基于边缘检测法的运动目标的提取本科毕业论文 59页

LANZHOUUNIVERSITYOFTECHNOLOGY毕业论文题目基于边缘检测法的运动目标的提取\n基于边缘检测法的运动目标的提取Edgedetectionmethodbasedonthemovingobjectextraction\n毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：　　　　　日　期：　　　　　指导教师签名：　　　　　日　　期：　　　　　使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：　　　　　日　期：　　　　　\n学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权　　　　大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日\n指导教师评阅书指导教师评价：一、撰写（设计）过程1、学生在论文（设计）过程中的治学态度、工作精神□优□良□中□及格□不及格2、学生掌握专业知识、技能的扎实程度□优□良□中□及格□不及格3、学生综合运用所学知识和专业技能分析和解决问题的能力□优□良□中□及格□不及格4、研究方法的科学性；技术线路的可行性；设计方案的合理性□优□良□中□及格□不及格5、完成毕业论文（设计）期间的出勤情况□优□良□中□及格□不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？□优□良□中□及格□不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？□优□良□中□及格□不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义□优□良□中□及格□不及格2、论文的观念是否有新意？设计是否有创意？□优□良□中□及格□不及格3、论文（设计说明书）所体现的整体水平□优□良□中□及格□不及格建议成绩：□优□良□中□及格□不及格（在所选等级前的□内画“√”）指导教师：（签名）单位：（盖章）年月日\n评阅教师评阅书评阅教师评价：一、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？□优□良□中□及格□不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？□优□良□中□及格□不及格二、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义□优□良□中□及格□不及格2、论文的观念是否有新意？设计是否有创意？□优□良□中□及格□不及格3、论文（设计说明书）所体现的整体水平□优□良□中□及格□不及格建议成绩：□优□良□中□及格□不及格（在所选等级前的□内画“√”）评阅教师：（签名）单位：（盖章）年月日\n兰州理工大学毕业论文教研室（或答辩小组）及教学系意见教研室（或答辩小组）评价：一、答辩过程1、毕业论文（设计）的基本要点和见解的叙述情况□优□良□中□及格□不及格2、对答辩问题的反应、理解、表达情况□优□良□中□及格□不及格3、学生答辩过程中的精神状态□优□良□中□及格□不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？□优□良□中□及格□不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？□优□良□中□及格□不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义□优□良□中□及格□不及格2、论文的观念是否有新意？设计是否有创意？□优□良□中□及格□不及格3、论文（设计说明书）所体现的整体水平□优□良□中□及格□不及格评定成绩：□优□良□中□及格□不及格（在所选等级前的□内画“√”）教研室主任（或答辩小组组长）：（签名）年月日教学系意见：系主任：（签名）年月日II\n兰州理工大学毕业论文摘要在智能视频监控、运动分析应用中,一个基础而又关键的任务是从视频序列中实时地检测和提取出运动目标，以便于对运动目标进行检测和跟踪。当前边缘检测技术应用广泛、发展非常迅速。它是图像处理的一项重要内容，在模式识别、图像理解、人工智能等领域发挥着重要作用。本论文是基于边缘检测法的运动目标的提取。运动目标的提取分为，图像采集、图像灰度化、图像滤波、图像边缘检测几个主要步骤。本文先介绍了图像处理及边缘检测的一些基本内容，然后完成整体流程，通过理论分析从Roberts算子，Sobel算子，LoG算子，Canny算子四种典型的边缘检测算法选择最佳算法Canny算法，通过Matlab编程仿真对调用各算子函数算法进行实现，最终完成边缘检测及运动目标的提取。关键词：Canny算子；边缘检测；两帧差分；运动目标提取II\n兰州理工大学毕业论文AbstractIntheapplicationsofintelligentvideosurveillanceandmotionanalysis,abasicbutcrucialtaskinrealtimefromvideosequencesistodetectandextractthemovingtargets,sothattodetectandtrackthemovingtarget.Thecurrentedgedetectiontechniqueiswidelyused,andisdevelopingveryrapidly.Itisanimportantcontentofimageprocessing,inareassuchofpatternrecognition,imageunderstanding,artificialintelligenceandotherareasplaysanimportantrole.Edgedetectionofthemovingobjectextractionisstudiedinthispaper.Theextractionofmovingtargetsaredividedinto,imageacquisition,imagegradation,imagefiltering,imageedgedetection.Thisarticlefirstintroducedtheimageprocessionandedgedetectionwithsomebasiccontent,andthenthroughtheoreticalanalysisfromRobertsoperator,Sobeloperator,LoGoperator,CannyoperatorfourtypicaledgedetectionalgorithmtoselectsthebestalgorithmCannyalgorithm.ThroughMatlabsimulationoftheoperaterfunctionalgorithmimplementation,thegoalofedgedetectionandmovingobjectextractionhasbeenachieved.Keywords:Cannyoperator;Edgedetection;Twodifferencemethod;MovingobjectextractionIII\n兰州理工大学毕业论文目录第1章绪论1第2章边缘检测概述及各算子介绍32.1边缘检测概述32.2边缘检测算子62.2.1微分算子62.2.2高斯拉普拉斯算子(LaplacianofaGaussian,LoG)82.2.3Canny算子9第3章基于边缘检测的运动目标提取算法选择及实现133.1应用软件介绍133.2算法的选择133.3Canny算法基本原理143.4基本流程与实现143.4.1基本流程图143.4.2图像采集及预处理153.4.3图像背景处理163.4.4高斯滤波173.4.5基于Canny算子的边缘检测173.4不同算子比较19第4章总结22参考文献23附录251：论文应用程序252：外文文献283：外文翻译37致谢45IV\n兰州理工大学毕业论文第1章绪论图像是一种重要的信息源，图像处理的最终目的就是要帮助人类理解信息的内涵。数字图像处理技术的研究内容涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘学科。随着计算机技术的迅猛发展，图像处理技术已经广泛应用于各个领域。近30年来该技术取得了令人瞩目的成就[1]。数字图像边缘检测技术起源于20世纪20年代，当时受条件的限制一直没有取得较大进展，直到20世纪60年代后期电子技术、计算机技术有了相当的发展，数字图像边缘检测处理技术才开始进入了高速发展时期。经过几十年的发展，数字图像边缘检测处理技术目前己经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重要领域，多年来一直得到世界各科技强国的广泛关注[2]。数字图像边缘检测处理技术在最近的10年发展尤为迅速，每年均有数以百计的新算法诞生，其中包括canny算法、小波变换等多种有相当影响的算法，这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路[2]。数字图像边缘检测处理，即用计算机对图像的边缘进行处理，这一技术是随着计算机技术发展而开拓出来的一个新的应用领域，汇聚了光学、电子学、数学、摄影技术、计算机技术等学科的众多方面。图像边缘检测处理作为一门学科已经被美国数学学会列为应用数学的一个研究分支。在其短暂的发展历史中，已经被成功的应用在几乎所有与成像有关的领域。近年来，图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来。它以众多的学科领域为理论基础，其成果又渗透到众多的学科中，成为理论实践并重，在高新技术领域中占有重要地位的新兴学科分支。边缘检测是一个基本的工具用于大多数图像处理应用程序获得信息从帧作为前体的一步特征提取和对象分割。这过程检测对象的轮廓和边界对象和背景之间的图像。一个边缘检测滤波器也可以用来改善出现模糊或反锯齿的视频流。基本的边缘检测算子是一个矩阵的面积梯度运算，以确定不同的像素之间的方差水平。的边缘检测算子来计算所选择的像素为中心的矩阵区域的中心的形成的矩阵。如果矩阵区域的值，这是一个给定的阈值以上，则中间的像素被分类为边缘。基于梯度的边缘探测器是Roberts，Prewitt和Sobel算子的例子。所有的基于梯度的算法的计算强度正交给对方，常用的垂直和水平方向的斜率。斜坡的不同组成部分的贡献相结合，得到的边缘强度的总价值[3]。49\n兰州理工大学毕业论文随着科技的发展，许多高新知识都已经在图像处理上得到了广泛应用，并取得了较好的效果，但是，一些经典的图像处理方法仍然有其生命力，实际应用中还是离不开一些基本的技术。Matlab是一种向量语言，它非常适合于进行图像处理。而边缘检测是图像处理中基础且重要的课题，图像分析和理解的第一步常常是边缘检测[4]。当前边缘检测技术应用广泛、发展非常迅速。它是图像处理的一项重要内容，在模式识别、图像理解、人工智能等领域发挥着重要作用。传统的边缘检测算法面临着许多难以克服的问题，同时由于图像本身的复杂性和边缘检测技术发展所遇到的难题，边缘检测本身也是一个难题。然而，至今发表的有关边缘检测的理论和方法尚存在许多不足之处，比如在检测精度和去噪方面很难达到令人满意的效果。本论文主要包括两部分，第一部分是基础部分，包括前两章内容，主要介绍了基础概念和基本特性，以及Matlab在本课题中的应用；第二部分是课题研究部分，包括第三章和第四章，主要介绍基本理论和方法在Matlab中的仿真和结果分析。基础部分中，第一章是绪论，绪论部分主要介绍研究背景、研究目的和意义以及研究现状。第二章是图像边缘检测的概述、边缘检测的原理以及算法，其中会介绍到Robert算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、Canny算子、拉普拉斯高斯(LOG)算子等等。主要是Matlab在图像处理中的应用简单介绍。课题研究部分，第三章是依照课题所需进行算法选择和基本流程确定，然后按照流程进行编程。最后一章是仿真程序及结果分析，总结课题研究。49\n兰州理工大学毕业论文第2章边缘检测概述及各算子介绍2.1边缘检测概述边缘检测是图像处理和计算机视觉中的术语，尤其在特征检测和特征抽取领域，是一种用来识别数字图像亮度骤变点即不连续点的算法。尽管在任何关于分割的讨论中，点和线检测都是很重要的，但是边缘检测对于灰度级间断的检测是最为普遍的检测方法[5]。虽然某些文献提过理想的边缘检测步骤，但自然界图像的边缘并不总是理想的阶梯边缘。相反，它们通常受到一个或多个下面所列因素的影响：1.有限场景深度带来的聚焦模糊；2.非零半径光源产生的阴影带来的半影模糊；3.光滑物体边缘的阴影；4.物体边缘附近的局部镜面反射或者漫反射。一个典型的边界可能是（例如）一块红色和一块黄色之间的边界；与之相反的是边线，可能是在另外一种不变的背景上的少数不同颜色的点。在边线的每一边都有一个边缘。图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像的边缘的确定与提取对于整个图像场景的识别与理解是非常重要的同时也是图像分割所依赖的重要特性。边缘检测主要是图像的灰度变化的度量、检测和定位。边缘：不同区域的分界线，是图像局部灰度变化最显著的那些像素的集合。边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。边缘检测原理：边缘检测是根据数字图像中的突变信息检测图像的边缘灰度的不连续性，找出两种景物的分界线。根据灰度变化的特点，可分为阶跃型、屋顶型、和凸缘型，如图2.1所示。49\n兰州理工大学毕业论文阶跃型凸缘型屋顶型图2.1边缘灰度变化利用边缘检测来分割图像，其基本思想就是先检测图像中的边缘点，再按照某种策略将边沿点连接长轮廓，从而构成分割区域。由于边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开，因此边缘检测技术对于数字图像十分重要[6]。图像中某物体边界上的像素点，其领域将是一个灰度级变化带。衡量这种变化最有效的两个特征就是灰度的变化率和变化方向，它们分别以梯度向量的幅值和方向来表示。对于连续图像f(x,y)，其方向导数在边缘（法线）方向上有局部最大值。因此，边缘检测就是求f(x,y)梯度的局部最大值和方向。最早的边缘检测方法都是基于像素的数值导数的，在数字图像中应用差分代替导数运算。由于边缘是图像上灰度变化比较剧烈的地方，在灰度变化突变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。边缘检测是先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置阈值的方法提取边缘点集。但是由于噪声和图像模糊，检测到的边界可能会有间断的情况发生。所以边缘检测包含以下两项内容：（1）用边缘算子提取边缘点集。（2）在边缘点集合中饭去除某些边缘点，填充一些边缘点，将得到的边缘点集连接为线。要做好边缘检测初步准备条件如下：第一，清楚待检测的图像特性变化的形式，从而使用适应这种变化的检测方法。49\n兰州理工大学毕业论文第二，要知道特性变化总是发生在一定的空间范围内，不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。当需要提取多空间范围内的变化特性时，要考虑多算子的综合应用。第三，要考虑噪声的影响，其中一个办法就是滤除噪声，这有一定的局限性;再就是考虑信号加噪声的条件检测，利用统计信号分析，或通过对图像区域的建模，而进一步使检测参数化。第四，可以考虑各种方法的组合，如先找出边缘，然后在其局部利用函数近似，通过内插等获得高精度定位。第五，在正确检测边缘的基础上，要考虑精确定位的问题。经典的边缘检测方法得到的往往是断续的、不完整的结构信息，噪声也较为敏感，为了有效抑制噪声，一般都首先对原图像进行平滑，再进行边缘检测就能成功地检测到真正的边缘。从人的直观感受来说，边缘对应于物体的几何边界。图像上灰度变化剧烈的区域比较符合这个要求，我们一般会以这个特征来提取图像的边缘。但在遇到包含纹理的图像上，这有点问题，比如说，图像中的人穿了黑白格子的衣服，我们往往不希望提取出来的边缘包括衣服上的方格。这就又涉及到纹理图像的处理等方法。但一般认为边缘提取是要保留图像的灰度变化剧烈的区域，这从数学上，最直观的方法就是微分(对于数字图像来说就是差分)，在信号处理的角度来看，也可以说是用高通滤波器，即保留高频信号。用于图像识别的边缘提取往往需要输出的边缘是二值图像，即只有黑白两个灰度的图像，其中一个灰度代表边缘，另一个代表背景。此外，还需要把边缘细化成只有一个像素的宽度。图像边缘检测的基本步骤[7]如下：（1）滤波。边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出的是大多数滤波器在降低噪声的同时也导致了边缘强度的损失。因此增强边缘和降低噪声之间需要折中。边缘检测主要基于导数计算，但受噪声影响。而滤波器在降低噪声的同时也导致边缘强度的损失。（2）增强。增强边缘的基础是确定图像各点领域强度的变化值。增强算法可以将领域（或局部）强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。增强算法将领域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。49\n兰州理工大学毕业论文（3）检测。在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。（4）定位。如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。如图2.2所示：平滑图像平滑图像原始图像边缘的二值化图像阈值分割图梯度算子像边缘增强滤波边缘检测边缘定位图2.2边缘检测算法的基本步骤2.2边缘检测算子边缘检测算子是利用图像边缘的突变性质来检测边缘的。它主要分为以下几种类型：一种是以一阶导数为基础的边缘检测算子，在算法实现过程中，通过2×2或3×3模板作为核与图像中的每个像素点做卷积和运算，然后提取合适的阈值以提取边缘，如Roberts算子，sobel算子，Prewitt算子；一种是以二阶导数为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如Laplacian算子；Canny算子是另外一类边缘检测算子，它不是通过微分算子实现边缘检测，而是在一定约束下推导出的最优边缘检测算子[8]。2.2.1微分算子1.Roberts算子Roberts算子是一种利用局部差分算子寻找边缘的算子，它由下式给出：(2-1)Roberts算子是2×2算子模板，对具有灰度变化陡峭的低噪声图像响应最好，并且对边缘的定位准确，但由于2×2大小模板没有清楚地中心点所以很难使用。用卷积模板，上式(2-2)变成：(2-2)其中和由下面图2.3的模板计算：49\n兰州理工大学毕业论文0-110Gy100-1Gx图2.3Roberts算子的卷积模板2.Sobel算子和Prewitt算子在比较复杂的图像中，仅用2*2的Robert算子得不到较好的边缘检测，而相对较复杂的3*3的Prewitt算子和Sobel算子检测效果好Sobel算子是一种一阶微分算子，它利用像素邻近区域的梯度值来计算1个像素的梯度，然后根据一定的阈值来取舍[8]。它由(2-3)式给出：(2-3)其中的偏导数用下（2-4）、（2-5）式计算：(2-4)(2-5)其中常数。和其他的梯度算子一样，和可用图2.4中卷积模板[8]来表示：-1-2-1000121Sx-101-202-101Sy图2.4Sobel算子的卷积模板图像中的每个点都用这两个模板做卷积。一个模板对通常的垂直边缘影响最大，而另一个对水平边缘影响最大。两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图像。Sobel算子认为邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小。此算子对灰度渐变噪声较多的图像处理得较好。49\n兰州理工大学毕业论文2.2.2高斯拉普拉斯算子(LaplacianofaGaussian,LoG)利用图像强度二阶导数的零交叉点来求边缘点的算法很容易受到噪声干扰，所以在边缘检测前滤除噪声是十分必要的。为此，Marr和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一起，形成LoG(LaplacianofGaussian，LoG)算法，也称之为拉普拉斯高斯算法[9]。他的基本特征有：(1)平滑滤波器是高斯滤波器；(2)增强步骤采用二阶导数(二维拉普拉斯函数)；(3)边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值；(4)使用线性内插方法在子象素分辨率水平上估计边缘的位置。LoG算子的输出是通过式(2-6)卷积运算得到的：(2-6)又根据卷积求导法可得式(2-7)：(2-7)其中：(2-8)是方差，，分别是图像的横坐标和纵坐标。常用的LoG算子是5×5的模板[9]，如下图2.5所示：图2.5拉普拉斯算子卷积模板模板中各点到中心点的距离与位置加权系数的关系用曲线很像一顶墨西哥草如图2.6所示，所以人们常把LoG滤波器叫做墨西哥草帽滤波器[9]。49\n兰州理工大学毕业论文图2.6LOG到中心点的距离与位置加权系数的关系曲线由于图像的平滑会引起边缘的模糊。LOG算法中的高斯平滑运算会导致图像中边缘和其他尖锐不连续部分的模糊。值越大，噪声滤波效果越好，但同时会丢失一些重要的边缘信息；值小时又会平滑不完全而留有太多噪声。即大值的滤波器产生鲁棒边缘，小值的滤波器产生精确定位的边缘。只有当两者结合的很好时才能较好地检测出图像的最佳边缘。基于高斯拉普拉斯算子的图像边缘检测过程如图2.7所示。图像高斯滤波基于拉普拉斯算子边缘检测图像边缘图2.7基于高斯拉普拉斯算子的图像边缘检测过程2.2.3Canny算子传统的边缘检测算子：Sobel算子，Prewitt算子，Roberts算子，Krich算子等，大部分处理的效果都不很好，在实际处理中不太实用，而Canny算子检测的性能较好，常被作为其他实验的标准来参考。Canny算子是JohnCanny在1986年发表的论文中首次提出的一种边缘检测算法，当时弥补了其他算法的不太好的缺点，因此Canny算子被认为是边缘检测领域较好的算法，并一直被引用，近几年来，随着研究的深入，性能更加完善的改性型的Canny算子也层出不穷，例如自适应Canny算子等。用一句话说，就是希望在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法[9]。Canny算子检测边缘的实质是求信号函数的极大值问题来判定图像边缘像素点。Canny算子三大准则[10]：49\n兰州理工大学毕业论文好的检测性能：检测出的边缘信息的漏检率最小，误检率最小，评判参数信噪比SNR越大越好[11]，(2-9)其中G(-x)表示图像边函数，f(x)滤波器函数，表示噪声的均方差。高的定位精度：Location越大越好，(2-10)边缘响应次数最少：要保证只有一个像素响应，检测算子的脉冲响应导数的零交叉点平均距离D(f)满足式：(2-11)最后通过以下式得出算子的近似实现：边缘点位于图像被高斯平滑后的梯度值的极大值点。(2-12)这里用下图的流程图来简单表示Canny算法过程：原始图像A(x,y)B(x,y)偏导(Bx,By)图像边缘初步得到边缘点高斯平滑去噪求导非极大值抑制双阈值检测连结边缘·图2.8Canny算法过程Canny算法详细过程：49\n兰州理工大学毕业论文高斯函数：(2-13)n表示高斯滤波器窗口大小偏导数：使用微分算子求出偏导数(2-14)梯度大小(2-15)非极大值抑制：沿幅角方向检测模值的极大值点，即边缘点，如图1.9和图1.10所示。遍历8个方向图像像素，把每个像素偏导值与相邻像素的模值比较，取其MAX值为边缘点，置像素灰度值为0。图2.9边缘方向示意图图2.10邻域幅角方向双阈值检测[12]：由于单阈值处理时，合适的阈值选择较困难，常常需要采用反复试验，因此采用双阈值检测算法。对经过非极大值抑制后的图像作用两个阈值th1，th2，th1=0.4th2，两个阈值作用后得到两个图像a、b，较大阈值检测出的图像b去除了大部分噪声，但是也损失了有用的边缘信息。较小阈值检测得到的图像a则保留着较多的边缘信息，以此为基础，补充图像b中的丢失的信息，连接图像边缘[13]。Canny边缘检测基本原理：49\n兰州理工大学毕业论文(1)具有既能滤去噪声又保持边缘特性的边缘检测最优滤波器，其采用一阶微分滤波器。采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器，通过与图像卷积进行滤波；然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子[14]。(2)类似与Marr（LOG）边缘检测方法，也属于先平滑后求导数的方法。Canny边缘检测算法：step1:用高斯滤波器平滑图象；step2:用一阶偏导的有限差分来计算梯度的幅值和方向；step3:对梯度幅值进行非极大值抑制；step4:用双阈值算法检测和连接边缘。49\n兰州理工大学毕业论文第3章基于边缘检测的运动目标提取算法选择及实现3.1应用软件介绍能够进行图像处理的软件很多，其中就有Matlab。针对不同的图像处理算法，因此用户最好还是根据对某个图像处理软件或高级程序语言的掌握程度来编写自己的图像处理程序。Matlab是一个交互式的系统其基本运算单元是不需要制定维数的矩阵，并按照IEEE数值计算标准进行计算。系统本身提供了大量的矩阵及其他运算函数，可以方便地进行很复杂的计算，且运算效率极高。而且，Matlab命令与数学中的符号、公式非常接近，可读性很强，容易掌握，并可利用它所提供的高级编程语言进行编程，完场特定的工作[14]。此外，Matlab还具备图形用户界面（GUI）工具，允许用户把Matlab当做一个应用开发工具来使用。除基本部分外，Matlab还根据各专门领域中的特殊需要提供了许多可选的工具箱，如应用于自动控制领域的ControlSystem工具箱以及神经网络中NeutralNetwork工具箱等[15]。Matlab在图形图像方面的应用有很多。在图形绘制方面能够提供高级绘图函数。对数字图像基础处理，Matlab颜色模型、Matlab的图像处理工具提供了多种图像显示和颜色处理技术，数字图像的文件格式，数字图像的类型及数字图像的存储类型等都可以用Matlab编程解决。也可以实现点运算增强和空域滤波增强、频域增强（低通滤波器、高通滤波器、带通、带阻滤波和同态滤波等）、彩色图像（空间滤波、平滑、锐化、边缘检测、分割）和伪彩色处理、图像压缩、与编码基础、无损压缩技术、有损压缩技术、图像分割技术、小波图像处理、形态学图像处理等。3.2算法的选择近几年来，图像分析和处理都是围绕理论、实现、应用三方面发展起来的。它以众多的学科领域为理论基础，其成果又渗透到众多的学科中，成为理论实践并重，在高新技术领域中占有重要地位的新兴学科。图像边缘识别与在实际中有很重要的应用，一直是图像边缘检测中的热点和难点，迄今已有许多边缘检测方法，其中Robert算子、Sobel算子、Prewitt算子、Laplace算子、Prewitt算子、Krisdl算子、Canny算子、Gauss边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差分技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法，但各种算法结果差异很大[16]。49\n兰州理工大学毕业论文本次课题将选择Canny算子，检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度幅值的像素点。而Canny算子边缘检测算法则是既能滤去噪声又保持边缘特性的边缘检测的一阶微分算法中的最佳选择方法。Canny算子，是最有的阶梯型边缘检测算子。我们从三个标准来说明，它对受到白噪声影响的阶跃型边缘是最优的。(1)检测标准。不丢失重要的边缘，不应有虚假的边缘。(2)定位标准。实际边缘与检测到的边缘位置之间的偏差最小。(3)单响应标准。将多个响应降低为单个边缘响应。3.3Canny算法基本原理Canny边缘检测基本原理：具有既能滤去噪声又保持边缘特性的边缘检测最优滤波器，其采用一阶微分滤波器。采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器，通过与图像卷积进行滤波；然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子[17]。类似与Marr（LOG）边缘检测方法，也属于先平滑后求导数的方法[18]。Canny边缘检测算法：高斯滤波器平滑图象；一阶偏导的有限差分来计算梯度的幅值和方向；对梯度幅值进行非极大值抑制；双阈值算法检测和连接边缘。3.4基本流程与实现3.4.1基本流程图根据课题基本原理以及需求流程图如图3.1：图像采集运动目标的检测图像预处理去除背景图3.1整体流程图49\n兰州理工大学毕业论文根据流程图以及基本原理，首先要进行图像采集，可用系统自带的视频转化为帧图像，然后将其保存。也可以拍摄视频，选取合适图像进行实验。应用Matlab软件进行编程实验，程序可将系统视频转化为帧图像，并将其保存在一定路径，需要时可以直接调用；其次是对采集和保存的图片进行预处理，一般图像边缘检测都采用灰度化的图像序列，所以要进行图像灰度化，然后将灰度化的图像平滑处理（高斯滤波），去除干扰图像检测的噪声；本论文中是对运动目标的提取，两帧相同背景下的运动物体（车辆）只需用简单的两帧差法，即可去除背景，只保留运动目标；最后用边缘检测法（Canny算子）提取出运动目标。3.4.2图像采集及预处理图像采集，可用系统自带的视频转化为帧图像，然后将其保存。也可以拍摄视频，选取合适图像进行实验。应用Matlab软件进行编程实验，程序可将系统视频转化为帧图像，并将其保存在一定路径，需要时可以直接调用。实验中选用系统视频，将其转化为帧图像，只选取其中两帧连续图像即可，如第20,21帧图像，如图3.2所示：(a)第20帧图像(b)第21帧图像图3.2两帧图像得到的两帧图像，将其进行灰度化并去除背景，运动目标检测和提取可以不直接使用原始彩色图像序列，而使用灰度图像序列，即将彩色视频图像序列转换成灰度图像序列，然后在灰度图像序列上进行高斯滤波平滑去噪，以及边缘检测及运动目标的提取，还有不同算子之间的对比等。图像的灰度化，直接调用函数rgb2gray[19]，它是将一幅真彩色图像转换成灰度图像的函数，在Matlab中的仿真效果如下图：49\n兰州理工大学毕业论文(a)第20帧图像灰度化后(b)第21帧图像灰度化后图3.3原始图像灰度化3.4.3图像背景处理两帧差法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度羞的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动[20]。在相同的背景下，运动目标的提取，需去除背景，在此课题中选用两帧背景差法只将运动目标保留。在仿真中的效果图如图3.4所示：图3.4两帧差分去除背景后的图像帧间差分法的优点是：算法实现简单，程序设计复杂度低；对光线等场景变化太敏感，能够适应各种动态环境，稳定性较好。其缺点是：不49\n兰州理工大学毕业论文能提取出对象的完整区域，只能提取出边界；同时依赖于选择的帧间时间间隔。对快速运动的物体，需要选择较小的时间间隔，如果选择不合适，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体：而对慢速运动的物体，应该选择较大的时间差，如果时间选择不适当，当物体在前后两帧中几乎完全重叠时，则检测不到物体[21]。3.4.4高斯滤波将去除背景的图片进行高斯滤波平滑处理，为边缘检测做准备。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到[22]。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值[23]。本论文设定高斯平滑滤波模板的大小为3*3，程序仿真效果图如下：(a)滤波前(b)滤波后图3.5通过高斯滤波后的图像高斯滤波对随机噪声和高斯噪声（尤其是服从正态分布的噪声）的去除效果都比较好，但是对于椒盐噪声的去除就欠佳，把噪声的幅度减小的同时也把噪声点变大了。因此在作平滑处理时要针对不同的图像噪声采用不同的滤波器才能获得好的效果。3.4.5基于Canny算子的边缘检测Canny算法是此次课题选取的算子，其基本原理在本章3.3已给出，不再说明，在编程中使用BW=edge(I,'canny')语句[24]，用canny算子进行边缘检测，在Matlab中的运行效果如3.6图所示：49\n兰州理工大学毕业论文图3.6Canny算法边缘检测图像在不同的阈值条件下的边缘检测会不一样，我们选取0.00、0.05、0.1、0.3几个不同的阈值下的边缘检测做个比较，程序运行结果如下：(a)阈值为0.00时的边缘检测图像(b)阈值为0.05时的边缘检测图像图3.7阈值为0.00，0.05时的边缘检测图像49\n兰州理工大学毕业论文(a)阈值为0.1时的边缘检测图像(b)阈值为0.3时的边缘检测图像图3.8阈值为0.1，0.3时的边缘检测图像结果分析：综合上图所示采用的阈值越大，图像的边缘检测效果越会清晰，而且边缘点条理会比较明显。但是阈值超过0.05时图像边缘的部分信息将会丢失。3.4不同算子比较根据之前对不同算子的了解认知，将图像用不同的算子进行边缘检测，以便于我们更直观的去掌握不同的算法以及它们的优缺点，综合不同的算子在以后的设计中提出更好的边缘检测方法，Sobel算子、Roberts算子、Prewitt算子、Log算子、Canny算子、高斯Canny算子分别采用BW1=edge(I,'sobel')、BW2=edge(I,'roberts')、BW3=edge(I,'prewit’）、BW4=edge(I,'log')、BW5=edge(I,'canny')[25]语句来完成函数的调用，运行结果如下：图3.9Sobel算子边缘检测图像图3.10Prewitt算子边缘检测图像49\n兰州理工大学毕业论文Sobel边缘检测算子不但可以产生较好的边缘效果，而且对噪声具有平滑作用，减小了对噪声的敏感性。但，Sobel边缘检测算子也检测出了一些伪边缘[26]，使得边缘比较粗糙，降低了检测定位精度，Prewitt从加大边缘检测算子的模板大小出发，由2x2扩大到3x3来计算差分算子，采用Prewitt算子不仅能检测边缘点．而且能抑制噪声的影响。Sobel在Prewitt算子的基础上，对4一邻域采用带权的方法计算差分[27]，该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。图3.11Roberts算子边缘检测图像图3.12Log算子边缘检测图像Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于没有经过图像平滑计算，因此不能抑制噪声，该算子对具有陡峭的低噪声图像响应最好[28]。由于图像的平滑会引起边缘的模糊。LOG算法中的高斯平滑运算会导致图像中边缘和其他尖锐不连续部分的模糊。值越大，噪声滤波效果越好，但同时会丢失一些重要的边缘信息[29]。图3.13Canny算子边缘检测图像图3.14高斯Canny算子边缘检测图像49\n兰州理工大学毕业论文结果分析：(1)Roberts算子边缘定位精度较高，但容易丢失一部分边缘，对噪声敏感。适应于边缘明显而且噪声较少的图像。(2)Sobel算子和Prewitt算子都是加权平均，有一定的噪声抑制能力。但是Sobel算子和Prewitt算子对边缘的定位不如Roberts算子。而且边缘并不是完全连通的，由一定程度的断开.(3)log算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。(4)Canny算子具有方向性（并不只是简单的进行梯度运算来决定像素是否为边缘点，在决定一个像素是否为当前边缘点时，需要根据当前像素及前面处理过的像素来进行判断。）由于Canny算子具有独特的性能，使得其边缘检测和定位的结果要优于上述提到的其他的任何算子。49\n兰州理工大学毕业论文第4章总结通过之前对算法叙述和实验分析讨论，得到以下结论。(1)运动目标检测是基于彩色图像序列、灰度图像序列还是边缘图像序列的问题。边缘图像仅保留了物体边缘的信息。(2)根据实验比较分析，得到了运动目标检测的最佳的算法和程序。背景去除采用两帧差分的方法；只留图像中的运动目标进行边缘检测，减少了检测中不必要的干扰。(3)Canny算子检测方法的优点:①低误码率,很少把边缘点误认为非边缘点;②高定位精度,即精确地把边缘点定位在灰度变化最大的像素上;③抑制虚假边缘。Roberts算子边缘定位精度较高，但容易丢失一部分边缘，对噪声敏感。适应于边缘明显而且噪声较少的图像。Sobel算子和Prewitt算子都是加权平均，有一定的噪声抑制能力。但是Sobel算子和Prewitt算子对边缘的定位不如Roberts算子。而且边缘并不是完全连通的，由一定程度的断开。log算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。Canny算子具有方向性（并不只是简单的进行梯度运算来决定像素是否为边缘点，在决定一个像素是否为当前边缘点时，需要根据当前像素及前面处理过的像素来进行判断[30]。）由于Canny算子具有独特的性能，使得其边缘检测和定位的结果要优于上述提到的其他的任何算子。经典的边缘检测方法由于引入了各种形式的微分运算，从而必然引起对噪声的极度敏感，执行边缘检测的结果常常是把噪声当作边缘点检测出来，而真正的边缘也由于受到噪声干扰而没有检测出来。因而对于有噪声图像来说，一种好的边缘检测方法应该具有良好的噪声抑制能力，同时又有完备的边缘保持特性,而这些优点正式Canny算子所具备的。Canny方法则以一阶导数为基础来判断边缘点[31]。它是一阶传统微分中检测阶跃型边缘效果最好的算子之一。它比Roberts算子、Sobel算子和Prewitt算子极小值算法的去噪能力都要强，但它也容易平滑掉一些边缘信息。在微分法边缘检测中，边缘定位与噪声滤除是两个相互矛盾的部分，很难同时得到很好的解决。这就是边缘检测的“两难”问题。本文利用Canny算子与经典算子进行比较，在一定数据条件下取得较好效果。相信在此基础上改进，以后较好地解决边缘检测的“两难”问题。49\n兰州理工大学毕业论文参考文献[1]孙兆林.MATLAB6.x图像处理[M].清华大学出版社,2002.5[2]张汗灵.MATLAB在图像处理中的应用[M].清华大学出版社,2008.5[3]徐飞.施晓红.MATLAB应用图像处理[M].西安电子科技大学出版社,2002.5[4]罗军辉,冯平.MATLAB7.0在图像中的应用.M].机械工业出版社,2005.6[5]朱习军.MATLAB在信号与图像处理中的应用[M].电子工业出版社,2009.3[6]张强.精通MATLAB图像处理[M].电子工业出版社,2009.6[7]何斌,马天予等.MATLAB数字图像边缘检测[M].人民邮电出版社[8]涂建华.图像边缘检测与分析[M].科学出版社,1994[9]杨支灵,王开.MATLAB数字图像获取、处理及实践应用[M].人民邮电出版社[10]张强.精通MATLAB图像处理[M].电子工业出版社,2009.6[11]LindebergT.,“EdgeDetectionandRidgeDetectionwithAutomaticScaleSelection”,InternationalJournalofComputerVision,vol.30,number2,117-154,1998[12]万缨,韩毅,卢汉清.运动目标检测算法的探讨[M].计算机仿真,2006.10[13]JohnCanny.Acomputationalapproachtoedgedetection.PatternAnalysisandMachineIntelligence,IEEETransactionson,PAMI-8(6):679–698,Nov.1986.[14]王强.图像分割中阈值的选取及算法实现[M].计算机与现代化，2006.10[15]莫德举,梁光华.数字图像处理[M].北京邮电大学出版社,2009.6[16]游素亚,杨静.图像边缘检测技术的发展与现状[J].电子科技导报，1995[17]朱秀昌,刘峰,胡栋.数字图像边缘检测与图像通信[M].北京邮电大学出版社[18]赵春晖.现代图像处理技术及MATLAB实现[M].北京:人民邮电出版社.2001[19]章毓晋.图像边缘检测和分析[M].清华大学出版社，1999[20]李庆忠,陈显华,王立红.视频监控中运动目标检测和识别方法[J].计算机工程，2004.2.[21]林佳乙,于哲舟,张健,马安娜,楚叶峰.基于背景差分法和帧间差分法的视频运动检测[J].吉林大学仪器仪表学报,2008.第29卷第4期增刊[22]杜辉强.高光谱遥感影像滤波和边缘提取方法研究[M].武汉大学,2004[23]江笑婵,万振凯,陈利.基于MATLAB边缘提取的几种方法的比较[J].天津工业大学,2005[24]韦炜.常用边缘检测方法及Matlab研究[J].西安文理学院现代电子技术,2011.2.第3卷第4期[25]郑翔,黄艺云.边缘检测算子的快速算法[J].通信学报,1996[26]陆宗骐,梁诚.用Sobel算子细化边缘[J].中国图像图形学报,2000.549\n兰州理工大学毕业论文[27]叶俊,基于Canny算子的图像边缘检测与提取的算法[J].黄冈职业技术学院科技资讯,2007.第34卷[28]KennethR.Castleman著,朱志刚等译.数字图像处理[M].电子工业出版,2001.2第1版[29]王娜,李霞.一种新的改进Canny边缘检测算法[J].深圳大学学报,2005[30]万缨,韩毅,卢汉清.运动目标检测算法的探讨[M].计算机仿真,2006.10[31]韩军,熊璋,李超.分割视频运动对象的研究[M].计算机工程与应用,2000,349\n兰州理工大学毕业论文附录1：论文应用程序1.将视频转化为帧图像并保存mov=mmreader('traffic.avi');%用mmreader读入视频文件fori=1:mov.numberofframes%获得总帧数，并依次读取b=read(mov,i);imwrite(b,strcat('E:\毕业设计\帧图像\系统\',int2str(i),'.jpg'),'jpg');%保存图片2.调用其中连续两帧图像进行差分去除背景并灰度化CurImage=imread('20.jpg');%RGB图%NxtImage=imread('21.jpg');%RGB图%CurGray=rgb2gray(CurImage);%灰度图%NxtGray=rgb2gray(NxtImage);DiffImage=abs(NxtGray-CurGray);%得到差分图%imwrite(DiffImage,'E:\毕业设计\帧图像\系统\前景.jpg');%保存图片3.去噪高斯滤波hg=zeros(3,3);%设定高斯平滑滤波模板的大小为3*3delta=0.5;forx=1:1:3fory=1:1:3u=x-2;v=y-2;hg(x,y)=exp(-(u^2+v^2)/(2*pi*delta^2));endendh=hg/sum(hg(:));f=imread('前景.jpg');%读入图像文件f=im2double(f);[m,n]=size(f);49\n兰州理工大学毕业论文ftemp=zeros(m,n);rowhigh=m-1;colhigh=n-1;%%%高斯滤波%%%forx=2:1:rowhigh-1fory=2:1:colhigh-1mod=[f(x-1,y-1)f(x-1,y)f(x-1,y+1);f(x,y-1)f(x,y)f(x,y+1);f(x+1,y-1)f(x+1,y)f(x+1,y+1)];A=h.*mod;ftemp(x,y)=sum(A(:));endendf=ftempimshow(f)title('通过高斯滤波器后的图像');4.调用Canny算子边缘检测I=imread('E:\毕业设计\帧图像\系统\前景.jpg');%提取图像imshow(I);BW=edge(I,'canny');%用canny算子进行边缘检测imshow(BW)5.不同阈值的检测影响I=imread('E:\毕业设计\帧图像\系统\前景.jpg');%提取图像imshow(I);title('原始图像');BW1=edge(I,'Canny',0.00);%edge调用Canny为检测算子判别阈值为0.00figure,imshow(BW1);title('阈值为0.00的Canny算子边缘检测图像');BW2=edge(I,'Canny',0.05);%edge调用Canny为检测算子判别阈值为0.05figure,imshow(BW2);title('阈值为0.05的Canny算子边缘检测图像');BW21=edge(I,'Canny',0.1);%edge调用Canny为检测算子判别阈值为0.0149\n兰州理工大学毕业论文figure,imshow(BW21);title('阈值为0.1的Canny算子边缘检测图像');BW22=edge(I,'Canny',0.3);%edge调用Canny为检测算子判别阈值为0.3figure,imshow(BW22);title('阈值为0.3的Canny算子边缘检测图像');6.不同算子的比较I=imread('E:\毕业设计\帧图像\系统\前景.jpg');%提取图像imshow(I);BW1=edge(I,'sobel');%用Sobel算子进行边缘检测BW2=edge(I,'roberts');%用Roberts算子进行边缘检测BW3=edge(I,'prewitt');%用prewitt算子进行边缘检测BW4=edge(I,'log');%用log算子进行边缘检测BW5=edge(I,'canny');%用canny算子进行边缘检测h=fspecial('gaussian',5);BW6=edge(I,'canny');subplot(2,3,1),imshow(BW1);title('sobeledgecheck');subplot(2,3,2),imshow(BW2);title('robertsedgecheck');subplot(2,3,3),imshow(BW3);title('prewittedgecheck');subplot(2,3,4),imshow(BW4);title('logedgecheck');subplot(2,3,5),imshow(BW5);title('cannyedgecheck');subplot(2,3,6),imshow(BW6);title('gasussian&cannyedgecheck');49\n兰州理工大学毕业论文2：外文文献CannyEdgeDetection09gr820March23,20091IntroductionThepurposeofedgedetectioningeneralistosignificantlyreducetheamountofdatainanimage,whilepreservingthestructuralpropertiestobeusedforfurtherimageprocessing.Severalalgorithmsexists,andthisworksheetfocusesonaparticularonedevelopedbyJohnF.Canny(JFC)in1986[2].Eventhoughitisquiteold,ithasbecomeoneofthestandardedgedetectionmethodsanditisstillusedinresearch[3][1].TheaimofJFCwastodevelopanalgorithmthatisoptimalwithregardstothefollowingcriteria:1.Detection:Theprobabilityofdetectingrealedgepointsshouldbemaximizedwhiletheprobabilityoffalselydetectingnon-edgepointsshouldbeminimized.Thiscorrespondstomaximizingthesignal-to-noiseratio.2.Localization:Thedetectededgesshouldbeascloseaspossibletotherealedges.3.Numberofresponses:Onerealedgeshouldnotresultinmorethanonedetectededge(onecanarguethatthisisimplicitlyincludedinthefirstrequirement).WithJFC’smathematicalformulationofthesecriteria,Canny’sEdgeDetectorisoptimalforacertainclassofedges(knownasstepedges).AC++implementationofthealgorithmhasbeenwritten,andthiswillbefurtherdescribedinSection3.Theimagesusedthroughoutthisworksheetaregeneratedusingthisimplementation.1.1TestImageTheimageinFigure1isusedthroughoutthisworksheettodemonstratehowCannyedgedetectionworks.ItdepictsapartiallyassembledpumpfromGrundfos,andtheedgedetectionisastepintheprocessofestimatingthepose(positionandorientation)ofthepump.49\n兰州理工大学毕业论文Theimagehasbeenpreprocessedasdescribedintheworksheet“IdeasforSolutiontothePoseEstimationProblem”.Thepreprocessingincludes:•DeterminingROI(RegionofInterest)thatincludesonlywhitebackgroundbesidesthepump,andcroppingtheimagetothisregion.•Conversiontogray-scaletolimitthecomputationalrequirements.Figure1:TheimageusedasexampleofCannyedgedetection.•Histogram-stretching,sothattheimageusestheentiregray-scale.Thisstepmaynotbenecessary,butitisincludedtocounter-compensateforautomaticlightadjustmentintheusedwebcamera.2TheCannyEdgeDetectionAlgorithmThealgorithmrunsin5separatesteps:1.Smoothing:Blurringoftheimagetoremovenoise.2.Findinggradients:Theedgesshouldbemarkedwherethegradientsoftheimagehaslargemagnitudes.3.Non-maximumsuppression:Onlylocalmaximashouldbemarkedasedges.4.Doublethresholding:Potentialedgesaredeterminedbythresholding.5.Edgetrackingbyhysteresis:Finaledgesaredeterminedbysuppressingalledgesthatarenotconnectedtoaverycertain(strong)edge.Eachstepisdescribedinthefollowingsubsections.2.1Smoothing49\n兰州理工大学毕业论文Itisinevitablethatallimagestakenfromacamerawillcontainsomeamountofnoise.Topreventthatnoiseismistakenforedges,noisemustbereduced.ThereforetheimageisfirstsmoothedbyapplyingaGaussianfilter.ThekernelofaGaussianfilterwithastandarddeviationofisshowninEquation(1).TheeffectofsmoothingthetestimagewiththisfilterisshowninFigure2.(1)(a)Original(b)SmoothedFigure2:TheoriginalgrayscaleimageissmoothedwithaGaussianfiltertosuppressnoise.2.2FindinggradientsTheCannyalgorithmbasicallyfindsedgeswherethegrayscaleintensityoftheimagechangesthemost.Theseareasarefoundbydetermininggradientsoftheimage.GradientsateachpixelinthesmoothedimagearedeterminedbyapplyingwhatisknownastheSobel-operator.Firststepistoapproximatethegradientinthex-andy-directionrespectivelybyapplyingthekernelsshowninEquation(2).(2)Thegradientmagnitudes(alsoknownastheedgestrengths)canthenbedeterminedasanEuclideandistancemeasurebyapplyingthelawofPythagorasasshowninEquation(3).Itis49\n兰州理工大学毕业论文sometimessimplifiedbyapplyingManhattandistancemeasureasshowninEquation(4)toreducethecomputationalcomplexity.TheEuclideandistancemeasurehasbeenappliedtothetestimage.ThecomputededgestrengthsarecomparedtothesmoothedimageinFigure3.(3)(4)where:GxandGyarethegradientsinthex-andy-directionsrespectively.ItisobviousfromFigure3,thatanimageofthegradientmagnitudesoftenindicatetheedgesquiteclearly.However,theedgesaretypicallybroadandthusdonotindicateexactlywheretheedgesare.Tomakeitpossibletodeterminethis(seeSection2.3),thedirectionoftheedgesmustbedeterminedandstoredasshowninEquation(5).(5)(a)Smoothed(b)GradientmagnitudesFigure3:Thegradientmagnitudesinthesmoothedimageshownin3baswellastheirdirectionsaredeterminedbyapplyinge.g.theSobel-operator.2.3Non-maximumsuppressionThepurposeofthisstepistoconvertthe“blurred”edgesintheimageofthegradientmagnitudesto“sharp”edges.Basicallythisisdonebypreservingalllocalmaximainthegradientimage,anddeletingeverythingelse.Thealgorithmisforeachpixelinthegradientimage:49\n兰州理工大学毕业论文1.Roundthegradientdirectiontonearest45◦,correspondingtotheuseofan8-connectedneighbourhood.2.Comparetheedgestrengthofthecurrentpixelwiththeedgestrengthofthepixelinthepositiveandnegativegradientdirection.I.e.ifthegradientdirectionisnorth(theta=90◦),comparewiththepixelstothenorthandsouth.3.Iftheedgestrengthofthecurrentpixelislargest;preservethevalueoftheedgestrength.Ifnot,suppress(i.e.remove)thevalue.Asimpleexampleofnon-maximumsuppressionisshowninFigure4.Almostallpixelshavegradientdirectionspointingnorth.Theyarethereforecomparedwiththepixelsaboveandbelow.Thepixelsthatturnouttobemaximalinthiscomparisonaremarkedwithwhiteborders.Allotherpixelswillbesuppressed.Figure5showstheeffectonthetestimage.Figure4:Illustrationofnon-maximumsuppression.Theedgestrengthsareindicatedbothascolorsandnumbers,whilethegradientdirectionsareshownasarrows.Theresultingedgepixelsaremarkedwithwhiteborders.(a)Gradientvalues(b)Edgesafternon-maximumsuppression49\n兰州理工大学毕业论文Figure5:Non-maximumsuppression.Edge-pixelsareonlypreservedwherethegradienthaslocalMaxima.2.4DoublethresholdingTheedge-pixelsremainingafterthenon-maximumsuppressionstepare(still)markedwiththeirstrengthpixel-by-pixel.Manyofthesewillprobablybetrueedgesintheimage,butsomemaybecausedbynoiseorcolorvariationsforinstanceduetoroughsurfaces.Thesimplestwaytodiscernbetweenthesewouldbetouseathreshold,sothatonlyedgesstrongerthatacertainvaluewouldbepreserved.TheCannyedgedetectionalgorithmusesdoublethresholding.Edgepixelsstrongerthanthehighthresholdaremarkedasstrong;edgepixelsweakerthanthelowthresholdaresuppressedandedgepixelsbetweenthetwothresholdsaremarkedasweak.Theeffectonthetestimagewiththresholdsof20and80isshowninFigure6.(a)Edgesafternon-maximumsuppression(b)DoublethresholdingFigure6:Thresholdingofedges.Inthesecondimagestrongedgesarewhite,whileweakedgesaregrey.Edgeswithastrengthbelowboththresholdsaresuppressed.2.5EdgetrackingbyhysteresisStrongedgesareinterpretedas“certainedges”,andcanimmediatelybeincludedinthefinaledgeimage.Weakedgesareincludedifandonlyiftheyareconnectedtostrongedges.Thelogicisofcoursethatnoiseandothersmallvariationsareunlikelytoresultinastrongedge(withproperadjustmentofthethresholdlevels).Thusstrongedgeswill(almost)onlybeduetotrueedgesintheoriginalimage.Theweakedgescaneitherbeduetotrueedgesornoise/colorvariations.Thelatter49\n兰州理工大学毕业论文typewillprobablybedistributedindependentlyofedgesontheentireimage,andthusonlyasmallamountwillbelocatedadjacenttostrongedges.Weakedgesduetotrueedgesaremuchmorelikelytobeconnecteddirectlytostrongedges.EdgetrackingcanbeimplementedbyBLOB-analysis(BinaryLargeOBject).TheedgepixelsaredividedintoconnectedBLOB’susing8-connectedneighbourhood.BLOB’scontainingatleastonestrongedgepixelarethenpreserved,whileotherBLOB’saresuppressed.TheeffectofedgetrackingonthetestimageisshowninFigure7.(a)Doublethresholding(b)Edgetrackingbyhysteresis(c)FinaloutputFigure7:Edgetrackingandfinaloutput.Themiddleimageshowsstrongedgesinwhite,weakedgesconnectedtostrongedgesinblue,andotherweakedgesinred.3ImplementationofCannyEdgeDetectionAsnotedinSection1,allimagesinthisworksheet(excepttheoriginal)areproducedbyourimplementation.Afewthingsshouldbenotedwithregardstothis:1.The(source)imageandthethresholdscanbechosenarbitrarily.2.Onlyasmoothingfilterwithastandarddeviationof=1.4issupported(theoneshowninEquation1).3.Theimplementationusesthe“correct”Euclideanmeasurefortheedgestrengths,describedinSection2.2.4.Thedifferentfilterscannotbeappliedtoedgepixels.Thiscausestheoutputimagetobe8pixelssmallerineachdirection.ThelaststepinthealgorithmknownasedgetrackingcanbeimplementedaseitheriterativeorrecursiveBLOBanalysis[4].Arecursiveimplementationcanusethegrass-firealgorithm.However,49\n兰州理工大学毕业论文ourimplementationusestheiterativeapproach.Firstallweakedgesarescannedforneighbouredgesandjoinedintogroups.Atthesametimeitismarkedwhichgroupsareadjacent.Thenallofthesemarkingsareexaminedtodeterminewhichgroupsofweakedgesareconnectedtostrongedges(directlyorindirectly).Allweakedgesthatareconnectedtostrongedgesaremarkedasstrongedgesthemselves.Therestoftheweakedgesaresuppressed.ThiscanbeinterpretedasBLOBanalysiswhereonlyBLOB’scontainingstrongedgesarepreserved(andconsideredasoneBLOB).Figure8showsthecompleteedgedetectionprocessonthetestimageincludingallintermediateresults.(a)Original(b)Smoothed(c)Gradientmagnitudes(d)Edgesafternon-maximumsuppression49\n兰州理工大学毕业论文(e)Doublethresholding(f)Edgetrackingbyhysteresis(g)FinaloutputFigure8:Allstepsoftheedgedetection.References[1]SergeiAzernikov.Sweepingsolidsonmanifolds.InSymposiumonSolidandPhysicalModeling,pages249–255,2008.[2]JohnCanny.Acomputationalapproachtoedgedetection.PatternAnalysisandMachineIntelligence,IEEETransactionson,PAMI-8(6):679–698,Nov.1986.49\n兰州理工大学毕业论文3：外文翻译Canny边缘检测2009年3月23日1引言一般的边缘检测的目的是显着减少的数据量在图像，同时保留用于进一步的图像处理的结构特性。几个算法存在，并且此工作表集中在一个特定开发的约翰·F·坎尼（JFC）在1986年。即使它是很老，它已经成为一个标准的边缘检测方法，它仍然在研究中使用。JFC的目的是开发一种算法，是最佳算子，以是其开发的标准：1.检测：检测真实的边缘点的概率应该是最大化而错误地检测非边缘点的概率应尽量减少。这对应于最大化的信号噪声比。2.本地化：检测到的边缘应尽可能接近真正的边缘。3.反应的数字：一个真正的边缘不应导致在一个以上的检测的边缘（可以说，这是隐含在第一个要求）。随着这些标准的JFC的数学公式，Canny的边缘检测是最佳的目标类的边（称为阶梯边缘）。一个C++实现的算法被写入，而这将在第3节中作进一步的描述。整个使用的图像工作表使用此实施。1.1测试图片图1中的图像是用于整个工作表，以说明如何Canny边缘检测工程。它示出了部分组装的泵格兰富，边缘检测在估计的姿态（位置和方向）的泵的过程中的一个步骤。图像预处理工作表“的思路解决方案中所描述的姿态估计问题“。预处理包括：确定ROI（感兴趣区域），其中只包含除了白色背景泵，，裁剪图像这一地区。转换为灰度限制的计算要求。直方图拉伸，使得图像使用在整个灰度级。这一步可能不会必要的，但它是包含反补偿，自动调光用网络摄像头。49\n兰州理工大学毕业论文图1作为Canny边缘检测的例子2Canny边缘检测算法Canny算法运行的5个独立的步骤：(1)平滑：去除噪声的图像模糊。(2)查找梯度应标明：边缘梯度的图像大程度。(3)非最大抑制：只有局部最大值应该被标记为边缘。(4)双阈值：阈值是由潜在的边缘。(5)边缘跟踪滞后：最后的边缘是由抑制所有边缘没有连接到一个非常肯定的（强）边缘。在下面的小节描述每个步骤。2.1平滑所有从摄像头拍摄的图像，这是不可避免的，会含有一定量的噪音。防止噪音误认为是边缘，必须降低噪音。因此，第一图像通过应用高斯滤波器平滑。高斯滤波器的内核，其标准偏差的，在方程（1）所示。效果测试图像平滑后的图像如图2中所示。(1)49\n兰州理工大学毕业论文(a)原始图(b)平滑处理后图2原始灰度图像与高斯滤波器平滑化图像2.2查找梯度Canny算法基本上认定边缘灰度图像的变化强度是最多的。这些区域通过确定图像的梯度被发现。在每个像素处的梯度平滑后的图像中的由应用索贝尔算子。第一步，通过方程(2)中所示的公式计算，梯度近似分别在x和y方向。(2)梯度的大小（也称为边缘强度）可以被确定为应用毕达哥拉斯的法律，如公式（3）所示的欧几里德距离度量。它有时也简化了应用曼哈顿距离度量所示方程（4），使减少计算复杂度的欧几里得距离的方法已被应用到测试图像。相比，在图3中的平滑后的图像计算出的边缘强度。(3)(4)其中，Gx和Gy是x和y方向的梯度。49\n兰州理工大学毕业论文(a)平滑处理(b)梯度幅值图3平滑后的图像中的梯度幅值很明显从图3中的图像的梯度幅值通常表示的边缘很清楚的。然而，边缘通常是广泛的，因此不表明确切位置边缘。为了使人们有可能确定这一点（见2.3节），边缘的方向如等式(5)中所示，必须确定并存储。(5)2.3非最大抑制这一步的目的是“模糊”的边缘，在图像的梯度幅值转换“犀利”的边缘。基本上，这是通过梯度图像的局部最大值保留所有，并删除一切。该算法的梯度图像中的每个像素：1.圆梯度方向θ到最近的45。，相应的8连通邻域的使用。2.比较当前像素的边缘强度的像素中的边缘强度正，负梯度方向。即如果渐变的方向就是北方（θ=90度），比较像素的北部和南部。3.如果当前像素的边缘强度是最大的，保留的边缘强度的值。如果没有，抑制（即删除）的价值。图4中所示的非最大值抑制的一个简单的例子。几乎所有的像素梯度方向指向北方。因此，它们比上述的像素和如下。标有白色的像素变成在这个比较中是最大的边界。所有其他的像素将被抑制。图5示出了在测试图像的效果。49\n兰州理工大学毕业论文图4非最大值抑制插图非最大抑制。边缘强度，颜色和数字表示，而梯度方向如箭头所示。产生的边缘像素点都标有白色边框。(a)梯度值(b)边缘后非最大抑制图5测试的效果图像效果2.4双阈值分割边缘像素后剩余的非最大抑制步骤（仍然）标明其像素。许多真实的图像的边缘，可能由于一些原因如粗糙表面的噪音或颜色变化引起的。最简单的方法分辨这些是使用一个阈值，以便只边缘强，目标值将被保留。Canny边缘检测算法，采用双阈值。边缘像素强比的高门槛被标记为强;边缘像素弱于低阈值都被抑制，两个阈值之间的边缘像素被标记为弱。该图6中所示的测试图像20和80的阈值的影响。49\n兰州理工大学毕业论文(a)非最大抑制后边缘(b)双阈值图6图像20和80的阈值的影响2.5边缘跟踪滞后强边缘被解释为“目标的边缘”，并且可以立即被包括在最终的边缘图像当且仅当它们连接到强边缘，弱边缘。Thelogic当然是噪声和其他小的变化不太可能导致一个强有力的边缘（适当地调整阈值电平）。因此，强边缘（几乎）是由于在原始图像中的真实边缘。弱边缘可以是由于真正的边缘或噪音/彩色的变化。后一种类型的可能会被独立地分布在整个边缘形象，从而只有少量将位于相邻的强边缘。由于弱边缘为true边缘更可能直接连接到强边缘。可以实现边缘跟踪分析BLOB（二进制大对象）。BLOB含有至少有一个强大的边缘像素，然后保存，而其他BLOB的抑制。的效果边缘跟踪对图7中所示的测试图像。(a)双阈值分割(b)边缘跟踪滞后(c)最终输出图7边缘跟踪和最后输出中间的图像显示了强大的连接到强边缘为蓝色，其他弱边缘红色白色，弱边缘边缘。49\n兰州理工大学毕业论文3应用Canny边缘检测第1节中指出，当前工作表中的所有图像（原来除外）是由我们实现。这方面应注意的几件事情：1.（源）图像和阈值可以任意选择。2.只有一个平滑滤波器，标准偏差为支持（图中所示在公式1）。3.实施的边缘强度，使用“正确的”欧几里德措施描述在2.2节。4.不同的过滤器不能被施加到边缘像素。这将导致在输出图像是在每个方向上较小的8个像素。边缘跟踪算法中的最后步骤可以实现为无论是迭代或递归的BLOB的分析[4]。递归的实现可以使用的草火算法。然而，我们的实现，使用迭代的方法。首先扫描所有弱边缘近邻边，并加入到组。在同一时间，它被标记为这些基团是相邻。然后，所有这些标记进行检查，以确定哪些组弱边缘强边缘（直接或间接）连接。所有连接到强的弱边缘边缘被标记为强边缘本身。弱边缘的其余部分被抑制。这可以解释为BLOB的含有强边缘保留BLOB分析（视为一个BLOB）。(a)原始(b)平滑49\n兰州理工大学毕业论文（c）梯度幅值(d)非最大抑制边缘后(e)双阈值(f)由滞后的边缘跟踪(g)最终输出图8所有的边缘检测的步骤49\n兰州理工大学毕业论文致谢非常感谢我的指导老师李老师。她在我课题遇到问题时及时给予很多指导和帮助，为我毕业设计的完成起了很好的引导作用，减少了很多走弯路的错误，她在科研工作上给了我极大的帮助，非常庆幸能遇见这样一位优秀的指导老师师。感谢在这个毕业设计项目中与我一组的同学们，他们及时分享自己的资料，让我在做程序时，方便了很多，他们的意见和建议对我完成论文起了非常大的作用。谨向给予我无私帮助的同学表示深切的感谢。衷心感谢所有在学习期间给予我帮助和支持的师长和朋友，谢谢他们在各方面的帮助，很高兴能和他们一起分享学习和生活的快乐。深深地感谢父母对我养育之恩和谆谆教诲，虽然现在不在身边，但是他们总是给我鼓励，教我战胜困难，他们的支持给了我战胜困难的勇气。最后，向所有关心，帮助，理解和爱护过我的老师，同学，家人表示深深地感谢！感谢我的家人还有我的室友同学以及所有帮助过我的其他老师和朋友们，正是因为你们对我的殷切期望和默默支持，我才能一心一意完成这篇论文，谢谢你们的支持、鼓励。49\n兰州理工大学毕业论文学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作所取得的成果。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意识到本声明的法律结果由本人承担。学位论文作者（本人签名）：年月日学位论文出版授权书本人及导师完全同意《中国博士学位论文全文数据库出版章程》、《中国优秀硕士学位论文全文数据库出版章程》(以下简称“章程”)，愿意将本人的学位论文提交“中国学术期刊（光盘版）电子杂志社”在《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》中全文发表和以电子、网络形式公开出版，并同意编入CNKI《中国知识资源总库》，在《中国博硕士学位论文评价数据库》中使用和在互联网上传播，同意按“章程”规定享受相关权益。论文密级：□公开□保密（___年__月至__年__月）(保密的学位论文在解密后应遵守此协议)作者签名：_______导师签名：______________年_____月_____日_______年_____月_____日49\n兰州理工大学毕业论文独创声明本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本声明的法律后果由本人承担。 作者签名:二〇一〇年九月二十日 毕业设计（论文）使用授权声明本人完全了解滨州学院关于收集、保存、使用毕业设计（论文）的规定。本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。（保密论文在解密后遵守此规定） 作者签名:二〇一〇年九月二十日49\n兰州理工大学毕业论文致谢时间飞逝，大学的学习生活很快就要过去，在这四年的学习生活中，收获了很多，而这些成绩的取得是和一直关心帮助我的人分不开的。首先非常感谢学校开设这个课题，为本人日后从事计算机方面的工作提供了经验，奠定了基础。本次毕业设计大概持续了半年，现在终于到结尾了。本次毕业设计是对我大学四年学习下来最好的检验。经过这次毕业设计，我的能力有了很大的提高，比如操作能力、分析问题的能力、合作精神、严谨的工作作风等方方面面都有很大的进步。这期间凝聚了很多人的心血，在此我表示由衷的感谢。没有他们的帮助，我将无法顺利完成这次设计。首先，我要特别感谢我的知道郭谦功老师对我的悉心指导，在我的论文书写及设计过程中给了我大量的帮助和指导，为我理清了设计思路和操作方法，并对我所做的课题提出了有效的改进方案。郭谦功老师渊博的知识、严谨的作风和诲人不倦的态度给我留下了深刻的印象。从他身上，我学到了许多能受益终生的东西。再次对周巍老师表示衷心的感谢。其次，我要感谢大学四年中所有的任课老师和辅导员在学习期间对我的严格要求，感谢他们对我学习上和生活上的帮助，使我了解了许多专业知识和为人的道理，能够在今后的生活道路上有继续奋斗的力量。另外，我还要感谢大学四年和我一起走过的同学朋友对我的关心与支持，与他们一起学习、生活，让我在大学期间生活的很充实，给我留下了很多难忘的回忆。最后，我要感谢我的父母对我的关系和理解，如果没有他们在我的学习生涯中的无私奉献和默默支持，我将无法顺利完成今天的学业。四年的大学生活就快走入尾声，我们的校园生活就要划上句号，心中是无尽的难舍与眷恋。从这里走出，对我的人生来说，将是踏上一个新的征程，要把所学的知识应用到实际工作中去。回首四年，取得了些许成绩，生活中有快乐也有艰辛。感谢老师四年来对我孜孜不倦的教诲，对我成长的关心和爱护。学友情深，情同兄妹。四年的风风雨雨，我们一同走过，充满着关爱，给我留下了值得珍藏的最美好的记忆。在我的十几年求学历程里，离不开父母的鼓励和支持，是他们辛勤的劳作，无私的付出，为我创造良好的学习条件，我才能顺利完成完成学业，感激他们一直以来对我的抚养与培育。49\n兰州理工大学毕业论文最后，我要特别感谢我的导师赵达睿老师、和研究生助教熊伟丽老师。是他们在我毕业的最后关头给了我们巨大的帮助与鼓励，给了我很多解决问题的思路，在此表示衷心的感激。老师们认真负责的工作态度，严谨的治学精神和深厚的理论水平都使我收益匪浅。他无论在理论上还是在实践中，都给与我很大的帮助，使我得到不少的提高这对于我以后的工作和学习都有一种巨大的帮助，感谢他耐心的辅导。在论文的撰写过程中老师们给予我很大的帮助，帮助解决了不少的难点，使得论文能够及时完成，这里一并表示真诚的感谢。内部资料仅供参考9JWKffwvG#tYM*Jg&6a*CZ7H$dq8KqqfHVZFedswSyXTy#&QA9wkxFyeQ^!djs#XuyUP2kNXpRWXmA&UE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmUE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z8vG#tYM*Jg&6a*CZ7H$dq8KqqfHVZFedswSyXTy#&QA9wkxFyeQ^!djs#XuyUP2kNXpRWXmA&UE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^G89AmUE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z8vG#tYM*Jg&6a*CZ7H$dq8KqqfHVZFedswSyXTy#&QA9wkxFyeQ^!djs#XuyUP2kNXpRWXmA&UE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmUE9aQ@Gn8xp$R#͑Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^GjqvadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%MadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*adNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%MzadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@adNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^GjqvUE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3adNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz84!z89Amv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^GjqvtnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqvz849Gx^Gjqv^$U*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNuGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5ux^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7Jv#nD6YWRrWwc^vR9CpbK!zn%MzFA5uxY7JnD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZ#Qc@UE%&qYp@Eh5pDx2zVkum&gTXRm6X4NGpP$vSTT#&ksv*3tnGK8!z89AmYWpazadNu##KN&MuWFA5uxY7Jv#nD6YWRrWwc^vR9CpbK!zn%MzXNQExJB8VK#%W7m$ZA5JdkVWce9APz^FvJzwYWCcyAh*bnxBvaFQH8YHV$#&3Q3vdWe3YXvbJr内部资料仅供参考图2－3：地块位置图49