一顏色特征
（一）特點(diǎn)：顏色特征是一種全局特征,描述了圖像或圖像區(qū)域所對應(yīng)的景物的表面性質(zhì)。一般顏色特征是基于像素點(diǎn)的特征，此時(shí)所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻(xiàn)。由于顏色對圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對象的局部特征。另外，僅使用顏色特征查詢時(shí)，如果數(shù)據(jù)庫很大，常會(huì)將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達(dá)顏色特征的方法，其優(yōu)點(diǎn)是不受圖像旋轉(zhuǎn)和平移變化的影響，進(jìn)一步借助歸一化還可不受圖像尺度變化的影響，基缺點(diǎn)是沒有表達(dá)出顏色空間分布的信息。
（二）常用的特征提取與匹配方法
（1）
其優(yōu)點(diǎn)在于：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動(dòng)分割的圖像和不需要考慮物體空間位置的圖像。其缺點(diǎn)在于：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。
最常用的顏色空間：RGB顏色空間、HSV顏色空間。
顏色直方圖特征匹配方法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。
（2）
顏色直方圖法是一種全局顏色特征提取與匹配方法，無法區(qū)分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉(zhuǎn)化成視覺均衡的顏色空間（如 HSV 空間），并將顏色空間量化成若干個(gè)柄。然后，用色彩自動(dòng)分割技術(shù)將圖像分為若干區(qū)域，每個(gè)區(qū)域用量化顏色空間的某個(gè)顏色分量來索引，從而將圖像表達(dá)為一個(gè)二進(jìn)制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區(qū)域的空間關(guān)系
（3）
這種方法的數(shù)學(xué)基礎(chǔ)在于：圖像中任何的顏色分布均可以用它的矩來表示。此外，由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩（mean）、二階矩（variance）和三階矩（skewness）就足以表達(dá)圖像的顏色分布。
（4）
其核心思想是：將屬于直方圖每一個(gè)柄的像素分成兩部分，如果該柄內(nèi)的某些像素所占據(jù)的連續(xù)區(qū)域的面積大于給定的閾值，則該區(qū)域內(nèi)的像素作為聚合像素，否則作為非聚合像素。
（5）
二紋理特征
（一）特點(diǎn)：紋理特征也是一種全局特征，它也描述了圖像或圖像區(qū)域所對應(yīng)景物的表面性質(zhì)。但由于紋理只是一種物體表面的特性，并不能完全反映出物體的本質(zhì)屬性，所以僅僅利用紋理特征是無法獲得高層次圖像內(nèi)容的。與顏色特征不同，紋理特征不是基于像素點(diǎn)的特征，它需要在包含多個(gè)像素點(diǎn)的區(qū)域中進(jìn)行統(tǒng)計(jì)計(jì)算。在模式匹配中，這種區(qū)域性的特征具有較大的優(yōu)越性，不會(huì)由于局部的偏差而無法匹配成功。作為一種統(tǒng)計(jì)特征，紋理特征常具有旋轉(zhuǎn)不變性，并且對于噪聲有較強(qiáng)的抵抗能力。但是，紋理特征也有其缺點(diǎn)，一個(gè)很明顯的缺點(diǎn)是當(dāng)圖像的分辨率變化的時(shí)候，所計(jì)算出來的紋理可能會(huì)有較大偏差。另外，由于有可能受到光照、反射情況的影響，從2-D圖像中反映出來的紋理不一定是3-D物體表面真實(shí)的紋理。
例如，水中的倒影，光滑的金屬面互相反射造成的影響等都會(huì)導(dǎo)致紋理的變化。由于這些不是物體本身的特性，因而將紋理信息應(yīng)用于檢索時(shí)，有時(shí)這些虛假的紋理會(huì)對檢索造成“誤導(dǎo)”。
在檢索具有粗細(xì)、疏密等方面較大差別的紋理圖像時(shí)，利用紋理特征是一種有效的方法。但當(dāng)紋理之間的粗細(xì)、疏密等易于分辨的信息之間相差不大的時(shí)候，通常的紋理特征很難準(zhǔn)確地反映出人的視覺感覺不同的紋理之間的差別。
（二）常用的特征提取與匹配方法
紋理特征描述方法分類
（1）統(tǒng)計(jì)方法統(tǒng)計(jì)方法的典型代表是一種稱為灰度共生矩陣的紋理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩陣中各種統(tǒng)計(jì)特征基礎(chǔ)上，通過實(shí)驗(yàn)，得出灰度共生矩陣的四個(gè)關(guān)鍵特征：能量、慣量、熵和相關(guān)性。統(tǒng)計(jì)方法中另一種典型方法，則是從圖像的自相關(guān)函數(shù)（即圖像的能量譜函數(shù)）提取紋理特征，即通過對圖像的能量譜函數(shù)的計(jì)算，提取紋理的粗細(xì)度及方向性等特征參數(shù)
（2）幾何法
所謂幾何法，是建立在紋理基元（基本的紋理元素）理論基礎(chǔ)上的一種紋理特征分析方法。紋理基元理論認(rèn)為，復(fù)雜的紋理可以由若干簡單的紋理基元以一定的有規(guī)律的形式重復(fù)排列構(gòu)成。在幾何法中，比較有影響的算法有兩種：Voronio 棋盤格特征法和結(jié)構(gòu)法。
（3）模型法
模型法以圖像的構(gòu)造模型為基礎(chǔ)，采用模型的參數(shù)作為紋理特征。典型的方法是隨機(jī)場模型法，如馬爾可夫（Markov）隨機(jī)場（MRF）模型法和 Gibbs 隨機(jī)場模型法
（4）信號(hào)處理法
紋理特征的提取與匹配主要有：灰度共生矩陣、Tamura 紋理特征、自回歸紋理模型、小波變換等。
灰度共生矩陣特征提取與匹配主要依賴于能量、慣量、熵和相關(guān)性四個(gè)參數(shù)。Tamura 紋理特征基于人類對紋理的視覺感知心理學(xué)研究，提出6種屬性，即：粗糙度、對比度、方向度、線像度、規(guī)整度和粗略度。自回歸紋理模型（simultaneous auto-regressive, SAR）是馬爾可夫隨機(jī)場（MRF）模型的一種應(yīng)用實(shí)例。
三形狀特征
（一）特點(diǎn)：各種基于形狀特征的檢索方法都可以比較有效地利用圖像中感興趣的目標(biāo)來進(jìn)行檢索，但它們也有一些共同的問題，包括：①目前基于形狀的檢索方法還缺乏比較完善的數(shù)學(xué)模型；②如果目標(biāo)有變形時(shí)檢索結(jié)果往往不太可靠；③許多形狀特征僅描述了目標(biāo)局部的性質(zhì)，要全面描述目標(biāo)常對計(jì)算時(shí)間和存儲(chǔ)量有較高的要求；④許多形狀特征所反映的目標(biāo)形狀信息與人的直觀感覺不完全一致，或者說，特征空間的相似性與人視覺系統(tǒng)感受到的相似性有差別。另外，從 2-D 圖像中表現(xiàn)的 3-D 物體實(shí)際上只是物體在空間某一平面的投影，從 2-D 圖像中反映出來的形狀常不是 3-D 物體真實(shí)的形狀，由于視點(diǎn)的變化，可能會(huì)產(chǎn)生各種失真。
（二）常用的特征提取與匹配方法
Ⅰ幾種典型的形狀特征描述方法
通常情況下，形狀特征有兩類表示方法，一類是輪廓特征，另一類是區(qū)域特征。圖像的輪廓特征主要針對物體的外邊界，而圖像的區(qū)域特征則關(guān)系到整個(gè)形狀區(qū)域。
幾種典型的形狀特征描述方法：
（1）邊界特征法該方法通過對邊界特征的描述來獲取圖像的形狀參數(shù)。其中Hough 變換檢測平行直線方法和邊界方向直方圖方法是經(jīng)典方法。Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法，其基本思想是點(diǎn)—線的對偶性；邊界方向直方圖法首先微分圖像求得圖像邊緣，然后，做出關(guān)于邊緣大小和方向的直方圖，通常的方法是構(gòu)造圖像灰度梯度方向矩陣。
（2）傅里葉形狀描述符法
傅里葉形狀描述符(Fourier shape descriptors)基本思想是用物體邊界的傅里葉變換作為形狀描述，利用區(qū)域邊界的封閉性和周期性，將二維問題轉(zhuǎn)化為一維問題。
由邊界點(diǎn)導(dǎo)出三種形狀表達(dá)，分別是曲率函數(shù)、質(zhì)心距離、復(fù)坐標(biāo)函數(shù)。
（3）幾何參數(shù)法
形狀的表達(dá)和匹配采用更為簡單的區(qū)域特征描述方法，例如采用有關(guān)形狀定量測度（如矩、面積、周長等）的形狀參數(shù)法（shape factor）。在 QBIC 系統(tǒng)中，便是利用圓度、偏心率、主軸方向和代數(shù)不變矩等幾何參數(shù)，進(jìn)行基于形狀特征的圖像檢索。
需要說明的是，形狀參數(shù)的提取，必須以圖像處理及圖像分割為前提，參數(shù)的準(zhǔn)確性必然受到分割效果的影響，對分割效果很差的圖像，形狀參數(shù)甚至無法提取。
（4）形狀不變矩法
利用目標(biāo)所占區(qū)域的矩作為形狀描述參數(shù)。
（5）其它方法
近年來，在形狀的表示和匹配方面的工作還包括有限元法（Finite Element Method 或 FEM）、旋轉(zhuǎn)函數(shù)（Turning Function）和小波描述符（Wavelet Descriptor）等方法。
Ⅱ 基于小波和相對矩的形狀特征提取與匹配
四 空間關(guān)系特征
（一）特點(diǎn)：所謂空間關(guān)系，是指圖像中分割出來的多個(gè)目標(biāo)之間的相互的空間位置或相對方向關(guān)系，這些關(guān)系也可分為連接/鄰接關(guān)系、交疊/重疊關(guān)系和包含/包容關(guān)系等。通常空間位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息。前一種關(guān)系強(qiáng)調(diào)的是目標(biāo)之間的相對情況，如上下左右關(guān)系等，后一種關(guān)系強(qiáng)調(diào)的是目標(biāo)之間的距離大小以及方位。顯而易見，由絕對空間位置可推出相對空間位置，但表達(dá)相對空間位置信息常比較簡單。
空間關(guān)系特征的使用可加強(qiáng)對圖像內(nèi)容的描述區(qū)分能力，但空間關(guān)系特征常對圖像或目標(biāo)的旋轉(zhuǎn)、反轉(zhuǎn)、尺度變化等比較敏感。另外，實(shí)際應(yīng)用中，僅僅利用空間信息往往是不夠的，不能有效準(zhǔn)確地表達(dá)場景信息。為了檢索，除使用空間關(guān)系特征外，還需要其它特征來配合。
（二）常用的特征提取與匹配方法
提取圖像空間關(guān)系特征可以有兩種方法：一種方法是首先對圖像進(jìn)行自動(dòng)分割，劃分出圖像中所包含的對象或顏色區(qū)域，然后根據(jù)這些區(qū)域提取圖像特征，并建立索引；另一種方法則簡單地將圖像均勻地劃分為若干規(guī)則子塊，然后對每個(gè)圖像子塊提取特征，并建立索引。
- 空間分辨率——是指遙感圖像上能 夠詳細(xì)區(qū)分的最小單元的尺寸和大小，是用來表征影像分辨地面目標(biāo)細(xì)節(jié)能力的指標(biāo)。
- 時(shí)間分辨率——對同一目標(biāo)進(jìn)行重 復(fù)探測時(shí)，相鄰兩次探測的時(shí)間間隔。
- 光譜分辨率——指傳感器所能記錄 的電磁波譜中，某一特定的波長范圍值，波長范圍值越寬，光譜分辨率越低。光譜分辨率的高低，產(chǎn)生了一個(gè)非常熱門的遙感分支，高光譜遙感。
- 溫度分辨率——指熱紅外傳感器分 辨地表熱輻射（溫度）最小差異的能力。
- 光學(xué)機(jī)械掃描系統(tǒng)（optial-mechanial scanning）它是利用平臺(tái)的行進(jìn) 和旋轉(zhuǎn)掃描鏡對與平臺(tái)行進(jìn)的垂直方向的地面進(jìn)行掃描，又稱物面掃描系統(tǒng)。
圖2
TM的掃描系統(tǒng)示意圖
圖3 推掃式掃描系統(tǒng)示意圖
2、遙感影像特征
- 波譜信息
圖4 圖像像元值的查看
- 空間信息
右鍵，選擇Edit Header。可以看到圖像的投影信息，空間分辨率等信息。
圖5 圖像的信息查看
圖5 圖像量測
- 時(shí)間信息
均值—— 圖像中所有像元值得平均值，它反映了地物信息的平均反射強(qiáng)度。
中值——指圖像所 有灰度級(jí)中處于中間的值，表示一個(gè)反差狀況。
灰度方差——它反 映各像元灰度值與圖像平均灰度值得總的離散程度，它是衡量一幅圖像信息量大小的重要度量。
圖像灰度數(shù)值值域—— 它是圖像最大灰度值和最小灰度值得差值，反映了圖像灰度值的變化程度，間接反映了圖像的信息量。
圖像直方圖——指 圖像中所有灰度值的概率分布。它能夠反映圖像的信息量及分布特征。
多波段間的相關(guān)系數(shù)—— 相關(guān)系數(shù)是描述波段圖像間的相關(guān)程度的統(tǒng)計(jì)量，反映了兩個(gè)波段圖像所包含信息的重疊程度。
圖6 圖像的統(tǒng)計(jì)特征
熵 shang
釋義
1：物理學(xué)上指熱能除以溫度所得的商，標(biāo)志熱量轉(zhuǎn)化為功的程度。
2: 科學(xué)技術(shù)上用來描述、表征體系混亂度的函數(shù)。亦被社會(huì)科學(xué)用以借喻人類社會(huì)某些狀態(tài)的程度。
3：熵是生物親序，是行為攜靈現(xiàn)象。科學(xué)家已經(jīng)發(fā)明了測量無序的量，它稱作熵，熵也是混沌度，是內(nèi)部無序結(jié)構(gòu)的總量。
歷史
1850年，德國物理學(xué)家魯?shù)婪?#183;克勞修斯首次提出熵的概念，用來表示任何一種能量在空間中分布的均勻程度，能量分布得越均勻，熵就越大。一個(gè)體系的能量完全均勻分布時(shí)，這個(gè)系統(tǒng)的熵就達(dá)到最大值。 在克勞修斯看來，在一個(gè)系統(tǒng)中，如果聽任它自然發(fā)展，那么，能量差總是傾向于消除的。讓一個(gè)熱物體同一個(gè)冷物體相接觸，熱就會(huì)以下面所說的方式流動(dòng)：熱物體將冷卻，冷物體將變熱，直到兩個(gè)物體達(dá)到相同的溫度為止。克勞修斯在研究卡諾熱機(jī)時(shí)，根據(jù)卡諾定理得出了對任意循環(huán)過程都都適用的一個(gè)公式 ：dS=（dQ/T）。對于絕熱過程Q＝0，故S≥0，即系統(tǒng)的熵在可逆絕熱過程中不變，在不可逆絕熱過程中單調(diào)增大。這就是熵增加原理。由于孤立系統(tǒng)內(nèi)部的一切變化與外界無關(guān)，必然是絕熱過程，所以熵增加原理也可表為：一個(gè)孤立系統(tǒng)的熵永遠(yuǎn)不會(huì)減少。它表明隨著孤立系統(tǒng)由非平衡態(tài)趨于平衡態(tài)，其熵單調(diào)增大，當(dāng)系統(tǒng)達(dá)到平衡態(tài)時(shí)，熵達(dá)到最大值。熵的變化和最大值確定了孤立系統(tǒng)過程進(jìn)行的方向和限度，熵增加原理就是熱力學(xué)第二定律。
1948年，香農(nóng)在Bell System Technical Journal上發(fā)表了《通信的數(shù)學(xué)原理》（A Mathematical Theory of Communication）一文，將熵的概念引入信息論中。
熵函數(shù)的來歷
熱力學(xué)第一定律就是能量守恒與轉(zhuǎn)換定律，但是它并未涉及能量轉(zhuǎn)換的過程能否自發(fā)地進(jìn)行以及可進(jìn)行到何種程度。熱力學(xué)第二定律就是判斷自發(fā)過程進(jìn)行的方向和限度的定律，它有不同的表述方法：熱量不可能自發(fā)地從低溫物體傳到高溫物體；熱量不可能從低溫物體傳到高溫物體而不引起其他變化；不可能從單一熱源取出熱量使之全部轉(zhuǎn)化為功而不發(fā)生其他變化；第二類永動(dòng)機(jī)是不可能造成的。熱力學(xué)第二定律是人類經(jīng)驗(yàn)的總結(jié)，它不能從其他更普遍的定律推導(dǎo)出來，但是迄今為止沒有一個(gè)實(shí)驗(yàn)事實(shí)與之相違背，它是基本的自然法則之一。由于一切熱力學(xué)變化（包括相變化和化學(xué)變化）的方向和限度都可歸結(jié)為熱和功之間的相互轉(zhuǎn)化及其轉(zhuǎn)化限度的問題，那么就一定能找到一個(gè)普遍的熱力學(xué)函數(shù)來判別自發(fā)過程的方向和限度。可以設(shè)想，這種函數(shù)是一種狀態(tài)函數(shù)，又是一個(gè)判別性函數(shù)（有符號(hào)差異），它能定量說明自發(fā)過程的趨勢大小，這種狀態(tài)函數(shù)就是熵函數(shù)。
如果把任意的可逆循環(huán)分割成許多小的卡諾循環(huán)，可得出
∑(δＱi/Ｔi)r＝０ (1)
即任意的可逆循環(huán)過程的熱溫商之和為零。其中，δＱi為任意無限小可逆循環(huán)中系統(tǒng)與環(huán)境的熱交換量；Ｔi為任意無限小可逆循環(huán)中系統(tǒng)的溫度。上式也可寫成
∮(δＱr/Ｔ)＝０ (2)
克勞修斯總結(jié)了這一規(guī)律，稱這個(gè)狀態(tài)函數(shù)為“熵”，用Ｓ來表示，即
ｄＳ＝δＱr/Ｔ (3)
對于不可逆過程，則可得
ｄＳ＞δＱr/Ｔ (4)
或 ｄＳ－δＱr/Ｔ＞０ (5)
這就是克勞修斯不等式，表明了一個(gè)隔離系統(tǒng)在經(jīng)歷了一個(gè)微小不可逆變化后，系統(tǒng)的熵變大于過程中的熱溫商。對于任一過程（包括可逆與不可逆過程），則有
ｄＳ－δＱ/Ｔ≥０ (6)
式中：不等號(hào)適用于不可逆過程，等號(hào)適用于可逆過程。由于不可逆過程是所有自發(fā)過程之共同特征，而可逆過程的每一步微小變化，都無限接近于平衡狀態(tài)，因此這一平衡狀態(tài)正是不可逆過程所能達(dá)到的限度。因此，上式也可作為判斷這一過程自發(fā)與否的判據(jù)，稱為“熵判據(jù)”。
對于絕熱過程，δＱ＝０，代入上式，則
ｄＳj≥０ (7)
由此可見，在絕熱過程中，系統(tǒng)的熵值永不減少。其中，對于可逆的絕熱過程，ｄＳj＝０，即系統(tǒng)的熵值不變；對于不可逆的絕熱過程，ｄＳj＞０，即系統(tǒng)的熵值增加。這就是“熵增原理”，是熱力學(xué)第二定律的數(shù)學(xué)表述，即在隔離或絕熱條件下，系統(tǒng)進(jìn)行自發(fā)過程的方向總是熵值增大的方向，直到熵值達(dá)到最大值，此時(shí)系統(tǒng)達(dá)到平衡狀態(tài)。
熵函數(shù)的統(tǒng)計(jì)學(xué)意義
玻爾茲曼在研究分子運(yùn)動(dòng)統(tǒng)計(jì)現(xiàn)象的基礎(chǔ)上提出來了公式：Ｓ＝ｋ×ＬｎΩ (8)
其中，Ω為系統(tǒng)分子的狀態(tài)數(shù)，ｋ為玻爾茲曼常數(shù)。
這個(gè)公式反映了熵函數(shù)的統(tǒng)計(jì)學(xué)意義，它將系統(tǒng)的宏觀物理量Ｓ與微觀物理量Ω聯(lián)系起來，成為聯(lián)系宏觀與微觀的重要橋梁之一。基于上述熵與熱力學(xué)幾率之間的關(guān)系，可以得出結(jié)論：系統(tǒng)的熵值直接反映了它所處狀態(tài)的均勻程度，系統(tǒng)的熵值越小，它所處的狀態(tài)越是有序，越不均勻；系統(tǒng)的熵值越大，它所處的狀態(tài)越是無序，越均勻。系統(tǒng)總是力圖自發(fā)地從熵值較小的狀態(tài)向熵值較大（即從有序走向無序）的狀態(tài)轉(zhuǎn)變，這就是隔離系統(tǒng)“熵值增大原理”的微觀物理意義。
基本特性
·熵均大于等于零，即，H_s \ge 0。·設(shè)N是系統(tǒng)S內(nèi)的事件總數(shù)，則熵H_s \le log_2N。當(dāng)且僅當(dāng)p1=p2=...=pn時(shí)，等號(hào)成立，此時(shí)熵最大。
·聯(lián)合熵：H(X,Y) \le H(X) + H(Y)，當(dāng)且僅當(dāng)X，Y在統(tǒng)計(jì)學(xué)上相互獨(dú)立時(shí)等號(hào)成立。
·條件熵：H(X|Y) = H(X,Y) - H(Y) \le H(X)，當(dāng)且僅當(dāng)X，Y在統(tǒng)計(jì)學(xué)上相互獨(dú)立時(shí)等號(hào)成立。
·社會(huì)學(xué)意義：從宏觀上表示世界和社會(huì)在進(jìn)化過程中的混亂程度。
應(yīng)用
熵在熱力學(xué)中是表征物質(zhì)狀態(tài)的參量之一，通常用符號(hào)S表示。在經(jīng)典熱力學(xué)中，可用增量定義為dS＝(dQ/T)，式中T為物質(zhì)的熱力學(xué)溫度；dQ為熵增過程中加入物質(zhì)的熱量。下標(biāo)“可逆”表示加熱過程所引起的變化過程是可逆的。若過程是不可逆的，則dS＞(dQ/T)不可逆。從微觀上說，熵是組成系統(tǒng)的大量微觀粒子無序度的量度，系統(tǒng)越無序、越混亂，熵就越大。熱力學(xué)過程不可逆性的微觀本質(zhì)和統(tǒng)計(jì)意義就是系統(tǒng)從有序趨于無序，從概率較小的狀態(tài)趨于概率較大的狀態(tài)。
單位質(zhì)量物質(zhì)的熵稱為比熵，記為s。熵最初是根據(jù)熱力學(xué)第二定律引出的一個(gè)反映自發(fā)過程不可逆性的物質(zhì)狀態(tài)參量。
熱力學(xué)第二定律是根據(jù)大量觀察結(jié)果總結(jié)出來的規(guī)律，有下述表述方式：
①熱量總是從高溫物體傳到低溫物體，不可能作相反的傳遞而不引起其他的變化；
②功可以全部轉(zhuǎn)化為熱，但任何熱機(jī)不能全部地、連續(xù)不斷地把所接受的熱量轉(zhuǎn)變?yōu)楣Γ礋o法制造第二類永動(dòng)機(jī)）；
③在孤立系統(tǒng)中，實(shí)際發(fā)生的過程總使整個(gè)系統(tǒng)的熵值增大，此即熵增原理。摩擦使一部分機(jī)械能不可逆地轉(zhuǎn)變?yōu)闊幔轨卦黾印崃縟Q由高溫(T1)物體傳至低溫(T2)物體，高溫物體的熵減少dS1=dQ/T1，低溫物體的熵增加dS2=dQ/T2，把兩個(gè)物體合起來當(dāng)成一個(gè)系統(tǒng)來看，熵的變化是dS＝dS2+dS1＞0，即熵是增加的。
物理學(xué)家玻爾茲曼將熵定義為一種特殊狀態(tài)的概率：原子聚集方式的數(shù)量。可精確表示為：
S=K㏑W
K是比例常數(shù)，現(xiàn)在稱為玻爾茲曼常數(shù)。
科學(xué)哲學(xué)
科學(xué)技術(shù)上泛指某些物質(zhì)系統(tǒng)狀態(tài)的一種量（liàng）度，某些物質(zhì)系統(tǒng)狀態(tài)可能出現(xiàn)的程度。亦被社會(huì)科學(xué)用以借喻人類社會(huì)某些狀態(tài)的程度。熵是不能再被轉(zhuǎn)化做功的能量的總和的測定單位。這個(gè)名稱是由德國物理學(xué)家魯?shù)罓柗?#183;克勞修斯〔魯?shù)罓柗?#183;克勞修斯(1822—1888)〕德國物理學(xué)家，熱力學(xué)的奠基人之一。于1868年第一次造出來的。但是年輕的法國軍官沙迪·迦諾〔沙迪·迦諾(1796—1832)〕一般譯作“卡諾”，法國物理學(xué)家、工程師，在研究熱機(jī)效率的過程中，提出了“卡諾循環(huán)”定理。卻比克勞修斯早41年發(fā)現(xiàn)了熵的原理。迦諾在研究蒸汽機(jī)工作原理時(shí)發(fā)現(xiàn)，蒸汽機(jī)之所以能做功，是因?yàn)檎羝麢C(jī)系統(tǒng)里的一部分很冷，而另一部分卻很熱。換一句話說，要把能量轉(zhuǎn)化為功，一個(gè)系統(tǒng)的不同部分之間就必須有能量集中程度的差異(即溫差)。當(dāng)能量從一個(gè)較高的集中程度轉(zhuǎn)化到一個(gè)較低的集中程度(或由較高溫度變?yōu)檩^低溫度)時(shí)，它就做了功。更重要的是每一次能量從一個(gè)水平轉(zhuǎn)化到另一個(gè)水平，都意味著下一次能再做功的能量就減少了。比如河水越過水壩流入湖泊。當(dāng)河水下落時(shí)，它可被用來發(fā)電，驅(qū)動(dòng)水輪，或做其他形式的功。然而水一旦落到壩底，就處于不能再做功的狀態(tài)了。在水平面上沒有任何勢能的水是連最小的輪子也帶不動(dòng)的。這兩種不同的能量狀態(tài)分別被稱為“有效的”或“自由的”能量，和“無效的”或“封閉的”能量。
熵的增加就意味著有效能量的減少。每當(dāng)自然界發(fā)生任何事情，一定的能量就被轉(zhuǎn)化成了不能再做功的無效能量。被轉(zhuǎn)化成了無效狀態(tài)的能量構(gòu)成了我們所說的污染。許多人以為污染是生產(chǎn)的副產(chǎn)品，但實(shí)際上它只是世界上轉(zhuǎn)化成無效能量的全部有效能量的總和。耗散了的能量就是污染。既然根據(jù)熱力學(xué)第一定律，能量既不能被產(chǎn)生又不能被消滅，而根據(jù)熱力學(xué)第二定律，能量只能沿著一個(gè)方向——即耗散的方向——轉(zhuǎn)化，那么污染就是熵的同義詞。它是某一系統(tǒng)中存在的一定單位的無效能量。
信息論
在信息論中，熵表示的是不確定性的量度。信息論的創(chuàng)始人香農(nóng)在其著作《通信的數(shù)學(xué)理論》中提出了建立在概率統(tǒng)計(jì)模型上的信息度量。他把信息定義為“用來消除不確定性的東西”。
熵在信息論中的定義如下：
如果有一個(gè)系統(tǒng)S內(nèi)存在多個(gè)事件S = {E1,...,En}, 每個(gè)事件的機(jī)率分布 P = {p1, ..., pn}，則每個(gè)事件本身的訊息為
Ie = − log2pi
（對數(shù)以2為底，單位是位元(bit)）
Ie = − lnpi
（對數(shù)以e為底，單位是納特/nats）
如英語有26個(gè)字母，假如每個(gè)字母在文章中出現(xiàn)次數(shù)平均的話，每個(gè)字母的訊息量為
I_e = -\log_2 {1\over 26} = 4.7
；而漢字常用的有2500個(gè)，假如每個(gè)漢字在文章中出現(xiàn)次數(shù)平均的話，每個(gè)漢字的信息量為
I_e = -\log_2 {1\over 2500} = 11.3
整個(gè)系統(tǒng)的平均消息量為
H_s = \sum_{i=1}^n p_i I_e = -\sum_{i=1}^n p_i \log_2 p_i
這個(gè)平均消息量就是消息熵。因?yàn)楹蜔崃W(xué)中描述熱力學(xué)熵的玻耳茲曼公式形式一樣，所以也稱為“熵”。
如果兩個(gè)系統(tǒng)具有同樣大的消息量，如一篇用不同文字寫的同一文章，由于是所有元素消息量的加和，那么中文文章應(yīng)用的漢字就比英文文章使用的字母要少。所以漢字印刷的文章要比其他應(yīng)用總體數(shù)量少的字母印刷的文章要短。即使一個(gè)漢字占用兩個(gè)字母的空間，漢字印刷的文章也要比英文字母印刷的用紙少。
實(shí)際上每個(gè)字母和每個(gè)漢字在文章中出現(xiàn)的次數(shù)并不平均，因此實(shí)際數(shù)值并不如同上述，但上述計(jì)算是一個(gè)總體概念。使用書寫單元越多的文字，每個(gè)單元所包含的訊息量越大。
I(A)度量事件A發(fā)生所提供的信息量，稱之為事件A的自信息，P(A)為事件A發(fā)生的概率。如果一個(gè)隨機(jī)試驗(yàn)有N個(gè)可能的結(jié)果或一個(gè)隨機(jī)消息有N個(gè)可能值，若它們出現(xiàn)的概率分別為p1,p2,…，pN,則這些事件的自信息的和：[H=-SUM(pi*log(pi)),i=1,2…N]稱為熵。
共生矩陣用兩個(gè)位置的象素的聯(lián)合概率密度來定義，它不僅反映亮度的分布特性，也反映具有同樣亮度或接近亮度的象素之間的位置分布特性，是有關(guān)圖象亮度變化的二階統(tǒng)計(jì)特征。它是定義一組紋理特征的基礎(chǔ)。
一幅圖象的灰度共生矩陣能反映出圖象灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，它是分析圖象的局部模式和它們排列規(guī)則的基礎(chǔ)。
設(shè)f(x,y)為一幅二維數(shù)字圖象，其大小為M×N，灰度級(jí)別為Ng,則滿足一定空間關(guān)系的灰度共生矩陣為
P(i,j)=#｛(x1,y1),(x2,y2)∈M×N｜f(x1,y1)=i,f(x2,y2)=j｝
其中#(x)表示集合x中的元素個(gè)數(shù)，顯然P為Ng×Ng的矩陣，若(x1,y1)與(x2,y2)間距離為d,兩者與坐標(biāo)橫軸的夾角為θ，則可以得到各種間距及角度的灰度共生矩陣P(i,j,d,θ)。
紋理特征提取的一種有效方法是以灰度級(jí)的空間相關(guān)矩陣即共生矩陣為基礎(chǔ)的,因?yàn)閳D像中相距(Δx，Δy)的兩個(gè)灰度像素同時(shí)出現(xiàn)的聯(lián)合頻率分布可以用灰度 共生矩陣來表示。若將圖像的灰度級(jí)定為N級(jí)，那么共生矩陣為N×N矩陣，可表示為M(Δx，Δy)(h,k)，其中位于(h,k)的元素mhk的值表示一 個(gè)灰度為h而另一個(gè)灰度為k的兩個(gè)相距為(Δx，Δy)的像素對出現(xiàn)的次數(shù)。
對粗紋理的區(qū)域，其灰度共生矩陣的mhk值較集中于主對角線附近。因?yàn)閷τ诖旨y理，像素對趨于具有相同的灰度。而對于細(xì)紋理的區(qū)域，其灰度共生矩陣中的mhk值則散布在各處。
為了能更直觀地以共生矩陣描述紋理狀況，從共生矩陣導(dǎo)出一些反映矩陣狀況的參數(shù)，典型的有以下幾種:
（1）能量：是灰度共生矩陣元素值的平方和，所以也稱能量，反映了圖像灰度分布均勻程度和紋理粗細(xì)度。如果共生矩陣的所有值均相等，則ASM值小；相反， 如果其中一些值大而其它值小，則ASM值大。當(dāng)共生矩陣中元素集中分布時(shí)，此時(shí)ASM值大。ASM值大表明一種較均一和規(guī)則變化的紋理模式。
（2）對比度：反映了圖像的清晰度和紋理溝紋深淺的程度。紋理溝紋越深，其對比度越大，視覺效果越清晰；反之，對比度小，則溝紋淺，效果模糊。灰度差即對比度大的象素對越多，這個(gè)值越大。灰度公生矩陣中遠(yuǎn)離對角線的元素值越大，CON越大。
（3）相關(guān)：它度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性。當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就大； 相反，如果矩陣像元值相差很大則相關(guān)值小。如果圖像中有水平方向紋理，則水平方向矩陣的COR大于其余矩陣的COR值。
（4）熵：是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個(gè)隨機(jī)性的度量，當(dāng)共生矩陣中所有元素有最大的隨機(jī)性、空間共生矩陣中所有值幾乎相等時(shí)，共生矩陣中元素分散分布時(shí)，熵較大。它表示了圖像中紋理的非均勻程度或復(fù)雜程度。
（5）逆差距： 反映圖像紋理的同質(zhì)性，度量圖像紋理局部變化的多少。其值大則說明圖像紋理的不同區(qū)域間缺少變化，局部非常均勻。
其它參數(shù):中值<Mean>、協(xié)方差<Variance>、同質(zhì)性/逆差距<Homogeneity>、反差 <Contrast>、差異性<Dissimilarity>、熵<Entropy>、二階距< Angular Second Moment>、自相關(guān)<Correlation>
|
數(shù)據(jù)融合（data fusion）原理與方法 數(shù)據(jù)融合（data fusion）最早被應(yīng)用于軍事領(lǐng)域。 二、數(shù)據(jù)融合原理及過程 影像的空間配準(zhǔn)時(shí)遙感影像數(shù)據(jù)融合的前提空間配準(zhǔn)一般可分為以下步驟 : 2.數(shù)據(jù)融合 三、數(shù)據(jù)融合分類及方法 1.2 特征級(jí)融合 1.3 決策級(jí)融合 2 數(shù)據(jù)融合方法介紹 2.2 圖像回歸法（Image Regression） 2.3 主成分變換（PCT） 2.4 K-T變換 2.5 小波變換 2.6 IHS變換 2.7 貝葉斯（Bayes）估計(jì) 遙感數(shù)據(jù)融合存在問題及發(fā)展趨勢 |
因而，需要尋找一種比較客觀評(píng)價(jià)融合圖像效果的方法，使計(jì)算機(jī)能夠自動(dòng)選取適合當(dāng)前圖像的、效果最佳的算法。從而為不同場合下選擇不同較優(yōu)算法提供依據(jù)。
1客觀評(píng)價(jià)
1.1基于信息量的評(píng)價(jià)
1.1.1 熵[3]
圖像的熵是衡量圖像信息豐富程度的一個(gè)重要指標(biāo)。如果融合圖像的熵越大，說明融合圖像的信息量增加。
1.1.2交叉熵
交叉熵直接反映了兩幅圖像對應(yīng)像素的差異，是對兩幅圖像所含信息的相對衡量。
1.1.3相關(guān)熵（互信息）
相關(guān)熵（互信息）是信息論中的一個(gè)重要基本概念，它可作為兩個(gè)變量之間相關(guān)性的量度，或一個(gè)變量包含另一個(gè)變量的信息量的量度，因此，融合圖像與原始圖像的相關(guān)熵（互信息）越大越好。
1.1.4偏差熵
偏差熵反映了兩幅圖像像素偏差的程度，同時(shí)也反映了兩幅圖像信息量的偏差度，分別有：單一偏差熵、總體平方平均偏差熵、總體算術(shù)平均偏差熵、總體幾何平均偏差熵、總體調(diào)和平均偏差熵。
1.1.5聯(lián)合熵
聯(lián)合熵也是信息論中的一個(gè)重要基本概念，它可作為三幅圖像之間相關(guān)性的量度，同時(shí)也反映了三幅圖像之間的聯(lián)合信息，因此，融合圖像與原始圖像的聯(lián)合熵越大越好。
1.2基于統(tǒng)計(jì)特性的評(píng)價(jià)
1.2.1均值
1.2.2標(biāo)準(zhǔn)差
標(biāo)準(zhǔn)差反映了灰度相對于灰度均值的離散情況，標(biāo)準(zhǔn)差越大，則灰度級(jí)分布越分散，有標(biāo)準(zhǔn)差、對數(shù)標(biāo)準(zhǔn)差。
1.2.3偏差度
偏差度用來反映融合圖像與原始圖像在光譜信息上的匹配程度，如果偏差指數(shù)較小，則說明融合后的圖像R在提高空間分辨率的同時(shí)，較好地保留了F的光譜信息，有：絕對偏差度、相對偏差度。
1.2.4均方差
1.2.5平均等效視數(shù)
平均等效視數(shù)[8]可以用來衡量噪聲的抑制效果、邊緣的清晰度和圖像的保持性。
1.2.6 協(xié)方差
1.3基于信噪比的評(píng)價(jià)
圖像融合后去噪效果的評(píng)價(jià)原則為：（1）信息量是否提高；（2）噪聲是否得到抑制；（3）均勻區(qū)域噪聲的抑制是否得到加強(qiáng)；（4）邊緣信息是否得到保留；（5）圖像均值是否提高。因此可以從下面幾個(gè)方面評(píng)價(jià)。
1.3.1信噪比
1.3.2峰值信噪比
1.4基于梯度值的評(píng)價(jià)
1.4.1清晰度（平均梯度）
清晰度[11]反映圖像質(zhì)量的改進(jìn)，同時(shí)還反映出圖像中微小細(xì)節(jié)反差和紋理變換特征。
1.4.2 空間頻率
空間頻率反映了一幅圖像空間域的總體活躍程度。
1.7基于小波能量的評(píng)價(jià)[14~15]
對圖像進(jìn)行小波分解后，對小波系數(shù)處理，然后重構(gòu)得到融合圖像，這種方法融合圖像的效果評(píng)價(jià)可以采用小波系數(shù)平均能量的辦法。
2 評(píng)價(jià)指標(biāo)的選取
評(píng)價(jià)指標(biāo)的選取一般根據(jù)融合的目的選取，圖像融合的目的主要有以下幾個(gè)方面。
2.1 去噪
一般而言，從傳感器得到的圖像都是有噪圖像，而后續(xù)的圖像處理一般要求噪聲在一定范圍內(nèi)，因此，可以采用融合的方法來降低噪聲，提高信噪比。對于這種方法一般采用基于信噪比的評(píng)價(jià)。
2.2 提高分辨率
提高分辨率也是圖像融合的一個(gè)重要目的，有時(shí)從衛(wèi)星得到的紅外圖像的分辨率不高，這就要求用其它傳感器得到圖像（如光學(xué)圖像，合成孔徑圖像）與紅外圖像進(jìn)行融合來提高分辨率。對于這種方法的融合效果評(píng)價(jià)可采用基于統(tǒng)計(jì)特性及光譜信息的評(píng)價(jià)方法。
2.3 提高信息量
在傳輸圖像，圖像特征提取等方面需要提高信圖像的信息量。圖像融合是提高信息量的一個(gè)重要手段。對于融合圖像的信息量是否提高，我們可采用基于信息量的評(píng)價(jià)方法。
2.4 提高清晰度
在圖像處理中，往往需要在保持原有信息不丟失的情況下，提高圖像的質(zhì)量、增強(qiáng)圖像的細(xì)節(jié)信息和紋理特征、保持邊緣細(xì)節(jié)及能量，這對于一般的圖像增強(qiáng)很難辦到，因此需要采用圖像融合的辦法，這時(shí)，對融合效果的評(píng)價(jià)可采用基于梯度的方法及模糊積分的辦法和小波能量的評(píng)價(jià)方法.
2.5特殊要求
在有些方面融合的目的既不是提高信息量，也不是提高分辨率和降低噪聲。這就需要根據(jù)特殊的要求來加以衡量。
2.6定性描述
定性描述就是主觀評(píng)價(jià)法，也就是目測法。這種方法主觀性比較強(qiáng)，但對一些明顯的圖像信息進(jìn)行評(píng)價(jià)直觀、快捷、方便；對一些暫無較好客觀評(píng)價(jià)指標(biāo)的現(xiàn)象可以進(jìn)行定性的說明。其主要用于判斷融合圖像是否配準(zhǔn)，如果配準(zhǔn)不好，那么圖像就會(huì)出現(xiàn)重影，反過來通過圖像融合也可以檢查配準(zhǔn)精度；判斷色彩是否一致；判斷融合圖像整體亮度、色彩反差是否合適，是否有蒙霧或馬賽克現(xiàn)象；判斷融合圖像的清晰度是否降低，圖像邊緣是否清楚；判斷融合圖像紋理及色彩信息是否豐富，光譜與空間信息是否丟失等。
1、密碼的去除：
密碼的“去除”是指在已經(jīng)知道密碼的情況下去除密碼。
方法是：進(jìn)入BIOS設(shè)置畫面，選擇已經(jīng)設(shè)置密碼的“SUPERVISOR PASSWORD”或“USER PASSWORD”，回車后，出現(xiàn)“Enter Password”時(shí)，不要輸入密碼，直接按回車鍵。此時(shí)屏幕出現(xiàn)提示：
“ PASSWORD DISABLED ！！！（去除密碼！！！）
Press any key to continue……（按任意鍵繼續(xù)……）”
按任意鍵后退出保存，密碼便被去除。
2、密碼的破解：
密碼的“破解”是指在忘記密碼，無法進(jìn)入BIOS設(shè)置或無法進(jìn)入操作系統(tǒng)的情況下破解密碼。方法如下：
（1）程序破解法：
此法適用于可進(jìn)入操作系統(tǒng)，但無法進(jìn)入BIOS設(shè)置（要求輸入密碼）。具體方法是：將計(jì)算機(jī)切換到DOS狀態(tài)，在提示符“C：WINDOWS〉”后面輸入以下破解程序：
debug
- O 70 10
- O 71 ff
- q
再用exit命令退出DOS，密碼即被破解。因BIOS版本不同，有時(shí)此程序無法破解時(shí)，可采用另一個(gè)與之類似的程序來破解：
debug
- O 71 20
- O 70 21
- q
用exit命令退出DOS，重新啟動(dòng)并按住Del鍵進(jìn)入BIOS，此時(shí)你會(huì)發(fā)現(xiàn)已經(jīng)沒有密碼擋你的道了！
（2）放電法：
當(dāng)“BIOS設(shè)置”和“操作系統(tǒng)”均無法進(jìn)入時(shí)，便不能切換到DOS方式用程序來破解密碼。此時(shí)，只有采用放電法。放電法有兩種：一種是“跳線放電法”??拆開主機(jī)箱，在主板上找到一個(gè)與COMS有關(guān)的跳線（參考主板說明書），此跳線平時(shí)插在1-2的針腳上，只要將它插在2-3的針腳上，然后再放回1-2針腳即可清除密碼。另一種是“COMS電池放電法”?? 拆開主機(jī)箱，在主板上找到一粒鈕扣式的電池，叫CMOS電池（用于BIOS的單獨(dú)供電，保證BIOS的設(shè)置不因計(jì)算機(jī)的斷電而丟失），取出COMS電池，等待5分鐘后放回電池，密碼即可解除。但此時(shí)BIOS的密碼不論如何設(shè)置，用萬能密碼均可進(jìn)入BIOS設(shè)置和操作系統(tǒng)。當(dāng)然，自己設(shè)置的密碼同樣可以使用。 BIOS中的其他設(shè)置將恢復(fù)到原來狀態(tài)，要優(yōu)化計(jì)算機(jī)性能或解決硬件沖突需要重新設(shè)置。
（3）萬能密碼：
生產(chǎn)較早的某些主板，廠家設(shè)有萬能密碼（參考主板說明書），如：以6個(gè)“*”作為萬能密碼。這種主板，BIOS的密碼不論如何設(shè)置，用萬能密碼均可進(jìn)入BIOS設(shè)置和操作系統(tǒng)。當(dāng)然，自己設(shè)置的密碼同樣可以使用。
USB啟動(dòng)盤越來越流行了。因?yàn)橐恍┹p便的筆記本，根本就沒有光驅(qū)。帶U盤比帶光盤還是方便一點(diǎn)。
本文關(guān)注windows啟動(dòng)盤的制作，以windows 7 iso為例。首先，準(zhǔn)備一個(gè)win7.iso，是win7的安裝盤鏡像。該鏡像可以在微軟的在線 store買到。另外，準(zhǔn)備一個(gè)不低于4G的空U盤，格式化為FAT32。
以下是一些可行的辦法。但USB的安裝盤還是可能會(huì)有莫名其妙的錯(cuò)誤。需要多嘗試。
1.使用Windows 7 USB/DVD Download Tool
這個(gè)號(hào)稱是傻瓜工具，但我試用時(shí)發(fā)現(xiàn)并不那么好用。
相關(guān)信息：http://store.microsoft.com/Help/ISO-Tool
下載頁面：http://images2.store.microsoft.com/prod/clustera/framework/w7udt/1.0/en-us/Windows7-USB-DVD-tool.exe
安裝usb tool時(shí)，提示缺Image Mastering API v2.0 (IMAPIv2.0) for Windows XP (KB932716)，中文名
Windows XP 的映像控制 API v2.0 (IMAPIv2.0) (KB932716)。下載頁面：http://www.microsoft.com/downloads/details.aspx?FamilyID=b5f726f1-4ace-455d-bad7-abc4dd2f147b&displayLang=zh-cn
不過需要正版驗(yàn)證。
可能還需要.net 2.0 以上的framework.下載：http://www.microsoft.com/downloads/details.aspx?FamilyID=0856EACB-4362-4B0D-8EDD-AAB15C5E04F5&displaylang=en
但我在使用Windows 7 USB/DVD Download Tool 時(shí)，報(bào)錯(cuò)：
the selected file is not a valid iso file windows 7 usb，please select a valid ISO file and try again。
因?yàn)槲业氖侵苯涌降膚in7.iso。據(jù)成功的反應(yīng)，如果是購買的微軟的iso則拷貝到U盤和DVD都沒有問題。
很多人遇到此問題，有人提出了解決辦法，在這里（英文）。他提供了一個(gè)工具。直接在cmd下面執(zhí)行isoavdpcopy iso_file.
也有人用如下的方法創(chuàng)建win7 usb tool兼容的iso：
oscdimg -lWindows_7 -u2 -bC:\DVD_Data\Boot\etfsboot.com C:\DVD_Data C:\Win7.iso
說明：http://technet.microsoft.com/en-us/library/cc749036%28WS.10%29.aspx
2. 使用ms-diskpart
假如U盤為F：
先將U盤格式化為NTFS。
要將U盤格式為NTFS，必須在U盤的屬性的策略里，將其改為“為提高性能而優(yōu)化”
FORMAT F: /FS NTFS
DISKPART
LIST DISK
SELECT DISK x (x是上一個(gè)命令的#編號(hào)）
SELECT PARTITION 1
ACTIVE
EXIT
但我使用時(shí)，發(fā)現(xiàn)list disk沒有U盤。
C:\>DISKPART
Microsoft DiskPart 版本 5.1.3565
版權(quán)所有 (C) 1999-2003 Microsoft Corporation.
位于計(jì)算機(jī): ZHOU-HAI-HAN
DISKPART> list disk
磁盤 ### 狀態(tài) 大小 可用 動(dòng)態(tài) Gpt
-------- ---------- ------- ------- --- ---
磁盤 0 聯(lián)機(jī) 233 GB 0 B
DISKPART> select disk 0
磁盤 0 現(xiàn)在是所選磁盤。
DISKPART>
解決辦法：
用Lexar Bootit工具將U盤改為固定硬盤(fix disk)。
再將win7.iso用daemon等虛擬光驅(qū)掛載，如掛在Z：盤
z:
CD \BOOT
BOOTSECT /NT60 F:
XCOPY Z:\ F:\ /S/E
3.ultraiso
用ultraiso premium 9.3.3以上版本打開win7.iso
從啟動(dòng)菜單點(diǎn)“寫入硬盤映像”，硬盤選中U盤。（Bootable” 與 “Write Disk Image”.）
4.poweriso(完全版)
打開菜單“文件”，“屬性”，check UDF，點(diǎn)Ok。保存即可。
5. 使用7-zip
USB格式化為fat32
用7-zip將win7.iso解壓到USB盤，即可啟動(dòng)。
6.ubuntu (or ubuntu live cd)
1. sudo fdisk -l （U盤：/dev/sdb (盤), /dev/sdb1 (分區(qū))）
2. sudo dd if=/dev/zero of=/dev/sdb/ bs=1M count=1
3. sudo blockdev --rereadpt /dev/sdb
4. usb-creator-gtk
在圖形界面選好win7.iso或dvd，生成U盤啟動(dòng)盤。
7.將usb盤燒成usb-cdrom,usb-hdd
下載芯片精靈，查看U盤芯片，記下vid，pid
下載相應(yīng)的芯片的usb量產(chǎn)工具，設(shè)置相應(yīng)參數(shù)，指定win7.iso
量產(chǎn)。
這個(gè)看似比較有前途，不過目前我沒有成功。
網(wǎng)上有相應(yīng)圖文教程。
以上的方法，我只有部分驗(yàn)證，只提供一下思路。每一個(gè)人的情況不一樣，不打包票成功。
您可以復(fù)制地址到瀏覽器或者迅雷等下載工具中下載此工具。
Windows 7 USB/DVD 啟動(dòng)盤制作方法：
1.安裝下載到的 Windows7-USB-DVD-Download-Tool-Installer-en-US.exe 到本地硬盤。下載Windows 7 安裝ISO文件，這個(gè)我相信大家都下的到。
2.插入您要制作的U盤，從程序啟動(dòng)Windows 7 USB/DVD Download Tool ，啟動(dòng)后程序后提示，選擇ISO文件，選擇您需要制作的Windows 7 ISO版本即可（旗艦版或者專業(yè)版等），然后點(diǎn)擊NEXT之后會(huì)讓您選擇設(shè)備，選擇USB即可，如果沒有識(shí)別出您的設(shè)備，點(diǎn)擊刷新。選擇之后一路NEXT(這個(gè)工具只有4步） ，等待三五分鐘之后，您的USB就變成一個(gè)可啟動(dòng)的USB安裝盤了，是不是很簡單？
3.制作成功之后您會(huì)發(fā)現(xiàn)您的U盤的圖標(biāo)會(huì)變成一個(gè)Windows 7 系統(tǒng)安裝盤的圖標(biāo)，U盤標(biāo)識(shí)也變成了DT Vivid
PS：
1.您需要的有1個(gè)4G的U盤，一個(gè)WIN7 ISO鏡像文件。
2.XP系統(tǒng)需要安裝 Microsoft .NET Framework v2 和 Microsoft Image Mastering API v2 才能制作這個(gè)U盤啟動(dòng)盤
這里是微軟官方說明：http://store.microsoft.com/Help/ISO-Tool
asp.net中runat="server" 的作用
ruant="server"表示這個(gè)控件是在服務(wù)器端運(yùn)行的，說簡單點(diǎn)就是你可以在.cs后臺(tái)代碼里引用到這個(gè)控件。
asp.net的控件都是以ruant="server"為基礎(chǔ)的
<asp:TextBox..>與<input type=text..>區(qū)別
<asp:TextBox...>是服務(wù)器控件
<input type=text...>是客戶端控件
在JS里調(diào)用沒必要用服務(wù)器控件
<asp:TextBox....>這種寫法是你添加了一個(gè)asp.net的組件TestBox， <input type=text ...>這種寫法是你添加了一個(gè)客戶端的控件， <input>是Html的標(biāo)記，你寫的函數(shù)是在客戶端找textid
其實(shí)就是被微軟給封裝了一下！其它的沒有什么不同的！在服務(wù)器端運(yùn)行的控件在客房端顯示的ＩＤ是不可預(yù)測的！所果要用其ＩＤ寫clicentid才可以！
<asp:TextBox...> 最終還是解析為 <input type=text...> HTML
趕緊搞清楚asp.net的機(jī)理
<asp:textbox>在頁面的生命周期的最后一步是要render成html <input>的
因?yàn)闉g覽器只解析html語言的元素
只要你保證render后的html元素的id對應(yīng)就可以