部分, 点云的识别、分割、重采样、配准以及曲面重建等处理大部分算法, 都依赖于特征描述与提取的结果。本节主要针对PCL点云库进行表面法线估计和各种点特征描述子提取方法进行探讨。

4.1 三维特征的描述

在原始坐标系下, 点的定义是用笛卡尔坐标 (x, y, z) 表示。然而, 对于一个给定的原点可以简单表示三维投射系统的概念, 设若坐标系的原点不随着时间而发生改变。假定在t1和t2时刻捕获两个点p1和p2, 这两个点有着相同的坐标。虽然通过距离测度它们是相等的, 但是它们取样于完全不同的平面, 即t1和t2时刻对应着不同的平面, 并且t1和t2时刻之间其局部环境有可能也会发生改变, 因此当把它们和邻近的其他环境中的点放在一起时, 它们有可能表达着完全不同的信息, 所以对这两个点的比较其实是属于不适定问题 (ill-posed problem) 。利用某些特定的获取设备也许能够提供取样点的额外数据, 例如取样点的强度或表面发射率, 甚至颜色等信息, 然而这些数据并不能完全解决不适定问题, 单从两个点之间来对比仍然是不适定问题。

从上面的描述中可以看出, 作为一个纯粹物体的三维点概念和笛卡尔坐标系已经被不适合从而被淘汰了, 接着出现的是一个新的概念:局部描述子 (local descriptor) 或几何特征 (geometric features) 。通过周围的邻域, 局部特征描述子能够表现采样表面的几何性质, 这样就有助于解决不适定的对比问题。如图10所示, 在图中, 以一个杯子进行描述可以快速的进行不同图片之间的匹配。

理想情况下相同或相像表面上, 点的特征值非常相似, 而不同表面上点的特征描述子会有明显差异。而判断点特征表示方式的优劣主要有以下指标:

1) 刚体变换 (rigid transformations) :即三维旋转和三维平移变化会不会影响特征向量的估计, 即特征向量具有平移旋转不变性。

2) 改变采样密度 (varying sampling density) :从概念上理解, 一个部分表面小块的采样密度无论是大还是小, 都应该有同样的特征向量值, 即特征向量是否具有抗密度干扰性。

3) 噪声 (noise) :数据中有轻微噪声的情况下, 点特征表示在它的特征向量中是否必须保持相同或者及其相似的值, 即特征向量对点云噪声是否具有稳健性。

而点特征表示方式的实现主要是基于点云库 (PCL:Point Cloud Library) 。在该点云库中, 存在基类PCLBase。因为几乎所有的点云库中的类都继承于基类pcl::PCLBase, 而点云库中的特征类pcl::Feature主要用于对提取出来的特征进行描述。该类接受以下两种不同方式的输入数据:

1) 由set Input Cloud (Point Cloud Const Ptr&) 给出一个完整的点云数据集。此函数必须设置后续特征算子才能正常计算, 任何可以进行特征描述子估计的类, 为给定的输入点云中的每个点估计一个特征向量。

2) 由set Input Cloud (Point Cloud Const Ptr&) 和set Indices (Indices Const Ptr&) 给出点云数据集的一个子集。后面set Indices函数为可选设置。如果传入Indices Const Ptr参数, 则任何可以进行特征的估计的类将为给定输入点云中的索引对应的点估计一个特征, 默认情况下如果没有给出一组所以, 点云中所有点参与计算。

4.2 点云表面法线的估计

在三维特征点描述子研究中, 表面法线是几何体表面的重要属性, 对于图片中的物体来说估计出其表面的法线信息能够很快的计算出其三维描述子, 而且其法线信息能应用在不同的场景呢中。例如:在进行日照渲染时, 通常需要表面切线信息才能正常运行, 对于一个已知的几何表面, 根据垂直于点表面的变量, 推断表面某一点的切线方向通常比较简单。然而, 鉴于点云数据集在真实物体的表面表现为一组点云样本, 这样理论上说主要有两种解决方法来获得表面法线:一是使用曲面重建技术, 从获取的点云数据集中得到采样点对应的曲面, 然后从曲面模型中计算表面法线。二是直接从点云数据集中近似揣度表面切线。然而, 从数学上来说, 确定表面一点切线近乎于估计表面的一个相切面法线的问题, 因此转换过来就变成一个最小二乘法平面拟合的估计问题。

因此, 估计表面法线也就变成了分析一个协方差矩阵的特征矢量和特征值的问题。该协方差矩阵通过查询点的近邻元素创建。更具体的说, 对于每一点Pi, 对应的协方差矩阵如式5-1所示:

在式5-1中, k是点Pi邻近点的数目, 表示最邻近元素的三维质心, λi是协方差矩阵的第j个特征向量。

因此, 基于PCL对一个点集对应的协方差矩阵进行估计, 可以通过下述步骤实现。

在PCL点云库中, 有一个法线估计类Normal Estimation, 法线估计的实现主要通过完成以下操作:

1) 对点云库P中的每一个点p进行计算, 得到该点的最邻近元素;

2) 通过点p及其最邻近元素, 使用最小二乘法进行平面拟合, 计算点p的表面法线n;

3) 检查n的方向与物体的方向是否一致, 如果不是, 进行翻转。

在上述过程中, 计算单个点法线的具体函数如表10所示。

在上面的函数中, 第一个参数是cloud, 该参数包含点的输入点云, 而第二个参数indices表明点的-最邻近元素集索引, 第四个参数plane_parameters和第五个参数curvature是法线估计的输出, plane_parameters的前三个坐标中, 以 (nx, ny, nz) 来表示法线, 第四个坐标D=nc, p_plane (centroid here) +p。输出表面曲率curvature通过协方差矩阵的特征值之间的运算估计得到, 如下:

4.3 选择合适的尺度

在前文中讲述法线估计的过程中, 提及统计点的表面切线时, 需要从点周围邻近点着手 (该临近区域也称为k邻域) 。因此关于邻域的选择也是一个重点和难点问题之一, 到底什么样的邻域是一个“恰当的尺度”。已知一个点云数据集, k的恰当取值范围应该是多少, 或者当以r为半径的圆内均为最近邻元素集时, 使用的半径r应该取什么值, 这个问题结论直接影响切线估计。对于不同的物体, 该问题的解决方案各不相同。因此可粗略设定, 以应用程序所需的细节需求为参照, 选择确定点的邻域所用标准。例如, 如果需要得到杯子手柄和杯身圆柱体部分之间的边缘曲率, 那么就需要足够小的尺度来捕获和边缘曲率相关的各种细节信息, 而且在其他不需要这些细节信息的应用中选择较大的基准作为选择。

5 小结

重点描述了基于KINECT平台下BRIEF描述子的代码设计。本章对BRIEF描述子进行了详细的分析, 主要说明了在代码实现过程中和BRIEF描述子相关的全局变量、类、类中成员函数的实现以及测试代码等。此外, 对于三维特征点描述子, 基于PCL点云库进行了分析, 重点说明了点云表面法线估计的方法和应该注意的具体问题, 关于代码框架将在下文中进行测试和实现。

6 系统测试与分析

主要是对在RGB-D Slam平台下基于SIFT、SURF、D-BRIEF、ORB和BRIEF描述子的设计方案实现的进行了测试检测与分析。接下来对三维特征点描述子进行测试分析。测试硬件环境:惠普台式机一台、微软的Kinect平台;测试软件环境:Ubuntu 10.04虚拟机一台、ros操作系统。

6.1 RGBD SLAM平台搭建

6.1.1 创建ROS工作空间

使用如下命令“~/fuerte_workspace”创建一个新工作空间。

6.1.2 创建sandbox目录

使用以下命令来创建一个新目录sandbox, 并使用rosws命令把它加入到隐藏文件.rosinstall中。

6.1.3 安装RGBD SLAM平台依赖文件

使用如下命令安装RGBD SLAM平台所需的依赖文件。

6.1.4 安装RGBD SLAM平台

执行以下命令安装RGBD SLAM平台, 这步会花费较长时间。

6.1.5 启动RGBD SLAM平台

执行以下命令启动RGBD SLAM平台。启动后界面如图11所示。敲击“空格键”或“回车键”开始进行数据采集, 如图11所示。

在图12中, 上方为点云数据显示区域, 在该区域显示构造出的点云数据图像;下方分为三个区域, 左部为彩色图像显示区, 在该区域显示Kinect相机采集到的彩色图像;中部为深度图像显示区, 在该区域显示Kinect相机采集到的深度图像, 该深度图像与与左部彩色图像同步;右部为特征流显示区域, 在该区域显示检测到的特征点和特征点的匹配过程。

在图12中, 下方右部的特征流显示区域中没有显示检测到的特征点和特征点的匹配过程, 原因是此处只是启动了RGBD SLAM平台, 并没有应用具体的特征点检测与匹配算子。

下文将在RGBD SLAM平台上应用不同特征检测及匹配算子进行测试, 接着对得到的实验结果进行分析。

6.2 SIFT/SURF描述子实验结果

基于上述RGBD SLAM平台, 在实验室环境中对SIFT描述子特征点检测与匹配进行测试, 实验结果如图13所示。

在图13中, 左部为彩色图像显示区, 在该区域显示kinect相机采集到的彩色图像;中部为深度图像显示区, 在该区域显示kinect相机采集到的深度图像, 该深度图像与与左部彩色图像同步;右部为特征流显示区域, 在该区域显示检测到的特征点和特征点的匹配过程, 其中, 绿色的圆圈表示检测到的特征点, 红色的箭头表示特征点的匹配结果。将特征流显示区域放大, 如图14所示。

基于上述RGBD SLAM平台, 在实验室环境中对SURF描述子特征点检测与匹配进行测试, 实验结果如图15所示。

在图15中, 左部为彩色图像显示区, 在该区域显示Kinect相机采集到的彩色图像;中部为深度图像显示区, 在该区域显示Kinect相机采集到的深度图像, 该深度图像与与左部彩色图像同步;右部为特征流显示区域, 在该区域显示检测到的特征点和特征点的匹配过程, 其中, 绿色的圆圈表示检测到的特征点, 红色的箭头表示特征点的匹配结果。将特征流显示区域放大, 如图16所示。

在同样的精确度约束下对SIFT和SURF描述子进行测试, 结果如表11所示。从表中可以看出, 三种SURF描述子的检测时间都明显低于SIFT描述子。SURF (SURF-128) 是一种精确度更高的SURF描述子, 但它需要更多的匹配时间, 因此不适用于实时系统。

6.3 ORB描述子测试结果

基于上述RGBD SLAM平台, 在实验室环境中对ORB描述子特征点检测与匹配进行测试, 实验结果如图17所示。

在图17中, 左部为彩色图像显示区, 在该区域显示Kinect相机采集到的彩色图像;中部为深度图像显示区, 在该区域显示Kinect相机采集到的深度图像, 该深度图像与与左部彩色图像同步;右部为特征流显示区域, 在该区域显示检测到的特征点和特征点的匹配过程, 其中, 绿色的圆圈表示检测到的特征点, 红色的箭头表示特征点的匹配结果。将特征流显示区域放大, 如图18所示。

在测试ORB选择图像时, 我们采用了室内和室外两组图像。相对于SIFT和SURF, 以下面的方式测量ORB的精确度。

1) 选择一个参考观点。

2) 对于所有的, 从SIFT、SURF和ORB中, 找一个对应的变形作为测量值。

测量结果如表12所示。

从表12可以看出, ORB描述子的精确度与SIFT和SURF基本持平, 某些场合还优于SIFT和SURF。

在同样的数据上, 对于同样的数据特征 (大约有1000个特征点) 和同样尺度的灰度值, 对ORB、SIFT和SURF的运行时间进行比较, 结果如表13所示。

从表13可以得出, ORB描述子的运行速度比SURF快一个数量级, 比SIFT快两个数量级。

6.4 BRIEF描述子实验结果

表14展示了各种不同长度的BRIEF描述子跑在512个关键点上的时间测量结果, 描述子的测试环境是在2.66GHz/Window7 x86-64机器上。单位是以毫秒的形式运行出来。

根据测试数据, 我们可以明显的看出BRIEF描述子有着相比于SIFT/SURF更快的执行速度。因此, 对于匹配, BRIEF有着比SURF更高速的性能。更重要的是, 对于SSE4.2系统报“错误!未找到引用源。”, 在理论上, 通过使用POPCNT指令, BRIEF的异或计算时间甚至可以接近于零。然而, 由于最新的Intel Core i7 CPUs才支持这个指令, 所以我们暂时不能测试出这个具体的数据。

6.5 特征点描述子精确度与运行时间分析

图19柱状图展示了SIFT、SURF、D-BRIEF、BRIEF和ORB描述子分别跑在测试视频1到测试视频5 (视频1-5是为了进行测试, 作者自行拍摄的视频, 分别率和帧率从高到低分别是1到5。其文件格式都是avi格式) 中的实验结果。从图19中的数据可以看出, 在没有时间限制的条件下, 描述子SIFT、SURF、BRIEF都具有较高的识别率, 而ORB描述子的识别率虽然也较高, 但是有一定的不稳定性。D-BRIEF描述子的识别率最低, 而且稳定性不是特别好。

另外, 从图20中, 我们可以看出BRIEF描述子的执行速度是最快的。

从前面的理论和实验中可以得出结论:在这些描述子中, BRIEF描述子作为一种既有很高的识别与匹配效率, 同时其快速匹配性能, 能成为我们描述子的最合适的选择并应用在基于KINECT平台的SLAM嵌入式系统中。

7 结论

文章基于RGBD SLAM平台对SIFT、SURF、ORB和BRIEF描述子进行了测试, 对这些描述子的精确度和运行时间进行了分析对比, 实验结果表明, 在精确度基本持平的前提下, BRIEF描述子的运行时间明显低于其他描述子。因此, BRIEF描述子适用于实时要求较高的应用。

参考文献

[1]王朝增.基于Kinect的装配仿真及其人机工效分析[D].浙江:浙江理工大学, 2014.

[2]刘中晖.基于KINECT传感器的图像特征点描述子算法研究[D].陕西:西安电子科技大学, 2014.

[3]Rodrigguer J J and Aggarwal J R, matching aerial images to 3-D terrain maps, Image IEEE Trans.On PAMI-12 (12) :1138~1149.

网页特征描述算法探讨 第5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.

管理会计的特征描述 第6篇

管理会计的基本目标是服务于企业内部管理，目的在于提高经济效益，获取尽可能多的利润。这个基本目标适合于任何条件下的商品和市场经济，在商品经济的条件下，商品的生产者企业必须通过市场实现其商品价值。企业要在竞争中生存并获得发展，必须以市场为起点，安排生产，组织销售，加强管理和控制，以降低成本，增加利润，使得自身在竞争中得以生存和持续发展。利润是企业经营管理的直接目标，所以，获取尽可能多的利润是管理会计提供信息、参与决策、执行计划和实施控制的准则。

二、管理会计的方法基本特征

管理会计的方法总体性质是分析性的，把企业的经济管理纳入动态分析和控制的轨道，而不是传统会计的静态描述。管理会计的主体可以表述为决策与规划会计和执行与控制会计，其中决策分析可以区分为短期决策分析和长期决策分析。

短期决策分析基本上可以分为三种类型：其一是成本与成本问题;其二是成本与收入问题;其三为企业内部资源的分配问题。

长期投资决策是建立在货币时间价值的基础上的。货币时间价值是投资机会成本的体现，是资本对时间的增量，其数值确定与资本的边际成本或边际收入是联系在一起的。

执行和控制是保证计划所确定的目标得以实现的实施过程。主要通过计划执行结果与预算的比较，评价执行者的工作成绩，通过差异分析获得反馈信息，以便采取措施，达到控制的目的。

三、提供信息的时间特征

因服务会计方法的描述性和信息的总括性，其所提供的信息是具有历史特征。虽然财务会计也涉及未来的事件，如固定资产使用年限的估计、坏账准备的估计提取等，但这些相对于财务会计的信息总体来说是微不足道的，并不能改变财务会计信息着重历史描述的基本特征。

管理会计不同于财务会计，它服务于企业内部管理，因此必须面对未来，是以未来的事件为决策和控制对象。计划是决策的具体化，通过预算落实到具体环节，并作为执行和控制的依据，从而保证决策所确定的目标的实现。管理会计的新概念综合记分卡所体现的战略管理更是面对未来的典型，所以管理会计所提供的信息的时间特征是现时和未来的，这与管理会计重视历史数据并不矛盾，历史数据是预测和规划未来的起点，历史信息可以提供反馈和经验信息，从而保证其所提供的现时和未来信息更为客观可靠。

四、提供信息的约束性

财务会计主要通过定期提供财务报表为企业外部那些与企业有不同经济利益关系的有关方面服务。投资者和债权人是外部信息使用者的主要代表。他们要求了解企业的财务状况、经营成果及经营成果的分配，以及企业的偿债能力等，据以进行投资和信贷方面的有关决策。除了投资者和债权人外，有关政府和证券交易管理机构也要了解企业的详细情况，借以发挥有关的监督和调节作用。然而这些不同的利益集团，并不直接参与企业的经营管理活动，只有从企业所提供的财务报告中获取信息。而财务报告则是由企业的经营管理者提供的，出于某些目的，报表的提供者可能有意歪曲或不愿提供翔实资料，或者应用了不恰当的会计方法造成会计信息的不真实，这就要求财务会计必须遵循会计准则以保证会计信息的真实可靠、客观公正。可见，财务会计提供会计信息受会计准则的严格约束，这些约束包括会计事项的计量与确认的标准、会计处理的程序和方法、会计报表的种类与格式、会计报告的时间等各个方面。

而管理会计则不同，它服务于企业内部管理，所以提供信息是根据经营管理和决策控制的需要，不受会计准则的约束，其方法和程序具有很大自由度和弹性。如会计计量可以不遵循历史成本原则，视不同的情况而采用重置成本或现行价格;在成本的计算上可以不采用传统的完全成本计算，而采用变动成本计算方法;业绩评价指标既可以用财务指标也可以用非财务指标;报表的种类并没有严格规定，而是根据管理的需要而设计，其编报的时间和格式都没有特别的要求;在计算和分析方法上更是灵活多样，表现为多种学科的相互渗透，以满足经营管理过程中不同方面决策和控制的需要。所以管理会计在提供信息的过程中，没有较为严格的约束，其宗旨在于满足管理的需要，符合成本效益原则，有利于企业经济效益的提高。

五、信息与个人行为的关系

管理会计服务于企业内部管理，目的在于提高经济效益，因此，管理会计在提供信息时非常重视信息对人的行为的影响。管理会计进行计划和预算时要考虑有关指标对各级管理和执行者行为的引导，目的在于产生积极的激励作用，调动内部各方面的积极性，使之为企业的总体目标而努力工作。如责任中心评价指标的设置，预算标准的确定，激励政策的选择等。在执行和控制。过程中，管理会计关注执行者的行为结果，以便取得反馈信息，修正计划指标，影响或引导有关方面的行为方向。所以行为科学在管理会计中得到了量化。而财务会计在提供信息时不允许以引导信息使用者的作为为动机而对信息进行任何方面的修正，财务会计必须依据会计准则，只能是客观如实地、如同摄像机一样来反映和描述企业经营活动的历史全貌，而让信息使用者根据客观情况自己判断并据以进行决策。

六、报告

基于信号处理描述纹理特征方法 第7篇

1970年, Hawkins也发现定义“纹理的确切概念”实属不易, 尤其是在给定“人类感知和识别纹理这个心理事实”的前提下。Haralick在1973年指出“给纹理下一个精确的定义非常困难”。Cros和Jain认为“对纹理而言, 没有能被广泛接受的定义”;按照Bovik, Clarke和Geisler的观点, “作为表面或图像的属性的纹理, 从来不会合适地形成一个精确的定义”;

朱松纯认为, 图像的纹理区域可以理解为是由若干被称作纹理基元的元素按照某种规律排列而成, 这种规律可以是周期性的, 也可以是随机性的。而这些纹理基元可以由不同的小波基、原子、线条组成。

2 纹理描述方法

纹理分析的一个核心问题是纹理描述, 在模式识别领域即为纹理特征提取。目前已经有许多纹理特征提取方法。目前, 对于图像纹理的描述方法主要分为:信号处理、结构分析、统计分析、模型化及联合分析五大类, 其中信号处理方法、结构分析方法、统计分析方法在纹理分析中担任着非常重要的角色。尤其是信号处理方法在近些年的纹理分析研究中得到越来越广泛的应用。

3 基于信号处理方法描述纹理特征。

信号处理类方法的思路来源于视觉心理学上的研究成果。从视觉心理学 (Visual Psychology) 研究发现, 动物的视觉系统在解译纹理图像时, 采取的分析与解译机制是对纹理图像中的频率分量和方向分量分别进行处理, 所以可以将动物视觉对纹理图像解译的过程理解为动物视觉皮层细胞感受选择较为敏感的频率和方向分量, 并对图像信号的频率和方向进行选择性滤波, 以此得到相应的图像特征。

基于信号处理的纹理分析方法受到了视觉心理学解译纹理图像过程的启发, 先对纹理图像信号采用频域或者空域滤波处理, 而后对纹理图像进行分析及解译。目前, 存在的图像滤波方法主要有傅里叶3]、Gab4]滤波器、Laws纹理、LBP纹理、小波变换等。我们将通过介绍傅里叶变换和Gabor滤波器、Laws纹理、LBP纹理的纹理方法来分析这类方法。

3.1 傅里叶变换

傅里叶变换是一个非常重要的图像分析方法, 上世纪70年代以来, 有学者提出通过傅里叶滤波器来描述纹理。Rao和Lohse开展了一项基于人的感知的纹理研究, 他们的研究结论说明自然纹理辨别的最重要的三个纬度分别为:周期性、方向性以及随机性。

傅里叶频谱包含非常丰富的图像信息, 能粗略描述纹理模式。对于周期性纹理, 傅里叶频谱由一些规则地分散在某些方向的明显的尖峰组成;对于具有强的方向性的纹理, 方向性会在傅里叶频谱中很好的保持;对于随机性纹理, 频谱的响应分布并不限制到某些特定的方向。

根据相对于频率中心位置距离的频谱分布情况, 可以大致判断纹理图像的相对粗糙程度。对于粗糙纹理, 图像中经常存在大块的区域, 这些大块区域内部的灰度变化比较平缓, 图像的低频信号较多, 所以傅里叶频谱图的能量主要集中在离频率中心位置较近区域 (低频区域) , 而距离较远的区域 (高频区域) 的能量较少。相反, 对于细致纹理, 图像的局部区域内的灰度变化非常明显, 图像含有的高频信息较多, 傅里叶频谱图中的能量分布较为分散, 能量集中在距离频率中心位置较远的高频区域, 而那些距离较近的低频区域能量分布相对较少。综上所述, 纹理图像的纹理的粗糙性和方向性等维度的特性能够从傅里叶频谱图的能量分布情况通过统计技术进行描述。

3.2 Gabor滤波器

尽管傅里叶变换是一种非常有效的图像处理方法, 但傅里叶变换是对信号的全局频率内容的一种分析手段, 而纹理分析希望分析定位于局部的时域空间来突出对图像特定纹理细节进行分析。因此, 将空间依赖性引入到傅里叶分析产生了一种被称为窗口傅里叶变换, Azencott等人将窗口傅里叶变换用于纹理分类。窗口傅里叶变换可以通过在变换时增加一个窗口函数来实现, 当这个窗口函数是Gaussian函数时, 该变换就变成了一个Gabor变换。从上个世纪90年代以来, 有学者开始用Gabor滤波器进行纹理特征提取, 并且由于其在纹理描述方面体现出了非常显著的效果而被众多的学者所接受。

3.3 Laws纹理

Laws模板纹理描述方法是目前信号处理方法中最简单的一种, 其是一种基于图像能量估计的图像纹理能量转换的纹理特征提取方法, 通过使用简单模板处理纹理图像, 从而对纹理图像的特征进行描述。

3.4 4 LBP纹理描述方法

1996年, Ojala等人提出了局部二元模式纹理特征描述方法, 该方法是一种结合了纹理图像结构和像素统计关系的纹理特征描述方法。LBP方法是通过二值模板在纹理图像上滤波, 通过统计滤波后图像的灰度直方图来提取纹理特征的方法。

最简单的LBP纹理特征描述方法的基本思想是:以每一个像素位置处为中心选取一个3*3大小的邻域, 通过以中心像素值为阈值对邻域像素进行二值化编码 (即大于阈值的编码为1, 小于阈值的编码为0) ;利用得到的二值表与模板对应位置乘积取和, 即可得到该邻域中心像素的LBP特征值 (特征值的大小一般在0到255之间) , 从而由整个纹理图像所有像素值的LBP特征值统计直方图作为纹理特征。生成每个像素LBP特。

结语

纹理描述是提取纹理图像特征的重要手段, 本文就其中的信号处理方法进行总结分析, 但就其本身的特性决定无法高效的提取所有纹理图像的特征, 还需要与其他方法结合使用。

参考文献

[1]J.K.Hawkins.Textural properties for pattern recognition.In B.S.Lipkin and A.Rosenfeld, editors, Picture Processing and Psychopictorics.Academic Press.

[2]Zhu, S.C., Guo, C.E., Wang, Y.Z., etc.What are textons?[J].International Journal of Computer Vision, Apr-May, 2005, 62 (1-2) :121-143.

特征点描述 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。

特征点描述 第9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;