多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件_第1頁
多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件_第2頁
多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件_第3頁
多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件_第4頁
多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件_第5頁
已閱讀5頁,還剩123頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

多源遙感數(shù)據(jù)融合探討(lwb).多源遙感數(shù)據(jù)融合探討(lwb).1報(bào)告內(nèi)容安排Partone:多源遙感數(shù)據(jù)介紹Parttwo:多源遙感數(shù)據(jù)融合Partthree:融合算法探討Partfour:IKONOS&QB融合效果Partfive:融合中的難點(diǎn)報(bào)告內(nèi)容安排Partone:多源遙感數(shù)據(jù)介紹2

Partone:多源遙感數(shù)據(jù)介紹Partone:3多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件4多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件5多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件6RGB432Multi-sensordataSensortwo:SPOT

RGB432Multi-sensordataSensor7CBERS系列衛(wèi)星:即中巴資源衛(wèi)星(China-BrazilEarthResourceSatellite)1999年10月CBERS-1發(fā)射2003年11月CBERS-2發(fā)射該衛(wèi)星特點(diǎn)(1)20米分辨率的5譜段CCD(chargecoupleddevice)相機(jī),其采用推帚式掃描,掃描寬度113km;(2)80米分辨率的3波段多光譜掃描儀(MSS),掃描寬度120km;(3)160米分辨率的1個(gè)波段熱紅外掃描儀,掃描寬度120km;(4)256分辨率的2個(gè)波段寬視場成像儀(WFI),掃描寬度890km;(5)重復(fù)觀測周期是26天,由于CCD相機(jī)具有側(cè)視功能,觀測同一地區(qū)的最短周期可以為3天。Multi-sensordataSensorthree:CBERSCBERS系列衛(wèi)星:即中巴資源衛(wèi)星(China-Brazi8RGB432(2006)Multi-sensordataSensorthree:CBERSRGB432(2006)Multi-sensordataS9高分辨率商業(yè)衛(wèi)星Quick-Bird單波段星下分辨率為2.44米,全色分辨率為0.61米,其一副圖象可以覆蓋16.5×16.5km2.IKONOS單波段星下分辨率為4米,全色分辨率為1米,其一副圖象可以覆蓋11×11km2低分辨率衛(wèi)星MODIS衛(wèi)星

其可見分辨率比陸地衛(wèi)星低,光譜分辨率高,回歸周期短,最多一天可以獲得4條過境圖象,共有36個(gè)波段數(shù)據(jù)。Multi-sensordataSensorfour:Quick-Bird&IKONOS&MODIS高分辨率商業(yè)衛(wèi)星Multi-sensordataSenso10Parttwo:

多源遙感數(shù)據(jù)融合

Parttwo:

多源遙感數(shù)據(jù)融合

11多源遙感影象數(shù)據(jù)特點(diǎn):冗余性:表示多源遙感影像數(shù)據(jù)對環(huán)境或目標(biāo)的表示、描述或解譯結(jié)果相同

互補(bǔ)性:指信息來自不同的自由度且相互獨(dú)立合作性:不同傳感器在觀測和處理信息時(shí)對其它信息有依賴關(guān)系

融合目的:將單一傳感器的多波段信息或不同類別傳感器所提供的信息加以綜合,消除多傳感器信息之間可能存在的冗余和矛盾,加以互補(bǔ),改善遙感信息提取的及時(shí)性和可靠性,提高數(shù)據(jù)的使用效率。融合實(shí)質(zhì):

在統(tǒng)一地理坐標(biāo)系中將對同一目標(biāo)檢測的多幅遙感圖像數(shù)據(jù)采用一定的算法,生成一幅新的、更能有效表示該目標(biāo)的圖像信息。DataFusion多源遙感影象數(shù)據(jù)特點(diǎn):DataFusion12遙感數(shù)據(jù)融合發(fā)展和應(yīng)用

數(shù)據(jù)融合(datafusion)最早被應(yīng)用于軍事領(lǐng)域。融合數(shù)據(jù)的特點(diǎn):融合產(chǎn)生的數(shù)據(jù)具有原始影像的優(yōu)點(diǎn),其可以減少識別目標(biāo)的模糊性和不確定性,提高遙感圖像整體質(zhì)量和綜合分析精度同時(shí)又能滿足定量遙感需要更多的光譜信息和空間紋理信息的要求。融合模型要求:具有良好的信息保真度。分類:像素級、特征級和決策級主要應(yīng)用領(lǐng)域有:多源影像、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場和無人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測與跟蹤、自動目標(biāo)識別等。DataFusion遙感數(shù)據(jù)融合發(fā)展和應(yīng)用數(shù)據(jù)融合(datafusion)最13Partthree:融合算法探討Partthree:14遙感數(shù)據(jù)融合流程圖

問題:低分辨率影像如何選擇?

問題:高分辨率影像如何選擇?遙感數(shù)據(jù)融合流程圖問題:問題:15數(shù)據(jù)預(yù)處理

包括幾何糾正、大氣訂正、輻射校正及空間配準(zhǔn)

(1)幾何糾正、大氣訂正及輻射校正的目的主要在于去處透視收縮、疊掩、陰影等地形因素以及衛(wèi)星擾動、天氣變化、大氣散射等隨機(jī)因素對成像結(jié)果一致性的影響;(2)影像空間配準(zhǔn)的目的在于消除由不同傳感器得到的影像在拍攝角度、時(shí)相及分辨率等方面的差異??臻g配準(zhǔn)

空間配準(zhǔn)中最關(guān)鍵、最困難的問題尋找地面控制點(diǎn)(GCP,GroundControlPoint)。

(1)GCP選擇:如邊界、線狀物交叉點(diǎn)、區(qū)域輪廓線等明顯的特征。

(2)插值:根據(jù)映射關(guān)系,對非參考影像進(jìn)行重采樣,獲得同參考影像配準(zhǔn)的影像。插值法有:鄰近點(diǎn)插值法、雙線性插值法和立方卷積插值法三種,精度要求:空間配準(zhǔn)的精度一般要求在0~2個(gè)像元內(nèi),融合精度一般在一個(gè)像元以內(nèi)。

同一傳感器數(shù)據(jù)融合不需配準(zhǔn)。(JianGuoLiu,2000)DataPreparation數(shù)據(jù)預(yù)處理DataPreparation16融合分類:按照信息抽象程度可以分為像素層、特征層和決策層像素級:優(yōu)點(diǎn):

保留了盡可能多的信息,具有最高精度,三級融合層中為研究最成熟的一級,已經(jīng)成了豐富的融合算法。

局限性:1.效率低下。由于處理的傳感器數(shù)據(jù)量大,所以處理時(shí)間較長,實(shí)時(shí)性差2.對參與融合遙感影像配準(zhǔn)精度要求很高。特征級融合

特征級融合是一種中等水平的融合。其先是將各遙感影像數(shù)據(jù)進(jìn)行特征提取,提取的特征信息應(yīng)是原始信息的充分表示量或充分統(tǒng)計(jì)量,然后按特征信息對多源數(shù)據(jù)進(jìn)行分類、聚集和綜合,產(chǎn)生特征矢量,而后采用一些基于特征級融合方法融合這些特征矢量,作出基于融合特征矢量的屬性說明。決策級融合決策級融合是最高水平的融合,融合的結(jié)果為指揮、控制、決策提供依據(jù)。在這一級別中,首先對每一數(shù)據(jù)進(jìn)行屬性說明,然后對其結(jié)果加以融合,得到目標(biāo)或環(huán)境的融合屬性說明。決策級融合的優(yōu)點(diǎn)時(shí)具有很強(qiáng)的容錯性,很好的開放性,處理時(shí)間短、數(shù)據(jù)要求低、分析能力強(qiáng)。而由于對預(yù)處理及特征提取有較高要求,所以決策級融合的代價(jià)較高。融合分類:按照信息抽象程度可以分為像素層、特征層和決策層17表1三級融合層次的特點(diǎn)表1三級融合層次的特點(diǎn)18像素級特征級決策級代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)小波變換聚類分析Bayes估計(jì)K-T變換Bayes估計(jì)模糊聚類法主成分變換神經(jīng)網(wǎng)絡(luò)法可靠性理論回歸模型法加權(quán)平均法基于知識的融合法Kalman濾波法Dempater-shafer推理法Dempater-shafer推理法表2三級融合層次下的融合方法像素級特征級決策級代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)19像素級融合主要分類(1)基于光譜(彩色)域變換的融合技術(shù)

亮度-色調(diào)-飽和度變換(Intensity-Hue-Saturation,IHS)變換和比值變換(BroveyTransform,BT)和主成分變換(PrincipleComponentTransform,PCT)等特點(diǎn):每次該類技術(shù)每次只能對3個(gè)波段數(shù)據(jù)融合(2)基于空間域信號分解和重構(gòu)的融合技術(shù)小波變化(Wavelettransform,WT)基于亮度平滑濾波變換(SmoothingFilter-basedIntensityModulation,SFIM)高通濾波變換(HighPassFilter,HPT)等特點(diǎn):其能對任意波段進(jìn)行融合(3)基于算術(shù)運(yùn)算的融合技術(shù)

乘積變換(MultiplicationTransform,MT)和加法變換等

特點(diǎn):模型簡單可以對任意波段進(jìn)行融合FusionMethods像素級融合主要分類(1)基于光譜(彩色)域變換的融合技術(shù)Fu20IHS變換

3個(gè)波段合成的RGB顏色空間是一個(gè)對物體顏色屬性描述系統(tǒng),而IHS色度空間提取出物體的亮度I,色度H,飽和度S,它們分別對應(yīng)3個(gè)波段的平均輻射強(qiáng)度、3個(gè)波段的數(shù)據(jù)向量和的方向及3個(gè)波段等量數(shù)據(jù)的大小。RGB顏色空間和IHS色度空間有著精確的轉(zhuǎn)換關(guān)系。以TM和SAR為例,變換思路是把TM圖像的3個(gè)波段合成的RGB假彩色圖像變換到IHS色度空間,然后用SAR圖像代替其中的I值,再變換到RGB顏色空間,形成新的影像。FusionMethodsIHS變換FusionMethods21比值法融合模型(BroveyTransform,BT)

特點(diǎn):它將參與RGB組合的每個(gè)波段與該組合波段總和做比值計(jì)算進(jìn)行正規(guī)化,以保持低分辨率影像的光譜分辨率,然后將比值結(jié)果乘以高分辨率波段的亮度以獲取高頻空間信息。具有很高的光譜信息保真度。

缺點(diǎn):對中高光譜的低空間分辨率RGB組合選擇比較麻煩。如TM/ETM+的RGB組合多大20種。問題:如何改進(jìn)?FusionMethods比值法融合模型(BroveyTransform,BT)F22小波變換

小波變換(Wavelettransform,WT)是一種新興的數(shù)學(xué)分析方法,已經(jīng)受到了廣泛的重視。小波變換是一種全局變換,在時(shí)間域和頻率域同時(shí)具有良好的定位能力,對高頻分量采用逐漸精細(xì)的時(shí)域和空域步長,可以聚焦到被處理圖像的任何細(xì)節(jié),從而被譽(yù)為“數(shù)學(xué)顯微鏡”。

WT方法首先對參與融合的遙感圖像數(shù)據(jù)進(jìn)行小波正變換,將圖像分解為高頻信息和低頻信息。分別抽取來自高空間分辨率影像分解后的高頻信息和低空間分辨率的低頻信息進(jìn)行小波逆變換,生成融合圖像。

特點(diǎn):可以對任意波段融合

缺點(diǎn):小波基選擇比較麻煩,融合速度不理想

小波變換示意圖見下圖

FusionMethods小波變換FusionMethods23多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件24SFIM融合算法

SFIM(SmoothingFilter-basedIntensityModulationTransform),即基于平滑濾波的亮度變換,其融合算法為:

特點(diǎn):該算法可以視為在低分辨率影像中僅引入了高分辨率影像的紋理信息,它能很好保持低分辨率影像的光譜特性。

優(yōu)點(diǎn):能對任意波段融合,光譜保真度好

缺點(diǎn):融合效果中存在“胡椒面現(xiàn)象”問題:如何改進(jìn)?FusionMethodsSFIM融合算法FusionMethods25乘法融合模型MT(MultiplicationTransform)變換采用乘法融合運(yùn)算,其算法公式為:

特點(diǎn):該算法采用乘法能反映低分辨率和高分辨率影像的混和信息,為了避免生產(chǎn)后影像的亮度值過大采用開平方。

優(yōu)點(diǎn):能對任意波段融合,算法簡單

缺點(diǎn):光譜保真度不好FusionMethodsFusionMethods26高通濾波(加法)融合算法

HPF(High-PassFilter)變換該算法采用高通濾波融合算法,算法公式為:

特點(diǎn):該算法采用高通濾波來抑制高分辨率影像中的低頻光譜信息和增強(qiáng)高頻空間信息,處理后的高分辨率影像和低分辨率影像相加可以達(dá)到提高低分辨率影像的空間分辨率。

優(yōu)點(diǎn):可以對任意波段融合

FusionMethods高通濾波(加法)融合算法FusionMethods27ModifiedBroveyTransform(MBT)

特點(diǎn):計(jì)算簡單可以對任意波段融合

優(yōu)點(diǎn):具有高高頻信息融入度

缺點(diǎn):光譜信息保證度比較查點(diǎn)問題:n任何選擇?FusionMethodsModifiedBroveyTransform(MB28融合效果評價(jià)評價(jià)融合影像的質(zhì)量是遙感圖像融合的一個(gè)重要步驟。評價(jià)融合效果主要包括定性和定量評價(jià)兩種。定性評價(jià)一般選用目視法解譯。定量評價(jià)選擇:均值、標(biāo)準(zhǔn)差、熵、光譜偏差度、均方根差和相關(guān)系數(shù)等定量評價(jià)分為:融合圖像的整體質(zhì)量、融合圖像和低分辨率圖像的光譜信息保真度和融合圖像與高分辨率圖像的高頻信息保真度(紋理信息)三個(gè)方面。Evaluation融合效果評價(jià)評價(jià)融合影像的質(zhì)量是遙感圖像融合的一個(gè)重29融合圖像的整體質(zhì)量評價(jià)指標(biāo)均值:均值越大說明影像含信息量越高標(biāo)準(zhǔn)差:反映圖象灰度相對于灰度均值的離散情況。標(biāo)準(zhǔn)差大,則圖像灰度級分散,圖像反差大,信息量豐富熵:熵越大說明整體圖像的信息含量高Evaluation融合圖像的整體質(zhì)量評價(jià)指標(biāo)均值:均值越大說明影像含信息量越高30光譜保真度評價(jià)1.保真度D

F為融合影像均值,B為原始影像均值,MN為像元總數(shù)。D反映了融合圖像和原始圖像在光譜信息上的差異和光譜特性變化的平均程度,值越小說明光譜信息損失少,在理想情況下D=0。2.原始圖像和融合后圖像的光譜曲線Evaluation光譜保真度評價(jià)1.保真度DEvaluation31高頻信息保真度評價(jià)相關(guān)系數(shù)F為融合生成圖像的灰度值,f為融合圖像的均值;A為源圖像灰度值,a為源圖像的均值,通過計(jì)算融合圖像和高空間分辨率圖像之間的相關(guān)系數(shù),相關(guān)系數(shù)越大說明高頻信息融入越高。

Evaluation高頻信息保真度評價(jià)相關(guān)系數(shù)Evaluation32高頻信息保真度評價(jià)方均根誤差(RootMeanSquareError,RMSE)

RMSE能靈敏地檢測出n維空間中任意兩個(gè)向量的相似性,故該方法能定量評價(jià)融合方法的高頻信息(紋理)融入度

.

其中F為融合產(chǎn)生圖像的亮度均值;B為融合前圖像的亮度均值,此處為高空間分辨率波段;n為參與融合的波段數(shù)。RSME值越小,說明高分辨率圖像的高頻信息融入度越高。Evaluation高頻信息保真度評價(jià)方均根誤差(RootMeanSqua33Partfour:IKONOS&QB融合效果Partfour:34IKONOS融合結(jié)果原始全色波段Originaldata光譜波段RGB321IKONOS融合結(jié)果原始全色波段Originaldata光35IKONOS融合結(jié)果MBT(RGB321)FusionResultofIKONOSSFIM(RGB321)IKONOS融合結(jié)果MBT(RGB321)FusionR36WT(RGB321)MT(RGB321)FusionResultofIKONOSIKONOS融合結(jié)果WT(RGB321)MT(RGB321)FusionRes37表3相關(guān)系數(shù)表Evaluation表3相關(guān)系數(shù)表Evaluation38光譜曲線圖Evaluation光譜曲線圖Evaluation39QB融合結(jié)果Originaldata原始PANRGB321QB融合結(jié)果Originaldata原始PANRGB32140FusionResultofQBMBT(RGB321)WT(RGB321)FusionResultofQBMBT(RGB321)41FusionResultofQBSFIM(RGB321)HPT(RGB321)FusionResultofQBSFIM(RGB32142光譜曲線圖Evaluation光譜曲線圖Evaluation43表4相關(guān)系數(shù)和RMSE表Evaluation表4相關(guān)系數(shù)和RMSE表Evaluation44Partfive:融合中問題Partfive:45問題(1)缺少或者無GPC時(shí)空間配準(zhǔn)模型?(2)如何提高數(shù)據(jù)預(yù)處理過程的精度?

(3)能否建立統(tǒng)一的數(shù)學(xué)融合模型?(3)如何協(xié)調(diào)光譜保真度和紋理保證度?

(4)面向高光譜遙感數(shù)據(jù)的融合模型(5)如何協(xié)調(diào)融合數(shù)量和處理的效率問題?(6)光學(xué)圖像和雷達(dá)數(shù)據(jù)融合。問題(1)缺少或者無GPC時(shí)空間配準(zhǔn)模型?46謝謝大家聆聽!謝謝大家聆聽!47急性溶血性貧血

樊富華急性溶血性貧血48概述溶血性貧血------溶血超過造血代償時(shí)出現(xiàn)的貧血(HemolyticAnemia,HA)。概述溶血性貧血------溶血超過造血代償時(shí)出現(xiàn)的貧血49臨床分類一、紅細(xì)胞自身異常性溶血性貧血(一)紅細(xì)胞膜異常性溶血性貧血1。遺傳性紅細(xì)胞膜缺陷—遺傳性球形細(xì)胞增多癥、遺傳性橢圓形細(xì)胞增多癥等;2。獲得性血細(xì)胞膜糖化肌醇磷脂錨連膜蛋白異?!嚢l(fā)性睡眠性血紅蛋白尿;(二)遺傳性紅細(xì)胞酶缺乏性溶血性貧血1。戊糖磷酸途徑酶缺乏—葡萄糖-6-磷酸脫氫酶(G6PD)缺乏等;2。無氧糖酵解途徑酶缺乏—丙酮酸激酶缺乏等;臨床分類一、紅細(xì)胞自身異常性溶血性貧血50(三)珠蛋白和血紅素異常性溶血性貧血1。遺傳性血紅蛋白?。ㄖ榈鞍咨烧系K性貧血)(1)珠蛋白肽鏈量的異?!Q笮载氀?;(2)珠蛋白肽鏈結(jié)構(gòu)的異?!环€(wěn)定血紅蛋白病等;2。血紅素異常(1)先天性紅細(xì)胞卟啉代謝異常致紅細(xì)胞生成性血卟啉?。?)鉛中毒二、紅細(xì)胞周圍環(huán)境異常所致的溶血性貧血(一)免疫性溶血性貧血1。自身免疫性溶血性貧血—可分溫抗體型或冷抗體型2。同種免疫性溶血性貧血—血型不符的輸血反應(yīng)等(三)珠蛋白和血紅素異常性溶血性貧血51(二)血管性溶血性貧血1。血管壁異?!呐K瓣膜病和人工心瓣膜等;2。微血管病性溶血性貧血—血栓性血小板減少性紫癜、彌散性血管內(nèi)凝血等;3。血管壁受到反復(fù)擠壓—行軍性血紅蛋白尿;(三)生物因素蛇毒、瘧疾、黑熱病等;(四)理化因素大面積燒傷、血漿中滲透壓改變、苯肼、亞硝酸鹽類等中毒等。(二)血管性溶血性貧血52定義慢性溶血性貧血疾患病程中,突然出現(xiàn)急性溶血,或具有潛在溶血因素的病人,在某些誘因作用下,出現(xiàn)急性溶血。定義慢性溶血性貧血疾患病程中,突然出現(xiàn)急性溶血,或53病因溶血性貧血是在原有溶血性貧血疾病的基礎(chǔ)上,通過某種誘因而誘發(fā)。1。常見病因--血型不符輸血、藥物性溶血、G6PD缺乏癥、自身免疫性溶血性貧血、陣發(fā)性睡眠性血紅蛋白尿、嚴(yán)重感染及動植物毒素等。2。常見誘因—感染、創(chuàng)傷、外科手術(shù)、妊娠、過度勞累、情緒波動、大量飲酒、服酸性藥物及食物等病因溶血性貧血是在原有溶血性貧血疾病的基礎(chǔ)上,通過某54發(fā)病機(jī)制一、紅細(xì)胞受到破壞壽命縮短二、血紅蛋白通過不同途徑降解1。血管內(nèi)溶血—由于紅細(xì)胞外在溶血因素或溶血介質(zhì)或紅細(xì)胞內(nèi)在缺陷,使紅細(xì)胞在血管內(nèi)被破壞(結(jié)構(gòu)完整性);2。血管外溶血—紅細(xì)胞內(nèi)在缺陷或紅細(xì)胞存在溶血因素使紅細(xì)胞在單核-巨噬細(xì)胞系統(tǒng)中(主要是脾)被吞噬破壞。三、骨髓中紅系造血代償性增生發(fā)病機(jī)制一、紅細(xì)胞受到破壞壽命縮短55臨床表現(xiàn)1。慢性溶血性貧血的原發(fā)病的臨床表現(xiàn)和體征如陣發(fā)性睡眠性血紅蛋白尿在睡眠后出現(xiàn)陣發(fā)性溶血等;可有面色蒼黃,不同程度的黃疸和貧血,肝脾腫大等。2。急性溶血時(shí)的表現(xiàn)(1)寒戰(zhàn)與發(fā)熱,可伴有不同程度的煩躁不安、胸悶、譫妄、神志不清;(2)四肢、全身骨頭、腰背與腹部疼痛,亦可有惡心、嘔吐、腹脹;(3)腎臟損害,可有尿少或無尿,高鉀血癥等;臨床表現(xiàn)1。慢性溶血性貧血的原發(fā)病的臨床表現(xiàn)和體征56(4)血壓下降,心率增快,呼吸急促,甚至休克;(5)出血傾向與凝血障礙,大量紅細(xì)胞破壞可以消耗血液內(nèi)的凝血物質(zhì),發(fā)生去纖維蛋白血癥綜合征導(dǎo)致明顯出血傾向;(6)貧血加重、黃疸加深;(7)肝、脾腫大。(4)血壓下降,心率增快,呼吸急促,甚至休克;57實(shí)驗(yàn)室檢查一、提示溶血的實(shí)驗(yàn)室檢查(一)提示紅細(xì)胞破壞增加的實(shí)驗(yàn)室檢查1。血紅蛋白代謝產(chǎn)物增加(1)血清間接膽紅素增高(2)尿中尿膽原增高2。血漿血紅蛋白含量增高(1)血漿游離血紅蛋白含量增高(2)血清結(jié)合珠蛋白降低或消失(3)血紅蛋白尿(4)含鐵血黃素尿(5)高鐵血紅素蛋白血癥3。其他(1)乳酸脫氫酶升高(2)外周血涂片可發(fā)現(xiàn)破碎紅細(xì)胞或紅細(xì)胞碎片(二)提示骨髓代償性增生的實(shí)驗(yàn)室檢查1。網(wǎng)織紅細(xì)胞增多2。周圍血液中出現(xiàn)幼稚血細(xì)胞3。骨髓幼紅細(xì)胞增生實(shí)驗(yàn)室檢查一、提示溶血的實(shí)驗(yàn)室檢查58

二、確定溶血性貧血的病因引起溶血性貧血的病因有很多,有很多相應(yīng)的檢查,如抗人球蛋白試驗(yàn)、紅細(xì)胞滲透性脆性試驗(yàn)、G6PD活性測定等。二、確定溶血性貧血的病因引起溶血性貧血的病因有很多59診斷1。有溶血性貧血的病因和(或)誘因2。有溶血性貧血的臨床表現(xiàn)、體征3。實(shí)驗(yàn)室檢查有貧血、紅細(xì)胞破壞增多、骨髓代償性增生及紅細(xì)胞有缺陷或壽命縮短的證據(jù)診斷1。有溶血性貧血的病因和(或)誘因60鑒別診斷1、急性再生障礙性貧血—多無黃疸,網(wǎng)織紅細(xì)胞減少,不伴肝脾腫大骨髓三系造血嚴(yán)重受抑2、黃疸型肝炎—常無血紅蛋白尿,網(wǎng)織紅細(xì)胞多在正常范圍,骨髓無異常3、家族性非溶血性黃疸(Gilbert綜合征)--有非膽紅素尿性黃疸而無貧血鑒別診斷1、急性再生障礙性貧血—多無黃疸,網(wǎng)織紅細(xì)胞減少,不61治療一、治療病因、消除誘因二、腎上腺皮質(zhì)激素的應(yīng)用可抑制單核-巨噬細(xì)胞系統(tǒng)合成抗體,并能解脫至敏紅細(xì)胞上的抗體。主要用于自身免疫引起的溶血性貧血。三、輸血主要用于急性溶血、嚴(yán)重貧血及體質(zhì)虛弱的患者。但輸血可能加重自身免疫性溶血性貧血或誘發(fā)陣發(fā)性睡眠性血紅蛋白尿,因此,輸血應(yīng)注意:1、若因大量溶血發(fā)生休克、少尿、急性腎功能衰竭,應(yīng)先改善微循環(huán),糾正水、電解質(zhì)失衡,待腎功能改善后,再行輸血;2、陣發(fā)性睡眠性血紅蛋白尿嚴(yán)重貧血必須輸血時(shí),可輸經(jīng)生理鹽水洗滌的紅細(xì)胞;治療一、治療病因、消除誘因623、自身免疫性溶血性貧血應(yīng)盡量避免輸血,若病情必需輸血,應(yīng)用配血試驗(yàn)?zāi)磻?yīng)最小的供血者血液或洗滌紅細(xì)胞,若無洗滌紅細(xì)胞,可在輸血同時(shí)應(yīng)用大量腎上腺皮質(zhì)激素,如有反應(yīng),應(yīng)立即停止輸血;4、伯氨喹啉型藥物性溶血性貧血及蠶豆病需輸血時(shí),獻(xiàn)血員應(yīng)作G6PD過篩試驗(yàn)。四、血漿置換療法適用于免疫性溶血性貧血五、脾切除術(shù)對遺傳性球形紅細(xì)胞增多癥、地中海貧血、丙酮酸激酶缺乏和自身免疫性溶血性貧血應(yīng)用大量腎上腺皮質(zhì)激素?zé)o效或因其嚴(yán)重副作用不能耐受治療,可考慮脾切除術(shù)。3、自身免疫性溶血性貧血應(yīng)盡量避免輸血,若病情必需輸血,應(yīng)用63Thankyou!Thankyou!64多源遙感數(shù)據(jù)融合探討(lwb).多源遙感數(shù)據(jù)融合探討(lwb).65報(bào)告內(nèi)容安排Partone:多源遙感數(shù)據(jù)介紹Parttwo:多源遙感數(shù)據(jù)融合Partthree:融合算法探討Partfour:IKONOS&QB融合效果Partfive:融合中的難點(diǎn)報(bào)告內(nèi)容安排Partone:多源遙感數(shù)據(jù)介紹66

Partone:多源遙感數(shù)據(jù)介紹Partone:67多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件68多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件69多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件70RGB432Multi-sensordataSensortwo:SPOT

RGB432Multi-sensordataSensor71CBERS系列衛(wèi)星:即中巴資源衛(wèi)星(China-BrazilEarthResourceSatellite)1999年10月CBERS-1發(fā)射2003年11月CBERS-2發(fā)射該衛(wèi)星特點(diǎn)(1)20米分辨率的5譜段CCD(chargecoupleddevice)相機(jī),其采用推帚式掃描,掃描寬度113km;(2)80米分辨率的3波段多光譜掃描儀(MSS),掃描寬度120km;(3)160米分辨率的1個(gè)波段熱紅外掃描儀,掃描寬度120km;(4)256分辨率的2個(gè)波段寬視場成像儀(WFI),掃描寬度890km;(5)重復(fù)觀測周期是26天,由于CCD相機(jī)具有側(cè)視功能,觀測同一地區(qū)的最短周期可以為3天。Multi-sensordataSensorthree:CBERSCBERS系列衛(wèi)星:即中巴資源衛(wèi)星(China-Brazi72RGB432(2006)Multi-sensordataSensorthree:CBERSRGB432(2006)Multi-sensordataS73高分辨率商業(yè)衛(wèi)星Quick-Bird單波段星下分辨率為2.44米,全色分辨率為0.61米,其一副圖象可以覆蓋16.5×16.5km2.IKONOS單波段星下分辨率為4米,全色分辨率為1米,其一副圖象可以覆蓋11×11km2低分辨率衛(wèi)星MODIS衛(wèi)星

其可見分辨率比陸地衛(wèi)星低,光譜分辨率高,回歸周期短,最多一天可以獲得4條過境圖象,共有36個(gè)波段數(shù)據(jù)。Multi-sensordataSensorfour:Quick-Bird&IKONOS&MODIS高分辨率商業(yè)衛(wèi)星Multi-sensordataSenso74Parttwo:

多源遙感數(shù)據(jù)融合

Parttwo:

多源遙感數(shù)據(jù)融合

75多源遙感影象數(shù)據(jù)特點(diǎn):冗余性:表示多源遙感影像數(shù)據(jù)對環(huán)境或目標(biāo)的表示、描述或解譯結(jié)果相同

互補(bǔ)性:指信息來自不同的自由度且相互獨(dú)立合作性:不同傳感器在觀測和處理信息時(shí)對其它信息有依賴關(guān)系

融合目的:將單一傳感器的多波段信息或不同類別傳感器所提供的信息加以綜合,消除多傳感器信息之間可能存在的冗余和矛盾,加以互補(bǔ),改善遙感信息提取的及時(shí)性和可靠性,提高數(shù)據(jù)的使用效率。融合實(shí)質(zhì):

在統(tǒng)一地理坐標(biāo)系中將對同一目標(biāo)檢測的多幅遙感圖像數(shù)據(jù)采用一定的算法,生成一幅新的、更能有效表示該目標(biāo)的圖像信息。DataFusion多源遙感影象數(shù)據(jù)特點(diǎn):DataFusion76遙感數(shù)據(jù)融合發(fā)展和應(yīng)用

數(shù)據(jù)融合(datafusion)最早被應(yīng)用于軍事領(lǐng)域。融合數(shù)據(jù)的特點(diǎn):融合產(chǎn)生的數(shù)據(jù)具有原始影像的優(yōu)點(diǎn),其可以減少識別目標(biāo)的模糊性和不確定性,提高遙感圖像整體質(zhì)量和綜合分析精度同時(shí)又能滿足定量遙感需要更多的光譜信息和空間紋理信息的要求。融合模型要求:具有良好的信息保真度。分類:像素級、特征級和決策級主要應(yīng)用領(lǐng)域有:多源影像、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場和無人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測與跟蹤、自動目標(biāo)識別等。DataFusion遙感數(shù)據(jù)融合發(fā)展和應(yīng)用數(shù)據(jù)融合(datafusion)最77Partthree:融合算法探討Partthree:78遙感數(shù)據(jù)融合流程圖

問題:低分辨率影像如何選擇?

問題:高分辨率影像如何選擇?遙感數(shù)據(jù)融合流程圖問題:問題:79數(shù)據(jù)預(yù)處理

包括幾何糾正、大氣訂正、輻射校正及空間配準(zhǔn)

(1)幾何糾正、大氣訂正及輻射校正的目的主要在于去處透視收縮、疊掩、陰影等地形因素以及衛(wèi)星擾動、天氣變化、大氣散射等隨機(jī)因素對成像結(jié)果一致性的影響;(2)影像空間配準(zhǔn)的目的在于消除由不同傳感器得到的影像在拍攝角度、時(shí)相及分辨率等方面的差異??臻g配準(zhǔn)

空間配準(zhǔn)中最關(guān)鍵、最困難的問題尋找地面控制點(diǎn)(GCP,GroundControlPoint)。

(1)GCP選擇:如邊界、線狀物交叉點(diǎn)、區(qū)域輪廓線等明顯的特征。

(2)插值:根據(jù)映射關(guān)系,對非參考影像進(jìn)行重采樣,獲得同參考影像配準(zhǔn)的影像。插值法有:鄰近點(diǎn)插值法、雙線性插值法和立方卷積插值法三種,精度要求:空間配準(zhǔn)的精度一般要求在0~2個(gè)像元內(nèi),融合精度一般在一個(gè)像元以內(nèi)。

同一傳感器數(shù)據(jù)融合不需配準(zhǔn)。(JianGuoLiu,2000)DataPreparation數(shù)據(jù)預(yù)處理DataPreparation80融合分類:按照信息抽象程度可以分為像素層、特征層和決策層像素級:優(yōu)點(diǎn):

保留了盡可能多的信息,具有最高精度,三級融合層中為研究最成熟的一級,已經(jīng)成了豐富的融合算法。

局限性:1.效率低下。由于處理的傳感器數(shù)據(jù)量大,所以處理時(shí)間較長,實(shí)時(shí)性差2.對參與融合遙感影像配準(zhǔn)精度要求很高。特征級融合

特征級融合是一種中等水平的融合。其先是將各遙感影像數(shù)據(jù)進(jìn)行特征提取,提取的特征信息應(yīng)是原始信息的充分表示量或充分統(tǒng)計(jì)量,然后按特征信息對多源數(shù)據(jù)進(jìn)行分類、聚集和綜合,產(chǎn)生特征矢量,而后采用一些基于特征級融合方法融合這些特征矢量,作出基于融合特征矢量的屬性說明。決策級融合決策級融合是最高水平的融合,融合的結(jié)果為指揮、控制、決策提供依據(jù)。在這一級別中,首先對每一數(shù)據(jù)進(jìn)行屬性說明,然后對其結(jié)果加以融合,得到目標(biāo)或環(huán)境的融合屬性說明。決策級融合的優(yōu)點(diǎn)時(shí)具有很強(qiáng)的容錯性,很好的開放性,處理時(shí)間短、數(shù)據(jù)要求低、分析能力強(qiáng)。而由于對預(yù)處理及特征提取有較高要求,所以決策級融合的代價(jià)較高。融合分類:按照信息抽象程度可以分為像素層、特征層和決策層81表1三級融合層次的特點(diǎn)表1三級融合層次的特點(diǎn)82像素級特征級決策級代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)小波變換聚類分析Bayes估計(jì)K-T變換Bayes估計(jì)模糊聚類法主成分變換神經(jīng)網(wǎng)絡(luò)法可靠性理論回歸模型法加權(quán)平均法基于知識的融合法Kalman濾波法Dempater-shafer推理法Dempater-shafer推理法表2三級融合層次下的融合方法像素級特征級決策級代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)83像素級融合主要分類(1)基于光譜(彩色)域變換的融合技術(shù)

亮度-色調(diào)-飽和度變換(Intensity-Hue-Saturation,IHS)變換和比值變換(BroveyTransform,BT)和主成分變換(PrincipleComponentTransform,PCT)等特點(diǎn):每次該類技術(shù)每次只能對3個(gè)波段數(shù)據(jù)融合(2)基于空間域信號分解和重構(gòu)的融合技術(shù)小波變化(Wavelettransform,WT)基于亮度平滑濾波變換(SmoothingFilter-basedIntensityModulation,SFIM)高通濾波變換(HighPassFilter,HPT)等特點(diǎn):其能對任意波段進(jìn)行融合(3)基于算術(shù)運(yùn)算的融合技術(shù)

乘積變換(MultiplicationTransform,MT)和加法變換等

特點(diǎn):模型簡單可以對任意波段進(jìn)行融合FusionMethods像素級融合主要分類(1)基于光譜(彩色)域變換的融合技術(shù)Fu84IHS變換

3個(gè)波段合成的RGB顏色空間是一個(gè)對物體顏色屬性描述系統(tǒng),而IHS色度空間提取出物體的亮度I,色度H,飽和度S,它們分別對應(yīng)3個(gè)波段的平均輻射強(qiáng)度、3個(gè)波段的數(shù)據(jù)向量和的方向及3個(gè)波段等量數(shù)據(jù)的大小。RGB顏色空間和IHS色度空間有著精確的轉(zhuǎn)換關(guān)系。以TM和SAR為例,變換思路是把TM圖像的3個(gè)波段合成的RGB假彩色圖像變換到IHS色度空間,然后用SAR圖像代替其中的I值,再變換到RGB顏色空間,形成新的影像。FusionMethodsIHS變換FusionMethods85比值法融合模型(BroveyTransform,BT)

特點(diǎn):它將參與RGB組合的每個(gè)波段與該組合波段總和做比值計(jì)算進(jìn)行正規(guī)化,以保持低分辨率影像的光譜分辨率,然后將比值結(jié)果乘以高分辨率波段的亮度以獲取高頻空間信息。具有很高的光譜信息保真度。

缺點(diǎn):對中高光譜的低空間分辨率RGB組合選擇比較麻煩。如TM/ETM+的RGB組合多大20種。問題:如何改進(jìn)?FusionMethods比值法融合模型(BroveyTransform,BT)F86小波變換

小波變換(Wavelettransform,WT)是一種新興的數(shù)學(xué)分析方法,已經(jīng)受到了廣泛的重視。小波變換是一種全局變換,在時(shí)間域和頻率域同時(shí)具有良好的定位能力,對高頻分量采用逐漸精細(xì)的時(shí)域和空域步長,可以聚焦到被處理圖像的任何細(xì)節(jié),從而被譽(yù)為“數(shù)學(xué)顯微鏡”。

WT方法首先對參與融合的遙感圖像數(shù)據(jù)進(jìn)行小波正變換,將圖像分解為高頻信息和低頻信息。分別抽取來自高空間分辨率影像分解后的高頻信息和低空間分辨率的低頻信息進(jìn)行小波逆變換,生成融合圖像。

特點(diǎn):可以對任意波段融合

缺點(diǎn):小波基選擇比較麻煩,融合速度不理想

小波變換示意圖見下圖

FusionMethods小波變換FusionMethods87多源遙感數(shù)據(jù)融合探討(lwb)教學(xué)講義課件88SFIM融合算法

SFIM(SmoothingFilter-basedIntensityModulationTransform),即基于平滑濾波的亮度變換,其融合算法為:

特點(diǎn):該算法可以視為在低分辨率影像中僅引入了高分辨率影像的紋理信息,它能很好保持低分辨率影像的光譜特性。

優(yōu)點(diǎn):能對任意波段融合,光譜保真度好

缺點(diǎn):融合效果中存在“胡椒面現(xiàn)象”問題:如何改進(jìn)?FusionMethodsSFIM融合算法FusionMethods89乘法融合模型MT(MultiplicationTransform)變換采用乘法融合運(yùn)算,其算法公式為:

特點(diǎn):該算法采用乘法能反映低分辨率和高分辨率影像的混和信息,為了避免生產(chǎn)后影像的亮度值過大采用開平方。

優(yōu)點(diǎn):能對任意波段融合,算法簡單

缺點(diǎn):光譜保真度不好FusionMethodsFusionMethods90高通濾波(加法)融合算法

HPF(High-PassFilter)變換該算法采用高通濾波融合算法,算法公式為:

特點(diǎn):該算法采用高通濾波來抑制高分辨率影像中的低頻光譜信息和增強(qiáng)高頻空間信息,處理后的高分辨率影像和低分辨率影像相加可以達(dá)到提高低分辨率影像的空間分辨率。

優(yōu)點(diǎn):可以對任意波段融合

FusionMethods高通濾波(加法)融合算法FusionMethods91ModifiedBroveyTransform(MBT)

特點(diǎn):計(jì)算簡單可以對任意波段融合

優(yōu)點(diǎn):具有高高頻信息融入度

缺點(diǎn):光譜信息保證度比較查點(diǎn)問題:n任何選擇?FusionMethodsModifiedBroveyTransform(MB92融合效果評價(jià)評價(jià)融合影像的質(zhì)量是遙感圖像融合的一個(gè)重要步驟。評價(jià)融合效果主要包括定性和定量評價(jià)兩種。定性評價(jià)一般選用目視法解譯。定量評價(jià)選擇:均值、標(biāo)準(zhǔn)差、熵、光譜偏差度、均方根差和相關(guān)系數(shù)等定量評價(jià)分為:融合圖像的整體質(zhì)量、融合圖像和低分辨率圖像的光譜信息保真度和融合圖像與高分辨率圖像的高頻信息保真度(紋理信息)三個(gè)方面。Evaluation融合效果評價(jià)評價(jià)融合影像的質(zhì)量是遙感圖像融合的一個(gè)重93融合圖像的整體質(zhì)量評價(jià)指標(biāo)均值:均值越大說明影像含信息量越高標(biāo)準(zhǔn)差:反映圖象灰度相對于灰度均值的離散情況。標(biāo)準(zhǔn)差大,則圖像灰度級分散,圖像反差大,信息量豐富熵:熵越大說明整體圖像的信息含量高Evaluation融合圖像的整體質(zhì)量評價(jià)指標(biāo)均值:均值越大說明影像含信息量越高94光譜保真度評價(jià)1.保真度D

F為融合影像均值,B為原始影像均值,MN為像元總數(shù)。D反映了融合圖像和原始圖像在光譜信息上的差異和光譜特性變化的平均程度,值越小說明光譜信息損失少,在理想情況下D=0。2.原始圖像和融合后圖像的光譜曲線Evaluation光譜保真度評價(jià)1.保真度DEvaluation95高頻信息保真度評價(jià)相關(guān)系數(shù)F為融合生成圖像的灰度值,f為融合圖像的均值;A為源圖像灰度值,a為源圖像的均值,通過計(jì)算融合圖像和高空間分辨率圖像之間的相關(guān)系數(shù),相關(guān)系數(shù)越大說明高頻信息融入越高。

Evaluation高頻信息保真度評價(jià)相關(guān)系數(shù)Evaluation96高頻信息保真度評價(jià)方均根誤差(RootMeanSquareError,RMSE)

RMSE能靈敏地檢測出n維空間中任意兩個(gè)向量的相似性,故該方法能定量評價(jià)融合方法的高頻信息(紋理)融入度

.

其中F為融合產(chǎn)生圖像的亮度均值;B為融合前圖像的亮度均值,此處為高空間分辨率波段;n為參與融合的波段數(shù)。RSME值越小,說明高分辨率圖像的高頻信息融入度越高。Evaluation高頻信息保真度評價(jià)方均根誤差(RootMeanSqua97Partfour:IKONOS&QB融合效果Partfour:98IKONOS融合結(jié)果原始全色波段Originaldata光譜波段RGB321IKONOS融合結(jié)果原始全色波段Originaldata光99IKONOS融合結(jié)果MBT(RGB321)FusionResultofIKONOSSFIM(RGB321)IKONOS融合結(jié)果MBT(RGB321)FusionR100WT(RGB321)MT(RGB321)FusionResultofIKONOSIKONOS融合結(jié)果WT(RGB321)MT(RGB321)FusionRes101表3相關(guān)系數(shù)表Evaluation表3相關(guān)系數(shù)表Evaluation102光譜曲線圖Evaluation光譜曲線圖Evaluation103QB融合結(jié)果Originaldata原始PANRGB321QB融合結(jié)果Originaldata原始PANRGB321104FusionResultofQBMBT(RGB321)WT(RGB321)FusionResultofQBMBT(RGB321)105FusionResultofQBSFIM(RGB321)HPT(RGB321)FusionResultofQBSFIM(RGB321106光譜曲線圖Evaluation光譜曲線圖Evaluation107表4相關(guān)系數(shù)和RMSE表Evaluation表4相關(guān)系數(shù)和RMSE表Evaluation108Partfive:融合中問題Partfive:109問題(1)缺少或者無GPC時(shí)空間配準(zhǔn)模型?(2)如何提高數(shù)據(jù)預(yù)處理過程的精度?

(3)能否建立統(tǒng)一的數(shù)學(xué)融合模型?(3)如何協(xié)調(diào)光譜保真度和紋理保證度?

(4)面向高光譜遙感數(shù)據(jù)的融合模型(5)如何協(xié)調(diào)融合數(shù)量和處理的效率問題?(6)光學(xué)圖像和雷達(dá)數(shù)據(jù)融合。問題(1)缺少或者無GPC時(shí)空間配準(zhǔn)模型?110謝謝大家聆聽!謝謝大家聆聽!111急性溶血性貧血

樊富華急性溶血性貧血112概述溶血性貧血------溶血超過造血代償時(shí)出現(xiàn)的貧血(HemolyticAnemia,HA)。概述溶血性貧血------溶血超過造血代償時(shí)出現(xiàn)的貧血113臨床分類一、紅細(xì)胞自身異常性溶血性貧血(一)紅細(xì)胞膜異常性溶血性貧血1。遺傳性紅細(xì)胞膜缺陷—遺傳性球形細(xì)胞增多癥、遺傳性橢圓形細(xì)胞增多癥等;2。獲得性血細(xì)胞膜糖化肌醇磷脂錨連膜蛋白異?!嚢l(fā)性睡眠性血紅蛋白尿;(二)遺傳性紅細(xì)胞酶缺乏性溶血性貧血1。戊糖磷酸途徑酶缺乏—葡萄糖-6-磷酸脫氫酶(G6PD)缺乏等;2。無氧糖酵解途徑酶缺乏—丙酮酸激酶缺乏等;臨床分類一、紅細(xì)胞自身異常性溶血性貧血114(三)珠蛋白和血紅素異常性溶血性貧血1。遺傳性血紅蛋白病(珠蛋白生成障礙性貧血)(1)珠蛋白肽鏈量的異?!Q笮载氀唬?)珠蛋白肽鏈結(jié)構(gòu)的異?!环€(wěn)定血紅蛋白病等;2。血紅素異常(1)先天性紅細(xì)胞卟啉代謝異常致紅細(xì)胞生成性血卟啉病(2)鉛中毒二、紅細(xì)胞周圍環(huán)境異常所致的溶血性貧血(一)免疫性溶血性貧血1。自身免疫性溶血性貧血—可分溫抗體型或冷抗體型2。同種免疫性溶血性貧血—血型不符的輸血反應(yīng)等(三)珠蛋白和血紅素異常性溶血性貧血115(二)血管性溶血性貧血1。血管壁異?!呐K瓣膜病和人工心瓣膜等;2。微血管病性溶血性貧血—血栓性血小板減少性紫癜、彌散性血管內(nèi)凝血等;3。血管壁受到反復(fù)擠壓—行軍性血紅蛋白尿;(三)生物因素蛇毒、瘧疾、黑熱病等;(四)理化因素大面積燒傷、血漿中滲透壓改變、苯肼、亞硝酸鹽類等中毒等。(二)血管性溶血性貧

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論