毕业设计（论文）-基于图像特征的GUI界面设计.doc

基于图像特征的gui界面设计摘 要： 如今这个时代，没有图形用户界面（graphical user interfaces）似乎不可思议。用命令或在文件编辑器中运行程序未尝不可，但比起图形用户界面来，显得单调，没有色彩，落后。一个好的界面不仅会有利于用户快速掌握程序的操作流程，有效地使用程序，又有利于开发者展示matlab平台下的开发技术。gui在科研实践和工程领域中有着广泛的的应用，尤其是在图像处理技术、人工智能技术等方面。本文以基本的数字图像处理技术为基础，以人工智能为拓展，设计了一个包含图像处理模块、图像处理应用模块、智能交通模块三大模块的人机交互的gui界面。该界面使用了菜单，如下拉菜单、快捷菜单等，和malab组件板上的几乎所有组件，如命令按钮、滑动条、单选按钮、弹出菜单、坐标轴、activex控件等，力图使界面美观、实用。关键词： matlab/gui，图像处理，应用，智能交通abstractit seems inconceivable that there is no graphical user interfaces in this era. it is not a bad idea to run the program with orders or in file editor. however,compared with gui, it appears monotonous, colorless and lagging behind. a good interface not only can help users master the operation of the program quickly and use the program effectively, but also can help developers show the new technology under the matlab platform. gui has a wide range of applications in the scientific re- search practice and the field of engineering, especially in the aspects of image pr- cessing technology and artificial intelligence techniques. taking the basic digital image processing technology as the basis and taking the artificial intelligence as the development, this article design a gui interface of human computer inter- action, which contains three big modules ,image processing module, image proc- essing application module, intelligent transportation module , respectively. this interface uses the menu, such as pull-menu, shortcut menu, and nearly all compo- nents on the malab component board, command button, slider, radio buttons, the popup menu, axes, activex control etc, trying to make the interface attractive and practical. key words: matlab/gui, image processing, applications, intelligent transportation1.绪论52.gui界面简介73.图像基本处理193.1 图像的显示93.1.1灰度图像93.1.2纹理映射93.1.3灰度图像处理93.1.4基于区域的显示103.1.5颜色模型的转换103.2图像的几何操作103.2.1图像的放大与缩小113.2.2图像的旋转113.2.3图像的截图113.3图像增强113.3.1亮度调节113.3.2频谱图123.3.3直方图统计123.3.4加噪与滤波134.图像处理应用144.1自动识别提取有效区域144.2提取轮廓线144.2.1灰度图像提取轮廓线154.2.2彩色图像提取轮廓线154.2.3噪声与边缘检测164.3图像分割174.3.1简单阈值分割174.3.2类间最大距离分割184.4图像的压缩与解压194.4.1小波压缩2194.4.2 dct压缩和idct解压3204.5伪彩色图像214.6颜色校正224.7图像模糊校正234.8图像融合245.智能交通模块265.1数据采集45265.2理论依据275.2.1d-s证据理论的基本概念6275.2.2基于脉冲耦合神经网络（pcnn）最短路径问题求解算法7285.3 gui智能交通模块界面简介与使用流程295.3.1仿真界面如图所示295.3.2仿真界面使用流程305.4智能交通模块结果分析315.4.1一次查询315.4.2二次查询35参考文献39附 录40致 谢421.绪论数字图像处理（digital image processing）又称计算机图像处理，是利用计算机和有关数字技术来对图像进行某种运算和处理，来达到某种预想的效果。它发展迅速，使用价值高，应用范围极为广泛，现已应用在电子工业、人工智能、卫星遥感、生物医疗工程等多种领域。随着计算机技术的发展，人与计算机之间的交互信息发生了深刻变化，即从传统的命令输入格式发展为图形用户的交互方式。matlab/gui是一种新型的图形用户界面开发方式，特别适合处理数据运算并在图像处理方面具有优势。在gui下，用户无须记忆大量烦琐的命令，而只须通过鼠标等便捷的方式与计算机交互信息，选择想要运行的程序，控制程序的运行，实时显示图形的信息。目前，90%以上的应用程序和软件都是在gui下运行。本文以基本数字图像处理技术为基础，以人工智能为拓展，设计了一个人机交互的gui界面，该界面包括三大模块：第一模块是图像处理模块，将matlab的图像处理工具箱提供的多种图像显示技术、颜色处理技术、几何操作技术和图像增强技术嵌入到界面中以方便用户操作和研究。第二模块是图像处理应用模块，介绍了一些有关图像处理的应用，包括自动识别和提取有效区域、图像轮廓线的提取、图像分割、图像的压缩与解压、伪彩色、图像的颜色校正、模糊图像的处理和图像融合，重点解释了各种应用的算法并展示其实现效果。然而，由于客观条件的限制，该模块实现的功能较少，很难满足大众的需求，需不断完善。第三模块是智能交通模块，介绍了d-s证据理论和基于脉冲耦合神经网络（pcnn）最短路径问题理论，并以此设计了一个智能选择城市交通道路最优路径的系统。通过两次实践验证过程，证明了该设计理论的正确性。但是，由于交通道路的模拟和数据的随机给定，使得该系统存在局限性。2.gui界面简介设计的gui界面整体布局如下：图2.1 gui界面整体布局在图像处理模块，打开的文件将显示在界面左部分的处理前图像和处理后图像两部分中。在处理过程中，原始图像不变，以便和处理后的图像对比，保存图片只保存处理后的图片，处理前的图片不做保存。由于某些图像处理只能对灰度图像或只能对彩色图像进行处理，因此界面对载入图像进行判断，若该操作对此类图片不能执行，则显示为灰色不能执行状态。在智能交通模块，界面左部分分别显示监控系统和城市主干交通道路图，右下部分智能交通模块进行查询。同时，文件菜单的退出按钮提供退出功能并释放程序所占的内存空间。帮助菜单对界面和作者的信息进行了简单介绍。菜单目录安排如下：图2.2 菜单布局3.图像基本处理1在本章中，有些图像处理方法较常见，不做具体说明，只展示处理结果。对于同一类型的处理只展示部分处理效果。本文用到的彩色图像和灰度图像原图分别是图3.1和图3.2（原图来源于百度网）。3.1 图像的显示3.1.1灰度图像3.1.2纹理映射图3.1 彩色图像 图3.2 灰度图像 图3.3 纹理映射3.1.3灰度图像处理本部分包含的处理效果很多，这里只展示部分效果。腐蚀图像 浮雕图像 索引图像图3.4 灰度图像处理3.1.4基于区域的显示多边形选择输入x坐标为200 250 300 200 220 200; 输入y坐标为20 20 200 200 100 80。灰度选择输入min:10;输入max:200。 图3.5 多边形选择 图3.6 灰度选择3.1.5颜色模型的转换hsv ntsc ycbcr图3.7 颜色模型的转换3.2图像的几何操作3.2.1图像的放大与缩小图像的放大缩小在界面中看的不是很清楚，但将处理后的图像保存后，图像的大小变化：原图：756*521 缩小0.2倍：151*104 放大2倍:1512*10423.2.2图像的旋转本部分旋转有上下翻转、左右翻转、左转90、右转90、旋转任意角度，只展示旋转任意角度，如图3.9。3.2.3图像的截图输入坐标：200 150 200 200,得效果图3.10。图3.8 旋转30度 图3.9 截图 图3.10 菜单调节亮度3.3图像增强3.3.1亮度调节菜单操作输入：要变换的灰度范围：0 0.7;变换后的灰度范围：0 1; gamma:1。结果如图3.10。窗口滑动条操作图3.11 滑动条调节亮度3.3.2频谱图3.3.3直方图统计 图3.12 频谱图 3.13 直方图均衡r g b图3.14 直方图3.3.4加噪与滤波加噪声输入0.02的噪声参数的处理结果: 高斯噪声 椒盐噪声 乘性噪声图3.15滤波由于噪声种类多且滤波方法很多，这里以上图的椒盐噪声为例展示几种滤波方法的滤波效果。中值滤波 自适应滤波 平滑滤波高斯高通滤波 巴特沃斯低通滤波 巴特沃斯高通滤波图3.16 滤波由上图可看出，中值滤波对椒盐噪声的滤波效果最好。4.图像处理应用4.1自动识别提取有效区域图像有部分区域无有效信息，不利于处理和获得有效信息，故应去除。如下图中原图像有效区域基本是在一个矩形内，可以通过算法将有效区域边界的坐标求出来，获得有效区域坐标后，就可以通过简单的命令获得图像的有效区域了。得处理结果如下：图4.1 提取有效区域4.2提取轮廓线图像轮廓线提取指的是从原始图像中，以手动或自动的方法，将图片中的人物、动物、植物或者其他任何对象的（特征）轮廓线提取出来，使之成为一幅独立的黑白线条图，从而达到将物体与背景分开，物体与物体分开的效果。4.2.1灰度图像提取轮廓线通常采用阈值检测法，即将当前检测点的特征与周围点的特征进行比较，若发现有较大的差异，则认为当前检测点属于两区域的交界点，否则，认为同一区域内的点。在具体设计中，为了代码的简单实用且图像边框上的像素点对于轮廓线获取的结果影响不大，就去掉图像的边框上的所有像素点，使每一个待比较的点其周围都有8个供比较的点。根据分析，所设阈值（自定义的灰度值差值）不同，轮廓提取效果图不同。提取参数分别设为1和6，结果如下：图4.2 灰度图像提取轮廓4.2.2彩色图像提取轮廓线彩图的每一个单色矩阵可以单独用来判定该点是否位于轮廓线上。本算法是选择彩色图片中最大程度的颜色矩阵，以提高提取轮廓线的效果。同样阈值不同，提取效果不同，设提取参数分别为1和6，处理结果如下：图4.3 彩色图像提取轮廓从以上结果可以看出，彩色图像和灰度图像所得轮廓基本相同，说明本算法选择的单色矩阵（即彩色图片中最大程度的颜色矩阵）合理。4.2.3噪声与边缘检测由于噪声存在，轮廓线可能会变宽或在某些点处发生间断。通过调整阈值可以的到较为清晰的轮廓线。对加高斯噪声后的一幅图，如图4.4，经过多次尝试，设提取参数为9时轮廓较好，如图4.5。可以看出图4.5效果还是不好。图4.4 加噪图 图4.5 轮廓图在matlab的图像处理中，有一些常用的算子如roberts算子、sobel算子、prewitt算子、 log算子、canny算子、零交叉等，利用边缘增强算子，突出图像中的局部边缘，然后定义像素的边缘强度，通过设置门限的方法来提取边缘点集。这里只展示采用sobel算子和prewitt算子对含噪声图像进行边缘检测的处理结果，如下： sobel算子 prewitt算子 图4.6 边缘检测由上图可知，对于高斯噪声sobel算子、prewitt算子边缘检测效果较好。4.3图像分割图像分割就是要把图像中有意义的区域与背景分离开，将图像划分为具有区域强相关性的各组成部分。常见的分割方法有：阈值法、类间最大距离法。4.3.1简单阈值分割用公式表示简单阈值分割算法为其中表示原图像，表示分割后的图像，t为选定的灰度阈值。阈值设为200，处理结果如图4.7：通过多次尝试，当阈值设为110时分割效果较好，处理结果如图4.8：图4.7 简单阈值分割4.3.2类间最大距离分割类间最大距离法算法如下：计算灰度均值： 其中：表示图像处像素点的灰度值，n表示像素点的个数。计算两区域间相对距离：给定一个初始阈值，将图像分为c1和c2两区域，对应区域的灰度均值分别为、。则两区域的相对距离为：选择最佳的阈值给定阈值变化的区间,用优化函数获得区间范围内的最佳阈值，使得图像按照该阈值分为c1和c2两类后，满足:初始阈值设为200，处理结果如下：图4.8 类间最大距离分割比较可知，对于同一阈值，类间最大距离分割所得图像较为美观。简单阈值法最大的不足就是对阈值的选取不够智能化，必须根据直方图，通过人工的判断，并经过多次尝试才能得到好的分割效果。而类间最大距离分割却实现了智能选取阈值，在一次处理较多图片时节省了时间。4.4图像的压缩与解压图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。本文主要研究了小波压缩和正交变换编码(dct和idct)。4.4.1小波压缩2小波压缩较简单，用依次调用命令wavedec2 appcoef2 wcodemat mat2gray命令即可实现，不再赘述。处理结果如下：图4.9 小波压缩图像效果变化不大，但是图像大小变化了：原图：385*268 18.3k 压缩后图像：756*521 39.8k4.4.2 dct压缩和idct解压3先对ycrcb各分量分成8*8的图像块，然后进行dct压缩，再进行idct解压。dct变换使用下式计算：idct使用下式计算：代表图像数据矩阵内的位置上的像素值； 代表dct变换后矩阵内的位置上的频率系数； ; 。对图像压缩和解压的结果如下：图4.10 dct压缩 图4.11 idct解压由以上结果可知，dct压缩造成数据丢失，是有损压缩。4.5伪彩色图像人眼的彩色敏感细胞对于某些黑白灰度级图像，灰度值动态范围不大，难从这些灰度级中获得丰富的信息。为了更直观地增强显示图像的层次，提高人眼分辨能力，可以选择适当的伪彩色进行渲染图片,从而达到图像增强的效果。进行伪彩色处理需要进行感知色彩空间变换，即从ihs坐标到rgb坐标的变换。基于ihs空间的伪彩色编码原理：用来表示任意空间处的灰度值，令 ；当k取1.5时，可使每一种颜色都得到最大饱和度。图像处理结果如下：图4.12 伪彩色4.6颜色校正一般颜色畸变的图像的rgb三种基色的直方图中至少有一个直方图的像素明显集中在一处，而另一部分有空缺，或集中在中间而两边空，因此通过调整该直方图的像素点的像素值在区间0，255的分布来解决图像颜色畸变问题。例如，若所有像素点都集中在区间a，b上，那就把该矩阵的数据拉伸，使得区间a，b扩大为a ,c，算法实现是：图像处理结果：图4.13 颜色校正（处理前图像来源于百度网）对于已经发生颜色失真的图像，很明显经过颜色校正之后，图像整体色质得到了很好的改善。在算法中，参数可以不断地变换，对比处理后的图像画质，选定一个最好的值作为参数值来校正图像。经过测试参数范围为70 255的图像效果较好，即上图所示。4.7图像模糊校正设原图为，处理后的图像为，将二维的拉普拉斯微分算子转化为图像处理运算模板： 考虑对角线方向，模板为模板中心点就是要处理的像素点。设矩阵边缘的点的像素值为255。处理后的结果：图4.14 模糊处理（处理前图像是手机拍摄的图片）右上图看出，显然模糊图像变清晰了，但在实现模糊校正的同时，图像噪音也加强了很多。这就是采用二阶微分处理模糊图像的一个弊端加强噪音。4.8图像融合本算法是先将两幅图像读到内存缓冲区中，先对图像进行小波变换，将两幅图像的对应位置相同的像素点的灰度值取平均值，然后进行小波反变换，将内存中的结果复制出图像即所得结果。处理结果如下：图 4.15 图像融合由上图中可知，相加后的图像噪声降低了，这就是图像相加的一个重要益处降低随机噪声。如果叠加在图像上的噪声是非相关、具有零均值的随机噪声，那么，把针对同一目标物在相同条件下，做m次重复摄取的图像相加，取平均值作为输出图像，即这样输出的平均图像中的随机噪声含量比单幅图像的噪声含量大大削减，从而达到了使图像变平滑的处理目的。5.智能交通模块随着城市车辆的不断增多，城市交通拥堵频繁发生，给人们的日常生活带来不便。针对该问题，本文研究了一种道路导航方法，尽可能地做到合理调配交通道路的车辆数，减少居民乘车时间的浪费。5.1数据采集45在实际的智能交通控制系统中，信息采集主要是通过交通监控子系统来完成的，视频捕获是一种常见方法。由于实际情况的限制，本设计所需的交通参数是以实际问题为依据，采取自定义或应用随机函数生成。通过参考相关资料，反映交通的常见参数如下：车速:车辆速度是衡量道路通畅程度的一项指标。速度高，反映道路通畅；速度低，反映道路阻塞。参考我国大中型城市到交通运行状况，我们假设了平均行车速度为0到65km/h。设计中以0到65的随机矩阵生成。道路饱和度:饱和度是评判道路服务水平的一个重要基准。饱和度越小，道路越通畅。查阅资料，道路饱和度的范围一般在0.3到1.8之间，（我国大中型城市到道路饱和度一般在0.91左右）。设计中以0.3到1.8为主要数据的随机矩阵来生成。道路长度:根据模拟的城市主干交通道路图，以及结合缩放比例原理，设定了道路长度如矩阵5.1。由于平均速度矩阵与道路饱和度矩阵、道路长度矩阵反映道路性能的数值大小相反，融合后无现实意义，所以引入了矩阵5.1 道路长度010164009001500100886001270001680003008000480050700014006050008001100030000050011900700000690012008000804807800508000815000006000700001411094070800000110880805.2理论依据5.2.1d-s证据理论的基本概念6d-s证据理中最基本的概念是所建立的辨识框架，记作。辨识框架定义为一个互不相容事件的完备集合，在数据融合中就可以将其看作平台数据库（pdb），这里，表示对某些问题的可能答案的一个集合，但其中只有一个是正确的。在证据理论中，若辨识框架中的元素满足互不相容的条件，命题a对基本概率赋值函数m赋值m(a)是集合到0,1的映射，即若m：，必须满足下列条件：其中，m(a) 称为a的基本概率赋值，有时也将其称作质量函数，它表示了对命题a的支持程度，为空集。在证据理论中，所定义的另一个函数，如果满足如下条件： 则称为信任函数，称为命题a的信任度。显然，它表示了对于命题a 的总的信任程度。由此基本概率赋值可表示为： 在证据理论中所定义的第三个函数pl，如果满足如下条件： 则称pl为似真函数，称pl（a）为命题a的似真度。当证据拒绝a时，pl（a）等于零，当没有证据反对a时它为1。5.2.2基于脉冲耦合神经网络（pcnn）最短路径问题求解算法7pcnn神经元内部活动项是以波的形式传播的，即捕获作用是并行的，捕获范围内的相似神经元中往往内部活动项大的先点火，这些先点火的神经元再次影响其周围神经元。将pcnn模型改成式（1）所示，而自动波特性则体现在式（2） (1) (2)5.3 gui智能交通模块界面简介与使用流程5.3.1仿真界面如图所示图5.1 仿真界面5.3.2仿真界面使用流程系统运行出现仿真界面，得到采集数据查询道路引导结果和数据库比较两种融合类型所得的查询结果选择起点和终点选择数据融合类型查询道路引导结果和数据库系统复位1次数据融合道路矩阵与饱和度矩阵融合2次数据融合一次融合后的数据与时间矩阵融合图5.2界面使用流程5.4智能交通模块结果分析5.4.1一次查询图5.3根据饱和度所得结果图5.4根据所耗时间所得结果图5.5根据1次融合数据所得结果图5.6 根据2次融合数据所得的结果注：此处的最优路径由于单元格宽度不够被挡住了。矩阵5.2 道路饱和度00.20001.10001.4000001.0000000.4000000.700000.20000.60001.0000001.50000.30000000.40000.60000000.1000001.20000000.10001.400000000.40000000.2000000.600001.50000000.6000001.80000001.6000000001.3000000.90000.9000000.6000000000.20001.7000001.3000001.80000000.300000.20000.900001.40001.4000000.400000.10000000.10001.2000000001.80000000.600000001.40000.800000.60000.700001.100000.9000000001.500001.30000.100000.40000矩阵5.3 所耗时间00.02130.04170.0196000.0400000.0233000.031300.12500.05880.2000000.02130.02000000.02700.02170000.3333000.03570000.03570.0303000.043500.02380000.0196000.021700.02000000.1667000.04000000.0196000000.0313000.10000.0417000.0250000000.04760.0185000.0179000.0400000000.02630.019600.02040.0333000.027000.01920000.01820.0164000000.02170000.018500000.05560.035700.01590.047600.023800.0204000000.021700.01590.062500.03030矩阵5.4 1次数据融合00.04980.43780.1393000.2239000.1493000.177200.04050.12150.1519000.45570.05320000.30330.22750000.0142000.45500000.02330.651200000.16280000.1628000.100800.21010000.1345000.55460000.2264000000.3066000.46700.2813000.1458000000.04170.5313000.3861000.35640000.059400.01980.178200.39840.4553000.081300.03250000.03250.5455000000.32730000.127300000.38060.170900.10490.054400.149500.1398000000.534000.33660.025900.10360矩阵 5.5 2次数据融合00.03070.52940.0793000.2599000.1007000.094000.08600.12140.5159000.16460.01810000.24020.14490000.1389000.47610000.03010.714100000.14030000.1155000.043000.08240000.4395000.43510000.0731000000.1578000.76910.4310000.1341000000.07300.3619000.2740000.5665000000.02070.138800.30430.5680000.082200.02340000.02210.4856000000.38640000.128000000.55770.161000.04390.068300.093900.0753000000.534800.24610.074500.14460对以上结果验证：验证堵塞道路：有时间矩阵和道路矩阵对比得：8-9 有道路而时间为0,相当于没有通路即时间为inf，所以阻塞。由各矩阵数据验证最短路径的正确性，随意举例：对于时间矩阵：最短路径：1-2-8-12权值： 0.0213 0.213 0.0196 权值和：0.0622实验结果值：0.062161任选一路径：1-3-6-12权值： 0.0417 0.3333 0.1000权值和：0.475仅有时间矩阵可知最优路径为1-2-8-12，结果正确。其他结果同理验证。比较两次融合图5.6 所查询结果比较由以上结果可以看出两次数据融合所选的最优路径和堵塞道路结果一致，两次数据融合都有一定的可靠性。考虑所融合的数据知路径系数越小，路径越优越，因此比较两次融合的路径系数可知，基于第2次融合数据所得的结果更可靠。5.4.2二次查询图5.7 根据饱和度所得结果图5.8 根据所耗时间所得结果图5.9 根据1次融合数据所得结果图5.10 根据2次融合数据所得结果注：此处的最优路径由于单元格宽度不够被挡住了。矩阵5.7 道路饱和度01.00001.30000000.1000000.6000001.500001.60000.60000.2000001.200000000.30000.70000001.6000000.60000000.10001.5000001.300001.40000000.5000000.700000.60000001.0000001.00000000.5000000001.4000001.80001.5000000000000.20001.4000000.30000000000.400001.60000.400001.80000.7000001.500001.20000001.30001.2000000000.40000001.100000000.90000.600001.2000001.200000.2000000001.400001.70001.300001.10000矩阵5.8 所耗时间00.03450.03850.0345000.0233000.0370000.500000.06250.01920.0204000.08330.20000000.04170.03030000.2000000.03030000.02130.0833000.050000.03330000.0167000.037000.01560000.0167000.16670000.0400000000.0476000.02500.0313000.0323000000.01820.1250000.02170000000.055600.03330.100000.01560.0385000.015900.01960000.03330.0164000000.02940000.050000000.01850.0333000.018200.038500.2500000000.015900.02700.023300.03130矩阵5.9 1次数据融合00.24570.51110000.0221000.2211000.311200.26560.09960.0249000.298800000.24000.28000000.2400000.24000000.01120.3361000.182100.27450000.1961000.160300.11450000.3053000.41980000.0530000000.2473000.69960.4945000000000.04400.4615000.21950000000.195100.39020.195100.27570.1225000.164100.21010000.22760.6406000000.08540000.274000000.31500.165000.2700000.210000.0400000000.319500.28220.215800.18260矩阵5.10 2次数据融合00.23000.53370000.0140000.2224000.779900.08320.00960.0025000.124800000.13560.11500000.6508000.09860000.00480.5628000.182900.18380000.0657000.071700.02160000.0615000.84520000.0675000000.3752000.55720.2090000000000.01080.7802000.09910000000.225200.27030.405400.18460.2020000.111700.17650000.32510.3931000000.09400000.512900000.19830.187000000.274600.3400000000.216500.32560.214200.24360对以上结果验证：验证堵塞道路：有时间矩阵和道路矩阵对比得11-7和8-5 有道路而时间为0,相当于没有通路即时间为inf，所以阻塞。由各矩阵数据验证最短路径的正确性，随意举例：对于1次融合矩阵：最短路径：1-7-10-11-12权值： 0.0221 0.0440 0.2740 0.0400 权值和：0.3801实验结果值：0.38009任选一路径：1-7-11-12权值： 0.0221 0.4615 0.0400权值和：0.5236仅有时间矩阵可知最优路径为1-7-10-11-12，结果正确。其他结果同理验证。比较两次融合表5.11所查询结果比较由以上结果可以看出两次数据融合堵塞道路结果一致，但所选的最优路径不一致。由于第2次融合了时间矩阵，故融入了时间参数，故折中选择了各参数都较优越的路径1-2-4-11-12由此得出，融合次数越多，融入的参数就越多，所得的结果就越可靠。参考文献1陈杨 陈荣娟 郭颖辉等编著 matlab6.x图形编程与图像处理，西安：西安电子科技大学出版社，2002年。2郝文化主著,田蕾,董秀芳等编著 matlab图形图像处理应用教程，北京：中国水利水电出版社，2003,第8189页。3杨淑莹编著,边奠英主审 vc+图像处理程序设计,北京：清华大学出版社，北方交通大学出版社,2003年，第322323页。4李文权，张云颜，王莉著 交通互通立交系统通行能力分析方法,北京：科学出版社,2009。5李立明,陈锐,宋刚等著 城市运行系统设计与实现,北京：科学出版社,2009。6杨万海著 多传感器数据融合及其应用,西安：西安电子科技大学出版社,2004。7马义德,李廉,绽琨等著 脉冲耦合神经网路与数字图像处理,北京：科学出版社,2008。8董振海编著 精通matlab 7编程与数据库应用，北京：电子工业出版社，2007。附 录最优路径选择程序function tra,ss=echosp(w,