在HSV下的材料腐蝕特征區(qū)域顏色與邊界量化處理

紀(jì)　鋼， 吳萍萍

( 重慶理工大學(xué) 計算機科學(xué)與工程學(xué)院,重慶　400054)

?

引用格式：紀(jì)鋼， 吳萍萍.在HSV下的材料腐蝕特征區(qū)域顏色與邊界量化處理[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版)，2016(1):63-69.

Citation format：JI Gang, WU Ping-ping.Processing of Regional Color and Boundary Quantization About Material Erosion in HSV[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):63-69.

在HSV下的材料腐蝕特征區(qū)域顏色與邊界量化處理

紀(jì)鋼， 吳萍萍

( 重慶理工大學(xué) 計算機科學(xué)與工程學(xué)院,重慶400054)

摘要：材料腐蝕特征機器評級涉及材料腐蝕特征區(qū)域顏色量化處理。在RGB空間獲取材料腐蝕特征圖像信息，通過HSV顏色空間描述該腐蝕特征區(qū)域的顏色值，采用非均勻量化方式將HSV顏色空間的3個分量根據(jù)人眼對色差的敏感度進(jìn)行相應(yīng)的量化。針對材料腐蝕特征區(qū)域顏色不均勻、特征邊界顏色量化產(chǎn)生二義性問題，使用邊界模糊量化處理方式來解決顏色量化邊界的不相關(guān)問題，使得量化后的顏色更符合人的主觀視覺感知，得到較好的視覺量化效果，滿足腐蝕特征顏色等級的評定要求。

關(guān)鍵詞：HSV顏色空間；顏色量化；邊界模糊量化；材料腐蝕圖像

工業(yè)產(chǎn)品的應(yīng)用及設(shè)計離不開材料，在材料腐蝕研究中，對于材料腐蝕特征產(chǎn)物(如銹點、鼓泡、剝落等基礎(chǔ)信息)，都將采用材料的外觀圖像信息來客觀地記錄及反映材料表面腐蝕狀況、腐蝕產(chǎn)物的顏色特征。在材料腐蝕特征元數(shù)據(jù)的組成中，材料外觀腐蝕圖像信息是評價材料抗腐蝕性能最直觀的重要信息[1]。該信息可以用來描述及確定材料腐蝕特征區(qū)域大小、面積、顏色等，是一種底層的基礎(chǔ)圖像信息，在圖像信息標(biāo)注中具有重要的作用。

圖1為材料腐蝕特征銹蝕點圖像信息。圖像中的每個銹蝕點區(qū)域就是腐蝕特征區(qū)域。材料腐蝕特征信息的處理，一方面是對腐蝕特征區(qū)域顏色的處理；另一方面是對材料腐蝕特征的大小、面積及特征數(shù)量的處理。目前，對于材料腐蝕特征區(qū)域顏色用人工處理方式進(jìn)行時，由于人眼對色彩的分辨率有限[2]，使得對顏色的細(xì)小變化及區(qū)域范圍內(nèi)顏色無法有效地辨識。人的視覺系統(tǒng)感知顏色特性的能力存在較大的局限性，造成對腐蝕特征區(qū)域顏色處理困難，邊界顏色區(qū)分具有不確定性，從而無法準(zhǔn)確確定腐蝕區(qū)域主顏色值。隨著計算機技術(shù)及圖像處理技術(shù)在材料腐蝕學(xué)科中的應(yīng)用，使材料腐蝕特征處理逐步實現(xiàn)數(shù)字化處理，需要進(jìn)行顏色值的量化處理[3]。另外，材料表面由于受腐蝕程度不同，材料腐蝕特征區(qū)域顏色變化并不均勻、單一[4]，使用機器進(jìn)行材料腐蝕特征邊界顏色量化會產(chǎn)生二義性問題[5]，在邊界處理中有可能出現(xiàn)某些顏色信息丟失或顏色無差別等問題。因此，尋找一種有效的腐蝕特征區(qū)域顏色處理方法十分必要。

1材料腐蝕特征區(qū)域顏色量化

1.1材料腐蝕特征區(qū)域顏色與HSV顏色空間

通過圖像采集硬件系統(tǒng)獲取材料腐蝕特征圖像信息，用*．BMP文件格式進(jìn)行存儲。對于如圖1所示的材料腐蝕特征原圖，需要處理特征區(qū)域顏色信息。為更好地理解圖像信息及其中的特征區(qū)域顏色，需將腐蝕特征區(qū)域圖像分離出來。圖像分割是指按照區(qū)域一致性準(zhǔn)則將圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域，這些區(qū)域互不交叉，每一個區(qū)域均滿足特定區(qū)域的一致性。材料腐蝕區(qū)域的腐蝕程度不同，在用閾值分割處理時，對特征圖像的局部信息選擇幾個合適的灰度閾值，將圖像分割成多個目標(biāo)與背景的區(qū)域。在使用自適應(yīng)閾值分割腐蝕特征信息時，可提取不同的腐蝕特征區(qū)域，并且對這些腐蝕特征區(qū)域進(jìn)行相應(yīng)編號。對于亮度不均勻的圖像分割，可先將特征圖像進(jìn)一步細(xì)分為N×N的子圖像，使每個子圖像內(nèi)的亮度盡量均勻，然后在每個子圖像內(nèi)確定各自的閾值來進(jìn)行特征信息的分割處理。

針對圖1所示的材料腐蝕特征銹蝕點，需要確定材料腐蝕特征點區(qū)域的主顏色值。如果采用材料腐蝕特征顏色匹配處理方式，可通過顏色池來選定樣本的基本顏色特征。若兩幅材料腐蝕圖像Ii和Ij的直方圖為Hi和Hj，則一般顏色直方圖匹配的計算方法為

(1)

對于RGB空間，圖像顏色是由不同亮度的R(紅)、G(綠)、B(藍(lán))三基色組成，式(1) 可改寫為

(2)

在顏色直方圖匹配中，由于直方圖會丟失顏色的位置信息，故在實際處理中可將圖像劃分成若干子塊，分別對各子塊進(jìn)行匹配，用各子塊的直方圖在一定程度上反映顏色的位置特征。

顏色是一種能簡化目標(biāo)提取和分類的重要描述符，選擇合適的顏色表達(dá)方式是材料腐蝕特征顏色處理非常重要的一步。同時，對顏色的特征描述依賴于所用的顏色空間， 并不是所有的顏色空間都與人的視覺相一致[6]。顏色空間大致可分為RGB空間、CMY空間、CIE空間、HSV空間等。顏色與人的視覺關(guān)系緊密，HSV顏色空間對應(yīng)畫家配色模型，能較好地反映人對顏色的感知能力和鑒別能力，即人類視覺感官對色彩的理解方式[7-8]。此外，不同顏色在HSV空間中的歐式距離與視覺感官距離大體一致[9]，具有較好的區(qū)分度。由于材料腐蝕特征顏色的評定與人的視覺關(guān)系密切，所以在HSV空間下進(jìn)行材料腐蝕特征顏色處理。對于HSV顏色空間，使用色度(h)、飽和度(s)及亮度(v)分離的方式實現(xiàn)顏色的定量描述。h表示色彩信息，即所處的光譜顏色的位置，取值范圍為0°～360°；s取值范圍為0.0～1.0，當(dāng)s=0時，只有灰度，值越大，顏色越飽和；v表示色彩的明亮程度，取值范圍為0.0(黑色)～1.0(白色)，它與光強度之間無直接聯(lián)系[10-11]。目前，由于硬件技術(shù)的關(guān)系，材料腐蝕特征原始圖像信息的獲取主要采用RGB顏色空間?？紤]到材料腐蝕特征原始圖像信息為RGB格式，需要把RGB空間的色彩轉(zhuǎn)化到HSV空間，將r、g、b歸一化到0到1之間，再從歸一化后的r、g、b值計算h、s、v的值[12]，變換方法為：

1)v=max(r、g、b)

2) 令mid=v-min′(r、g、b)

經(jīng)過上述變換后，h∈[0,360]，s∈[0,1]，v∈[0,1]。其中：定義h、s、v為RGB空間顏色轉(zhuǎn)換到HSV空間的連續(xù)值， 而H、S、V是3個分量量化后的離散值。

1.2在HSV下的腐蝕特征顏色量化處理

材料腐蝕特征顏色評價的標(biāo)準(zhǔn)是能否有效確定腐蝕特征區(qū)域的顏色值，根據(jù)不同的顏色值來確定材料腐蝕特征等級。在常規(guī)人工處理中，對區(qū)域特征顏色采用對比顏色板近似的方式確定該區(qū)域是什么主顏色值。目前，人眼可以識別的可見光顏色有紅、橙、黃、綠、青、藍(lán)、紫等基本色以及這些顏色的中間色，約有120種顏色。材料腐蝕特征區(qū)域顏色值量化的目的是解決人工記錄材料腐蝕特征顏色存在的主觀性和非智能化問題。因此，進(jìn)行顏色量化后的顏色等級必須大于人眼可識別的顏色種類。

1.2.1顏色量化

顏色量化是從一個較大的顏色集合映射到一個較小顏色集合里。在HSV顏色空間中，將HSV顏色空間的3個分量根據(jù)人眼對色差的敏感度進(jìn)行相應(yīng)的量化。色調(diào)H和飽和度S用來反映顏色的種類和顏色的深淺程度，在人的視覺判斷中起主要的影響作用。色調(diào)H在顏色輪上用顏色名稱來辨別。色調(diào)H的分布圖如圖2所示，其采用角度度量范圍為0°～360°。顏色沿著一個圓周均勻分布，其余的次要顏色則位于主要顏色之間。人眼對飽和度S的變化比較敏感，即人眼比較容易感受到顏色的深淺變化，特別是在顏色純度較高時，加入大約2%左右的白光后人眼就能分辯出顏色的變化[6]。亮度V的變化值與圖像的彩色信息無關(guān)，但對于光亮度大(靠近白色)及光亮度低(靠近黑色)的顏色，飽和度S的取值都很小。

圖2　色調(diào)H分布圖

1.2.2非等間隔量化處理

考慮HSV顏色空間的特點，在基于HSV顏色空間所進(jìn)行的材料腐蝕特征顏色量化處理是將HSV顏色空間的3個分量根據(jù)人眼對色差的敏感度進(jìn)行量化。在將材料腐蝕圖像特征區(qū)域的多數(shù)顏色根據(jù)人眼的視覺效果量化為較少數(shù)目的顏色時[13]，由于腐蝕特征區(qū)域顏色非均勻分布，故在HSV顏色空間中進(jìn)行非等間隔量化處理，其步驟為：

1) 設(shè)亮度v<0.2的顏色定為黑色，其一維特征矢量L=0；

2) 對于飽和度s<0.1且亮度v>0.2 的顏色，按亮度劃分為3種顏色，分別表示深灰(0.2，0.5)、淺灰(0.5，0.9)和白色(0.9，1)，L分別為1、2、3 ；

3) 考慮色調(diào)h的角度度量范圍為0°～360°。從0到360變化時色調(diào)依次呈現(xiàn)，但每一種色調(diào)對應(yīng)的H分量區(qū)間不均勻，體現(xiàn)在三基色所在的空間較大，與人的視覺模型相似[14]。這是由于物體的顏色與光的波長和頻率有關(guān)，不同的色光在真空中的波長和頻率范圍是不一樣的[15]。根據(jù)色調(diào)的分布圖，通常把色調(diào)量化為8份或者16份，由于人眼能識別的顏色種類為120，量化成8份所獲得的顏色種類小于120。因此，本文將h通道量化為不等間隔的16 份。在對h做具體的量化處理時，當(dāng)h落在[0,15]或[345,360]時，H量化為0；當(dāng)h落在[15,25)、[25,45)、[45,55)、[55,80)、[80,108)、[108,140)、[140,165)、[165,190)、[190,220)、[220,255)、[255,275)、[275,290)、[290,316)、[316,330)、[330,345)時，H依次量化為1,2,3,…,15。

4) 對于飽和度S和亮度V非等分為3份。其中，飽和度S劃分為暗色(0.1,0.5)、淡色(0.5，0.9)和明色(0.9，1)；亮度V劃分為低調(diào)(0.2，0.5)、中調(diào)(0.5,0.75)和高調(diào)(0.75，1)。對S、V的量化處理為：

5) 根據(jù)H、S、V的量化級及頻帶寬度，其一維特征矢量L的組合方式為

L=HQvQs+QvS+V

(3)

其中：Qv和Qs分別是分量S和V的量化級數(shù)，按上述處理方式定為：Qv=3，Qs=3。

2邊界顏色量化處理

通過在HSV顏色空間對腐蝕特征顏色進(jìn)行非均勻量化處理，其一維特征矢量L的取值范圍由公式(3)可確定在[0,1,…,149]。如果h的量化值恰好在量化邊界或者量化邊界的附近時，該值只能歸入一種顏色中，對于另一種顏色無意義，這樣就割裂了相近顏色的相關(guān)性。由于材料腐蝕特征區(qū)域顏色的不均勻性，以及其顏色仍然相近的特點，使得對腐蝕特征區(qū)域主顏色的處理產(chǎn)生一定的誤差。假如，當(dāng)h=25，s,v>0.2時，顏色處于紅色和橙色交界處，按照使用的量化方法，H只能為1(橙色)；但當(dāng)h=24，s,v>0.2不變時，此時H的量化值卻為0(紅色)。因此，當(dāng)h=25或h=24時，經(jīng)過量化處理后變?yōu)?種顏色，在對邊界顏色進(jìn)行量化處理后將產(chǎn)生二義性問題。

一般情況下，色調(diào)H是最為重要的分辨性視覺特征，同時顏色之間的差異主要由顏色色調(diào)的差異描述，故為解決區(qū)域顏色在量化中對材料腐蝕特征顏色評定帶來的誤差，應(yīng)對邊界進(jìn)行模糊量化處理[4]。即對H分量進(jìn)行相應(yīng)的量化處理，而對S和V分量的量化方法不變，其處理方法如下：

1) 在H分量量化后的16個不等份中， 每份都規(guī)定一個中心域，即[hi+Δi,hi+1-Δi]。

2) 對要進(jìn)行量化的像素，當(dāng)其h分量落在相應(yīng)顏色的中心域時，其H值直接量化為上述量化規(guī)則中相對應(yīng)的數(shù)值。

3) 當(dāng)H分量的值并沒有落在中心域時，也就是h值落在上述量化圖的邊界點hi或邊界點的附近即(hi,hi+Δi)或(hi+1-Δi,hi+1)時,使用映射函數(shù)將其映射為與邊界2個顏色相關(guān)的某個值，使得邊界兩邊的顏色都對當(dāng)前量化值產(chǎn)生相應(yīng)的貢獻(xiàn)。在圖3中，假設(shè)h1、h2、h3分別是上述量化方法中的量化邊界，即當(dāng)h在(h1,h2]時，H(h)=k；當(dāng)h在(h2,h3]時，H(h)=k+1。

圖3　色調(diào)H分布圖

5) 當(dāng)h∈[hi+Δi,hi+1-Δi] 時(即某種顏色對應(yīng)的中心域)，則H(h)=k；當(dāng)h處于2種顏色交界點附近時，有2種情況：

當(dāng)h∈(h1,h1+Δ1)時,Hnew(h)根據(jù)公式Hnew(h)=ω1×(k-1)+ω2×k獲得；

當(dāng)h∈(h2+Δ1,h2)時,Hnew(h)根據(jù)公式Hnew(h)=ω1×(k+1)+ω2×k獲得；

其中：Hnew(h)表示按新規(guī)則量化后的H分量值，ω1、ω2是權(quán)值。根據(jù)色調(diào)交界處的2種色調(diào)對鄰域內(nèi)色調(diào)的貢獻(xiàn)程度，具體計算方式為：

當(dāng)d1=h-(h1+h2)/2，d2=h-(h+h15)/2；當(dāng)ω1=d1/(d1+d2)，ω2=d2/(d1+d2)。

對于每個要量化的像素都需實時計算其權(quán)值，這樣必然增加計算的復(fù)雜度。為了減少計算時的復(fù)雜度，對權(quán)值ω1、ω2賦予確定值，針對材料腐蝕特征圖像信息的特點，經(jīng)過實驗，選取ω1=0.4、ω2=0.6。其一維特征矢量式(3)可表示為

L=round(HQvQs+QvS+V)

(4)

此時，對于處在分界點附近顏色的一個分量，本文將其模糊量化到2個分量區(qū)間。因此，在三維HSV顏色空間中，一種顏色可能會被模糊量化到2k(k∈[1,3])個不同區(qū)間。經(jīng)過隸屬部分的計算，便獲得該顏色在每個量化區(qū)間中所占的比例。在彩色直方圖統(tǒng)計時，將顏色在特征中所占比例根據(jù)隸屬關(guān)系分配到各個量化區(qū)間，得到改進(jìn)的色彩直方圖，為主顏色權(quán)值的提取提供數(shù)據(jù)基礎(chǔ)。

3實驗結(jié)果

實驗平臺在win8系統(tǒng)的Matlab2010上實現(xiàn)。所采用的圖片素材(圖1)由重慶五九研究所提供。本文針對圖1銹蝕圖像進(jìn)行銹點特征提取，如圖4所示。其中：圖4(a)為圖1中的一個腐蝕銹點，經(jīng)過自適應(yīng)閾值取值獲得圖4(b)的二值圖，圖4(c)則為提取的該銹點特征圖。圖5為特征的H分量的直方圖。對該特征顏色進(jìn)行未改進(jìn)量化算法處理和本文量化算法處理，如圖6、7所示。圖6中直接量化H，不進(jìn)行邊界顏色處理，即未改進(jìn)量化算法；圖7為本文改進(jìn)的顏色量化算法，即量化邊界應(yīng)用模糊化處理。

圖4　腐蝕特征提取

圖5　H未量化的直方圖

由圖6可知：在量化過程中，未進(jìn)行相應(yīng)的邊界處理已造成顏色信息丟失。由圖7可知：經(jīng)過邊界模糊處理的H直方圖更加匹配圖5中原始的H直方圖。圖6在15～20有1個凹點，在圖7中能體現(xiàn)出這個凹點，使改進(jìn)后的量化算法能匹配原始H直方圖，更加符合人眼感知。較小的特征點顏色復(fù)雜度較低，因此本文選取圖1中3個比較大的腐蝕，分別使用未改進(jìn)量化算法和邊界模糊處理量化來獲得主顏色值，實驗數(shù)據(jù)見表1、2。

圖6　未改進(jìn)的H量化直方圖

原始特征均值算法獲得主顏色(RGB)未改量化算法主顏色(RGB)ΔE本文改進(jìn)的改量化算法主顏色(RGB)ΔE腐蝕特征1135,112,108134,111,1082.0803134,112,1081.7227腐蝕特征2134,112,110135,111,1090.1856134,112,1110.0389腐蝕特征3145,120,113144,121,1141.3891145,119,1131.0788

表2　實驗2的數(shù)據(jù)統(tǒng)計

實驗結(jié)果顯示：使用量化算法與均值算法所獲的特征顏色色差ΔE均小于3，表明在人類的視覺中2種顏色僅有細(xì)微的差別；有的甚至<1.5，表明在人類的視覺中2種顏色無差別。均值算法對噪聲非常敏感，因此本文在實驗2中僅采用未改進(jìn)量化算法和本文的改進(jìn)量化算法對加入噪聲的腐蝕特征進(jìn)行色差對比。從表2可知：改進(jìn)后的量化算法有更優(yōu)的抗噪性能，ΔE均小于1.5，兩種顏色在人類視覺中無差別。

由此可見，通過本文的顏色量化方法及解決邊界顏色的處理方式對材料腐蝕特征區(qū)域顏色進(jìn)行量化所獲得的顏色特征，與原始的材料腐蝕特征區(qū)域的顏色更加匹配，顏色失真更小，可使后期顏色提取所獲得顏色更加接近特征本身顏色，同時具有更好的抗噪性，有利于后期對腐蝕顏色等級的評價。

4結(jié)束語

針對材料腐蝕圖像的腐蝕特征區(qū)域的顏色值，在HSV顏色空間中，對HSV的3個分量進(jìn)行量化處理，考慮特征區(qū)域顏色邊界量化產(chǎn)生的二義性，使用改進(jìn)的邊界模糊量化處理方法解決該問題，從而降低根據(jù)顏色進(jìn)行腐蝕特征等級評定所產(chǎn)生的誤差，獲得了更好的抗噪性能。仿真結(jié)果表明：改進(jìn)的邊界模糊顏色量化效果在增加顏色之間相關(guān)性的同時，與腐蝕特征原圖更加匹配，顏色失真更小，降低了后期腐蝕等級評價時的誤差，提高了腐蝕等級評價的準(zhǔn)確度。

參考文獻(xiàn)：

[1]紀(jì)鋼,彭麗麗,王平.基于腐蝕產(chǎn)物顏色分析的材料腐蝕程度評定方法[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版),2012,07:69-73.

[2]章毓晉.基于內(nèi)容的視覺信息檢索[M].北京:科學(xué)出版社，2003：57.

[3]OMRAN M，ENGELBRECHT A．A color image quantization algorithm based on particle swarm optimization[J]．Informatica，2005，29(3)：261-269．

[4]龔應(yīng)忠,李子存,馮新瀘,等.基于顏色特征的銅片腐蝕結(jié)果評價[J].腐蝕與防護(hù),2013(2):117-120.

[5]常小紅,濮黃生,見偉平.一種基于HSV顏色空間模糊量化的圖像檢索方法[J].醫(yī)療衛(wèi)生裝備,2011(4):19-22.

[6]徐旭．基于視覺特征的圖像檢索系統(tǒng)研究[D]．杭州：浙江大學(xué)，1999．

[7]侯方,姜秀華.圖像檢索中顏色特征提取方法的研究[J].中國傳媒大學(xué)學(xué)報(自然科學(xué)版),2013,05:35-40.

[8]方珍紅,謝明元,楊玲.一種新的基于加權(quán)顏色特征的圖像檢索算法[J].激光與紅外,2013,04:471-474.

[9]劉廣海.基于顏色體積直方圖的圖像檢索[J].計算機科學(xué),2012,39(1):273-275.

[10]曹莉華,柳偉,李國輝.基于多種主色調(diào)的圖像檢索算法研究與實現(xiàn)[J].計算機研究與發(fā)展,1999，36(1):96-100.

[11]ZHANG Lei,LIN Fuzong,ZHANG Bo.A CBIR method based on color spatial feature.Proceeding of the IEEE Regio 10 conference (TENCON90),1999:166-169.

[12]方俊,郭雷,汪子強.一種改進(jìn)的基于顏色-空間特征的圖像檢索方法[J].計算機工程與應(yīng)用,2005，25:68-70.

[13]張永庫,李云峰,孫勁光.綜合顏色和形狀特征聚類的圖像檢索[J].計算機應(yīng)用,2014(12):3549-3553.

[14]龐子龍,李佩琛.基于視覺感知的非均勻顏色模糊量化算法研究[J].電腦知識與技術(shù),2009,22:6276-6277.

[15]曹建芳,陳俊杰,趙青杉.一種改進(jìn)的HSV顏色空間量化方法及其應(yīng)用[J].南京師范大學(xué)學(xué)報(工程技術(shù)版),2014(2):68-73.

(責(zé)任編輯楊黎麗)

Processing of Regional Color and Boundary Quantization

About Material Erosion in HSV

JI Gang, WU Ping-ping

(College of Computer Science and Engineering,

Chongqing University of Technology, Chongqing 400054， China)

Abstract:The area of material corrosion feature involves the color quantization processing when level the machine rating corrosion. The information of material corrosion feature image obtained in RGB space, according to the sensitivity of the human eye to color the corresponding quantitative, used non-uniform quantization to the three components that through HSV color space to describe the color about material corrosion feature. Against the unevenness of material feature color and the ambiguity problem of the border color to quantify, the processing of fuzzy boundaries quantization was used to solve problem which boundary color quantization was not relevant. The color after that processing of quantitative color with fuzzy boundary is more close to people’s subjective visual perception and obtains a better visual quantization effect, which meets the evaluation of the color grade on the corrosion feature.

Key words：HSV color space; color quantization; boundary fuzzy quantization; material corrosion image

文章編號：1674-8425(2016)01-0063-07

中圖分類號：TP391.41

文獻(xiàn)標(biāo)識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.011

作者簡介：紀(jì)鋼(1958—)，男，河南淇縣人，教授，碩士生導(dǎo)師，主要從事信息控制、圖像處理、數(shù)據(jù)庫技術(shù)研究；吳萍萍(1990—)，女，福建泉州人，碩士研究生，主要從事圖像處理、計算機應(yīng)用技術(shù)等研究。

基金項目：原國防科工委項目(H102006A004).

收稿日期：2015-09-24