被污染的家乡作文

被污染的家乡作文（精选8篇）

篇1：被污染的家乡作文

我家对面有一条河，它叫“石井河”。这条河曾经是大家的“水上乐园”，但是现在是一条令人讨厌的臭水沟。

石井河旁边是一座公园。白天，如果你站在石井河岸往下看，你会看到石井河的水污浊、能见度很低，河水呈黑色，垃圾多，水浮莲多，基本上没有鱼虾的影子。晚上，有不少的人来公园散步，但偏偏不喜欢到石井河旁散步，因为石井河会发出一种刺鼻的怪味。

有的居民说从前河里有鱼虾，可以游泳，洗菜、洗衣服，现在变成了污水沟，就连下河洗手都不敢。我听爸爸说：“现在工业越来越发达，石井河边的厂房越来越多，随之产生的工业废水排到了石井河内。还有人们随便把垃圾扔到河里，这样给石井河带来了严重的污染。

只有禁止废水向河内排放，人们不向河内乱扔垃圾。相信石井河能再次变成我们的”水上乐园“。

篇2：被污染的家乡作文

以前我住在这里时，每天都快快乐乐的，有这条河水陪伴我，多么舒服啊!

几年之后，这里的小鱼不见了，水草死了，小虾也已经不见了踪影。河水开始渐渐变得浑浊，也有了几分臭味。因此，人们开始讨厌这条河，渐渐离它远去了。河对岸的老奶奶，整天叹着气，说:‘‘哎，高楼倒是建起来了，可这小河却变得脏兮兮的，现在的社会啊!”

我们科学研究小组通过考察，发现在小河附近有家工厂，工厂每天排放了很多污水。倒置小河变脏。我们与那座工厂的老板反复商量了好多次，老板终于决定买一个污水处理器，然后，我们在小河边的土壤上插上这样一块木牌:保护小河，人人有责！

篇3：化学香:被污染的信仰

[劣质化学香泛滥,宗教人士遭难]

人们有宗教信仰无可厚非,这是天赋人权,也是受到《宪法》保护的。中国人历来对焚香情有独钟,无论是本土的道教还是外来的佛教,甚至连人的去世也要焚香,中华民族是烧香的民族,这一点毋庸置疑。烧香是传统,中国人最看重的就是平安健康,礼佛敬神理应是祈求平安,修持智慧,使人身体气脉畅通而达静心健康之效,若将之用于修行上,更是具有不可思议的助缘。一旦使用的焚香为化学香,燃烧之后,有害物质充斥整个佛堂,不仅不能使人身体气脉畅通以静心健康,反而适得其反,因此健康受损,我们的信仰岂不是被这小小的焚香所污染殆尽?

这并不是危言耸听。栖霞寺位于南京市东北处的栖霞山上,是中国四大名刹之一,江南佛教“三论宗”的发源地。然而,由于香火旺盛,近年来不断有僧人罹患各类呼吸疾病,甚至患上肺癌,罪魁祸首就是劣质化学香大量流入寺庙。

近年由于香火太旺,劣质香应运而生,小作坊为降低成本,纷纷用工业色素、香精、树脂、锯木屑作原料制香,此类化学香以锯木屑、工业树脂、香精、色素为原料,毒性较大,在焚烧时产生的煤焦油和有害毒雾及粉尘,令长期生活在此类环境中的僧侣们受到的危害性极大,一些寺院法师和礼佛者近年肺癌频发,与长期焚烧劣质香关联甚大。

此类无良的商家和生产者,为贪图利润,不仅把人们的身体健康当做儿戏,甚至对于善良的信众们当做伤害的对象,不仅法律不容,连天理都不容。

劣质化学香的生产过程触目惊心

有媒体揭露劣质化学香的生产过程,其内幕触目惊心。据介绍,这些化学香的生产商收集锯木厂木屑、竹屑、木籽壳、花生壳、稻草、玉米秆、松果壳等原料,经过粉碎加工之后,直接作为生产原料。而业内人士指出,原本的化学香的原料应该以树皮为主,这些非传统制香原料,燃烧产生二氧化硫等含有酸性气体可以和眼中水分结合对眼睛有极大的危害。

由于这些原料劣质,粘合性差,于是就用诸如聚丙烯酰胺(俗称白胶粉)作为粘合剂。聚丙烯酰胺为水溶性高分子聚合物,毒性来自其残留单体丙烯酰胺。丙烯酰胺为神经性致毒剂,能致癌,对神经系统有损伤作用,中毒后表性出肌体无力,运动失调等症状。因此各国卫生部门均有规定聚丙烯酰胺工业产品中残留的丙烯酰胺含量,一般为0.5%-0.05%。而这些生产商根本不按这些标准实施,只强调其粘合性。

由于原料和粘合剂劣质,这类化学香不易点燃,于是还需要加入助燃物,一般来说,生产商会使用硝酸钾作为助燃物,一方面效果好,另一方面价格低。而硝酸钾具刺激性,燃烧时产生的亚硝酸盐,是强致癌物。硝酸钾燃烧后产生的氮氧化物,具慢性毒性,可致癌。吸入粉尘对呼吸道有刺激性,高浓度吸入可引起肺水肿。大量接触可引起高铁血红蛋白血症,影响血液携氧能力,出现头痛、头晕、紫绀、恶心、呕吐。重者引起呼吸紊乱、虚脱,甚至死亡。该类粉尘对皮肤和眼睛也有强烈刺激性,甚至造成灼伤。

有以上三类东西还不够,还需要合成色素给香染色。据业内人士介绍,虽然天然色素本身没有毒性和危害,但提取过程中使用有机溶剂,如苯、甲醇等,这些都可能致癌或具有其他毒性。

紧接着,生产商用化学合成香精根据客户需要调配任何香味,目前主要以檀香味为主。最常见的有香兰素、沉香素、苯乙醇、洋茉莉醛和人造檀香等。利用廉价有机化工原料制成,如煤焦油产物、石油化工原料等。燃烧产物含有苯环、甲醛,具有慢性毒性、致癌。

为了增加香的重量、硬度、光泽度、紧凑度、香灰白度,使成品外表美观、有分量感、不易折断。还要在生产过程中加入碳酸钙和滑石粉、双飞粉。但加入此材料所生产的香具有成本低的特点,因而给一些香厂带来市场竞争优势。在生产香时加入此材料的比例没有固定格式,有人加一到三成的,也有人加三成以上,加多了香在燃烧时会断火,所以有人在配香料时会再加入一些助燃剂。这类化学香在燃烧时悬浮微粒进入空气,人吸入后,首先对皮肤、角膜、粘膜等产生局部的刺激作用,并产生一系列的病变。如悬浮微粒作用于呼吸道,早期可引起鼻腔粘膜机能亢进,毛细血管扩张,久之便形成肥大性鼻炎,最后由于粘膜营养供应不足而形成萎缩性鼻炎。还可形成咽炎、喉炎、气管及支气管炎,长期吸入此类粉尘还有可能会产生尘肺病。

最后,生产商会加入闪光粉、纤维素等,燃烧后均对人体有不同程度的危害。还有最后一样必不可少的原料,水。有了这些,一把外表光洁、色彩艳丽、不易折断、轻重适中且能充分燃烧的化学香就被生产出来了。

目前国内的制香工艺基本上都是按照这个程序进行配料和生产的,很少见到传统制香使用的檀香木、香料、粘粉等材料。而市面上的各种藏香、印度香,其实大多数是这些汉地香厂仿制的“山寨版”。这样加工出来的香生产成本极低(一公斤成本只需几元钱)、外观好,市场售价每盒为十几元至百余元不等。更有甚者,某些厂家在调配原料时竟然加入甲醛。而这些在制香业圈内并不是秘密。

[被污染的信仰]

化学香大行其道,不是偶然的,而是必然的。

天然香不管沉香还是檀香,都会对人体有益,能提神醒脑,凝神聚气,防病养生,祛燥杀菌,然而却因成本高而不得不“咸与维新”。据介绍,天然香的生产没有生产线可言,完全是纯手工生产,工艺复杂。首先原材料就比较复杂,要经过专门的种植和采集才能得到。之后经过对原料的炮制,加入配伍,才进行手工搓香和人工卷香的环节。最后还要窖藏才能最终完成。

天然香的生产过程之长,效率之低,人工之众和成本之高与劣质化学香是不可同日而语的。在市场经济中,这是典型的劣币驱逐良币的现实版。据业内人士介绍,传统工艺生产出来的香不仅成本高,而且在“卖相”上不能与化学香同日而语。因为价格高、卖相差,所以鲜有人问津,为求生存,只能转而求其次,也纷纷上马新的生产方式。

一些信众本着“心到就灵”的用香心态,对于劣质化学香不但不抵触,反而欣然接受,成为这些劣质香的消费群体,不仅对神灵不敬,对自己的信仰和健康也是不负责。因此,焚香的信众应该虔诚地礼拜神佛,用“道法自然”的心态去对待自己的信仰,抵制劣质化学香。

而香类产品质量及宗教活动场所燃香安全要求的国家标准尚未出台,也是造成这种现象的一个重要原因。加上相关部门在生产、销售和使用环节的监管不力,劣质化学香得以在各个宗教场所腾起袅袅毒烟,甚至进入一些信徒的家中,污染着我们的空气,损害着我们的健康,亵渎着我们的信仰。

要解决目前这种状况,我们能做的还有很多,比如重视和提高天然香的生产效率,优化其工艺。加强对宗教用香的生产、销售和使用监管。最重要的是尽快出台相关行业标准,对我们的信仰负责,也对我们的传统文化和人民群众的身心健康负责。

篇4：被“污染”的美元

此言论一出，不禁让人大跌眼镜：美元跟牛仔裤有什么纠葛？美元怎么被牛仔裤“污染”了呢？

原来，人们通常认为，像美元、人民币这样的货币

既然被称为“纸币”，那它们的制作材料就应该是纸浆。其实不然，美元同大多数国家的货币一样，制作的原材料都是棉花。美国铸印局曾对外透露，美元是由75%的棉花和25%的亚麻构成。因为棉的纤维较长使得纸张不易断裂、吸墨好、不易掉色，而麻纤维结实坚韧，使纸张挺括，能耐得住流通磨损而不起毛，对水渍、油污及一些化学物质都有一定的抵抗能力。

克莱恩公司作为这种特殊纸张的供应商，同许多服装公司一样，他们也对棉花这种原材料有着大量的需求。精明的克莱恩公司却巧妙地将他们的这种共同需求从竞争转为了合作：牛仔裤生产厂在缝制服装的过程中会产生大量的碎布头，这些碎布头被收集起来，打包后，从各地的牛仔裤生产工厂运至克莱恩公司。公司收到这些碎布头后将它们粉碎、漂门，然后再加工成特种纸张，供应给美国铸印局。这样，克莱恩公司就大大降低了对原材料的采购成本，节约了资源，并实现了废物的合理再利用。在很长一段时间里，像李维斯这样的牛仔裤品牌在克莱恩公司的原材料供应里都牢牢占据着超过30%的份额。双方的互利合作也一直很顺畅。

可是，从十几年前开始，美国人突然开始喜欢上了紧身牛仔裤。因为穿着后富有弹性、动感、舒适且能很好地塑造体形，因此，很快就形成了一股流行的风潮，席卷全世界。为了迎合这一趋势，牛仔裤的生产厂家不得不在生产面料里加入氨纶这种弹性纤维。对于服装产业来说，氨纶让牛仔裤焕发了新的生机。可对于克莱恩公司和美元来说，这简直是一场灾难。因为氨纶会严重影响钞票的耐用程度。在铸印局，一般每张特种纸张能印刷32张钞票。可是这种特种纸张里哪怕仅仅混入一根细细的氨纶纤维，这一版就要全部作废。为此，克莱恩公司不得不逐一将那些含氨纶的牛仔裤品牌商剔除出合作名单。到最后，克莱恩公司惊恐地发现他们基本找不到完全未受“污染”的原材料了。為此，克莱恩公司苦恼不已。

之前，美元的生产一直是美国废物再利用的典范。可现在，克莱恩公司不得不用更高的成本去采购更多的棉花作为原材料，这直接导致了美元印刷成本的节节攀升。为此，很多美国人开始纠结：究竟是该少使用美元，还是该少穿紧身牛仔裤呢？

篇5：家乡污染的作文

目前世界上百分之六十的地区街上都会出现有垃圾的现象，只有少数的国家有一尘不染的“美誉”，比如说：日本，日本的大街上几乎没有垃圾桶，有的话也是规定了倒垃圾的时间，其余时间不能倒垃圾，他们一般在要逛街的情况下，都会随身带个垃圾袋，以免买了东西的袋子或是遇到突发情况都不用丢脸地找别人借袋子，他们都不会像我们国家的有些人那样自私，他们每个人都有一个共同的信念：保持清洁卫生，不能让其他国家的人决得日本的卫生习惯很差!

有一种污染名叫白色垃圾，我简单介绍一下：塑料制品作为质轻，防水，防腐蚀的新型材料，在全世界被广泛运用。

塑料最早运用于农业地膜，给农业生产带来了极大的发展，可使农作物在任何季节生长，促进了市场消费。据市场统计，自1990～1995年，塑料的生产以每年8.9%的速度增长，已经席卷了整个地球。简直可以称作“白色革命”。但它在为人们提供方便的同时，也给人们带来了一场“白色灾难”。

至今，“白色污染”已经成为众所周知的一个新型名词。它主要指各种发泡塑料袋，农用地膜等给环境造成了污染，并且得到社会的普遍关注。

还有人做过统计，火灾中被浓烟熏死呛死的人是烧死者的4?5倍。在一些火灾中，被“烧死”的人实际上是先烟气中毒窒息死亡之后又遭火烧的。

浓烟致人死亡的主要原因是一氧化碳中毒。在一氧化碳浓度达1。3%的空气中，人吸上两三口气就会失去知觉，呼吸1?3分钟就会导致死亡。而常用的建筑材料燃烧时所产生的烟气中，一氧化碳的含量高达2。5%。此外，火灾中的烟气里还含有大量的二氧化碳。在通常的情况下，二氧化碳在空气中约占0。06%，当其浓度达到2%时，人就会感到呼吸困难，达到6%?7%时，人就会窒息死亡。另外还有一些材料，如聚氯乙烯、尼龙、羊毛、丝绸等纤维类物品燃烧时能产生剧毒气体，对人的威胁更大。

篇6：被污染的河水作文300字

可惜，今年，我回到外婆家，发现井水和河水已经完全变样了：河面上飘着一大堆的垃圾，有透明的、有白色的、有红色的;还有一些树叶、鸭毛、鸡毛也浮在河面上可凉地呻吟着;河底的垃圾更是让我受不了：不知从哪里来的粪便，岸边的小石头上长满了青苔。

小表哥闲着无事时，会拿把扫帚把一只鸡赶到水里。于是，鸡身上的灰尘全掉到水里。

晚上放烟花的时候，小表哥把放完后还在发热的冲天泡扔到河里，这样不知毒死了多少小鱼，还给周围的环境带来了很大的污染。

污染过的河水也会污染到干净的井水。这样，干净的井水就变得恶心，不能再喝了。

篇7：被污染的河水作文300字

我家乡的河虽然不出名，但是却给我们带来了许多欢乐。从前，那条小河十分清澈，就连河底的鱼也能看到。到了夏天的时候，还有不少大人带着自己的儿女去那洗澡，就好像是各大澡堂，小孩们呢?有的坐在岸上不敢下水，有的在打水仗，有的正在游泳……这真是一幅欢乐的场面啊!

现在，河水不但不清澈，而且还有许多塑料盒和塑料袋，不少死鱼也漂浮在水面，并且十分多人都把垃圾倒在小河里，一点都不重视环保。以前夏天的时候，小河十分生机勃勃，现在却是一片死气沉沉，没有一个人敢去捞垃圾。

篇8：被污染的家乡作文

在科学研究工作中, 有时需要将图像所含的信息输入到计算机中, 然后利用计算机对这些信息进行分析处理。由于实际中图像所含信息的多样性, 用同一种方法提取图像中的不同信息是不可能的。只能针对不同的信息形式, 采用不同的提取方法。目前在所能查阅到的文献资料中, 只有从技术图上抽取圆形, 识别电路图符号, 条形图表的识别, 圆盘上的信息抽取等方法[1]。而从背景信息不固定, 且受噪声污染的图像中提取模拟波形的方法, 未见到太多文献介绍。

一幅读取到计算机中的图像, 包含多类信息。为了叙述方便, 本文把这些信息定义为三类:特征符号、背景符号和背景。图像中待提取信息称为特征符号。非提取信息, 但灰度与待提取信息相同的部分称为背景符号。除了特征符号和背景符号以外的称为背景。

文献[1]给出了一种在固定背景下的随机波形的提取模型。但在实际中, 由于图像的多样性, 它们的背景和背景符号不一定固定;采集到计算机中去的图像, 除了图像本身自带的信息外, 还可能沾染上同特征符号灰度相同的噪声;这些噪声可以出现在任何地方, 毫无规律性, 给特征符号的提取带来了很大的困难;在特征符号和背景符号粘连的情况下, 对图像进行处理时, 有可能把特征符号误擦除掉;面对这些问题, 本文使用了决策树, Hough变换, 近邻函数准则等多种分类方法, 成功的提取出了模拟波形。提取成功后的信息保存为离散信号, 可利用傅立叶变换, 小波变换等对模拟波 形进行分析。

2 提取方法

介绍从被噪声污染的图像中提取模拟波形的方法, 按照图1所示的流程, 逐步对模拟波形进行提取。

首先, 计算机把读取到的图像进行二值化处理后, 得到包含有背景、背景符号、特征符号、噪声等混合在一起的多类数据。在这些数据中提取有用数据, 需要对其进行分类。

对于多类分布问题, 决策树分类器是最普遍的一种分类模型, 它具有很好的可理解性[2]。它不是采用一种算法、一个决策规则去把多个类别一次分开, 而是采用分级的形式, 使分类问题逐步得到解决。数学上可以对决策树做如下表述:

给定样本集ζ, 其中的样本属于d个类别, 用ξi表示ξ中属于第i类的样本集。定义一个指标集I={1, 2, …, d}和一个I的非空子集的集合

τ={I1, I2, …, Ip}

我们可以令当i≠i’时, Ii∩Ii'=∅。一个广义决策规则f就是ξ到τ的一个映射 (记为f: ξ→τ) 。若f把第i类的某个样本映射到包含i的那个子集Ik中, 则识别正确[4]。本方法中的f, 采用了下面介绍的多种规则和算法。

2.1 背景判断

图像被读入计算机后, 首先进行二值化处理, 保存数据为一个二维矩阵。这个矩阵中的元素为1或0, 分别代表背景或非背景[5]。经过对大量实验样本进行统计, 作者发现代表背景和非背景元素的多与少在一定条件下是固定的。可以通过比较这些元素数量的多少, 对它们进行分类。由此本方法规定了下面的数量规则:

其中, Sum () 代表总数量, ω为背景, ῶ为非背景。

2.2 擦除规则背景符号

图像中可描述的规则背景符号 (直线) , 可以利用Hough变换进行检测[6]。Hough变换利用点-线的对偶性来检测直线。它将特征空间中的一点, 变换到参数空间中的一条曲线, 具有同一参量特征的点会在变换后参量空间中相交, 通过判断交点处的累积程度来实现特征曲线的检测。设特征空间中一点 (x, y) , 通过下述方程将其映射为参数空间中的一条曲线

ρ=xcosθ+ysinθ

对每个离散参数θ计算出相应的参数值ρ。特征空间中同一条直线上的点在参数空间中对应的曲线相交于一点。通过“投票”的方法来确定该交点的位置, 为此, 将参数空间划分为大小为 (Δρ, Δθ) 的小方格, 若曲线经过某小方格, 则该小方格投一票, 最后, 选定门限, 投票数值超过门限的小方格认为是有效交点, 从而检测出特征空间中的直线[7]。本方法把门限设为图像长度或宽度的20%, 投票数超过这个值的, 即为规则背景符号 (直线) 。

2.3 提取特征符号

模拟波形具有在横轴和纵轴方向上均是连续的特点[8]。根据这个特点, 采用了近邻函数准则算法[9]。下面给出该算法的计算步骤和本方法采用该算法对特征符号的提取步骤。

2.3.1 近邻函数准则算法计算步骤

(1) 计算距离矩阵Δ, 使其元素

Δij=Δ (yi, yj) 表示样本yi和yj间的距离。

(2) 利用矩阵Δ, 做近邻矩阵M, 其元素Mij为样本yj对yi的近邻函数值。一般M为正定矩阵。

(3) 形成近邻函数矩阵L, 其元素为

Lij=Mij+Mji-2 如果yi和yj间有“连接”关系的话, 则Lij给出了它们之间的近邻函数值。值L矩阵的对角元素Lij, i=1, 2, …, N, 的值为2N或更大。

(4) 通过对矩阵L进行搜索, 将每个点与和它有最小近邻函数值的点连接起来, 从而形成初始聚类。

(5) 对于步骤 (4) 所形成的每个类i计算γi, 并与αimax和αkmax进行比较。若γi小于或等于αimax和αkmax中的任何一个, 则合并类i和类k, 即在两类间建立“连接”。重复步骤 (5) , 直至无这样的“连接”为止。

2.3.2 提取步骤

为了解决对于特征符号的提取问题, 根据上述的算法, 本方法提出了如下提取步骤:

(1) f (x) 为特征符号点, 检测下一个点f (x’) 的横坐标是否与f (x) 的横坐标一样, 如果不一样, 则暂定f (x’) 为特征符号点。

(2) 如果f (x) 与f (x’) 的横坐标一样, 则在所有与f (x’) 横坐标一样的点中使用近邻函数准则算法, 找出与f (x) 距离最近的点, 暂定为下一个特征符号点。

(3) 利用下面定义的不规则背景符号擦除中的位置规则, 对所有暂定为特征符号的点进行测试。擦除所有不规则背景点, 检测出特征符号。

2.4 擦除不规则背景符号

擦除不规则背景符号, 首先需要对不规则背景符号进行检测。而不规则背景符号的检测, 需要结合模拟波形的特点进行。根据模拟波形在横轴和纵轴方向均是连续的特点, 本方法定义检测不规则背景符号的两个规则。

(1) 变化阈值规则:

下一个点f (x+1) 与这个特征符号点f (x) 在纵向上的差值如果超过某个值 (本方法设为15) , 则判定f (x+1) 为不规则背景符号点, 进行擦除。

(2) 位置规则:

如图2, f (x) 为一噪声, 即不规则背景符号。根据它的位置及它与特征符号f (x-1) , f (x+1) 在纵向上的差值可以得出下面规则:

其中k为某一个确定的值 (本方法设为3) 。如果f (x) 同时满足上面三个式子, 则判定f (x) 为不规则背景符号点, 应擦除。

2.5 恢复损失特征符号

由于本方法是针对特征符号与背景符号粘连的情况, 可能误擦除一些特征符号点, 本文称为之误擦除点。为了使特征符号尽可能地保持完整, 本方法对这些误擦除掉点进行了恢复。恢复的过程分为以下两步。

2.5.1 确定误擦除点的横坐标值和数量

待提取的模拟波形在横向上是连续的, 则它在横向上的坐标值也应该是连续的。如果在横向某些位置上检测到不连续的坐标值, 则这些不连续点间的坐标值就是误擦除点在横向的坐标值, 不连续点间的差值减1就是误擦除点的数量。例如没有误擦除的模拟波形在横向的坐标值应该是1, 2, 3, 4, 5, …。如果检测到的坐标值是1, 2, 5, …。那么可以确定误擦除点在横向的坐标值是3和4, 数量为5-2-1=2个。

2.5.2 确定误擦除点的纵坐标值

确定误擦除点的纵坐标值, 需根据这些误擦除点的前后特征符号在纵向上的趋势进行预测, 具体分为以下三种情况。其中f (x-p) 为误擦除点前面点的纵坐标值, f (x+q) 为误擦除点后面点的纵坐标值。n为正整数, x-p

(1) f (x-p) -f (x+q) >0

此种情况为波形呈下降趋势。可预测误擦除点的纵坐标值是f (x-p) -n。

(2) f (x-p) -f (x+q) <0

波形呈上升趋势。可预测误擦除点的纵坐标值是f (x-p) +n。

(3) f (x-p) -f (x+q) =0

波形在纵向呈不变趋势。可预测误擦除点的纵坐标值是f (x-p) , 有q+p-1个。

2.6 描绘波形

把提取到的特征符号描绘出来, 以便从波形形状上判断波形是否提取成功。图3中图即为提取后描绘出来的波形, 它与上图中图像上的波形形状一致, 表示波形提取成功。

2.7 保存数据

如果波形提取成功, 则把提取到的数据保存到计算机中。保存的数据为模拟波形采样后的有限长序列, 可以用傅立叶变换, 小波变换等对其进行分析。图3下图即为对保存的波形的离散序列进行小波分解后的细节部分。如果波形提取不成功, 则调整阈值, 重新提取。

3 实例:背景和背景符号不同的多类图像

3.1 背景符号

背景符号如图3上图所示, 它们分为两类:规则背景符号和不规则背景符号。规则背景符号为有限条横线和竖线, 线的数量可以不固定, 它们之间的间隔可以不相同。不规则背景符号为沾染上的点或斑, 位置为随机的, 数量不确定。

3.2 特征符号

特征符号是手绘或打印机打印出的模拟波形。

3.3 实验结果

本文选取背景和背景符号不相同的150幅图像, 其上面的模拟波形的坐标值已知。随机分为三组, 人为的添加上噪声后, 以300dpi的扫描到计算机中, 保存为bmp图像格式。然用本文提出的方法对波形进行提取, 把提取到的波形坐标值与已知的坐标值进行比较, 结果如表1。从正确率可以看出, 在实验条件下提取结果较为满意。

4 结论

本文提出了一种从受噪声污染, 且背景和背景符号不固定的图像中提取模拟波形的方法。它包括背景的判断, 背景符号的检测和擦除, 特征符号的检测和描绘, 损失特征符号的恢复, 保存为离散信号等多个部分。最后进行了实验, 实验的结果证明了该方法的正确性。与文献[1]提出的模型相比, 本方法图像的背景和背景符号在一定条件下可以变化;在误擦除的情况下, 给出了一种恢复特征信号的方法;最后保存的数据为离散信号;但同时从本方法中也可以看出, 模拟波形的规则背景符号只是相对不固定, 即由有限条横线和竖线构成, 还不能达到任意背景符号的波形提取。今后的工作方向是波形背景符号的任意化。

摘要：分析了从被噪声污染、背景和背景符号在一定条件下变化、且背景符号与特征符号在相粘连的图像中提取信息所存在的问题。提出了一种新的信息提取方法, 并且建立了分析方法的数学模型。通过背景的判断、背景符号的检测和擦除、损失特征符号的恢复、特征符号的检测和描绘等, 来实现模拟波形的提取。提取的数据保存为离散信号。从而进行了实验, 实验结果表明了这种提取方法的正确性。

关键词：特征符号,背景符号,检测,擦除,恢复

参考文献

[1]陆美强.固定背景下的随机波形提取模型[J].计算机工程, 2006, 32 (4) :203-204.

[2]王涛, 李舟军, 胡小华, 等.一种高效的数据流挖掘增量模糊决策树分类算法[J].计算机学报, 2007, 30 (8) :1244-1250.

[3]边肇祺, 张学工.模式识别 (第2版) [M].清华大学出版社, 2000.

[4]王春年, 梁吉业.基于粗糙集与属性值聚类的决策树改进算法[J].计算机工程与应用, 2007, 43 (31) :178-181.

[5]阮秋琦, 阮宇智译.数字图像处理 (第2版) [M].北京电子工业出版社, 2003.

[6]孙涵, 任明武, 杨静宇.一种改进的直线检测算法[J].计算机应用研究, 2006, (2) :256-257.

[7]康莉, 谢维信, 黄敬雄.基于模糊Hough变换的被动传感器系统航迹起始方法[J].系统工程与电子技术, 2007, 29 (17) :1803-1805.

[8]康华光, 陈大钦.电子技术基础模拟部分 (第四版) [M].高等教育出版社, 1999.