量骨架树形状描述及有关识别算法在般二维物体的匹配中，只要拓扑骨架的提取足够精确，基于骨架树的拓扑相似性度量已能对大部分的二维物体进行有效的拓扑分类但对于拓扑相同而形状不同的物体，由拓扑匹配算法所得的拓扑距离均为零，这说明仅仅对其进行拓扑匹配还无法区分这些物体，还需要进步的形状匹配加以区分对于那些形状特征较为复杂的物体，骨架的小分支数较多，如果仅仅考虑其拓扑信息，有时会给匹配结果带来偏差为了对物体进行更为精确的匹配，要求在骨架匹配中既抓住其最主要的拓扑特征也要考虑其形状的信息，不仅对其拓扑相似性进行度量，还要对其形状相似形进行度量形状特征描述对于二维图像，物体的形状特征般包括物体的面积长短边界弯曲程度，骨架是骨架枝的集合，骨架枝包含着物体中轴的位置和最大圆半径，相当于代表着物体的面积长短弯曲程度等形状信息，所以骨架基本上可以表征物体绝大部分的形状特征这样可以利用骨架枝匹配距离度量骨架枝对应的性状的相似程度为了能够计算骨架枝间的匹配距离，消除尺度变换对形状匹配结果的影响，需要对骨架枝进行归化处理下面介绍详细的方法设骨架枝为，为该骨架枝上点的坐标，是该点对应的最大内切圆半径归化的基本思想是通过骨架枝坐标平移旋转拉伸等操作将骨架枝曲线的两个端点的连线变换到轴正向上，其起点置于原点，终点置于点，处通过这些操作，将骨架枝化为以同坐标为参数的形式，从而方便在相同的坐标区间和参数下对两个骨架枝进行比较，通过拉伸系数来度量骨架枝曲线在长度上的差异同时，对半径的归化可以消除尺度变换对匹配结果的影响，使得形状相似度计算忽略缩放的因素基于拓扑和形状相似度结合的识别算法在形状匹配中，两个骨架枝的匹配距离表示了骨架枝的近似程度，也即是各自代表的形状间的相似性距离越小则表明两个形状间越相似在两个骨架的骨架枝之间建立最佳匹配关系，则骨架的形状匹配距离定义为建立最佳匹配关系的骨架枝的匹配距离之和如果在建立最佳匹配关系时，考虑的是拓扑相似性的最佳匹配结果，则可以建立基于拓扑和形状相似度结合的最佳匹配结果，有效度量物体间的相似性结论本部分在宋婷骨架树研究的基础上重新整理分析了相更优的匹配效果当然，基于骨架的图像识别技术是个相当广泛的体系这里论文只是在定的假设条件下，就其中的几点要素展开论述和证明，真正能投入到实际应用中还需要多方面的综合处理基于骨架的目标表示和识别技术尚有很多问题需要探讨研究和解决，作者相信，随着各项理论的进步完善和技术的进步发展，有关骨架的目标表示和识别技术必将取得丰硕的成果参考文献，，，，，，致谢本论文是在导师柳长青的悉心指导下完成的，从选题研究实验，直至论文的最后完成，其中任何点成绩的取得都离不开柳老师的关怀和点拨柳老师他严谨求实的治学态度渊博的学识严格的要求和耐心的教诲对我的学士论文的顺利完成起着至关重要的作用，也将使我终生受益在此向柳老师致以最真诚的感谢衷心感谢计算机系的各位老师，他们不仅教给我知识，更重要的是教给我严谨的治学态度和科学的学习方法，使我在学习的道路上不离散数字图像的情况，本文的方法提取的骨架可以更好满足骨架的基本性质，更能适应计算机识别中的各种情况然而，要想达到最初的设计初衷，还需要进步深入的研究目前，本文用曲线演化得到物体的视觉重要部分只是单单从边界信息方面提取物体的这个主要部分，其中也存在些不尽人意的地方要准确表达人类视觉感知最突出的部分，还需要借助边界结构面积分布等因素，运用综合优化的策略才能得到期望的结果这会涉及到人类认知学图像图形学模糊理论优化理论等多门学科的知识，将是个具有很大应用前景和智能化程度很高的发展方向骨架树描述及有关识别算法研究骨架树的基本概念图像识别是计算机视觉的重要组成部分，图像的识别过程就是将目标图像的描述与模型库中模型的描述进行相似性度量，通过数值化的差值决定匹配结果的过程图像识别系统中用于匹配的方法很多，它主要由图像描述的方法来决定因此骨架的描述是骨架应用中的重点和难点问题之从国内外的研究方面来看，大部分的侧重点是基于图的相似性匹配这些方法通过人为的指定骨架间的对应位置，评估骨架枝的变形程度，从而得到骨架枝的相似程度过多的人为因素，使得这类方法只能成为种研究性的探索活动，无法真正应用到实际的机器识别活动中论文对于骨架描述问题进行了较为全面的研究，在有效分析了相关的描述里第种是基于不变矩的骨架描述，第二种是基于骨架树的描述方式，利用树的金字塔式结构特点组织骨架的拓扑形状信息基于几何特征的树结构匹配方法用于图像描述时，物体几何特征尤其是基本的拓扑特征表达效果突出明显，并且简单容易操作，在识别系统的应用中有着得天独厚的优势因此我们对此进行了进步的研究，在宋婷骨架树研究的基础上改进了形状相似性度量方法，使得拓扑相似性度量和形状相似性度量实现有效结合，建立起个由上到下由粗到精的图像相似度匹配度量策略骨架树模型的建立骨架表征了物体的拓扑特性和形状特性，形状特性描述物体的轮廓形状，拓扑特性可认为是物体各部分间的连接关系我们将骨架的拓扑特性映射到个树状结构中，称之为骨架树为了建立骨架树，将骨架上的点分为三类分叉点端点和连接点仅有个邻接点的骨架点称为端点有两个以上邻接点的骨架点称为分叉点骨架上除分支点和端点外的点称为连接点如果两个骨架点之间仅含有连接点则称这两个点是直接相连的直接相连的两个骨架点之间的所有连接点的集合称为骨架枝对于大部分仿射状物体，我们把最大内切圆半径最大并且靠近物体重心的骨架点作为根节点这样，根节点尽量位于物体的中心且代表了最重要的形状信息确定了根节点后，把与根节点直接相连分叉点或端点作为根节点的子节点之后，对每个子节点用同样的方法找到各自的子节点，直到骨架上所有的分叉点和端点都在骨架树中此时，骨架就转化为个骨架树骨架树的层次和节点间的连接关系反映了骨架的拓扑特性，对骨架树的匹配计算可以实现物体拓扑相似性的度量此外，骨架枝代表了物体个部分的形状信息，在骨架提取中计算出骨架点的特征信息如骨架点的分支数最大半径等使骨架树的节点包含形状的信息，还可以进行物体形状相似性的度断前起动开关至控制电脑的起动信号是否正常，如果控制电脑接收不到起动开关的起动信号，就不能进行起动加浓控制，也会导致起动困难。对此，应从控制电脑线束插头处检查起动时有无起动开关的信号传至控制电脑。如无信号，应检查起动开关和线路。在发动机怠速运转时检查点火正时，如果不符合标准，应予以调整。检查缸压缩压力，如压力过低，因拆检发动机。检查测试传感器和空气流量计，拔下温度传感器和空气流量计线束插头，用万用表欧姆档测量温度传感器和流量计各接线端子之间的电阻。如果电阻值不符合标准，应更换。如果上述检查均正常，可换个合格的控制电脑试下，如果有好转，则说明原控制电脑有故障，应更换控制电脑。发动机怠速不良故障现象发动机起动正常，但不论冷车或热车，怠速均不稳定，怠速转速过低，易熄灭。故障原因进气系统中漏气脑内点火控制模块损坏。故障诊断与排除首先进行故障自诊断，如有故障代码，则按故障代码查找相应的故障原因。检查点火线圈点火器分电器曲轴位置传感器的线束插头是否连接可靠。如果插头内有水渍应清除，若松动接触不良，应使之连接牢固。测量各高压线电阻，每根高压线的电阻应小于。如电阻太大或表面有破损龟裂老化，应更换。打开点火开关，测量点火线圈正极接线柱上有无电压。如无电压，则说明点火开关损坏，点火开关至点火线圈的线路有断路或熔断器烧断。④检查点火线圈。分别测点火线圈初级绕组和次级绕组的电阻。如果是高压火花弱的故障，还应检查点火线圈在热态下的线圈电阻。点火线圈初级绕组的电阻般为几次级绕组的电阻值般为。如有异常，应更换点火线圈。检查曲轴位置传感器。测里传感器线圈电阻，检查信号转子与定子之间的气隙。如有信号，则说明点火器损坏，应更换点火器或控制电脑。结论随着汽车电子化和集成化的发展，发动机电子控制已成为了必然趋势，汽车发动机电控技术在给发动机带来了控制的精确性系统的稳定性燃油消耗的经济性和排放的环保性等等的优点的同时，也给发动机故障诊断带来了复杂性，从而使汽车发动机故障检测诊断和维修逐渐成为人们生活中的难题和焦点，本文正是针对这问题，分析和研究了帕萨特电控发动机诊断与检修。本文的结论主要如下发动机电控系统由电子控制单元传感器和执行器三大部分组成。发动机电控系统的工作状况对发动机的运转性能有很大影响，不论是该系统的控制电脑控制线路还是其他任何个传感器执行器出现故障，都会在定程度上影响发动机的起动性运转稳定性动力性排放性等，因此，当电控发动机出现故障或性能下降时，应检查该发动机的电控系统有无故障。发动机电控系统出现故障后，可使用人工方法和仪器进行检测诊断。人工检测诊断方法的基础是必须掌握被诊断系统的结构和工作原理。仪器检测的基础是掌握各种仪器的使用方法并从读出的数据上查出故障。电控发动机常见故障有发动机不能起动发动机起动困难怠速不良加速不良点火不正常等。分析了电控发动机常见故障的故障现象原因及检测诊断排除方法。参考文献翟丽现代汽车电子控制技术及其发展趋势北京出版社,齐志鹏汽车传感器和执行器的原理与检修量骨架树形状描述及有关识别算法在般二维物体的匹配中，只要拓扑骨架的提取足够精确，基于骨架树的拓扑相似性度量已能对大部分的二维物体进行有效的拓扑分类但对于拓扑相同而形状不同的物体，由拓扑匹配算法所得的拓扑距离均为零，这说明仅仅对其进行拓扑匹配还无法区分这些物体，还需要进步的形状匹配加以区分对于那些形状特征较为复杂的物体，骨架的小分支数较多，如果仅仅考虑其拓扑信息，有时会给匹配结果带来偏差为了对物体进行更为精确的匹配，要求在骨架匹配中既抓住其最主要的拓扑特征也要考虑其形状的信息，不仅对其拓扑相似性进行度量，还要对其形状相似形进行度量形状特征描述对于二维图像，物体的形状特征般包括物体的面积长短边界弯曲程度，骨架是骨架枝的集合，骨架枝包含着物体中轴的位置和最大圆半径，相当于代表着物体的面积长短弯曲程度等形状信息，所以骨架基本上可以表征物体绝大部分的形状特征这样可以利用骨架枝匹配距离度量骨架枝对应的性状的相似程度为了能够计算骨架枝间的匹配距离，消除尺度变换对形状匹配结果的影响，需要对骨架枝进行归化处理下面介绍详细的方法设骨架枝为，为该骨架枝上点的坐标，是该点对应的最大内切圆半径归化的基本思想是通过骨架枝坐标平移旋转拉伸等操作将骨架枝曲线的两个端点的连线变换到轴正向上，其起点置于原点，终点置于点，处通过这些操作，将骨架枝化为以同坐标为参数的形式，从而方便在相同的坐标区间和参数下对两个骨架枝进行比较，通过拉伸系数来度量骨架枝曲线在长度上的差异同时，对半径的归化可以消除尺度变换对匹配结果的影响，使得形状相似度计算忽略缩放的因素基于拓扑和形状相似度结合的识别算法在形状匹配中，两个骨架枝的匹配距离表示了骨架枝的近似程度，也即是各自代表的形状间的相似性距离越小则表明两个形状间越相似在两个骨架的骨架枝之间建立最佳匹配关系，则骨架的形状匹配距离定义为建立最佳匹配关系的骨架枝的匹配距离之和如果在建立最佳匹配关系时，考虑的是拓扑相似性的最佳匹配结果，则可以建立基于拓扑和形状相似度结合的最佳匹配结果，有效度量物体间的相似性结论本部分在宋婷骨架树研究的基础上重新整理分析了相更优的匹配效果当然，基于骨架的图像识别技术是个相当广泛的体系这里论文只是在定的假设条件下，就其中的几点要素展开论述和证明，真正能投入到实际应用中还需要多方面的综合处理基于骨架的目标表示和识别技术尚有很多问题需要探讨研究和解决，作者相信，随着各项理论的进步完善和技术的进步发展，有关骨架的目标表示和识别技术必将取得丰硕的成果参考文献，，，，，，致谢本论文是在导师柳长青的悉心指导下完成的，从选题研究实验，直至论文的最后完成，其中任何点成绩的取得都离不开柳老师的关怀和点拨柳老师他严谨求实的治学态度渊博的学识严格的要求和耐心的教诲对我的学士论文的顺利完成起着至关重要的作用，也将使我终生受益在此向柳老师致以最真诚的感谢衷心感谢计算机系的各位老师，他们不仅教给我知识，更重要的是教给我严谨的治学态度和科学的学习方法，使我在学习的道路上