精华内容
下载资源
问答
  • 2022-01-29 13:08:28

    本文是为大家整理的水环境监测与治理主题相关的10篇毕业论文文献,包括5篇期刊论文和5篇学位论文,为水环境监测与治理选题相关人员撰写毕业论文提供参考。

    1.[期刊论文]水环境监测与治理专业创新创业教育改革升级研究

    期刊:《湖北开放职业学院学报》 | 2021 年第 008 期

    摘要:创新创业教育改革升级是水环境监测与治理专业高水平建设的重要内容。分析了水环境监测与治理专业创新创业教育存在的问题,提出了从教育目标、课程体系、课程内容、教学方法、实践平台等方面的具体改革措施,以打造水环境监测与治理专业创新创业教育升级版。

    关键词:水环境监测与治理;创新创业教育;人才培养;智慧水务

    链接:https://www.zhangqiaokeyan.com/academic-journal-cn_journal-hubei-open-vocational-college_thesis/0201288621006.html


    ---------------------------------------------------------------------------------------------------

    2.[期刊论文]论新型城镇化建设中农村水环境监测与污染治理

    期刊:《区域治理》 | 2021 年第 006 期

    摘要:在当前新型城镇化的建设工作中,针对农村水资源的有效监测和管理工作,需要相关政府单位主导开展一系列的环境整治和污染防控管理工作.同时还需要积极地引入相关技术、人才以及管理理念,全面提高针对农村水环境的管理和预防的工作效率.本文简要对当前新型城镇化建设中农村水环境监测与污染治理相关工作进行简要的探讨.

    关键词:水资源;污染;治理;监测;农村

    链接:https://www.zhangqiaokeyan.com/academic-journal-cn_regional-governance_thesis/0201290192191.html


    ---------------------------------------------------------------------------------------------------

    3.[期刊论文]水环境监测与治理技术赛项选手备赛与选拔方式

    期刊:《广东蚕业》 | 2019 年第 008 期

    关键词:水环境监测与治理技术;选手备赛;选手选拔

    链接:https://www.zhangqiaokeyan.com/academic-journal-cn_guangdong-sericulture_thesis/0201275419013.html


    ---------------------------------------------------------------------------------------------------

    4.[期刊论文]浅谈水环境监测与治理实训平台设计与实现

    期刊:《祖国》 | 2019 年第 011 期

    摘要:随着中国经济的发展,社会的进步开始出现相应的环境问题,特别是水环境问题,日益受到重视。通过及时监测水质环境,及时采取行动,有效缓解水质问题,改善水质环境,开展水质监测质量控制相关研究。随着污水处理技术的发展,人们对污水处理的控制要求越来越高,操作也要求简单方便。本文介绍了水质监测和治理控制的内容和重要性,并提出了基于当前质量控制工作问题的优化措施,文章为具体任务提供参考和解决问题的资料。

    关键词:水环境;监测;治理实训

    链接:https://www.zhangqiaokeyan.com/academic-journal-cn_zuguo_thesis/0201288274412.html


    ---------------------------------------------------------------------------------------------------

    5.[期刊论文]浅析新型城镇化建设中农村水环境监测与污染治理

    期刊:《科技资讯》 | 2018 年第 028 期

    摘要:随着新型城镇化建设进程以及城乡一体化步伐的加快,农村生产力进一步释放的同时,生态环境问题也日益突出.在水资源保护方面,对水污染的有效监控与治理,已经引起全社会的广泛关注.本文分析并阐述了城镇化建设中农村水资源的利用现状及问题成因,并在农村水环境监测体系构建和质量控制,以及水污染综合治理的措施及途径等方面,给出了一些建议和对策.

    关键词:城镇化;农村;水环境;治理

    链接:https://www.zhangqiaokeyan.com/academic-journal-cn_science-technology-information_thesis/0201270282817.html


    ---------------------------------------------------------------------------------------------------

    6.[学位论文]郑州市水环境治理成效与问题研究

    目录

     封面
     声明
     中文摘要
     英文摘要
     目录
     一、绪论
     (一) 研究背景及意义
                1. 研究背景
                2. 研究意义
     (二) 研究综述
                1.国外研究现状
                2.国内研究现状
     (三) 研究思路、研究方法与创新之处
                1.研究思路
                2.研究方法
                3.创新之处
     二 基本概念及相关理论基础
     (一) 基本概念
                1.水环境
                2.水环境治理
                3.PPP(政府和社会资本合作)模式
     (二) 相关理论基础
                1.公共物品理论
                2.协同治理理论
                3.可持续发展理论
     三、郑州市水环境概况、存在问题及治理过程
     (一)郑州市水环境概况
                1.郑州市概况
                2.水资源分布
     (二)郑州市水环境存在问题
                1.水资源匮乏且分布不均
                2.人口增长迅速和水资源浪费严重,加剧水资源供需矛盾
                3.地下水严重超采,形成大面积漏斗区
                4.水污染严重,造成水质型缺水
     (三) 郑州市水环境治理过程
                1. 初级治理阶段(1950-1990年)
                2.污染治理阶段(1990-2012年)
                3. 综合治理阶段(2013年至今)
     四、郑州市水环境治理现状及成效
     (一) 郑州市水环境治理现状
                1.治理目标
                2.治理法规
                3.治理体制
     (二)郑州市水环境治理成效
                1.“臭水河”——金水河的治理
                2.郑州市的“母亲河”——贾鲁河的治理
     (三) 郑州市水环境治理效果评析
                1.水质变化
                2.水资源变化
                3.总体评价
     五、郑州市水环境治理存在的主要问题及分析
     (一) 郑州市水环境治理存在的主要问题
                1.政府层面
                2.市场层面
                3.公众层面
     (二)郑州市水环境治理存在问题的原因分析
                1.水环境综合治理体制不完善
                2.法律法规供给不足,缺乏衔接
                3.企业水环境保护责任未落实到位
                4.基层水环境执法能力不足
     六、国内外水环境治理经验与启示
     (一) 国外水环境治理经验
                1.美国集中治理体系下的多元化合作治理模式
                2.欧洲跨国流域一体化治理模式
                3.日本流域整体性治理模式
                4.新加坡“三十年治水”历程
     (二) 国内水环境治理经验
                1.广州市沙河涌的治理
                2.上海市苏州河的治理
     (三) 对郑州市水环境治理的启示
                1.依法治水是水环境治理的前提
                2.现代治理理念和技术是水环境治理的关键
                3.严格监管是水环境治理的保障
                4.广泛的公众参与是水环境治理的重要形式
     七、完善郑州市水环境治理工作的建议
     (一) 政府方面
                1.完善水环境治理体制
                2.加强水环境治理统筹规划
                3.完善水环境治理信息共享和公开机制
                4.加强法律建设和执法力度
     (二)市场方面
                1.规范运用PPP模式
                2.完善企业污染治理引导激励机制
                3.完善水环境生态补偿机制
     (三)公众方面
                1.提高全民水环境保护意识
                2.强化公众参与和监督渠道
     八、结论
     参考文献
     个人简历
     致谢
    

    著录项

    学科:公共管理硕士

    授予学位:硕士

    年度:2020

    正文语种:中文语种

    链接:https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315673675.html


    ---------------------------------------------------------------------------------------------------

    7.[学位论文]流域水环境监测终端的研发

    目录

    著录项

    学科:控制工程

    授予学位:硕士

    年度:2019

    正文语种:中文语种

    中图分类:水体污染及其防治;环境地学

    链接:https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315149335.html


    ---------------------------------------------------------------------------------------------------

    8.[学位论文]辽宁省水环境监测管理系统功能研究

    著录项

    学科:建筑与土木工程

    授予学位:硕士

    年度:2017

    正文语种:中文语种

    中图分类:耕作学与有机农业;环境监测网、站,监测系统

    链接:https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/02031338802.html


    ---------------------------------------------------------------------------------------------------

    9.[学位论文]基于大数据的环境监测与治理研究

    目录

     封面
     声明
     摘要
     英文摘要
     目录
            1.1 研究背景
            1.2 研究的意义
                1.2.1 理论意义
                1.2.2 现实意义
            1.3 文献综述
                1.3.1 国外相关研究现状
                1.3.2 国内相关研究
                1.3.3 研究小结
            1.4 研究方法和可能创新之处
                1.4.1 研究方法
                1.4.2 可能创新之处与不足
     第二章 相关概念以及理论基础
            2.1 大数据及相关技术
                2.1.1 大数据概念与特征
                2.1.2 大数据相关技术
                2.1.3 在本研究的运用
            2.2 环境大数据的概念与理论
            2.3 环境监测与治理的相关概念及理论
                2.3.1 环境监测的概念和理论
                2.3.2 环境监测的方法
                2.3.3 环境治理的概念和方法
                2.3.4 环境治理的理论
            2.4 大数据对环境监测与治理的适用性
                2.4.1 环境监测与治理实质是环境数据的搜集与处理
                2.4.2 大数据技术改善环境数据分析效率
                2.4.3 大数据能实时反映环境治理绩效
     第三章 基于大数据的环境监测与治理框架及治理机制
            3.1 大数据对环境监测与治理的意义
                3.1.1 环境大数据在环境公共治理的意义
                3.1.2 建立环境大数据的核心思想
                3.1.3 环境大数据的来源
            3.2 环境监测与治理框架
            3.3 基于大数据的环境公共治理机制
                3.3.1 大数据应用于环境公共治理的主要影响因素
                3.3.2 基于大数据的环境治理保障条件
                3.3.3 基于大数据的环境监测与预警系统建设
     第四章 环境公共治理面临的挑战
            4.1 当今的环境公共治理
            4.2 大数据应用于环境公共治理的挑战
                4.2.1 与已有管理理念的冲突
                4.2.2 在技术应用层面上的挑战
     第五章 治理政策与建议
            5.1 基于大数据技术,优化环境公共服务
                5.1.1 “互联网+”助力下大数据应用具有先发优势
                5.1.2 与大数据智库、研究机构合作,提升技术能力
                5.1.3 建立环境大数据系统,提升环境公共治理能力
            5.2 完善大数据应用于环境治理的政策建议
                5.2.1 加强对大数据的管理,完善信息基础设施建设
                5.2.2 注重培养政府的数据管理技能,加强对环境舆情的监测与政策指导
                5.2.3 以总体方案为指导,有针对性加大对数据分析和大数据技术的投入
                5.2.4 培养大数据复合型人才
     第六章 结语
     参考文献
     致谢
     攻读硕士学位期间的研究成果
    

    著录项

    学科:行政管理

    授予学位:硕士

    年度:2017

    正文语种:中文语种

    中图分类:一般性问题

    链接:https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020311774980.html


    ---------------------------------------------------------------------------------------------------

    10.[学位论文]地表水环境监测系统

    目录

     封面 
     声明 
     中文摘要 
     英文摘要 
     目录 
     第1章 绪论 
            1.1 课题研究的背景 
            1.2 国内外研究现状 
            1.3 课题研究内容及论文结构安排 
     第2章 系统方案设计 
            2.1 水环境监测系统构架 
            2.2 监测系统软硬件 
            2.3 相关技术 
            2.4 系统软硬件开发平台 
            2.5 系统需求分析 
            2.6 本章小结 
     第3章 系统硬件设计 
            3.1 处理器模块 
            3.2 电源管理模块 
            3.3 通讯模块 
            3.4 外部存储模块 
            3.5 信号采集模块 
            3.6 外围模块 
            3.7 本章小结 
     第4章 系统软件设计 
            4.1 传感器节点软件设计 
            4.2 数据基站软件设计 
            4.3 监控中心软件设计 
            4.4 本章小结 
     第5章 系统测试 
            5.1 硬件连接 
            5.2 通信模块测试 
            5.3 监测中心软件测试 
            5.4 测试数据 
            5.5 本章小结 
     第6章 总结与展望 
            6.1 工作总结 
            6.2 研究展望 
     参考文献 
     致谢 
     附录 
    

    著录项

    学科:控制理论与控制工程

    授予学位:硕士

    年度:2013

    正文语种:中文语种

    中图分类:水质监测仪器设备

    链接:https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020314422650.html

    更多相关内容
  • 为了解决该矿孤岛工作面回采巷道围岩破碎及变形严重的支护难题,以及潜在的巷道支护安全隐患,通过研究,开发出一套巷道围岩及支护质量监测技术,对全长范围内的巷道实行围岩及支护质量的监测、预警、评价与优化,提出...
  • 针对区域中大气环境质量的特点,采用对数主成分分析方法获得各环境指标的权重及各监测点的横向排名,再用适宜的灰度关联方法进行了评价。整个过程在 MATLAB6 .5中实现,计算简便易行,与传统的综合指数法相比较,其评价...
  • 内容分发网络CDN由于其网络复杂性和指标多样性,从而缺少一种服务质量评价标准来量化CDN监测数据。针对这一问题,文章提出一种基于K-means聚类算法的服务等级评定方法,通过分析CDN性能的影响因素与关键指标,选取...
  • 本文对Hyperbolic层次可视化技术进行了深入研究并加以实现,同时将Hyperbolic技术应用于某省各海域的海洋环境质量评价与分析中,对海量的、层次节点繁多的海洋统计与监测、环境评价与分析结果数据进行交互可视化,便于...
  • 三元中能煤业主采煤层工作面回采强度高,巷道断面大,各回采面巷道受回采动压影响严重,部分巷道存在锚杆断裂现象,严重...对4种危险区域进行了危险程度划分,为回采巷道矿压监测测点的布置及巷道支护技术提供了优化方案。
  • 客观评价方法也可以动态监测和调节图像处理系统输出图像的质量. 客观评价方法根据所需无失真参考图像信息量的多少进一步可以分为全参考(full reference, 简称FR)方法、部分参考(reduced reference, 简称RR)方法和无...

    1 引言

    1.1 研究背景及意义

    随着计算机和移动互联网技术的快速发展, 多屏互动[、视频游戏[、远程教育等多客户端通信系统也得到了飞速的发展.在这类系统中, 各类终端之间可以相互通信, 以实现屏幕内容图像(终端设备绘制并显示在屏幕上的视觉内容, 包括网页、邮件、地图、动画、文档和图像等)的分发和处理.与传统自然图像相比, 屏幕内容图像包含的多媒体形式更多, 蕴含着较多的信息, 具有非常大的应用价值.例如, 消费者可以在好友圈中直播购物体验, 并直接分享商品的图片和文字介绍信息; 汽车追尾现场, 事主可直接分享手机摄像头内容给车险理赔员, 远程完成理赔的认定和文件签署; 远程教育中, 教师可实时批阅学生的随堂练习并完成答疑等.屏幕内容图像一般同时包含图像和文本[.传统的自然图像和屏幕内容图像的例子如

    图 1

    Fig. 1

    e224d80d933c7f991322ca563d5fac96.png

    Fig. 1 Examples of traditional natural images and screen content images

    图 1 传统自然图像和屏幕内容图像的示例

    在实时多客户端通信系统中, 屏幕内容图像的分发和处理通常涉及到获取、压缩[和传输等环节.然而, 由于系统资源有限, 各类处理环节都可能在屏幕内容图像中引入失真, 影响用户体验.例如, 在图像获取过程中, 由于视频采集设备的缺陷, 屏幕内容图像包含噪声; 由于硬件设备资源的约束, 屏幕内容图像的分辨率有限.在带宽约束下, 屏幕内容图像的压缩处理会引入压缩失真, 降低图像的视觉质量.在传输过程中, 比特位错误会引起图像内容的随机丢失, 引入难以预测的失真.以上失真会影响屏幕内容图像的画质, 进而影响到用户体验.当前图像质量评价的研究主要针对传统自然图像, 为了能够反映系统中各环节对最终用户体验的影响, 进而实现系统优化的目的, 需要研究和设计针对屏幕内容图像的质量评价方法.

    1.2 图像质量评价方法研究现状

    图像质量评价方法分为主观评价方法和客观评价方法[55-.主观评价方法由观察者来对图像评分, 一般采用平均主观得分(mean opinion score, 简称MOS)或平均主观得分差异(differential mean opinion score, 简称DMOS)作为失真图像的质量指标.观察者是图像视觉信息的最终接收者, 因此主观评价方法是最准确的方法.但是, 主观评价方法需要耗费大量人力、物力以及时间代价并且不能嵌入到实时系统, 因此, 它主要在建立标准数据库时使用.客观评价方法是由相应的计算模型计算得到图像的质量指标.客观评价方法在计算机视觉和图像处理等领域中扮演着重要角色.一些图像处理和传输系统的参数需要根据图像的质量来进行调节, 可以将客观评价方法嵌入到系统之中实时地优化系统的参数.图像检索系统可以根据图像的质量来排列检索的结果.图像处理算法的性能可以根据图像质量来评估, 因此客观评价方法可以作为图像处理算法的基准.客观评价方法也可以动态监测和调节图像处理系统输出图像的质量.

    客观评价方法根据所需无失真参考图像信息量的多少进一步可以分为全参考(full reference, 简称FR)方法、部分参考(reduced reference, 简称RR)方法和无参考(no reference, 简称NR)方法.全参考方法在计算失真图像的质量指标时需要获取失真图像的整幅无失真参考图像的全部信息, 通过对比计算二者的差异得到失真图像的质量指标.部分参考方法在计算失真图像的质量指标时不需要整幅无失真参考图像的全部信息, 仅需从无失真参考图像中提取的某些特征信息即可.无参考方法不需要无失真参考图像的任何信息即可计算失真图像的质量指标.由于没有无失真参考图像, 无参考方法是这3类方法中最困难的方法.

    当前图像质量评价研究的重点是传统自然图像, 针对屏幕内容图像质量评价的研究较少.传统自然图像质量评价的全参考方法经过几十年的发展已具有坚实的理论基础和许多成熟的评价算法.其中, 思想最简单且应用最广泛的是均方误差算法(MSE)和峰值信噪比算法(PSNR), 这两种算法直接将失真图像对应于无失真参考图像的像素差异作为失真图像的质量指标.虽然这两种方法计算简便、快捷, 但是它们计算得到的结果与人的视觉感知相关性较低.Chandler等人通过对人类视觉系统的认知并建模提出了VSNR[算法.Wang等人提出的SSIM[算法将计算得到的无失真参考图像和失真图像的结构相似度作为失真图像的质量指标.在文献[[方法.

    部分参考方法多用于通信系统中.在发送端提取无失真参考图像的部分信息, 比如特征等, 然后将这部分信息通过辅助信道传送到接收端或者先将这部分数据以水印的形式嵌入到发送端的无失真参考图像之后, 再与无失真参考图像一起传送到接收端以节省带宽.对于在接收端收到的失真图像, 提取同样的信息.最后将在发送端提取的无失真参考图像的信息和接收端提取的失真图像的信息结合起来计算失真图像的质量指标.

    传统自然图像质量评价无参考方法可以分为针对如模糊、噪声和块状效应等特定失真类型的方法及通用的方法.针对特定失真类型利用到了特定失真的某种特性, 它们因此也只能用于计算受到特定失真影响的失真图像的质量指标.然而, 在现实应用情景中, 失真绝不会仅局限于某种特定的失真, 因此, 这类无参考方法的应用范围有限.但通用的方法可以应用于多种失真类型, 并且进行简单的扩充之后, 通用的方法就具有针对新的失真类型的能力.通用的方法主要分为基于自然场景统计[的方法和基于学习或训练[的方法.

    理论研究发现自然场景具有某些统计特性, 当失真存在时会改变这些统计特性, 并且不同的失真以及不同的失真程度对统计特性的改变也不同.基于自然场景统计的方法将失真图像偏离自然场景统计特性程度的多少作为失真图像的质量指标.Moorthy等人提出的DIIVINE[方法首先对图像进行小波变换, 然后对变换得到的系数进行统计分布的拟合, 并将得到的系数作为特征.Liu等人提出的SSEQ[方法首先将图像划分为许多小块, 然后分别在这些小块上计算特征, 最后将在所有小块上计算得到的特征聚集起来进行池化得到统计特征.这类方法在计算得到特征后再利用回归方法建立起特征与失真图像质量分数之间的关系.

    基于学习或训练的方法与基于自然场景统计的方法类似, 但其直接提取与图像质量相关的特征, 而不是自然场景统计特征, 最后利用支持向量机或神经网络等机器学习技术建立起图像特征和图像质量指标之间的关系.Li等人[首先提取与图像质量相关的相位一致性、熵和梯度等特征, 然后利用广义回归神经网络建立起图像特征和图像质量指标之间的关系.Ye等人首先利用提取的40维的Gabor特征向量集构建码本, 然后将码字直方图作为图像特征建立起与图像质量指标之间的关系, 基于此而提出了CODEBOOK[方法.Gao[等人受到机器学习排序思想的启发, 先从可明显区分的图像对入手提取差特征向量, 然后利用多核学习算法建立起差特征向量和图像质量指标之间的关系, 该方法的明显优点是不需要图像的主观得分(MOS或DMOS).

    目前, 屏幕内容图像质量评价的研究还处于起步阶段, Yang[等人构建了第一个大规模屏幕内容图像质量评价数据库SIQAD.基于此数据库, 他们得出屏幕内容图像的文本区域和图像区域带给人的视觉感知特性是不同的这一结论.基于此结论, 他们提出了分开考虑文本区域和图像区域, 针对屏幕内容图像的全参考方法SPQA. Ni等人[基于图像梯度的局部信息提取梯度方向特征, 提出了针对屏幕内容图像的GSS全参考方法.Gu[等人利用简单的卷积操作凸显失真引起的结构失真以及失真更容易引起的显著性区域这一结论而提出了SQMS全参考方法.Wang等人[根据屏幕内容图像不同于自然图像的视觉感知特性提出了RRS部分参考方法.

    综上可以得出结论:目前针对屏幕内容图像的研究还较少, 并且提出的方法大部分都是全参考方法.在许多应用情景中很难获取无失真参考图像, 因此, 屏幕内容图像的无参考评价方法研究就变得非常有意义.

    本文第2节介绍IML-SCIQD数据库的构建过程, 主要包括参考图像和失真类型的选取、主观评价方法的确认、具体实验的进行以及最后主观数据的处理.第3节介绍本文提出的针对屏幕内容图像的无参考算法的相关细节.具体有图像区域和文本区域的划分、不同区域的统计特征以及提取的区域统计特征等细节.第4节介绍进行算法评估时所用到的数据库以及最后的评估结果.最后对本文工作进行总结并提出未来的展望.

    2 IML-SCIQD数据库的构建

    2.1 标准图像质量评价数据库的重要性及概况

    标准图像质量评价数据库的建立是客观图像质量评价算法研究的基础, 新提出的算法需要在数据库上进行性能评估, 不同的算法也需要在数据库上进行性能优劣比较.目前, 图像质量评价的研究主要还是针对传统自然图像, 针对屏幕内容图像的研究还处在起步阶段.因此, 目前已公开发表的图像质量评价数据库大部分都是针对传统自然图像的, 例如LIVE数据库[、CSIQ数据库[、TID 2008数据库[、TID 2013数据库[.SIQAD数据库是目前唯一一个公开发表的大规模屏幕内容图像数据库[.

    LIVE数据库包含29幅参考图像和经过5种失真处理的779幅失真图像, 数据库中失真图像的主观分数为DMOS.TID 2008数据库包含25幅参考图像和经过17种失真类型处理的1 700幅失真图像.数据库中失真图像的主观分数为MOS.TID 2013数据库是TID 2008数据库的扩展, 它包含25幅参考图像和经过24种失真类型处理的3 000幅失真图像.数据库中失真图像的主观分数为MOS.CSIQ数据库包含30幅参考图像和经过6种失真类型处理的866幅失真图像.数据库中失真图像的主观分数为DMOS.SIQAD数据库包含20幅参考图像和经过7种失真类型处理的980幅失真图像.数据库中失真图像的主观评分为DMOS.SIQAD数据库中参考图像的来源主要有新闻网页、电子杂志、幻灯片和PDF文件等.在真实的应用环境中, 可能出现各种各样的情况, 单一数据库难以覆盖.因此, 屏幕内容图像质量评价数据库的构建就显得非常有必要.

    图像质量评价数据库的构建通常涉及到参考图像的选取, 失真类型的确定和失真图像的生成, 主观评价方法的选取、主观实验平台的搭建以及招募主观实验人员进行主观实验, 最后将得到的初始主观数据进行处理得到失真图像的主观分数.

    2.2 IML-SCIQD数据库概况

    IML-SCIQD数据库包含25幅参考图像以及25幅参考图像经过10种失真每种失真5个失真等级处理的1250=25×10×5幅失真图像.这25幅参考图像都是通过屏幕截图得到的, 它们主要来自于社交网站、购物网站、生活服务网站、电子地图、电子杂志、PDF文件、幻灯片、电影、动画和新闻网页等, 因此, 参考图像的视觉内容具有一定的代表性.25幅参考图像视觉内容布局和分辨率也不尽相同.IML-SCIQD数据库中的10种失真类型是:(1) JPEG压缩(JPEG); (2) JPEG 2000压缩(JP2K); (3)高斯模糊(GB); (4)运动模糊(MB); (5)高斯白噪声(GWN); (6)椒盐噪声(SPN); (7)乘性噪声(MN); (8)对比度变化(CC); (9) JPEG 2000比特流经过快速衰落瑞丽信道时产生的比特位传输错误(FF); (10)屏幕内容压缩(SCC).

    10种失真类型既包含了传统自然图像相关应用中经常遇到的失真, 也包含了屏幕内容图像所特有的失真.第1种~第9种失真经常出现在与自然图像相关的应用中, 当然也会出现在屏幕内容图像中.例如, 图像获取、图像压缩、图像传输等.这9种失真也经常被其他数据库选作失真类型.最后一种失真是为提高屏幕内容压缩效率而特别针对屏幕内容而设计的压缩算法.

    2.3 主观实验

    选择合适的主观实验方法是获得稳定主观实验结果的重要基础.国际电信联盟(ITU)[推荐了几种不同的主观评价方法, 不同的方法适用于不同的情景.这些方法可以大致分为单刺激方法和双刺激方法.对于单刺激方法, 在进行主观实验时, 每次屏幕上仅出现1幅图像供实验者评分.但是对于双刺激方法, 在进行主观实验时, 每次屏幕上会出现两幅图像, 它们是同一幅图像的不同失真版本, 实验者仅需判断这两幅图像是否有视觉感知差异或哪一幅图像的视觉感知更好或更差即可.但当需要评估的图像数量较大时, 需要对比的图像对的数量将难以接受.为了操作方便, 本文选用单刺激连续质量评估方法(SSCQE)作为主观实验方法.每次只有1幅图像显示在屏幕上, 主观实验者需要根据他自己的视觉感知, 在一个连续的区间内对图像进行评分.

    WEST[开源软件平台为从多个地点上的多个设备上收集主观数据提供了解决方案, 其优点是多个主观实验者可以同时参加主观测试, 只要他们参加测试的设备满足实验条件且连接在实验的本地服务器上即可.它原本是为视频数据设计的, 本文对其进行简单修改之后作为本次主观实验的软件平台.主观实验的一大缺点是耗时, 随着WEST软件平台的应用将大大缩短主观实验的时间.在本文的主观实验中, 所有参考图像也被包含在主观测试之中, 因此整个主观实验过程一共有1 275幅图像需要进行评分.这1 275幅图像根据参考图像被划分为5个子集, 每个子集有255幅图像, 也就是5幅参考图像以及与其对应的失真图像.每一位参加实验的人员必须一次完成一个子集中所有255幅图片的评分.完成一个子集的评分工作大概耗时30分钟左右.每位实验者必须完成所有5个子集的评分工作.为了防止实验者的疲劳对实验数据造成的影响, 一个实验者完成的两个子集评分之间的时间间隔必须大于1小时.

    本次实验招募的35位实验者均来自于深圳大学的研究生和本科生, 年龄在18岁~28岁之间.他们都没有图像处理和图像质量评价的相关经验.在正式的实验开始之前, 每一位实验者都将接受简单的培训, 以此向他们介绍图像质量评价的背景以及如何对图像评分.整个主观实验在4台安装有WIN 7操作系统和谷歌CHROME网络浏览器的台式机上并行进行.所有实验图像都以原始分辨率在联想LT2223wA LED显示器上加以显示.

    实验者登录WEST本地服务器之后, 可开始一个子集的实验, 之后, 子集中的255幅图像会一张接一张地出现, 直到这个子集中的最后一幅图像.每当出现一幅图像, 实验者观看后鼠标单击图像即可出现

    图 2

    Fig. 2

    52f79ecc78a93ac9ea4d213bc730b1e0.png

    Fig. 2 Quality judgement interface of subjective experiment

    图 2 主观实验评分界面

    2.4 数据处理

    在得到初始主观数据之后, 为了使得主观分数能够更好地表示图像的视觉感知质量, 初始主观数据还要根据文献[Sijk表示主观实验人员i对在子集k中失真图像j的初始主观评分.第1步将每一个子集内的初始主观评分Sijk转变为差异分数dijk:

    $

    {d_{ijk}} = {S_{i{j_{ref}}k}} - {S_{ijk}}

    $

    (1)

    这里, Sijk表示主观实验人员i对子集k内的失真图像j对应的参考图像的初始主观评分.接下来, 我们将每个子集内的差异分数dijk转变为z分数zijk:

    $

    {\mu _{ik}} = \frac{1}{{250}}\sum\nolimits_{j = 1}^{250} {{d_{ijk}}}

    $

    (2)

    $

    {\sigma _{ik}} = \frac{1}{{250}}\sum\nolimits_{j = 1}^{250} {{{({d_{ijk}} - {\mu _{ijk}})}^2}}

    $

    (3)

    $

    {z_{ijk}} = \frac{{({d_{ijk}} - {\mu _{ijk}})}}{{{\sigma _{ik}}}}

    $

    (4)

    每个子集内失真图像的总数是250.最后, 我们可以得到一个z分数矩阵, 行是主观实验人员的索引, 列是失真图像的索引.

    并不是所有主观实验人员的评分数据都是可信的, 不可信的主观人员的评分数据将会对最后得到的失真图像的主观评分对失真图像视觉感知的表示带来偏差.得到z分数矩阵之后, 本文采用文献[z分数数据(即上述得到的z分数矩阵的对应的某一行)是否服从正态分布.这可以通过计算该行数据的峰度值得到, 如果计算得到的峰度值位于2~4以内, 则认为该实验人员的评分数据服从正态分布, 这时, 若实验人员给出的1 250幅失真图像中多于5%的评分数据位于相对于数据均值2倍的标准差的范围之外, 则丢弃该实验人员的全部数据.反之, 则保留.如果实验人员的主观评分数据的峰度值不在区间2~4以内, 即不服从正态分布, 这时, 若实验人员给出的1 250幅失真图像多于5%的数据位于相对于数据均值4.47倍的标准差的范围之外, 则丢弃该实验人员的全部数据.反之, 则保留.经过上述处理, 本次实验招募的35位实验人员中有3个人的数据被丢弃.为了使得最后得到的失真图像的主观分数位于区间1~100以内, 本文对最后丢弃相应主观实验人员评分数据后的z分数矩阵进行简单的线性变换, 使得z分数矩阵中的数据均位于区间1~100以内.数据库中失真图像最后的主观评分DMOS可以通过以下公式计算得到:

    $

    DMO{S_j} = \frac{1}{{32}}\sum\nolimits_{i = 1}^{32} {{z_{ij}}}

    $

    (5)

    至此, 整个数据库的构建工作全部完毕.

    图 3

    Fig. 3

    f9cd23c5a3f0efca7611ba961cd21f37.png

    Fig. 3 Histogram of quality scores of distorted images in the IML-SCIQD database

    图 3 IML-SCIQD数据库中失真图像质量分数的直方图

    3 NSNRS无参考算法

    3.1 算法框架

    屏幕内容图像的文本区域和图像区域带给人的视觉感受是不同的, 这一点已在文献中得到证实.本文进一步发现图像区域和文本区域的统计特性也是不同的, 甚至对于同一区域, 当图像区域或者文本区域遭受不同失真的时候, 这一区域的统计特性也是不同的.基于上述结论以及自然场景统计的无参考算法的思想, 本文提出了针对屏幕内容图像的NSNRS无参考算法.算法框架如

    图 4

    Fig. 4

    b85d54aa9f9b2d4965c09a50fb3b7a57.png

    Fig. 4 Framework of our proposed no reference metric

    图 4 本文提出的无参考算法框架

    本文提出的方法是基于学习的, 因此包含训练和测试阶段.在训练阶段训练, Model 1, Model 2和Model 3一共3个模型.Model 1是文本区域质量分数模型, 用来预测文本区域的质量分数.Model 2是图像区域质量分数模型, 用来预测图像区域质量分数.Model 3是结合模型, 用来结合文本区域和图像区域的质量分数而得到失真图像的质量分数.NSNRS无参考算法首先将屏幕内容图像划分为图像区域和文本区域, 然后在划分的两个区域上分别提取自然场景统计特征, 区域的具体划分后面会加以介绍.在每一个区域上, 用提取的自然场景统计特征以及对应的整幅失真图像的主观质量分数DMOS, 利用支持向量回归(support vector regression, 简称SVR)可以训练得到Model 1和Model 2.反过来, 分别在两个区域上提取的自然场景统计特征还要再次输入, 利用它们训练的对应的模型来得到训练集中失真图像文本区域和图像区域的质量分数T_score和P_score.将T_score和P_score组合成二维向量, 将它们对应的整幅失真图像的主观质量分数DMOS作为标签, 利用支持向量回归可以训练得到Model 3.

    在测试阶段, 首先, 屏幕内容图像同样被划分为图像区域和文本区域.然后, 分别在两个区域上提取与训练阶段同样的统计特征.将提取的统计特征输入Model 1或Model 2就可以得到两个区域的质量分数.最后, 将得到的两个区域的质量分数组合成二维向量输入到Model 3, 就可以得到失真图像的质量分数.

    3.2 图像区域和文本区域的划分

    本文基于文献[T.给定一幅屏幕内容图像, 其文本区域索引图T是与屏幕内容图像的灰度图一样大小的矩阵, 本文的工作都是在灰度级上进行的.在文本区域, 索引图T中对应着屏幕内容图像中文本区域的值全为1, 其他地方的值全为0.得到屏幕内容图像的文本区域索引图之后, 可以非常容易地得到屏幕内容图像的图像区域索引图P, 它仅仅是屏幕内容图像文本区域索引图的取反, 也就是屏幕内容图像文本区域索引图T中1值变0值, 0值变1值就可以得到对应的屏幕内容图像的图像区域索引图P.当得到屏幕内容图像的文本区域索引图和图像区域索引图之后, 文本区域和图像区域可以通过相应的区域索引图和屏幕内容图像的点积得到.一幅屏幕内容图像和对应的文本区域索引图、图像区域索引图以及文本区域和图像区域如

    图 5

    Fig. 5

    9e9599156cdfe61108b085c0503ab109.png

    Fig. 5

    图 5

    3.3 图像区域和文本区域的统计差异性

    屏幕内容图像不同于自然图像, 它一般同时包含图像和文本, 然而人们对这两个区域的视觉感知是不一样的.为了探究屏幕内容图像文本区域和图像区域的统计差异性, 本文选择了IML-SCIQD数据库中的一幅参考图像以及与其对应的10幅分别经过10种失真类型最高失真级别处理的失真图像.该参考图像如

    图 6

    Fig. 6

    61f141deec95a5f94ca27494d80614fe.png

    Fig. 6 Reference image selected for research of statistical properties

    图 6 选作统计特性研究的参考图像

    图 7

    Fig. 7

    e7ed2bf8ae330032567877ad58632bcf.png

    Fig. 7 Histogram of transform coefficients of textual region and pictorial region of screen content image and corresponding 10 distorted ones

    图 7 屏幕内容图像以及与其对应的10种失真图像的文本区域和图像区域变换系数的直方图

    3.4 算法中提取的自然场景统计特征

    目前已有大量基于自然场景统计思想的算法被提了出来, 因而在这些算法中包含了各种各样的自然场景统计特征.自然场景统计特征的设计非常耗时, 而且需要足够强大的背景知识.本文没有自己设计自然场景统计特征, 而是选取他人的适合于本文的自然场景统计特征.正如上面提到的划分得到的区域图像中存在大量的零灰度值, 这会严重影响提取的特征对区域图像视觉感知质量的表示, 因此, 选取的自然场景统计特征应该可以较好地避开这些零值的影响.就如本文在探究屏幕内容图像文本区域和图像区域统计特性时所做的那样.

    不论是文本区域图像还是图像区域图像, 本文都提取同样的90个自然场景统计特征.这90个自然场景统计特征来自于4种经典的基于自然场景统计的无参考评价方法:SSEQ、BLIINDS-Ⅱ[、BIQI[和BRISQUE[.SSEQ方法提取12个自然场景统计特征, BLIINDS-Ⅱ方法提取24个自然场景统计特征, BIQI方法提取18个自然场景统计特征, BRISQUE方法提取36个自然场景统计特征.这些特征可以排除大量零灰度值的影响.

    SSEQ算法先将图像分为许多小块, 之后分别在每个小块上计算特征, 然后将在所有小块上计算得到的相同的特征聚成一个向量, 最后对得到的特征向量进行池化, 将池化后得到的特征作为图像最后的特征.为了摆脱零灰度值的影响, 在提取SSEQ方法的特征时, 在图像小块上计算完特征之后, 先丢弃那些图像小块上计算得到的零值或奇异值特征, 这是因为, 由包含大量零值的图像小块计算得到的特征肯定也是零值或是一些奇异值.在丢弃这些图像小块上计算得到的零值或奇异值特征之后, 再进行最后的池化操作, 这样就可以摆脱零值的影响.BLIINDS-Ⅱ方法也是先将图像分为许多小块, 然后分别在这些小块上计算特征, 最后将在所有小块上计算得到的相同的特征聚成一个向量进行池化, 以得到最后的特征.这里摆脱上面提到的零灰度值的影响的方法与SSEQ方法一样.

    BIQI方法先将图像在3个尺度和3个方向上进行小波变换, 然后将变换得到的系数利用广义高斯分布进行拟合, 最后将广义高斯分布拟合得到的参数作为特征.为了摆脱上面提到的零灰度值的影响, 在提取BIQI方法的特征时, 对于图像小波变换之后的系数先丢弃那些零值和奇异值系数, 再去进行拟合, 这是因为, 区域图像矩阵中大量的零灰度值经过小波变换后会产生大量零值和奇异值, 这样就可以摆脱零灰度值的影响.BRISQUE方法和BIQI方法类似, 只不过它没有将图像先进行类似于小波变换这样的频域处理, 而只是在空间域中进行了相应的处理, 然后将处理得到的系数进行拟合, 最后将拟合的系数作为特征.为了摆脱上面提到的零灰度值的影响, 在提取BRISQUE方法的特征时的处理方法与BIQI方法类似, 这里不再赘述.

    4 实验结果

    4.1 测试数据库及评估标准

    为了探究提出的无参考算法的性能, 本文将提出的NSNRS无参考算法与12种客观评价算法在IML-SCIQD数据库以及SIQAD数据库上进行了性能对比, 这12种客观评价算法分别是:(1) GSS; (2) SQMS; (3) RSS; (4) PSNR; (5) FSIM; (6) SSIM; (7) VIF; (8) SSEQ; (9) BIQI; (10) DIIVINE; (11) BLIINDS-Ⅱ; (12) BRISQUE.前两种算法是专门针对屏幕内容图像的全参考评价方法, 第3种算法是专门针对屏幕内容图像所提出来的部分参考评价算法, 第4种~第7种是经典的针对自然图像提出来的全参考算法, 最后5种是经典的基于自然场景统计的无参考评价算法.IML-SCIQD数据库包含参考图像25幅, 10种失真类型, 每种失真类型又有5个失真等级, 因此一共有25×10×5=1250幅失真图像.SIQAD数据库包含参考图像20幅, 7种失真类型, 每种失真类型又有7个失真等级, 因此一共有20×7×7=980幅失真图像.这7种失真类型是:(1)高斯噪声(GN); (2)高斯模糊(GB); (3)运动模糊(MB); (4)对比度变化(CC); (5) JPEG压缩(JPEG); (6) JPEG 2000压缩(JPEG 2000);(7)基于层划分的压缩(LSC).前6种失真经常出现在与自然图像相关的应用中, 最后一种失真是为提高屏幕内容压缩效率的压缩算法.

    人是图像视觉信息的最终接收者, 客观评价方法性能的评估需要通过对比客观评价算法预测得到的质量分数和主观分数的相关性而得到.本文用到的评估标准有斯皮尔曼等级相关系数(the Spearman rank-order correlation coefficient, 简称SROCC)、皮尔森线性相关系数(Pearson product-moment correlation coefficient, 简称PLCC)和根均方误差(root mean square error, 简称RSME).斯皮尔曼等级相关系数衡量算法预测的单调性, 其值位于0~1之间, 值越大表示算法的性能越好.皮尔森线性相关系数衡量算法预测值与主观分数之间的线性相关程度, 其值位于0~1之间, 值越大表明算法的性能越好.根均方误差衡量算法预测值和主观分数之间的绝对差异, 值越小表明算法的性能越好.

    4.2 结果分析

    所有参与比较的12种客观算法的源代码均来自于相关作者和项目的网站.因为本文所提出的算法和最后5种方法都是基于学习的算法, 因此在数据库上进行测试时, 数据库中80%的失真图像用于训练, 20%的失真图像用于测试.在IML-SCIQD数据库上进行测试时, 20幅参考图像对应的失真图像用于训练, 剩下的5幅参考图像对应的失真图像用于测试.在SIQAD数据库上进行测试时, 16幅参考图像对应的失真图像用于训练, 剩下的4幅参考图像对应的失真图像用于测试.由于图像内容的不同可能对算法的性能产生影响, 因此, 这种根据图像内容而进行的训练和测试集划分随机进行1 000次, 最后所有1 000次的平均性能作为算法最后的性能.因为本文提出的算法是基于学习的, 我们使用LIBSVM软件包实现SVR[.在Model 1和Model 2的训练中, 使用径向基核函数.在Model 3的训练中使用线性核函数.

    为了消除主观评价过程中的非线性以及便于不同的图像质量评价算法之间的性能对比, MATLAB中的非线性最小二乘回归函数nlinfit被用来先将客观算法的预测分数映射到DMOSp, 然后再与主观分数进行相关系数的计算.映射函数是具有5个参数的逻辑斯蒂函数:

    $

    DMO{S_p} = \frac{{{p_1}}}{2} - \frac{{{p_1}}}{{1 + \exp ({p_2} \cdot (q - {p_3}))}} + {p_4} \cdot q + {p_5}

    $

    (6)

    p1, p2, p3, p4和p5是逻辑斯蒂函数的参数.

    在IML-SCIQD数据库和SIQAD数据库上的测试结果分别见

    表 1(Table 1)

    b5bad6063f737ed2b0d4428349f8c77b.gif

    Table 1 Test result on the IML-SCIQD database

    表 1 IML-SCIQD数据库上的测试结果

    Distortion

    GSS1

    SQMS1

    RRS2

    PSNR3

    FSIM3

    SSIM3

    VIF3

    SSEQ4

    BIQI4

    DIIVINE4

    BLIINDS-Ⅱ4

    BRISQUE4

    NSNRS

    SROCC

    JPEG

    0.821

    0.888

    0.788

    0.851

    0.863

    0.899 1

    0.906 3

    0.2533

    0.243 8

    0.110 5

    0.331 7

    0.155

    0.461 8

    JP2K

    0.867 7

    0.946 3

    0.887 2

    0.917 4

    0.943 5

    0.922 2

    0.945 7

    0.3758

    0.137 2

    0.225 1

    0.589 8

    0.385 2

    0.636 9

    GB

    0.932 5

    0.918 8

    0.952 7

    0.892

    0.887

    0.938 4

    0.925 3

    0.1377

    0.744 4

    0.607 4

    0.202

    0.697

    0.624 2

    MB

    0.886 5

    0.864 8

    0.944 9

    0.778 3

    0.785 9

    0.919 8

    0.847 5

    0.1348

    0.621 6

    0.574 3

    0.163 6

    0.623 2

    0.576 5

    GWN

    0.847 2

    0.916 9

    0.922 8

    0.882 8

    0.849 6

    0.904

    0.918 6

    0.8197

    0.907 7

    0.810 8

    0.694 2

    0.886 3

    0.884 8

    SPN

    0.278 6

    0.862 3

    0.862 3

    0.778 5

    0.737 3

    0.842 4

    0.847 9

    0.7693

    0.826 7

    0.755 9

    0.659 7

    0.816

    0.868

    MN

    0.796

    0.862

    0.889 4

    0.804 3

    0.827 9

    0.824

    0.872 5

    0.7184

    0.856 6

    0.729

    0.629 4

    0.796 9

    0.835 5

    CC

    0.219 3

    0.493 7

    0.438

    0.606 7

    0.554 2

    0.257 9

    0.485 3

    0.2006

    0.514 5

    0.361 5

    0.166 7

    0.189 5

    0.398 7

    FF

    0.680 7

    0.860 5

    0.763 9

    0.839 8

    0.877 1

    0.857 8

    0.869 4

    0.517

    0.322 5

    0.329

    0.363 8

    0.405 4

    0.543 4

    SCC

    0.726 5

    0.817 7

    0.736 7

    0.797 1

    0.794 2

    0.792 7

    0.809 1

    0.13

    0.155 3

    0.182

    0.178

    0.225 8

    0.266 4

    ALL

    0.833 1

    0.890 6

    0.842 3

    0.762 1

    0.807 9

    0.881 4

    0.862 9

    0.5597

    0.665 6

    0.630 3

    0.555

    0.651 6

    0.731 6

    PLCC

    JPEG

    0.837

    0.902 3

    0.825 6

    0.719 9

    0.872

    0.891 5

    0.941 3

    0.3426

    0.266 5

    0.224 2

    0.444 7

    0.225 8

    0.439 2

    JP2K

    0.884 7

    0.961 4

    0.894 9

    0.841 1

    0.953 1

    0.930 2

    0.956 8

    0.4063

    0.256

    0.288 6

    0.594 1

    0.405 1

    0.645 8

    GB

    0.952 5

    0.932 4

    0.969 9

    0.777 7

    0.885 7

    0.957 7

    0.945 2

    0.2313

    0.780 6

    0.622 4

    0.337

    0.744 2

    0.661 4

    MB

    0.898 1

    0.890 2

    0.950 6

    0.783 9

    0.803 5

    0.921

    0.876 5

    0.2046

    0.616 6

    0.565 8

    0.282 9

    0.655 7

    0.586 5

    GWN

    0.872 7

    0.959

    0.954 5

    0.949 4

    0.934 1

    0.944 7

    0.960 1

    0.8709

    0.942 2

    0.902 2

    0.72

    0.942 2

    0.903 9

    SPN

    0.678 3

    0.901 1

    0.891 4

    0.870 7

    0.808 9

    0.882 6

    0.893 3

    0.8123

    0.897 6

    0.832 4

    0.724 4

    0.895 2

    0.899 2

    MN

    0.88

    0.940 3

    0.945

    0.917 7

    0.923 9

    0.919 4

    0.948 9

    0.7863

    0.901 7

    0.848 1

    0.677 8

    0.850 9

    0.821 7

    CC

    0.292 1

    0.597 9

    0.430 4

    0.739 4

    0.685

    0.379 7

    0.505 2

    0.2438

    0.694 7

    0.500 9

    0.226

    0.251 7

    0.615 6

    FF

    0.86

    0.942 6

    0.914 9

    0.915 8

    0.951 8

    0.940 1

    0.940 3

    0.6439

    0.422 6

    0.398 2

    0.491 5

    0.429 4

    0.648 2

    SCC

    0.816 8

    0.897 2

    0.814 9

    0.873 4

    0.905 7

    0.868 1

    0.931 4

    0.2081

    0.225 9

    0.242 5

    0.317 1

    0.273 3

    0.387 4

    ALL

    0.863 8

    0.897 5

    0.856 3

    0.777 6

    0.815 6

    0.886 1

    0.871 9

    0.5921

    0.455 1

    0.567 1

    0.556 3

    0.602 4

    0.710 3

    RMSE

    JPEG

    4.164 9

    3.281 1

    4.295 4

    5.282 7

    3.725 8

    3.448 7

    2.570 4

    6.8723

    7.080 6

    7.211 4

    6.558 5

    7.272 4

    6.552 3

    JP2K

    5.754 8

    3.396 6

    5.507 5

    6.676 9

    3.737 1

    4.530 5

    3.587 4

    10.768

    11.68 7

    11.384

    9.193 1

    10.751

    8.743 5

    GB

    3.254

    3.861

    2.603 4

    6.715 4

    4.959 6

    3.074 4

    3.487 7

    10.218

    6.053 8

    7.285 6

    9.735 2

    6.604 4

    7.462 9

    MB

    3.655 6

    3.786 3

    2.581 2

    5.161

    4.947 9

    3.238

    4.000 7

    7.9817

    6.082 4

    6.066 6

    7.754 1

    5.767 3

    6.368 6

    GWN

    5.242 9

    3.042 6

    3.203 8

    3.373 5

    3.834 5

    3.520 9

    3.001 7

    4.8147

    3.323 1

    4.381 9

    6.814 8

    3.173 3

    3.589 1

    SPN

    5.877 6

    3.469 1

    3.625 2

    3.939 6

    4.703 7

    3.760 2

    3.596

    4.2604

    3.360 9

    4.164 6

    5.145 5

    3.393

    3.337 3

    MN

    4.725 7

    3.385 6

    3.254 6

    3.954 1

    3.807 4

    3.914 4

    3.140 1

    5.7079

    3.480 8

    5.047 5

    6.833 8

    4.502 8

    4.267 6

    CC

    6.281 2

    5.264 4

    5.928 4

    4.421 5

    4.785

    6.075 8

    5.667 8

    6.1562

    4.192 4

    4.976 2

    6.247 3

    6.143 9

    4.703 6

    FF

    5.875 1

    3.845 2

    4.647 1

    4.625 1

    3.532 8

    3.923 5

    3.917 3

    8.1352

    9.814 9

    9.957 1

    9.301 6

    9.665 9

    7.926 6

    SCC

    4.493 8

    3.440 2

    4.514 7

    3.793 6

    3.301 6

    3.865 8

    2.835

    7.4015

    7.414

    7.255 6

    7.050 3

    7.208 1

    6.870 8

    ALL

    6.170 8

    5.401 7

    6.325 7

    7.699 9

    7.086 3

    5.675 8

    5.996 7

    9.2651

    9.589

    9.186 3

    9.489

    8.963

    8.045 7

    说明:注1为针对屏幕内容图像的全参考评价算法; 注2为针对屏幕内容图像所提出来的部分参考评价算法; 注3为经典的针对自然图像提出来的全参考算法; 注4为经典的基于自然场景统计的无参考评价算法

    Table 1 Test result on the IML-SCIQD database

    表 1 IML-SCIQD数据库上的测试结果

    表 2(Table 2)

    b5bad6063f737ed2b0d4428349f8c77b.gif

    Table 2 Test result on the SIQAD database

    表 2 SIQAD数据库上的测试结果

    Distortion

    GSS1

    SQMS1

    RRS2

    PSNR3

    FSIM3

    SSIM3

    VIF3

    SSEQ4

    BIQI4

    DIIVINE4

    BLIINDS-Ⅱ4

    BRISQUE4

    NSNRS

    SROCC

    GN

    0.852

    0.886

    0.866 4

    0.879

    0.737 3

    0.869 4

    0.888 8

    0.816 1

    0.870 9

    0.878 7

    0.780 2

    0.887 5

    0.855 4

    GB

    0.904 9

    0.914 9

    0.871 5

    0.857 3

    0.728 6

    0.892 1

    0.905 9

    0.809 6

    0.812 9

    0.862 6

    0.703 8

    0.871 5

    0.892 5

    MB

    0.839

    0.869 5

    0.843 4

    0.713

    0.664 1

    0.804 1

    0.849 2

    0.774 1

    0.661 9

    0.840 7

    0.501 8

    0.865 3

    0.825 3

    CC

    0.449 7

    0.694 9

    0.529 1

    0.682 8

    0.717 5

    0.640 5

    0.643 3

    0.215 4

    0.414 4

    0.386 8

    0.333 8

    0.313 5

    0.461 8

    JPEG

    0.795 9

    0.789 3

    0.760 5

    0.756 9

    0.587 9

    0.757 6

    0.792 4

    0.321

    0.327 3

    0.292 2

    0.219 8

    0.220 8

    0.466 4

    JP2K

    0.813 7

    0.819 4

    0.661 7

    0.774 6

    0.636 3

    0.760 3

    0.813 1

    0.269 2

    0.443 4

    0.491 5

    0.498 4

    0.301 8

    0.584 4

    LSC

    0.814 2

    0.829 3

    0.711 6

    0.793

    0.597 9

    0.737 1

    0.846 3

    0.193 8

    0.230 2

    0.217 4

    0.185 9

    0.184 4

    0.412 6

    ALL

    0.835 6

    0.880 3

    0.765 5

    0.560 4

    0.527 9

    0.756 6

    0.806 5

    0.569 6

    0.639 5

    0.655 8

    0.526

    0.662 2

    0.737 4

    PLCC

    GN

    0.879 9

    0.900 4

    0.879 8

    0.905 3

    0.742 8

    0.880 6

    0.901 1

    0.827 2

    0.884 6

    0.904 4

    0.727 2

    0.904 5

    0.871 7

    GB

    0.908 5

    0.912 6

    0.881

    0.860 3

    0.720 6

    0.901 4

    0.910 2

    0.826 9

    0.84

    0.869 6

    0.695 8

    0.890 9

    0.910 4

    MB

    0.839 9

    0.867 3

    0.846 5

    0.704 4

    0.687 4

    0.806

    0.849

    0.786 5

    0.682 9

    0.841 2

    0.515 5

    0.857 1

    0.839 6

    CC

    0.61

    0.802 7

    0.681 2

    0.740 1

    0.750 7

    0.743 5

    0.707 6

    0.307 7

    0.533 2

    0.522 2

    0.445 2

    0.541 7

    0.554 4

    JPEG

    0.793 5

    0.785 7

    0.763 8

    0.754 5

    0.556 6

    0.748 7

    0.798 6

    0.414 9

    0.323 3

    0.337 8

    0.319 8

    0.288 7

    0.492

    JP2K

    0.820 8

    0.826 3

    0.680 7

    0.789 3

    0.667 5

    0.774 9

    0.820 5

    0.363 7

    0.49

    0.515 2

    0.512 1

    0.350 9

    0.595

    LSC

    0.806 8

    0.812 5

    0.711

    0.780 5

    0.596 4

    0.730 7

    0.838 5

    0.337 8

    0.279

    0.287 6

    0.258 6

    0.286 5

    0.442 4

    ALL

    0.851 5

    0.887 2

    0.801 4

    0.586 9

    0.538 9

    0.756 1

    0.819 8

    0.595

    0.492 1

    0.520 5

    0.534 6

    0.359 1

    0.784 8

    RMSE

    GN

    7.085 8

    6.490 6

    7.089 5

    6.337 2

    9.986

    7.067 9

    6.467 3

    7.507

    6.350 9

    6.150 4

    9.006 5

    6.013 7

    6.957 7

    GB

    6.341

    6.204 1

    7.179 2

    7.737 6

    10.523

    6.570 1

    6.285 9

    7.958 9

    7.617 2

    6.935 2

    9.934 5

    6.479 2

    5.931 6

    MB

    7.054 7

    6.472 2

    6.921 2

    9.228 7

    9.443 2

    7.696 7

    6.870 4

    7.541 6

    8.815 2

    6.515 8

    10.353

    6.198 2

    6.676 3

    CC

    9.966 6

    7.501 3

    9.208 4

    8.459 1

    8.319

    8.411 6

    8.887 6

    11.486

    9.817 4

    9.586 9

    10.65

    9.966

    9.694 2

    JPEG

    5.717 7

    5.812 4

    6.065 4

    6.166 5

    7.807 2

    6.229 5

    5.655 1

    8.134 3

    8.388 3

    8.412 7

    8.443 9

    8.603 7

    7.572 3

    JP2K

    5.935 5

    5.854

    7.614 1

    6.381 9

    7.740 4

    6.569 1

    5.941 2

    8.988 2

    8.202 3

    8.154 1

    7.983 5

    9.094

    7.422 6

    LSC

    5.039 7

    4.973 3

    5.999 2

    5.333 6

    6.848 6

    5.825 3

    4.649 7

    7.716

    7.852 8

    7.854 2

    7.980 3

    7.871 2

    7.266 2

    ALL

    7.504 5

    6.603 9

    8.562

    11.589

    12.058

    9.367 6

    8.196 9

    10.888

    11.287

    10.871

    11.538

    11.717

    8.694 1

    说明:注1为针对屏幕内容图像的全参考评价算法; 注2为针对屏幕内容图像所提出来的部分参考评价算法; 注3为经典的针对自然图像提出来的全参考算法; 注4为经典的基于自然场景统计的无参考评价算法

    Table 2 Test result on the SIQAD database

    表 2 SIQAD数据库上的测试结果

    5 总结与展望

    目前屏幕内容图像质量评价的研究还处于起步阶段, SIQAD数据库是目前仅有的一个大规模的屏幕内容图像质量评价数据库, 单一数据库难以覆盖实际应用中出现的各种可能的情况.图像质量评价数据库是客观图像质量评价算法研究的基础, 本文因此首先构建了一个大规模的具有一定代表性的屏幕内容图像质量评价数据库IML-SCIQD.在参考图像的视觉内容、视觉内容分布以及失真类型种类等属性上, IML-SCIQD数据库都具有一定的代表性.IML-SCIQD数据库中所有失真图像的质量分数覆盖了分数区间的大部分区域, 这说明, IML-SCIQD数据库中的失真图像都考虑到了各种可能的失真等级的情况.通过对失真图像主观质量分数和失真参数之间关系的分析, 本文了解到图像的视觉质量与图像的视觉内容之间具有一定的关系.在进行屏幕内容图像相关课题, 如针对屏幕内容图像的压缩算法的研究时需要将其考虑进来.

    基于在构建IML-SCIQD数据库过程中的主观经验, 本文进一步证实了屏幕内容图像的文本区域和图像区域带给人们的视觉感知特性的不同, 并且发现屏幕内容图像的文本区域和图像区域的统计特性也是不同的.单个区域的统计特性在不同失真情况下所受到的影响也随之变化.与12种客观评价算法的性能对比表明, 本文提出的算法与5种无参考评价算法相比在性能上有一定提升.相比7种全参考算法, 本文提出的算法的性能虽然还有一定差距, 但仍然具有相当的性能, 并且在个别情况之下的性能甚至超越了全参考方法.

    本文利用基于自然场景统计的无参考方法的思想来评估单个区域的视觉质量, 以后的工作中可以考虑其他的方法.将屏幕内容图像分区域分析是考虑到了各自区域不同的视觉感知特性.未来的工作中可以从屏幕内容图像整体的视觉感知特性出发.深度学习方法目前已被广泛应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域, 并获取了令人满意的效果.未来的工作中运用深度学习的方法来进行屏幕内容图像质量评价的研究也是一个不错的方向.

    展开全文
  • 但是,土壤质量评估在大规模区域中极难实施,因为这既费时又费力。 遥感技术以其高效,便捷的特性,近年来在植物和土壤信息监测中得到了越来越多的关注。 但是很少有研究在实施之前测试遥感技术的适用性。 这项研究...
  • 一、方案背景 随着生活水平的提高,全社会环保意识的...我国目前大部分地区依然采用人工采样和实验室分析为主的大气监测手段,这种方式不能及时、准确地监测到污染物的实时排放情况,使得环境管理人员很难在短时间内

    一、方案背景
    随着生活水平的提高,全社会环保意识的提高,人们对生活环境健康越来越关注,对生活的空气质量越来越关心,对环境信息提供的要求越来越高。空气质量有没有开始恶化,哪些地方在恶化,恶化程度如何,发展趋势如何,专家关心它,人民关心它,更关心它。通过媒体传播公开发布空气质量状况,不仅有利于环保工作的公开透明化,也有助于促进公众环保意识的提高和对环保工作的参与。
    我国目前大部分地区依然采用人工采样和实验室分析为主的大气监测手段,这种方式不能及时、准确地监测到污染物的实时排放情况,使得环境管理人员很难在短时间内摸清所有污染区的实际情况,对各种突发性污染源及污染现场,也不能做到即时准确的监测和处理。

    在这里插入图片描述

    二、系统组成
    城市空气质量监测系统解决方案基于RTU无线通信技术,通过智能网关及无线连接设备,搭配使用例如PM2.5传感器、VOCs传感器、一氧化碳传感器、二氧化硫传感器、氨气传感器及温度、湿度传感器等用于检测空气质量的传感器设备,实现对大气可吸入颗粒物以及其他有毒有害气体的浓度参数的实时监测。并且可以根据用户具体需求,在线监测数据传输平台来实现数据的接收、过滤、存储、处理、统计分析并提供实时数据查询等任务,由此三部分使整个系统达到:安全、可靠、准确、实时、全面、快速、高效的将真实的被监管单位的公共场所室内环境卫生信息展现在监督人员的面前。
    在这里插入图片描述

    空气质量的整体监测系统主要由感知层、传输层、应用层及用户终端这四个部分组成。

    1、感知层主要是涉及一些下端搭载的空气质量监测设备,包括与传感器连接无线传输
    模块、空气温湿度传感器以及其他各类在现场空气监测中需要用到气体传感器;

    2、传输层主要是中间的数据上下行传输网络:包括辰迈智慧自主研发的工业级RTU、
    智能网关设备、无线连接设备等;

    3、应用层主要是用户对整体空间监测的管理平台,用以对不同区域、不同功能的气体
    传感器数据进行管理;

    4、终端层包括智能手机、平板电脑、笔记本、PC 机等各类用于接收信息、处理信息的设备。
    在这里插入图片描述

    三、系统功能
    █数据实时监测:通过与现场安装的无线采集设备相连的气体传感器,实时采集现场各类气体浓度,并即时经由智能网关上传到监测中心,保证数据的时效性。

    █远程集中管理:能够根据无线设备和传感器安装的位置对整个系统当中的设备分区域显示,对不同地点、不同场景的监测设备进行区别管理,同时也能对多区域进行集中监测。

    █原始数据处理:对上传到服务器中的数据进行预处理,能够在平台上实现时间性的数据图形或是到处数据报表,以达到对现场空气环境进行分析的作用。

    █数据断点续存:在该解决方案当中,当遇到上传服务器的网络断开时,使用的智能网关能够自动存储下方连接设备上传的数据。待传输网络连接成功后,会将缓存的数据第一时间上传到服务器,防止数据因网络问题出现丢失。

    █智能短信报警功能:当监测到的气体浓度高于客户现场的限制浓度时,能够实现平台端、设备现场以及用户手机短信等多个场景的报警提醒功能,便于客户对现场环境的了解。

    █主动故障提醒:一旦现场使用的监测设备出现异常,会主动上报异常状态,便于客户及时发现问题,并有针对性的找到故障设备。

    █设备远程控制:客户可以在监控中心对监测现场设备进行远程启动、设定工作时间等远程操作,并可对设备当前的工作状态进行查询。
    在这里插入图片描述

    四、系统特点

    ◆广泛的应用:无线数据传输系统可以无缝地与网络连接,从而保证环境监测人员不受时间和地点的限制。将监测控制中心系统装在笔记本电脑上,可以实现对环境监测子站数据的移动接受和处理;

    ◆ 性能稳定:环境在线监测系统要求数据传输稳定,不能有数据传输延误和断传现象,无线数据传输系统激活后,永远保持在线,不存在掉线问题,同时由于GPRS/EDGE的传输速率基本可以保障,极少会出现数据传输延误现象;

    ◆ 安全性强:环境在线监测数据的使用和发布有严格的规定,在线监测数的安全是数据传输中必须重视的问题,无线通讯系统在使用前,需要预先设定IP地址,使用时会向预先设定IP地址发送数据,可以避免他人的恶意获取;

    ◆数据完整:环境在线监测子站分析仪器全天运行得到的监测数据的数量较大,同时相关技术规范也要求每日气态污染物不少于18个有效小时平均值,保证数据完整性非常重,不能丢失数据;由于2G/3G/4G通讯系统采用"包交换"方式传输数据,将传输数据封装成许多独立的封包,封包大小可以设定,再依次将这些封包一一传送出去,有效避免监测数据传输中丢失的问题。

    ◆实用性:城市公共场所地理位置分散,因此采用覆盖广泛的2G/3G/4G网络高信号捕捉,必要是采用高增益天线,可确保网络的正常运行。

    ◆可扩充性:系统预留接口,可以进行系统或软硬件模块的无限扩展,便于长期的升级和维护,延长系统的寿命,通过更新部件,能让系统一直存在下去,而不至于整个系统瘫痪,造成大量的投资损失。

    ◆易维护性:系统可对测控终端执行相应的远程操作命令,包括远程参数设置,远程控制、远程数据抄收、远程终端复位、远程测控终端升级等。
    在这里插入图片描述

    五、应用领域
    该系统适用于各建筑施工工地、道路施工、旅游景区、码头、大型广场等现场实时数据的在线监测,其中监测的数据包括扬尘浓度、噪音指数以及视频画面。通过物联网以及云计算,实现了实时、远程现场数据通过网络传输,且具备自动功能,可以随时掌控发生的变化,进而告知有关部分进行整顿,具备联动信息输出,可以外接喷雾降尘设备,实现联动。是环保、建设、城市、交通、市政等对大气污染悬浮颗粒物排放源头控制评价的重要依据。

    展开全文
  • 按照《绿色食品产地环境调查、监测评价导则》(NY/T 1054―2006)对云南省大理白族自治州南涧县各植烟乡镇的土壤、大气、灌溉水进行了采样、监测和分析,并采用单项污染指数法和综合污染指数法进行评价。...
  • 遥感技术可以提供大量有效信息,在监测和测绘领域占有十分重要的地位。然而,遥感图像通常会受到...实验结果表明,该指标的评价结果与主观评价结果具有很好的一致性,可以代替主观评价对受雾霾影响的遥感图像进行质量筛选。
  • 资源共享化:对跨区域、跨行业及跨平台的环境质量、环境安全和环境风险信息资源实现共享和科学评价,能够通过模型和评价体系解决重点城市、区域和流域重大环境管理问题。 决策智能化:随时了解实时的环境质量状况,...
  • 区域飞机通过(起飞、降落、低空飞越)噪声的评价与声环境质量管理。因救援、消防等 特殊需要所产生的飞机通过噪声不受本标准限制。 飞机地面滑行、发动机试车和地面勤务车辆、设备的噪声按工业企业噪声源进行管理。...
  • 环境质量评价的根本目的就是为各级政府和有关部门制定经济发展计划,制定能源政策,确定大型工程项目及为区域规划提供环境保护的依据,并为各级环境部门制定环境规则,贯彻以管促治方针,为实现全面、科学的环境管理...
  • 根据土地利用数量变化、质量变化、空间分布变化等监测要求, 以PC ARCö IN FO 为软件平台, 设计建立了土地利用动态监测、土地评价、模拟预测、优化等各类应用模型, 输入各类土地利用信息建立相应统计数据库、图形库...
  • 3 平台特点 针对区域的能耗在线监测与能源管理平台,适用于政府节能主管部门,从监测和管理两个层面,实现政府对所辖行政地区的能源消费的在线监测,按能耗的区域、种类和趋势进行统计分析。对所辖行政地区的能耗...

    摘要:能源问题一直以来都受到人类社会的广泛关注。我国的能源结构以煤为主,煤炭的消费占70%左右,并且其消费量及所占比例还会有所增加。化石燃料的使用是CO2等温室气体增加的主要来源,而气候变化的诱因是碳排放,因此气候变化的实质问题也是能源问题。

    关键词:能耗;能源管理平台建设

    1 引言

    目前我国正处于工业化和城镇化加速发展的阶段,能源消耗强度较高,消费规模不断扩大,能源问题已经成为制约经济和社会发展的重要因素,解决能源问题根本出路在于开发与节能并举,节约优先的方针,大力推进节能降耗,提高能源利用率。随着各地区节能压力和难度的逐渐变大,节能降耗的任务十分艰巨。区域能源信息平台的建设,提高了整个区域节能降耗工作的效率和成效,为加强节能管理、提高能源利用效率、实现“十二五”节能目标提供了有力支持。

    2 国内外区域能源管理平台建设现状

    2.1 国内外区域能源管理现状

    长期以来能源短缺一直是困扰各国的主要问题。节能可以能源瓶颈制约,经济发展,是当前一项紧迫的任务。关于节能降耗与信息化的联系,国内很多学者都进行过探讨和研究。同时国外在楼宇自控方面技术相对成熟,建立了相对成熟的建筑节能评估方法和标准,另外在政策上鼓励开设能源服务公司,建筑节能改造市场化程度比较高,政府也组织一些城市大型公建能耗监测系统,管理方法和经验值得我们借鉴和学习。

    2.2 我国能源政策

    我国已将节能减排作为一项长期国策摆在突出重要的地位。陆续出台了相关政策法规以及一系列行政和经济手段。针对能源监测平台的建设,国家各部委及部分地方政府也纷纷出台相关政策,推动监测平台建设。

    2011年5月,国家工信部发布《关于建立工业节能减排信息监测系统的通知》(工信部节[2011]237号)提及,“部决定组织工业和信息化系统建设工业节能减排信息监测系统”,“建设面向各地区、相关监测样本企业的工业节能减排监测信息系统,应用信息网络技术汇总监测相关数据,服务于国家及各省市工业节能与综合利用领域政策拟订、规划编制、标准制定、行业研究、形势分析等相关工作。”江苏省苏州市各级主管部门近期也提出了利用信息化手段加强节能管理工作的指导性意见。江苏省在《关于进一步加强节能工作的意见》中提出“建设耗能企业能耗信息平台”,苏州市则在《关于进一步加强节能工作的实施意见》中提出“研究开发节能监测平台,推进节能降耗监测体系建设”。

    3 平台特点

    针对区域的能耗在线监测与能源管理平台,适用于政府节能主管部门,从监测和管理两个层面,实现政府对所辖行政地区的能源消费的在线监测,按能耗的区域、种类和趋势进行统计分析。对所辖行政地区的能耗行业与耗能企业的能耗需求进行统计监测,对本辖区开展的节能减排改造项目实施跟踪,对节能以及温室气体减排量进行核算监测。为制定节能减排策略提供可靠的数据支撑和科学的技术保障。

    3.1 系统架构

    平台系统采用国际上比较成熟的FEA架构,它是电子政务总体框架的典范。系统从逻辑上分为三层:感知层、传输层和应用层。

    感知层主要是对能耗数据的采集,在分区域、分行业、分类别思路的基础上,采用智能终端采集器具,结合人工填报、相关信息系统批量对接等,对用能单位各类能源消耗信息、产品及经济信息等进行采集。传输层是选择经济合理的数据传输方式,将数据传输至中心平台;应用层实现对能耗数据进行分区域、分行业的系统分析、标杆对比、潜力分析等,为优化区域能源分布、能源结构,合理推广节能技术,科学制定节能策略提供必要的辅助决策。

    3.2 系统功能

    平台是通过对企业、公建、居民社区等用能单位,安装分类和分项能耗计量装置,采用远程传输等手段实时采集能耗数据,实现对用能单位能耗的在线监测和动态分析功能。平台系统的主要应用功能如下:能耗地图分析系统、能耗监测系统、能耗统计系统、能耗分析与辅助决策系统、能源管理与技术辅助系统、碳排放在线管理系统、能耗配额管理系统。

    3.3 平台优势

    该平台具有以下优势:综合能耗管理、数据实时化、结合GIS平台、建立节能技术数据库。

    4 区域平台建设要点

    4.1 平台建设具体需求

    区域平台建设所需的具体需求包括:

    (1)总体需求

    ①搭建能耗数据在线监测网络体系,实现平台对能源在线监测的采集;

    ②建立能耗在线监测管理软件系统,实现对区域各用能单位的能源生产和使用的在线采集与监测、统计分析、能效分析、潜力分析等,

    ③建设能源信息管理中心,实时监测并存储能源消耗状况,智能分析能源消耗强度,对比分析能源消耗效率,科学分析节能潜力,合理制定节能减排策略,及时发布能耗预警与政府调控信息等。

    (2)功能性需求

    ①监测区域能耗数据;

    ②区域化和分行业管理能耗;

    ③区域现有信息化资源;

    ④建立能耗数据库和节能技术数据库;

    ⑤科学分析与合理决策;

    ⑥实现政府企业共同管理。

    (3)性能需求

    ①系统性能需求;

    ②系统可靠性要求,系统需要具有较高的可靠性、可控性,能担当和适应不间断运行任务;

    ③其他性能需求,包括:系统实时性(响应时间)、可靠性、可维护性、实用性、安全性、可扩充性等方面。

    (4)安全保密需求

    作为区域政府,要为信息化体系建立可靠的安全灾备系统,关注防火墙、入侵检测、漏洞扫描等系统建设。

    4.2 平台建设需要注意的环节

    区域平台建设是一个复杂的过程,需特别注意以下几个环节:

    (1)平台软件系统的设计需要结合区域现有地理信息库、法人库、能耗数据库等基础。

    (2)安装监测表具采集用能单位的能源消费数据的方法;

    (3)与用能单位现有信息化系统(包括能耗数据、经济数据、产品数据等)进行数据对接;

    (4)与能源供应商的现有系统对接,采集对应的能源消费数据;

    4.3 建设实施要点

    (1)把握平台实施的总体部署区域能源管理平台作为一个能耗统计和监管网络,支持多种格式的各类信息发布查询与处理,既要充分利用各相关部门的现有系统,又要发挥信息化的优势和价值,实现能耗统计系统和节能信息管理系统的协调配合。

    (2)平台实施的安全管理能源信息系统存在着大量的重要数据和信息资料,很多数据已经纳入国防战略信息范围,需要管理和防护。平台的管理单位需对平台实施进行严格的管理。

    5 用能单位能耗在线监测系统

    5.1系统概述

    工业能耗在线监测系统是一个集成Intranet/Internet网络技术、GPRS无线传输技术、Web Service软件技术、数据库技术等于一体的大型数据综合管理系统。系统为管理者、各级能耗内部用户、浏览者提供了一个访问的网络通道,搭建了一个合理的信息传输平台和管理平台。工业能耗在线监测系统的开发应用为政府管理部门、企业生产管理、计量管理、节能管理提高到一个新的高度,是我们对节能减排、节能降耗实现的一种解决方案。

    能源组成及监测内容:

    图1 能源组成

    图2 监测内容

    用电类:采集采暖、锅炉、空调、制冷、照明、办公、电梯、水泵、风机、通风机等耗电设备的用电信息。主要监测其用电量,对于大耗电设备监测其电流、电压及功率因数等信息。

    配电类:采集6kv/10kv配电开关设备、变压器,状态信号、电压、电流、有功功率、无功功率、功率因数、电能质量、电能等。

    用水:自来水和蒸汽;采集具有485通讯功能的智能热量表、蒸汽流量计、水表等;

    用气:煤气、天然气;采集具有485通讯功能燃气表;

    环境参数:采集具有485通讯功能的温度/湿度计;采暖空调供回水温度;

    5.2系统框架

    图3 系统框架

    (1)能源消费管理系统:该系统可以对用能企业煤、电、油、气、热、水等能源和耗能工质进行定期录入和实时采集,并将收集到的能耗数据进行整理存储,为汇总分析和上报作数据支持。

    (2)能源利用状况信息报送系统

    用能企业可通过该系统将企业本年度的《能源利用状况报告》,报送至市节能监察中心,经初审核后,上传至省节能监察总队审核,而后上报国家有关部门。

    (3)单位能耗水平识别评价系统

    利用用能单位能耗数据,对企业用能状况进行分析评价,查找问题。为政府节能管理部门掌握、分析信息和研究节能改造并制定相关政策措施提供科学的依据和平台。

    (4)决策服务和专家咨询服务系统

    系统提供直观、简明、快捷的数据信息查询和决策支持服务。对用能企业的能耗进行科学、合理的咨询指导,帮助用能企业做出及时、正确、可行解决方案。

    (5)能耗预测、能源安全预警系统

    通过系统掌握用能企业能源购置、使用、消耗及生产情况,对企业的用能情况进行综合的评判和分析,对比同期值和限定值,对能耗超标情况予以预警提示。

    在获取能源使用的基础上,进行数据挖掘分析,实现能耗的预测分析功能,为政府相关部门的宏观决策提供支撑体系。

    (6)节能监察及信息发布、法律法规知识培训系统:

    通过该系统平台,可对耗能企业做节能监察工作;发布节能法律法规标准以及能源基础知识、能源统计知识、节能监测方法等资料;处理日常节能管理工作相关的公文、通知、公告等。

    5.3系统网络结构

    系统把数据信息从各个企业的能源监控中心采集到后台的数据库系统,经分析与处理,提供分析预测和预警功能。同时通过门户网站、无线终端等手段为省、市领导以及相关委办局提供了多方位、可视化的便捷服务。

    图4 系统结构

    5.4能耗监测系统

    展开全文
  • 针对移动传感器网络 (Mobile sensor networks, MSNs) 中动态目标 (事件源) 的监测优化问题, 为提高网络覆盖质量, 建立基于Voronoi 剖分的监测性能(Quality of monitoring, QoM) 评价函数, 提出基于群集控制的传感器...
  • 以神华新疆能源有限责任公司玛纳斯涝坝湾煤矿为例,利用遥感技术对区域性生态景观进行调查、解析与分析,从而说明矿区范围内的生态整体性概况。该环评对矿区范围的卫星图片进行解译,得到植被类型图、土壤类型图、土地...
  • 【数学建模国赛】2021 B题:空气质量预报二次建模 1 赛后总结与分析 【2021 数学建模“华为杯”】B题:空气质量预报二次建模 2 方案设计附实现代码 【2021数学建模“华为杯”】B 题60页论文 PDF付费下载 【完整程序...
  • 在嘉兴市区11个加油站周边采集了表层土壤样品(0~20 cm),以硝酸-盐酸-氢氟酸构成三元酸系统,采用微波消解法预处理土壤样品,火焰原子吸收分光光度计法测定土壤中的铅含量,运用单因子污染评价法对该区域土壤重金属...
  • 提供针对能源计量、能效评价、设备监控、安全用能、能源规划和在线监测等功能,实现对企业能耗的精细化管理。系统的运行能支撑企业科学规划设备能耗,合理应用节能措施,协调配置能耗设备,精细化安排产能,为相关...
  • ④医疗安全 将某区域疾病本身导致死亡概率极低的病例死亡率,以低风险死亡率评价区域不同医疗机构的风险性和安全性。 DRGs是什么?DRGs通过一个分组工具,分出N个疾病组,并产出N个数据指标。 标准说法,DRG是指...
  • 以武汉市环境监测中心站2014年8月25日上午09∶00发布的武汉市空气质量实时监测数据为样本,使用SPSS软件的对应分析过程对原数据处理得到惯量和卡方分解等统计量信息,并通过软件绘出行点和列点的散布图。结合按距离...
  • 编者按:图像质量评价(Image Quality Assessment, IQA)在众多领域都有着广阔的应用需求,同时图像质量评价又存在着哪些问题呢?VALSE Webinar 2020...
  • 无参考图像的质量评价

    千次阅读 2016-12-06 21:22:45
     在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊。本文针对无参考图像质量评价应用,对目前几种较为常用的、具有代表...
  • “三线一单”大气环境质量底线体系与划分技术方法 摘要:“生态保护红线、环境质量底线、自然资源利用上线和环境准入负面清单”(简称三线一单)是一项重大环境管理制度创新,目前国家已经发布相关编制技术指南...
  • 遥感图像预处理与土地利用动态监测

    万次阅读 多人点赞 2019-12-13 16:53:37
    对池州市 2013、2017 年 Landsat 8 OLI 的遥感图像进行土地利用分类,对分类结果进行修正和精度评价,并对各类土地利用类型的面积进行统计。基于计算机分类结果,生成土地利用动态变化专题图,分析主要的土地利用...
  • 提供针对能源计量、能效评价、设备监控、安全用能、能源规划和在线监测等功能,实现对企业能耗的精细化管理。系统的运行能支撑企业科学规划设备能耗,合理应用节能措施,协调配置能耗设备,精细化安排产能,为相关...
  • 本文是为大家整理的地理国情监测主题相关的10篇毕业论文文献,包括5篇期刊论文和5篇学位论文,为地理国情监测选题相关人员撰写毕业论文提供参考。1.[期刊论文]浅谈地理国情监测数据变化信息自动识别方法研究要点构架...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,742
精华内容 1,896
关键字:

区域质量监测评价