平法识图实训总结范文1
【关键词】建筑CAD课程 考核体系 构建
【中图分类号】G【文献标识码】A
【文章编号】0450-9889（2014）02B-0053-02
建筑CAD是建筑工程施工和工程造价专业的专业基础技能课，课程考核作为教学过程的重要环节，是检验学生知识掌握程度、技能娴熟程度和评价教师教学质量、调控教学过程、改进教学方法的重要手段。由于原有课程下培养的学生离企业人才标准存在一定的距离，制约了学生的个性发展，已不能满足现有的课程教学，对此，应结合新的课程特点与培养目标，建立多元化的考核评价方式与手段，多角度、全方位地进行过程考核，保证考核评价的及时性、真实性，有效提高学生的技能操作水平与学习的积极性。同时促进学生自主学习能力、团结协作能力与创新能力的培养。
一、原课程标准下建筑CAD课程考核体系存在的弊端
原课程标准下建筑CAD课程考核体系存在诸多弊端，具体表现为以下方面：
第一，不注重识图读图能力的培养，未全面贯彻房屋建筑制图标准。建筑CAD原课程标准下考核体系中，评价内容未注重识图读图能力方面的考核，导致学生读图能力差。也没有将房屋建筑制图规范贯彻到整个教学过程中，学生绘制出的图形不规范。如果学生贯彻制图标准，每个学生绘制出的成果图应该会很相似，也轻易就能判别学生的识图能力和专业知识水平，形成优质规范的计算机绘图文件便于共享和管理。
第二，考试成绩所占比例过大，出现高分低能现象。原课程成绩评定标准是：平时成绩30%，期中考试成绩30%，期末考试成绩40%，这样一来，两次考试的成绩占了总成绩的70%。这极易导致学生平时不用功，不重视学习过程，学习马虎应付，积极性不高。有些学生为了应对考试，甚至出现了考试作弊，出现了考试成绩与所掌握知识、实际运用能力不相符的高分低能现象。
第三，忽视了学生的个性发展。原有的考核方法使得学生主要精力放在应对考试上，学到的知识不能综合运用，忽视了学生的创新精神和实践精神的培养，各种能力无法得到锻炼与提高，学生的情感、自尊和个性差异无法体现，影响了学生学习的积极性和主动性。
第四，考核不全面，不利于人才的选拔。原课程的评价方法没有将学生进行分层教学，在教学中所有学生使用同一任务，同一评价标准。没有对学生进行多方面的考核，仅仅两次考试，难以解学生之间的差异和水平，不利于人才的选拔。
二、改革后课程标准下的考核体系
改革后的课程设计采用项目教学法和任务驱动法，项目的设计既紧密结合企业的工作实际，又符合教学改革的实际需要，将课程以项目的形式编写，各个项目分为若干个小任务，每个项目后编制了一个实训项目，用来作为过程考核，避免了旧考核体系中的弊端。
新的考核体系总体思想是：以考核学生的专业技能和职业能力为主，能反映学生学习的过程，激励学生学好专业知识；诊断学生在学习中存在的问题，及时调整和改善教学方法；全面了解学生学习的历程，帮助学生认识到自己在学习方法、思维习惯上的长处和不足；关注他们在学习过程中的认知水平和所表现出来的情感与态度。
新课程体系下成绩评定标准是：平时成绩占20%，阶段性、过程性的项目实训成绩占50%，期末考试成绩占30%，取消了期中考试，转用阶段性的项目实训成绩代替。通过阶段性实训测试检测学生各阶段的学习效果，有针对性地对学生各阶段的能力进行专项考核，同时，也督促学生积极、有效地进行阶段性总结，促进学生专业技能和职业能力的发展；促使学生重视每个教学环节，循序渐进地掌握教学内容；促进学生主动学习能力、自主学习能力和终身学习能力的形成。
三、阶段性、过程性技能实训考核评价的构建
阶段性、过程性的项目实训成绩占了总成绩的50%，如此大的一个比例，对学生在学习过程上进行全方位、多角度的考核，从而提高他们学习建筑CAD的积极性。在整个学习过程中，能直观地体现学生的水平与能力，有利于人才的选拔，采用学生自评、小组互评、教师评价的方法，对学生在知识掌握、技能操作、团结协作、自我管理、改革与创新、情感与态度等多方面进行全面评价。
（一）设计多元化评价内容。该课程设计十个项目，在每个项目后设置一个实训技能项目，每个项目均以百分制来计量，各个项目从简单的单项能力的训练到综合能力的运用，采用循序渐进的方式进行，各个实训子项目参照技能大赛的项目，并结合企业实际生产的流程，每个项目均来自实际的工程项目，用一套完整的施工图来进行实训项目的技能训练，实现了真项目真做。针对每个项目设计了不同的考核内容，在内容设计上分为两大模块，一块为专业技能训练，另一块为学生的职业能力训练。在评价内容的设定上形成了多角度、全方位的阶段性过程化的考核。
1.专业技能占60%。在专业技能的内容设计上主要是看学生将项目完成的同时，对各个项目的知识是否熟练掌握，包含绘制图形的能力与编辑图形的能力，同时每个项目都将识图读图能力贯穿其中。
2.职业能力占40%。在职业能力的考核内容上，设置了自我管理能力（纪律）、团队合作能力、解决问题的能力、创新能力与自我提高的能力。对学生发现问题与解决问题能力的评价，主要是看遇到问题时能否主动去思考，能否选择适当的方法解决问题，是否愿意与小组成员合作解决问题，能否表达解决问题的大致过程和结果，能否养成反思自己解决问题的习惯。
（二）组织多元化评价主体。在实施的过程中采用了评价主体和方式多元化，采用自评、小组互评以及指导教师评价的方法，充分发挥自我评价和他人评价的作用，更好地实现了技能目标与思想道德教育的目标。在实施后发现自评可以提高学生的自我管理能力，提高了学习的积极性和对自己负责任的态度，在教学中可以进行实时监控，随时调整教学目标，让学生明白学习过程的重要性，学习是为了学到知识与技能，而不是为了应付考试。
采用互评的评价方式加强了评价者与被评价者之间的互动，在团体实训项目上的互评是小组长进行评价，各组的组长以组内成员对小组的贡献进行评分。这样，每个小组成员为了不给小组拖后腿，会积极主动的完成合作项目，而小组成员为了小组集体荣誉，也会主动地去教没有学好的同学，这样形成了互相学习、取长补短、共同进步的学习气氛。而个人实训技能项目的互评则是小组内成员相互评价，采用自评互评的方法既提高了学生的主体地位，又促进了学生积极参与、自我总结、自我教育、自我发展，形成了积极、平等、民主的评价关系。
教师评价除沿用以往传统的做法外，还可邀请企业有经验的成员参加，选择一些学生完成的项目作品，让企业技术人员评价在这种新课程标准下培养出来的学生是否符合企业用人标准。
（三）建立实训评价表。每个实训后都可以建立一个实训项目评价表，让学生完成实训后在电脑上填写评价成绩。自评成绩由本人根据实训的内容对自我进行打分，考核自己掌握知识的程度，本人填写完自评后，写出本次课的总结，看看本次课的得失，有何进步，自己发现了什么操作技巧，有什么问题待解决。实训成果展示，则将本次课的实训成果图形展现出来。在一张评价表上，可以看出学生本人对这次实训的掌握程度，同时还能看到本人的作品，让学生更自信、更有成就感。
小组互评由小组长带领小组成员进行组内互相评价，因为在操作过程中，小组内的成员对本组成员的学习情况是非常了解的，如果换成小组之间互评，小组与小组之的学习状况不甚了解，就会造成评价的不公平性。
教师评价是在学生提交完实训成果后，由指导教师进行填写。三项完成后，事先设计好的电子表格会自动进行汇总评分，按自评30%、互评30%、教师评40%进行自动计算，在10个实训项目全部完成后，将10个实训评价表汇总到一个文件，进行统计，并计算出实训总成绩，最后以50%的比例汇总到建筑CAD课程的总成绩中。下面用表1来展示学生的评价。
表1 实训项目八评价表
项目名称 办公楼立面图的绘制 专业名称 建筑工程施工
实训时间 实训地点 计算机绘图室 机号姓名
任课教师 实训班级 评价得分
评价项目 自评
30% 互评30% 师评40%
专业技能（60%） 绘制图形 （25分） 熟练运用立面菜单下的命令绘制1-13轴立面（10分）
熟练运用立面菜单下的命令绘制13-1轴立面（10分）
能熟练地创建楼层表（5分）
编辑操作 （25分） 能熟练运用立面菜单下的命令替换门窗阳台（10分）
立面图上多余的线条删除、少的线条添补上（10分）
熟练地进行图案的填充（5分）
识图能力 （10分） 识图准确、并能快速进行图形的绘制（10分）
职业能力（40%） 自我管理能力（10分）
团队合作能力（10分）
解决问题的能力 （10分）
革新、创新与自我提高的能力（10分）
小计： 0 0 0
总结： 综合评价 0
学生成果展（要求展示1-13轴立面图）
（四）采取多元化考核评价手段与方式。在考核评价过程中除采用平时评价、实训过程评价、期末考试评价外，在期末总评价中，对于成绩不理想的学生应给予二次评价的机会，让学生拥有进步的权利。而学生往往会珍惜这个机会，认真对待二次测试的过程。二次测试就是在原有的学习基础上复习巩固、提高和发展，经过二次测试，学生都在原有的基础上有所超越，重新拥有了自信。
课程结束后，指导教师综合学生各个方面的表现进行综合性的评价。以朴实、生动、饱含激情的评语描述学生学习的过程和发展状况，提出激励性的改进意见和建议，为学生继续学习、终身学习指明方向。
【参考文献】
[1]孙成才.《CAD制图》校本教材建设中课程体系和考核体系的研究[J].新课程研究（中旬刊），2011（11）
[2]王黎军.从全国职业院校技能大赛看职业院校建筑CAD教学现状[J].课程教育研究・新教师教学，2013（25）
平法识图实训总结范文2
同时是结合现代移动多媒体技术和现代学生学习特点对课堂教学方式方法的一种探索，通过使用手机作为教学的承载媒体和互动工具，充分结合学生的特点，将学生的注意力借助常用的手机转移到课堂教学的互动内容总来，提高了学生学习的积极性。
一、引言
1.一个背景
2014年全国职业教育工作会议于6月23至24日在京召开。中共中央总书记、国家主席、中央军委主席就加快职业教育发展作出重要指示。他强调，职业教育是国民教育体系和人力资源开发的重要组成部分，是广大青年打开通往成功成才大门的重要途径，肩负着培养多样化人才、传承技术技能、促进就业创业的重要职责，必须高度重视、加快发展。
与此同时新华社播发了国务院印发的《关于加快发展现代职业教育的决定》，大力推进职业教育。云南机电职业技术学院紧跟时代步伐，提出在新学年开始全面推进课程项目化的教学目标，要求做到：教一门课程、改一门课程、总结一门课程的项目化教学方式。在此背景下笔者对项目化教学的内涵、目标和实施进行分析与探索，试图构建既符合项目化教学要求又能落地实施的项目化教学方式。
2.二个实际
在笔者教授过的物业管理及项目管理专业的小区规划管理、房地产市场营销、物业经营管理、建筑学、物业管理专业和项目管理专业实训课程中做不完全统计：纯理论讲授课时，学生在低头玩手机的概率约在1/3左右;有讨论练习的课时，低头玩手机不在讨论组中的学生人数仅有个位数;带有参观与操作的课时，低头玩手机的同学基本没有。学生出现低头玩手机是一个信号：无趣、跟不上节奏、知识点模糊……从另一个侧面也反映出此时手机上的内容吸引力更大。
以目前智能手机的普及率来看，高职同学基本人手一台。智能手机是通信工具，更是社交、娱乐、咨询工具。因智能手机强大的硬件，各类APP及信息平台制作更加精美、内容更加丰富、形式及选择更加多样。这是传统的教学形式所不能比拟的：从黑板白粉笔的单调板书，到图片、动画丰富的PPT讲课，形式有所变化，但是授课对象更新到90后，应根据90后的特点作出相应调整。
推进项目化，根本目的是训练学生的职业素养及能力，因笔者有从事多年专业工作的经历，故在课程教授过程中探索性的将工作要求及工作流程以单元练习的形式引入到课程中，结果不甚良好，与预期差距较大，如：景观设计与建筑单体绘制内容部分，只有个别学生能按要求完成，大部分学生处于随意应付。与学生交流时，被告知基础内容他们没有理解，甚至没听过(遗忘)，在第五学期按实际工作要求完成练习，难度大。
笔者与专业基础老师交流也发现同样的问题——工作内容与工作流程，如果只是单一在一门课中提出要求及训练，学生的知识记忆、运用的连贯性是被割裂的，简单的团队协作、语言表达、ppt制作能训练，但是深入一些的专业技术能力就很难得到系统的训练，需要环环相扣的专业技能教学设计训练。笔者从教学实践中总结教学情况为从一年级实训开始授课班级，到三年级的核心专业课授课效果较为理想，直接从三年级上核心专业课效果不理想。
3.三次实践
二、高职项目化教改
1.高职项目化教改的目的
高职教育，项目化教学改革以培养多样化人才，传承技术技能为根本目的。引用何克抗教授在其撰写的《建构主义的教学模式、教学方法与教学设计》一文中指出：学习者要达到对知识所反映事物的性质、规律以及该事物与其他事物之间联系的深刻理解，最好的办法是让学习者到现实世界的真实环境中去感受，去体验，即通过获取直接经验来学习，是学习能在与现实情况基本一致或类似的情境中发生，而不是仅仅聆听教师关于这种经验的介绍和讲解。
2.项目化教改落地难点
教学方法中的项目化是将职业中实际工作内容及过程以项目任务书为载体，通过科学合理的行为导向编排出学生就业需要的职业能力训练步骤、训练强度、训练平率，将职业体验以直接经验来吸纳，变为学生自身职业素养及能力。然而，在对这两个管理专业的项目化教改具体实施中却遇到了落地难的问题：
(1)管理专业同学课程中只要涉及到计算、制图、绘图、景观设计等偏工程类实际操作，因缺少连贯和系统的实操训练，在大量的教师示范操作下学生觉得有难度。
(2)评价机制简单，最终的考核依旧采取试卷考试的形式，卷面成绩依旧占最终成绩70%以上的比例，每个项目中学生的个体表现得不到合理体现。
(3)项目化训练中的课上课下1：1练习，学生的自觉性不够，以小组完成的训练和成果，并不能保证每个学生都得到足够的训练。
(4)训练硬件与软件条件单一，建筑实体参观、景观实景参观、视频、抄绘图纸、分析评价图纸内容等都已经不能让学生感到新鲜有吸引力，需要一套新颖的符合90后的个性特征的训练条件让他们眼脑心手脚都得到调动的教学工具。
3.三门课程项目化教改实施
《建筑识图与房屋构造》、《建筑学》和《小区规划管理》是建筑工程知识体系下的有共通逻辑结构的三个内容，在教学设计过程中，将其整合在一个体系之下：建筑识图是基础工具，要教会学生识别图纸各种符号与尺寸。然后是建筑学，要让学生掌握常见建筑类型的构造做法，识别建筑风格。最后是小区规划与景观规划，从整体上把握小区的结构体系、管理与景观设计、实施、管理。
三门课是内容由浅及深，视野从微观到宏观，范围从小到大的关系，从课程设置上又是独立的三门课程，在这样的认知下就不能割裂的把一个内容单独的重复，而是每一门课的项目设置总要为下一门课做好铺垫，比如同一个案例，分解成几个内容，不同的内容在不同的课程中，但是下一门课会复习上一门课的知识，让其连贯。三、手机作为媒介的互动教学
1.手机作为媒介的互动教学发展(实践)
(1)利用手机短信互动平台实现移动教学：利用手机短信互动平台的主要功能为短信、彩信的编辑及收发，同时还具有信息发送机反馈记录功能，解决异地学习者不能参加面授和异地同步视频提出的在上课过程中利用此平台同步教学内容微播的解决方案，同时帮助异地同学与老师之间的课前、课后沟通交流反馈。
(2)运用微信公众号建立通识课程教学互动平台：利用微信公众平台可以发送的媒体多样——文字、图片、音视频、网络外连接的特征，教师通过平台上传教学资料，学生可自主选择教学内容并下载相关教学资料，教师可以在平台后台根据学生提问推送信息，因为平台信息的实名认证，考试成绩等可以直接推送。
2.AR技术为媒介的互动教学技术支撑
AR技术展示抽象的平面图在实际中的三维立体模型，并且可以通过互交模式，由学生旋转、放大、切换、移动、复制三维对象，完成从认知到操作的项目训练。
AR技术将建筑识图、房屋构造、施工技术、景观设计、小区规划设计及管理整合在一组或多组模型中，场景模型、元素模型作为选择元素，由每个同学自由组合完成要求。
四、实践为先导的教学构想
1.《建筑识图与房屋构造》媒介项目构建
AR技术基础资料建立层面：在《建筑识图与房屋构造》中是将小区总平面图和建筑平面图分块识别：作为核心讲解案例的一部分，首先置于整个小区总平面中，将小区总平面分成几个色块，红色是案例讲解区，蓝色是案例分析区，绿色是学生操作区。整体是一个完整小区的总平面，学生首先学习各类符号与尺度标记的含义，调取分块区域进行不同课程内容的讲解和实操练习。
分层：小区总平面图中包含四个层次，即小区规划设计层、景观设计层、建筑单体层和建筑构造、施工技术层。四个层次是实现建筑工程知识体系完整连贯的重要联系。在《建筑识图与房屋构造》课程中，学生需要重点掌握的是建筑单体层的相关知识，但是也预先了解到，整个知识体系的结构。
在此层面上的手机互动，更多的是通过扫描平面图，完成知识问答检测，知识点的延伸扩展。
2.《建筑学》媒介项目构建
AR技术展示层面：《建筑学》是将建筑单体层与建筑构造、施工技术层的内容通过AR技术完成互交演绎。调取红色块中的建筑单体平面讲解区，用手机扫描建筑平面图，在手机上将呈现建筑单体三维模型，学生通过点击三维模型，将其旋转、放大缩小来认识建筑各组成部分，并在点击过程中出现建筑构造做法及施工技术文字及语音说明，并配以适当的施工作业视屏加深学生印象。调取蓝色块中的建筑平面，手机扫描各个平面图，将获得不同类型及风格的建筑单体三维模型、调取绿色块中的建筑平面，将建筑的梁、柱、板等元素的模型在平面图中布置以检测学生的理解认知程度。
3.《小区规划管理》媒介项目构建
AR技术应用层面：《小区规划管理》课程将作为整个建筑工程知识体系中最宏观部分，连接上两门课的基础运用，更多由学生动手操作完成这部分应用。调取红色块小区规划总平面中的一个组团，手机扫面组团平面，组团交通道路结构、楼栋、组团景观呈三维模型供讲解。调取蓝色块小区规划总平面的多个组团，手机扫面组图平面，多个组团逐步呈现三维模型，配合小区规划设计说明、景观规划设计说明和小区绿化管理展开链接。
调取绿色块，独立的一个组团平面图，手机扫描后，多种植物类型、户外休憩桌椅、连廊、构筑物等三维元素分类排列，学生通过互交点击，按照自己的构想放置出一个组团级景观设计三维意向图。
五、小结
基于智能手机为媒介的高职项目化教改下互动教学的媒介项目构建，因为每个同学都要完成用户注册，即可让每一个同学都能动手操作，避免了分组讨论式学习时有个别学生推诿不做的问题;每一个步骤都由同学截屏保存当下学习内容，教师对每个同学的学习程度都有更准确的把握，能及时调整教授方式及补充或扩展学习内容，并在微信群中实现及时讨论和同学间的互助学习;每一个同学均是分步骤完成操作，最终实现对每一个同学的项目完成评价的准确性;建立在建筑工程知识体系下的知识和操作演练，使得三门课既独立又联系，使学生在学习进程中高度联系，不让知识与操作脱节，同时可以自由选择其进度及深度，增加同学自主学习的兴趣。
平法识图实训总结范文3
中图分类号：TU723.3 文献标识码：A 文章编号：
本课程的教学目的是培养学生的实际操作能力，熟练运用广联达软件正确计算工程量，并进行招投标文件的编制。我院从08年开设建筑工程计量与计价实训课程，安排在第四学期，时间为两周，学分为2学分。从对历届毕业生反馈信息看，识读施工图并进行工程量的计算是所有从事造价员岗位的毕业生的最基本的技能，而这恰恰是同学们的薄弱环节，不知道如何把学校所学的知识与岗位要求快速对接，拿到图纸感到无从下手。所以怎样提高学生们的识图能力和计算工程造价的水平，是我们面临的重要课题。
建筑工程计量与计价课程是建筑类高职的专业骨干课程，我院建筑工程系在制定人才培养方案时为探索工学交替、任务驱动、项目教学等有利于增强学生能力的教学模式，广泛开展企业调研，请企业的技术人员参与到教学计划的制定和课程改革中来。利用辽宁省工程造价行业广泛使用的广联达建筑工程造价管理整体解决方案，根据图纸进行真题真做，最总形成工程造价文件。实训是建筑类高职高专的重要的实践性教学环节，有助于提高学生对计量与计价理论课的兴趣，是提高理论课教学质量的有利保证。我院开设的建筑工程计量与计价课程实训，主要是利用广联达图形算量软件、钢筋抽样软件和计价软件进行计量与计价工作。
本课程的教学目的是培养学生的实际操作能力，熟练运用广联达软件正确计算工程量，并进行招投标文件的编制。我院从08年开设建筑工程计量与计价实训课程，安排在第四学期，时间为两周，学分为2学分。从对历届毕业生反馈信息看，识读施工图并进行工程量的计算是所有从事造价员岗位的毕业生的最基本的技能，而这恰恰是同学们的薄弱环节，不知道如何把学校所学的知识与岗位要求快速对接，拿到图纸感到无从下手。所以怎样提高学生们的识图能力和计算工程造价的水平，是我们面临的重要课题。
一、课程目标
（一）知识目标：通过实际工程图纸使学生熟练掌握预算软件的操作方法、步骤及技巧，能够将建筑工程计量与计价、建筑结构基础与识图及预算软件应用等课程中的重要知识有效结合起来。
（二）能力目标：
1、运用图纸数据完成图形算量软件中基础、柱、梁、板、门窗、过梁等构件的绘制并汇总计算工图形程量。
2、运用图纸数据完成钢筋算量软件中基础、柱、梁、板、门窗、过梁等构件的绘制并汇总计算钢筋工程量。
3、运用图形算量软件、钢筋算量软件所得到的工程量，编制清单并运用计价软件进行计价。
（三）素质目标： 在教学过程中，注重对学生进行行业社会责任的教育和职业道德的培养，提高学生观察、分析和判断问题的能力，严谨的工作作风、实事求是的工作态度，以及诚实守信、善于沟通合作的优良品质。
二、课程实训周的内容
《建筑工程计量与计价》课程是建筑类相关专业的骨干课程，它包含理论教学环节，又要有实践环节作为支撑。这样才能保证学生正真掌握相关知识，具备相应技能。通过理论教学部分的学习使学生具有计算工程量、套定额、组合综合单价等能力。课程实训是为了加强学生对建筑工程概预算知识的系统掌握。我们采用的图纸为一个三层的框架结构的办公楼，具体内容及时间安排见表格。
本实训课程按项目法进行课程设计，分为三个项目，具体课程设计见下表。
项目一：图形算量软件操作
项目二：钢筋计算软件
项目三：计价软件
通过两周的实训，使学生具有较熟练操作广联达软件的能力，达到造价员的能力目标。
三、实训周质量保证模式
建筑类高职院校的人才培养目标是培养应用型、技术型人才，为了满足学生对专业技能的期望，保证课程实训周的总体质量尤为重要。《建筑工程计量与计价》课程实训周在教学实践中建立并实施一套适合的运行模式，明显提升了实训课的整体质量和教学效果。
（一）监理完备的资料库
实训周需要的资料有工程图纸、建筑工程计价定额、工程量清单计价规范、图集等资料。经软件公司推荐，我院教师和企业相关人员共同选定4套图纸作为实训周的基础资料。机房配备了60台电脑，能满足学生上课的需要，并配备了正版广联达整体解决方案，配有加密锁。相关工具书等能满足2个班同时做课程实训的要求，初步建立了本课程实训的资料库。
（二）分项目教学，有效提高教学效果
课程实训在机房进行，按教学大纲的要求，分为“图形算量软件应用”、“钢筋算量软件应用”和“计价软件应用”三个项目进行。教师先演示基本操作方法，然后让学生根据图纸进行练习。并再发一套图纸做为学生的课后作业，动手能力强的同学还可得到第三套图纸，做到了因材施教。让学生在学中做、做中学，教师在旁边指导。这样既锻炼了学生的动手动脑探究问题的能力，又提高了其软件操作技能，受到了学生的欢迎。
（三）强化实训周纪律管理
良好的组织纪律是保证实训周顺利进行的前提，我院实训周对学生的管理采取自律与强制相结合的原则，效果较为理想。一般来说，绝大多数学生较重视这个掌握专业技能的机会，能够自觉的遵守纪律，保证出勤。但为了督促个别组织性纪律性差、甘于落后的学生，实施指导老师点名，督导老师抽查等手段，强制学生到机房接受指导。并使用机房的教室管理系统，让学生把每节课完成的项目行进提交，既督促学生出勤，在一定程度上又提高了教学的质量。
（四）要求学生做实训总结
实训周完成的同时，要求学生将实训周过程中的体会、收获等用文字记录下来，自拟题目进行总结。通过总结大部分同学能够从头到尾系统的梳理实训周获得的知识，总结经验教训，为以后的工作打下良好的基础。指导老师也能从学生的总结中体会学生的动态，为下届课程实训周的指导工作积累经验。
（五）量化实训周成绩评定标准
实训周成绩评定标准为：
纪律及表现占15%；
利用工程造价软件绘制的图形占50%；
书面总结占15%；
工程量清单占20%。学生按照成绩标准先自评，指导老师再对学生做出综合评价。
平法识图实训总结范文4
【关键词】高职 工程造价 教学体系改革 创新
我院在面向市场需求的办学思想指导下，为了实现“零距离上岗”的教育目标，重新修订了我院的工程造价教学体系，对原有教学经验总结、分析、修订、更新，使新课程体系在设置和实施的过程中，体现高职特色，使开设的各门核心课程与支持课程与整个工程造价的全过程相适应。
一、理论课程体系的创新改革
（一）教学模式改革
首先我院对本专业创新教学模式进行了改革，将高职三年的教学过程分为两大阶段，第一阶段为集中理论课讲解阶段。第二阶段为实践阶段，该阶段又分为院内教学实训阶段及集中顶岗实习阶段。其中，在第一阶段本着必须、够用为原则，着重培养学生的基础理论和基本技能。在该阶段就逐步地将专业知识渗透到教学中去，使学生树立专业意识，明确专业发展方向。在第二阶段，组织学生在学院内部建设的实训基地内参与某项建筑工程从招投标、综合施工管理、工程图预算、施工组织设计到预决算计算机软件上机编制工程量清单及综合单价的全过程，并到建筑工程工地现场顶岗实习，鼓励学生在建筑工地兼职，承担职责，初试身手，经受锻炼。
（二）教学方法改革
在新一轮专业教学方法改革中， 我们以工程项目为载体， 以职业能力为本位， 构建以工作过程知识为导向的专业课程体系的改革思路， 在对执业范围、职业能力、工作过程知识分析的基础上， 将原有课程进行解构重构整合， 设计了新的工程造价专业学习领域，对课程体系进行了学习情境设计， 尽可能保持项目的连贯性， 在不同的学习领域中选择相同的项目来完成不同的工作和学习内容。例如，以框架结构办公楼的建设项目贯穿建筑识图、测量、施工、房屋建筑学、建筑工程计量与计价、安装工程计量与计价、施工组织设计、招投标、工程造价控制等课程。在项目教学过程中， 以项目为主， 但又不局限于项目， 要求适当拓展有关知识， 以弥补项目内容的不足。
（三）课程体系改革
在课程体系改革中，我们将整个建筑工程的初始到其建筑功能的投入使用的全过程都相应设立了核心课程与辅助课程来帮助我们的教学，加深学生的理解，掌握相应的知识点。例如：在项目设计阶段设立核心课程为建筑制图与识图、建筑力学工程经济、辅助课程为建筑材料、建筑结构、建筑经济法与法规三门课程，在项目招投标及施工阶段设立核心课程为工程项目招投标、工程计量与计价（含土建、安装、装饰），施工组织设计，辅助课程为合同管理、施工技术、工程测量、建筑力学四门课程，在项目竣工及后评估阶段，设立项目管理课程为核心课程，会计学为辅助课程，并且在整个学习计划的安排过程中计算机辅助教学贯穿始终，便于学生理解。
二、实训课程体系的创新改革
在实训课程体系的创新改革中实训实习条件是保证教学质量与提升学生层次的关键因素。我院先后为工程造价专业建立了建筑CAD制图实训室、广联达、神机妙算实训基地、招投标模拟实训室使，我们的实训培养模式可以分立认识实习、课程设计、专业实习、毕业实习四个阶段，使专业教学按照 “全过程连续进行”的思路开展，使学生通过实习来获得第一手的实践资料。具体实训课程安排如下：
（一）建筑制图与识读实训
在这一环节中包含四大块内容：①制图：让学生在老师的指导下完成一建筑物的建筑施工图纸以及该建筑物的平面布置图的测绘，将测量实训与建筑制图实训相结合。②建筑施工图读图：该阶段目的是要学生能独立完成读图的工作，为后续的土建预算工作奠定知识基础。③建筑结构图识图：完成一个工程项目结构施工图的读图任务，使学生学会钢筋图的读图知识，尤其是将平法制图消化理解。④设备施工图识图：完成相应项目水施、暖施、电施、通风空调施工图的读图任务，让学生读懂安装施工图纸。
（二）工程预算的编制实训
在工程预算的编制实训这一环节中包括五方面内容：①建筑工程在定额计价方式下土建预算造价编制，锻炼学生土建、结构、安装工程的手工算量、套定额、取费的基本能力。②清单工程量表编制，使学生掌握工程量计价方法与计价原则；③清单组价工程（包括招标控制价、投标报价）工作，在这一环节将招投标模拟实训安排其中，让学生参与到具体项目的招投标全过程中，了解掌握清单组价的内容；④工程中间结算和竣工决算文件的编制，掌握预算、结算与决算的差别；⑤预算软件的使用，使学生通过上机操作，将以前的手工计算的工程量转化为电算成果，利用神机妙算、广联达软件进行电算、套价，目的是锻炼学生电算水平，为工作上岗做充分的知识准备。
（三）施工组织设计实训
平法识图实训总结范文5
美术基础课是建筑学专业的专业必修课。美术课程包括建筑素描和建筑色彩等课程，课程的训练过程是艺术修养和技术技能提升的过程。“设计”一词的概念在各国的解释多样，包含：计划、草图、构想、预想、预设、配合、意图、企划等。美术课程设计化教学介于绘画与专业设计之间。设计化是在各种设计专业中，人们根据造型和色彩审美要求对制作形式的谋划；是在感性思维的基础上，主动的观察对象，用理性、辩证的手法表现对象的表里构造因素。设计思维的训练是用归纳总结的方法提炼表现造型的写生训练，在训练中发现其设计意义的形态符号，并运用这些形态符号来充实自己的设计意识和手段，经过一定时间的设计训练有助于建筑设计意识的培养。
1 建筑专业的设计化美术课程的训练
1.1 设计素描和色彩的训练与一般性写实绘画训练的区别
建筑学专业的设计性素描和色彩写生是衔接绘画与设计的桥梁。从造型基础训练的角度出发，美术写生训练可分为一般性写实写生训练和设计训练。写实写生是为了获取造型能力的一般性规律的写生训练；设计素描和色彩的训练是以主观归纳性的艺术造型写生为主。一般性绘画的画面为一点透视，设计性绘画的画面的透视多为散点透视，和中国传统绘画有相近的地方。这种散点透视的画面的特点是：装饰性强；绘画手法丰富；构图灵活。20世纪初西方美术现代绘画主义的野兽派的代表人物马蒂斯的绘画作品，极富视觉冲击力、装饰性强，就是受东方美术的散点透视的启示，在手法上和色彩运用上大胆、自由、设计性强。
1.2 如何进行设计绘画的训练
首先进行写实性素描和色彩写生训练，在此基础上，逐步进行设计化训练。设计性素描和色彩写生是介于具象绘画和平面装饰绘画之间的训练写生，与一般性绘画写生训练有相同点；画面都为焦点透视，空间、质感、虚实、肌理等因素在画面中都有所体现，把绘制对象的明暗造型、色彩冷暖、空间远近等加以概括、总结、提炼，是以客观呈现的状态为画面表现的主要形式。
接下来进行平面性设计写生的训练，目的是锻炼学生如何将三维的立体的物象通过绘画语言表现为二维绘画，通过构图、造型、色彩的装饰化处理，绘制出来。通过平面性的设计训练，使学生暂时抛却焦点透视的对客观对象立体空间感和远近虚实关系进行描绘。
再有就是意向性设计写生训练，是设计素描和色彩训练中比较高级的，也是设计意识较强的训练阶段，与解构性写生的最大区别是更具抽象性，意向性写生设计训练主观表现意识更强，是打破习惯性思维、强调探索性、创造性思维的训练阶段，使学生的写生作品更富有意境性、表现性、情绪性。
1.3 建筑学专业设计素描和色彩训练的方法
设计素描和色彩写生当中应注重主观意向的表达，丰富造型、结构、色彩关系、抽象关系以及与之相适应的工具材料的应用选择，包括肌理的运用。对于学生应采取发现特色的原则，针对学生的发散思维的绘画设计，给予个性的指导，开发学生的丰富的主观思维。
对于以往写生教学当中对学生是“掰开了揉碎、喂”的方法，约束了学生的创造思维，使学生缺乏个性表现，作品过于规范，遇到问题依赖老师、依赖成品抄袭等解决，设计和创新意识淡薄。造成这种局面的主要原因是建筑设计写生教学和现实生活结合不紧密，设计意识培养不够。应该在写实美术写生基础上，更注重引导学生主观分析对象的绘画语言，使其画面更具创造性、目的性。
在设计素描和色彩写生训练中，从写实性造型设计写生，到平面性造型设计写生，再到解构性和意向性造型设计写生这一限制的步骤循序渐进地进行训练。歌德在《自然与艺术》一书中写道：“在限制中才能显出高手，只有规律才能给人以自由”。限制与创意是可以转化的，归纳色彩写生训练正是这种规律认识可转化为表现的自由，最后，产生别具一格的、具有强烈装饰性和形式美相融的艺术品[1]。
2 在建筑学设计素描和色彩写生当中培养设计意识
（1）用主观意识培养客观事物的思维。在建筑设计绘画的训练中，大家面对的静物只是个参考，是客观存在的，是为建筑设计造型作品提供的表现素材。经过素材的提炼、加工而成为设计造型作品的过程是设计思维活动的过程，是将客观事物通过归纳总结、主观重现绘制的过程，这一工作的好坏，是最终成果成败的关键。建筑设计绘画的过程是计划、制作、使用所形成的循环过程。建筑设计专业通过一系列专业基础课有目的地不断渗透和强化来实施，建筑设计素描和色彩写生训练是在感觉的基础上，把头、眼、手、脑相结合进行锻炼的过程。
（2）培养学生创新、个性的思维意识，应当充分发挥学生的自主性，给学生尽可能大的想象空间，以画面有较高的可视性为前提，运用多种手段、多种思维方式，表现设计意识。比如对于一组静物造型，学生们可以画成二维的平面设计写生、可以画成三维的写实性设计写生、可以画成四维的抽象设计写生作品；用想要传达给观者的造型表情定位画面，表现出个性思维、个性意识。设计写生的训练是摒弃了客观描摹的写生方法，使每个学生笔下的对象都是各异的、生动的，造型是丰富的，是很好地培养分析设计意识的课程。
（3）培养学生用抽象的概括、观察、提炼、夸张、整合等手法进行造型设计。设计绘画写生训练通过归纳总结、绘制的过程，舍弃琐碎的绘画语言，突出主题，培养化繁为简的设计意识；在写生训练中，注意画面整体与局部的关系，用设计思维把握构图、构色、构形，培养化繁为简的能力。如果写实写生是摄影的提升，那么设计绘画是写实绘画的提升，这一提升是意识上的提升，是将无意于画面的语言精简，将有力度的绘画语言强化，达到烘托主题、升华画面的目的。
3 通过设计绘画的训练培养设计意识在建筑设计当中的运用
视觉是人类最重要的感觉功能，正常活动有70%都与视觉相关，人类的审美主要来源于视觉快感，画面效果好给人们的是感性的美，当我们面对丰富的造型和色彩的时候，总会找到情感的共鸣。作品的情感是感情与经验的结合。被人们誉为“冷抽象”代表蒙德里安所做的一些“色格子”设计及其形式受到现代许多建筑设计师和室内设计师的青睐，用于其作品中；“表现主义”代表人物克里绘制的许多抽象的、充满想象的设计色彩作品，被运用到建筑设计和室内外装饰当中；法国的色彩大师朗克罗将色彩构成和立体构成设计原理运用到建筑群设计的过程中，使形式单调的建筑群落由于色彩和造型的变化，赋予了设计的思维和灵性。意象性的造型设计写生训练是建筑造型设计的构形和构色的启示；设计的训练思维过程是对设计目标的艺术设计过程的完善。西班牙建筑大师高迪的抽象效果建筑充分表现了个人的主观和修养，让人看后过目不忘、惊叹不已。
平法识图实训总结范文6
关键词：光学遥感图像；多类目标；自适应阈值；基于尺度不变特征变换的特征包特征；AdaBoost算法
中图分类号： TP751.1
文献标志码：A
0引言
光学遥感图像通常是指可见光和部分红外波段传感器获取的影像数据，其直观易理解，空间分辨率通常比较高，在有光照和晴朗的天气条件下，图像内容丰富，目标结构特征明显，便于目标分类识别。随着遥感技术和模式识别技术的发展，对光学遥感图像多目标分类和识别的研究已引起了广泛关注，它的发展对对地观测、军事侦察等领域有广泛的意义[1]。
基于光学遥感图像的多目标检测与识别研究主要涉及目标分割检测、特征提取和目标识别3个阶段。目标的检测分割阶段是提取遥感图像信息的重要准备环节，在目标点检测的基础上，依据特征把图像划分成多个区域[2]。文献[3]对纯海洋背景和海陆背景两种情况下的舰船目标分别用区域生长法和先验法完成目标分割；文献[4]对传统的圆形检测Hough变换方法作了改进，首先是计算目标梯度场检测油库圆心坐标，然后通过计算梯度值加权估计半径值以便对目标准确定位；文献[5]首先用小波分析建筑物目标，然后结合马尔可夫随机场（Markov Random Field，MRF）完成检测分割。
目标的特征提取阶段对识别结果有至关重要的作用，通过提取图像的某些直观自然特征或变换得到的构造特征在实现数据压缩的同时，提高目标之间的特征差异性。文献[6]提出了一种通过对遥感图像提取局部纹理特征的纹理分类算法；文献[7]提出了一种新的圆形目标提取方法，该方法耗时低、检出率高、抗噪能力强；文献[8]提出了一种新的由粗到细的飞机识别方法，采用Sobel算子提取边缘特征和加权像素位置后识别效果明显改善了。以上方法由于选取特征单一，对遥感图像目标的准确识别具有一定的局限性。
文献[9]综合轮廓、小波系数和原来的位图等特征对飞机型号进行识别；文献[10]提出了一种基于光学遥感图像形状和纹理特征融合的舰船识别方法，取得了良好的效果；文献[11]融合点特征和表观特征，提高目标的正确识别率。
目标识别阶段是对光学遥感图像中的目标通过某种分类器准确定位识别。文献[12]提出主从神经元结构的模糊神经网络用于大型舰船的分类识别；文献[13]采用主成分分析（Principal Components Analysis， PCA）降维方法和有向无环支持向量机（Support Vector Machine， SVM）分类器对飞机识别取得了较高的识别率；文献[14]提出稀疏矩阵形式为特征的目标识别方法，既对不完整的遥感图像具有更好的鲁棒性，在小样本低采样率情况下也能具备良好的识别性能。
目前，基于光学遥感图像的多目标检测及识别方法存在以下问题： 1）选用的特征对于目标旋转的适应性较差；2）检测和识别方法大多只能处理一种特定类别目标的检测和识别，无法实现多种目标的同时检测和识别。
针对以上问题，本文提出一种光学遥感图像的多目标检测及识别算法，首先采用自适应阈值分割算法实现多目标检测与分割，然后在特征提取阶段将图像金字塔的分层思想与基于尺度不变特征变换的特征包（Bag of FeatureScale Invariant Feature Transform， BoFSIFT）特征有效结合，提出了一种分层的BoFSIFT特征，最后选用基于SVM的AdaBoost算法对多目标遥感图像进行分类识别。该算法实现简单，可以同时实现光学遥感图像的多目标准确分类。
第11期
姬晓飞等：光学遥感图像多目标检测及识别算法设计与实现
计算机应用 第35卷
1算法的总体框架
如图1所示为本文算法的总体框架：在训练过程中，采用手动分割得到目标的图像，并进行归一化处理，之后对其提取分层的BoFSIFT特征并训练支持向量机得到分类器；在测试过程中，将包含多个待识别目标的光学遥感图像通过自适应阈值分割得到待识别的目标图像，进行归一化处理后同样提取分层的BoFSIFT特征，送入训练过程得到的SVM分类器，然后采用基于支持向量机的Adaboost算法实现目标识别的准确识别。
图片
图1本文算法的总体框架
2分割算法
阈值分割法是一种基于全局的图像分割方法[15-17]，典型的有：分水岭分割、区域跟踪分割、聚类分割等。传统的阈值分割法效果多依赖于图像灰度分布良好的双峰性质。由于本文的遥感图像均属于光学遥感图像，因此分割算法应该对光照天气有一定的适应性。由于图像背景往往比较复杂，多个目标间的灰度级存在较大差异，因此采用固定阈值进行多目标的同时分割是很难实现的。
基于以上分析本文采用局部自适应阈值分割算法[18-20]对光学遥感图像多目标进行分割，通常这类算法具有较强的适应性，它是根据像素所在邻域块的像素值分布来确定该像素位置上的二值化阈值。对于一幅大小为H×H的光学遥感图像f， f（x，y）表示第x行、第y列的像素点灰度值，本文对图像中的每一个邻域块高斯加权求取一个阈值，从而构造出整幅图像的一个阈值平面，记为T（x，y），然后利用这个阈值平面对图像完成二值化操作，阈值化后的像素点灰度值g（x，y）用式（1）表示：
g（x，y）=black，f（x，y）≤T（x，y）
white，f（x，y）>T（x，y） （1
经典的局部自适应阈值分割算法主要有Bernsen法、Niblack法以及Sauvola法等。本文选取其中的Sauvola法[21]，是通过计算图像当前点在窗口w×w内的加权均值m（x，y）和标准差s（x，y）得出相应的阈值，以一种自适应的方式调节方差的贡献，对w×w窗口中心像素点，给定参数k，标准差s（x，y）的最大值R，则该阈值计算公式为：
T（x，y）=m（x，y）1+ks（x，y）R-1（2
式（2）涉及到的第1个参数w的选择对阈值分割效果影响较大： 若w取值过大，自适应程度低，则有可能失去局部处理的意义，导致算法运行速度较慢； 若w选择过小，自适应程度高，则可能导致前景或背景内部产生噪声干扰。第2个参数k对图像的分割效果也有着一定的影响： 随着k取值的增大，目标的宽度变粗； 随着k取值的减小，目标的宽度变细。第3个参数R取标准差的最大值，局部加权均值m（x，y）和标准差s（x，y）根据像素局部邻域的对比度调节阈值的选取。当图像的一些区域具有较高的对比度时s（x，y）≈R使得T（x，y）=m（x，y），当局部邻域的对比度较低时阈值T（x，y）往往低于平均值，因而可以成功地消除背景中的阴影部分。
在复杂的光学遥感图像上采用自适应阈值算法得到的图像分割效果如图2所示。
图片
图2分割效果示意图
由图2可以看出，图2（a）的分割效果较图2（b）的分割效果要好，观察图2（b）可以发现分割框与目标有匹配不够准确的现象，如船舰分割中其中一艘船的背景信息比较多，汽车分割中未能将紧挨着的多辆汽车逐一分开，油罐分割中目标由于阴影的干扰未能完全分割出来，之后可以采用滑窗法对目前初步分割出来的区域进行特征提取和识别，给出更加精确的目标区域。飞机分割中跑道也作为目标被分割出来，后期的识别方法可以很容易地对目标和非目标作一个分类处理，剔除分割出来的背景图像。
阈值分割本身没有将图像的空间信息考虑在内，并且当图像前景与背景或目标与目标之间灰度信息可区分性不高时，可能会有冗余信息或是部分目标被遗漏。鉴于本文分割操作的出发点是将目标尽可能全部检测出来，对于不够准确的区域可以在后期的识别中进行进一步的精确处理。
3特征提取
由于BoFSIFT [22-24]特征不仅仅满足其他特征所具有的尺度缩放、亮度变化不变性，最重要的是它具备一定的旋转鲁棒性，被广泛地用于目标图像的特征表示。它的不足之处是对目标的分布特性不能很好地表征，而基于图像金字塔思想的分层特征能弥补BoFSIFT特征的不足，因此本文将分层思想与BoFSIFT特征有效结合，提出了一种新的分层BoFSIFT特征用于目标图像的特征表示。
生成BoFSIFT描述子的步骤是：1）将所有训练集图像的SIFT描述子进行KMeans++聚类[25]，形成K个基础词汇的单词表；2）将图像SIFT特征点向单词表作投影，统计单词表中每个词汇获得的票数，构成一个表征这幅图像的K维向量。
在BoFSIFT特征基础上再加入空间金字塔[26]思想，形
成的分层的BoFSIFT特征，能有效地表示图像的局部特征和全局特征，并能表示图像关键点的分布特性。分层的BoFSIFT特征整个提取过程为：
1）生成图像BoFSIFT特征描述子： 样本数为m幅图像，聚类中心数为K，最终提取的BoFSIFT特征是K维；
2）构造图像金字塔： 将原图像分成不同的块，构造一个三层的图像金字塔，第一层为整个图像，第二层将整个图像划分为2×2个子块，第3层将整个图像划分为4×4个子块；
3）基于金字塔结构的特征表示： 在图像金字塔中的每一层子块中生成K个视觉码字的BoFSIFT描述子，将每层的直方图描述子等比例组合构造21个K维特征列向量。分层的BoFSIFT特征提取算法过程如图3所示。
图4中的直方图第1行为四类目标（74×4）的特征值叠加后的表示，第2行和第3行分别为四类目标第一幅原图像和旋转10°后图像的特征表示，横向分析表明不同目标的特征可区分性较强；纵向分析表明同一目标的特征具有较高的相似度，该特征对于一定范围的目标旋转具有适应性。
图片
图3分层的BoFSIFT特征提取算法示意图
不同目标分层的BoFSIFT特征表示如图4所示。
图片
图4不同目标分层的BoFSIFT特征表示
4识别算法
支持向量机[27]是一种在处理小样本、非线性及高维模式识别中有很大优势的分类算法，能有效地克服样本数对传统的统计模式识别方法的依赖。SVM实际中解决的大多数分类问题属于非线性，它通过选择合适的核函数变换样本到高维空间，使得变换后的样本线性可分。AdaBoost[28]是最著名的Boosting算法之一，是一种通过训练多个弱分类器最后级联成强分类器的迭代算法，其算法是经过多次判断训练样本的分类正确与否以及观察上次的总体分布准确率来确定下一次每个样本的权值，并将新的数据集送给下层分类器进行训练，多次训练得到最终分类器。
本文选用基于径向基核函数（Radial Basis Function，RBF）的SVM作为AdaBoost算法的弱分类器。
5实验结果
本文在新建立的遥感图像库上对本文所提出算法进行了测试。本文的数据库包含在军事和民用方面发挥重大作用的4类目标，分别是舰船、飞机、汽车和油罐，数据库总共包含74×4幅图像，图例如图5所示。
图片
图5遥感图像库的部分目标样本图像
5.1参数设置
1）训练样本数和聚类中心数对识别率的影响。
首先确定实验训练集和测试集的数目。设定训练样本Tr分别为68、108、148、188张图像，测试样本为108张图像；其次设定聚类中心数K分别为10、20、30、40，金字塔层数为L=3。在不同训练样本数和聚类中心数下利用RBF核支持向量机进行识别，得到的识别率变化曲线如图6所示，从图中可以看到，当训练样本数为188时，聚类中心数为20时系统的识别率达到最大值。
图片
图6不同训练样本数和聚类中心数的平均识别率
从图6可以看到，当训练样本数一定时随着聚类中心数的变化识别率曲线在K=20时达到最大值；当聚类中心数一定时随着训练样本数的变化平均识别率在Tr=188时达到最大值，因此当训练样本数为188时，聚类中心数为20时系统的识别率达到最大值。
2）金字塔层数对识别率的影响。
在以上得到的最优参数下，即Tr=188，K=20，用训练样本和测试样本的图像金字塔多层特征（并非最高层特征）分别采用支持向量机进行训练和识别，得到平均识别率如表1所示。
表格（有表名）
表1图像金字塔各层的识别率
金字塔层数特征向量维数平均识别率/%
12082.41
220+8090.73
320+80+32090.74
实验结果表明，金字塔层数越多识别率越高，即当L=3时识别率最高，虽然L=3下的识别率相比L=2识别率的提高很微小，但总体意义上证明了分层的BoFSIFT特征可以有效表示目标的全局和局部特性。
5.2目标识别结果比较
1）本文所提特征与常用的遥感图像特征的识别结果比较。
本文对光学遥感图像的目标提取了多种特征进行表示，统计了基于RBF核的SVM识别方法的平均识别率，如表2所示。
表格（有表名）
表2多种特征识别结果比较
实验序号特征平均识别率/%耗时/s
1Shape Context59.260.057483
2Hu不变矩64.810.080390
3BoFSIFT82.410.018427
4分层的BoFSIFT90.740.095406
以上结果表明，同样的识别方法下的不同特征对识别结果有着极大的影响，由于形状上下文（Shape Context， SC）特征极大地依赖目标的形状的精确检测，因此对于复杂背景下的遥感目标的识别准确性不理想，需要做许多前期处理操作来保证提高识别率；Hu不变矩的特征维数（7维）较少，特征的表述能力有限；BoFSIFT特征很详细地表示了目标的局部特性，但未考虑到目标特征的分布特性；而分层的BoFSIFT特征既克服了过于依赖前期处理的不足，又综合考虑了目标的局部特征和分布特性，得到了最优的识别效果。
2）多种识别方法识别结果比较。
利用5.1节得出的最优参数，Tr=188，K=20，L=3，在本文所提特征的基础上比较了以下识别方法的识别结果，如表3所示。
表格（有表名）
表3多种识别方法识别结果比较
实验序号识别方法平均识别率/%耗时/s
4分层的BoFSIFT特征+RBF核SVM90.740.095406
5分层的BoFSIFT特征+（AdaBoost+RBF核SVM）93.520.028114
实验结果表明，实验5的AdaBoost+SVM识别方法较实验4的SVM识别方法识别率有显著的提高且耗时极短，说明了本文算法的可行性。本文提出的识别方法即实验5的平均识别率混淆矩阵如图7所示。
图片
图7本文方法的平均识别率混淆矩阵
分析图7可以看出舰船的识别结果是最好的，由机和汽车阴影比较严重，背景和前景对比度差异较小因此识别结果较差，油罐的特征点不明显导致识别结果最差，总体来说识别结果是令人满意的。
6结语
本文提出了一种遥感图像多目标检测与识别方法，算法设计中采用自适应阈值算法分割多目标遥感图像，构建的分层BoFSIFT特征能够很好地表示目标图像的局部和全局特性，并且具有一定的旋转适应性，基于支持向量机的AdaBoost算法既能提高识别率也提高了运行速度，总体分析所提出算法对复杂背景下的遥感图像多目标分类识别具有一定的可行性。在分割阶段基于局部邻域块的方法至今还没有一致的选取邻域块大小的策略，且块与块之间存在不连续现象，此部分还需要进一步的研究，使算法具有更好的复杂背景的适应性。
参考文献：
[1]JI X， QIN N. A review of target detection classification and recognition method based on optical remote sensing image[J]. Journal of Shenyang Aerospace University， 2015， 32（1）： 23-31.（姬晓飞，秦宁丽.基于光学遥感图像的目标检测与分类识别方法综述[J].沈阳航空航天大学学报，2015，32（1）：23-31.）
[2]CHEN Y. Research on segmentation and extraction in optical remote sensing image[D]. Hefei： University of Science and Technology of China， 2010.（陈雁. 可见光遥感图像分割与提取研究[D]. 合肥：中国科学技术大学， 2010.）
[3]WANG Y， MA L， TIAN Y. Stateoftheart of ship detection and recognition in optical remotely sensed imagery[J]. Acta Automatica Sinica， 2011， 37（9）： 1029-1039.（王彦情， 马雷， 田原. 光学遥感图像舰船目标检测与识别综述[J]. 自动化学报， 2011， 37（9）： 1029-1039.）
[4]HAN X， FU Y，LI G. Oil depots recognition based on improved Hough transform and graph search[J]. Journal of Electronics and Information Technology， 2011， 33（1）： 66-72.（韩现伟， 付宜利， 李刚. 基于改进 Hough 变换和图搜索的油库目标识别[J]. 电子与信息学报， 2011， 33（1）： 66-72.）
[5]ZHANG Y. Object segmentation of remote sensing image based on MRF model[J]. Microcomputer and Its Applications， 2013， 32（2）： 44-47.（张彦. 基于MRF模型的遥感图像建筑物分割研究[J]. 微型机与应用， 2013， 32（2）： 44-47.）
[6]YANG B， ZHAO H， ZHAO Z， et al.A removed texture classification and distinction algorithm of remoted sensing martial object[J]. Microelectronics and Computer， 2004， 21（9）： 111-113.（杨斌，赵红漫，赵宗涛，等.一个改进的遥感图像目标纹理分类识别算法[J].微电子学与计算机，2004，21（9）： 111-113.）
[7]CHEN Z， LIU J， WANG G. A new circle targets extraction method from high resolution remote sensing imagery[C]// Proceedings of the 2011 4th International Workshop on Advanced Computational Intelligence. Piscataway： IEEE， 2011： 529-533.
[8]LIU G， SUN X， FU K， et al.Aircraft recognition in highresolution satellite images using coarsetofine shape prior[J]. Geoscience and Remote Sensing Letters， 2013， 10（3）： 573-577.
[9]HSIEH J， CHEN J， CHUANG C H， et al.Aircraft type recognition in satellite images[J]. IEE Proceedings： Vision， Image and Signal Processing， 2005， 152（3）： 307-315.
[10]ZHU C， ZHOU H， WANG R， et al.A novel hierarchical method of ship detection from spaceborne optical image based on shape and texture features[J]. IEEE Transactions on Geoscience and Remote Sensing， 2010， 48（9）： 3446-3456.
[11]LI X， SUN H， WANG H， et al.High resolution imaging target detection for multiclass correlation vector machine[J]. Science of Surveying and Mapping， 2014， 39（12）： 128-133.（李湘眷， 孙皓， 王洪伟， 等. 多核多类关联向量机的高分辨率影像目标检测[J]. 测绘科学， 2014， 39（12）： 128-133.）
[12]QU J， QU S， WANG Z. Featurebased fuzzyneural network approach for target classification and recognition in remote sensing images[J]. Journal of Remote Sensing， 2009， 13（1）： 67-74.（瞿继双， 瞿松柏， 王自杰. 基于特征的模糊神经网络遥感图像目标分类识别[J]. 遥感学报， 2009，13（1）： 67-74.）
[13]WANG D， HE X， WEI Z， et al.A method of aircraft image target recognition based on modified PCA features and SVM[C]// Proceedings of the 9th International Conference on Electronic Measurement and Instruments. Piscataway： IEEE， 2009： 177-181.
[14]YIN F， JIAO L. Robust remote sensing image target recognition based on extending training set by rotation and sparse representation[J]. Pattern Recognition and Artificial Intelligence， 2012， 25（1）： 89-95.（殷飞， 焦李成. 基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别[J]. 模式识别与人工智能， 2012， 25（1）： 89-95.）
[15]XI Y. Research and implementation of Kmean clustering and watershed segmentation algorithm for remote sensing image[D]. Nanjing： Nanjing University of Science and Technology， 2011.（席英. 遥感图像的K均值聚类和分水岭分割算法的研究与实现[D]. 南京： 南京理工大学，2011.）
[16]YI L， ZHANG G， WU Z. A scalesynthesis method for high spatial resolution remote sensing image segmentation[J]. IEEE Transactions on Geoscience and Remote Sensing， 2012， 50（10）： 4062-4070.
[17]GAO X， ZHANG S. Theory method and application of image segmentation[D]. Changchun： Jilin University， 2006.（高秀娟， 张树功. 图像分割的理论， 方法及应用[D]. 长春： 吉林大学， 2006.）
[18]LONG J， SHEN X， ZANG H， et al.An adaptive thresholding algorithm by background estimation in Gaussian scale space[J]. Acta Automatica Sinica， 2014， 40（8）： 1773-1782.（龙建武， 申铉京， 臧慧， 等. 高斯尺度空间下估计背景的自适应阈值分割算法[J]. 自动化学报， 2014， 40（8）： 1773-1782.）
[19]SUN Y， CAI Z. An improved character segmentation algorithm based on local adaptive thresholding technique for Chinese NvShu documents[J]. Journal of Networks， 2014， 9（6）： 1496-1501.
[20]JAIN P， TYAGI V. An adaptive edgepreserving image denoising technique using tetrolet transforms[J]. Visual Computer， 2015，31（5）： 657-674.
[21]SAUVOLA J， PIETIK？INEN M. Adaptive document image binarization[J]. Pattern Recognition， 2000， 33（2）： 225-236.
[22]LOWE D. Object recognition from local scaleinvariant features[C]// Proceedings of the 7th IEEE International Conference on Computer Vision. Piscataway： IEEE， 1999： 1150-1157.
[23]LOWE D. Distinctive image features from scaleinvariant keypoints[J]. International Journal of Computer Vision， 2004， 60（2）： 91-110.
[24]SHARMA G， CHAUDHURY S， SRIVASTAVA J. Bagoffeatures kernel eigen spaces for classification[C]// Proceedings of the 19th International Conference on Pattern Recognition. Piscataway： IEEE， 2008： 1-4.
[25]ARTHUR D， VASSILVITSKII S. kmeans++： the advantages of careful seeding[C]// Proceedings of the 18th annual ACMSIAM Symposium on Discrete Algorithms Society for Industrial and Applied Mathematics. New York： ACM， 2007： 1027-1035.
[26]LAZEBNIK S， SCHMID C， PONCE J. Beyond bags of features： Spatial pyramid matching for recognizing natural scene categories[C]// Proceedings of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2006： 2169-2178.
