陳永明等

摘要：研究陸地生態(tài)系統(tǒng)生境信息感知技術，對于分析陸地生物生存環(huán)境和預測陸地生態(tài)系統(tǒng)生境變化具有重要意義。介紹了傳統(tǒng)的基于視域和認知域的陸地生態(tài)系統(tǒng)生境信息感知技術研究現(xiàn)狀，綜述了近期探索性的視域與認知域關聯(lián)的陸地生態(tài)系統(tǒng)生境感知技術研究現(xiàn)狀，探討了前沿的跨媒體感知技術被用于陸地生態(tài)系統(tǒng)生境信息交互感知研究的可行性，分析了上述相關感知技術存在的局限性，對陸地生態(tài)系統(tǒng)生境信息感知關鍵技術研究進行了展望。

關鍵詞：陸地生態(tài)系統(tǒng)；生境信息；感知技術

中圖分類號：Q948 文獻標識碼：A 文章編號：0439-8114（2015）17-4117-05

DOI：10.14088/j.cnki.issn0439-8114.2015.17.002

陸地生態(tài)系統(tǒng)為人類以及其他大量生物創(chuàng)造了生存條件和提供了物質基礎，陸地生態(tài)環(huán)境也成為人類和其他大量生物主要賴以生存的生態(tài)環(huán)境[1-3]。然而，目前陸地生態(tài)系統(tǒng)卻不斷遭到破壞，例如：過度砍伐森林資源，過度草場放牧，不合理的工業(yè)、城市布局和用地，這些行為導致全球植被面積劇烈減少，許多天然綠色植物和生物物種大量消失，各地區(qū)不斷出現(xiàn)極端厄爾尼諾現(xiàn)象，生物系統(tǒng)的多樣性和生態(tài)系統(tǒng)的平衡被嚴重破壞，全球氣候變暖、水旱災害頻發(fā)，進一步引發(fā)全球性的陸地生態(tài)系統(tǒng)的退化和區(qū)域性變異等現(xiàn)象，這些現(xiàn)象都已經(jīng)嚴重威脅到人類和其他各種陸地生物的生存[4-6]。

這些問題的產(chǎn)生很大程度上是由于陸地生態(tài)系統(tǒng)生境的多樣性和復雜性，導致人們無法宏觀準確理解陸地生態(tài)系統(tǒng)生境所處的各種狀態(tài)及內(nèi)部成分相互作用機制，無法清晰地認識自身在進行陸地生態(tài)資源利用過程中過度的行為帶來的破壞性影響。陸地生態(tài)系統(tǒng)生境信息交互感知研究為解決這一問題提供了一種新的途徑，該研究可以被用于深入理解陸地生態(tài)系統(tǒng)變化和其內(nèi)部成分作用機理，進而可以被用于解釋和預測生態(tài)環(huán)境變化，估計生態(tài)系統(tǒng)產(chǎn)生的價值，進而指導人類合理利用陸地生態(tài)資源，從而保護陸地生態(tài)系統(tǒng)。由此可見，這項研究工作的展開，將對維持陸地生態(tài)系統(tǒng)平衡，保持陸地生態(tài)系統(tǒng)可持續(xù)發(fā)展，保護人類和其他大量生物賴以生存的環(huán)境起重要的作用，因此研究具有重要的現(xiàn)實意義[7-11]。

1 國內(nèi)外研究現(xiàn)狀

1.1 基于視域的感知研究

基于視域的陸地生態(tài)系統(tǒng)生境信息感知主要借助于衛(wèi)星、飛行器、雷達等的裝備捕獲大范圍陸地生態(tài)系統(tǒng)影像，宏觀上感知陸地上各種地形、植物等的形態(tài)與分布。

目前，基于視域的陸地生態(tài)系統(tǒng)生境感知仍然是國際學術社會研究的重點：龐立東等[12]結合遙感影像信息和地理圖件建立草原區(qū)景觀生態(tài)分類模型，并用來判別西烏珠穆沁草原生態(tài)系統(tǒng)景觀類型。楊浩等[13]利用雷達極化指數(shù)監(jiān)測小麥倒伏的方法，并使用內(nèi)蒙古額爾古納市上庫力農(nóng)場春小麥抽穗灌漿期的數(shù)據(jù)對提出方法進行驗證，結果表明該方法能有效辨識和監(jiān)測小麥倒伏狀況。Johansen等[14]使用QuickBird衛(wèi)星影像數(shù)據(jù)光譜和紋理來感知河岸及其周邊的森林生態(tài)系統(tǒng)植被結構狀態(tài)。Mathieu等[15]結合用面向對象分類方法和超高分辨率多光譜Ikonons影像來了解新西蘭達尼爾城市生態(tài)系統(tǒng)特征和園林生態(tài)系統(tǒng)的多樣性。Antonarakis等[16]利用遙感技術和波形激光雷達對森林冠層結構和組成空間進行綜合估計，可以提高陸地生態(tài)環(huán)境模型碳通量預測的準確度。

從上述相關的研究中可以看出，基于視域的陸地生態(tài)系統(tǒng)感知技術宏觀上探測了陸地生態(tài)系統(tǒng)的各種狀態(tài)與變化屬性，一定程度上揭示了陸地生態(tài)系統(tǒng)內(nèi)部成分之間的關聯(lián)性，但要從影像中獲取有效信息還必須借助圖像處理、模式識別、機器學習等其他學科的知識才能實現(xiàn)，然而目前的這些計算技術手段受本身發(fā)展的限制，還無法將圖像中有效信息完整表達。另外，圖像數(shù)據(jù)往往反映陸地生態(tài)系統(tǒng)生境的具體形態(tài)，而具體形態(tài)無法揭示物理細節(jié)成分之間相互作用機理，因此要全面認識陸地生態(tài)系統(tǒng)還必須借助其他技術手段。

1.2 基于認知域的感知研究

多數(shù)時刻所描述的生態(tài)系統(tǒng)內(nèi)部成分之間聯(lián)系的有效手段是借助語料知識表達，針對此項研究，國內(nèi)外學者也積極開展了相關研究：文健等[17]將生物類文檔用本體庫中的概率來表達，數(shù)據(jù)集的主題用聚類結果的輸出表示，并用期望最大化算法計算主題產(chǎn)生項的概率實現(xiàn)生物文獻檢索。孫敏等[18]利用模糊數(shù)學和評估學中多比例法將診斷知識數(shù)值化，將“對象-屬性-值三元組法”與產(chǎn)生式規(guī)則相結合對知識推理模型進行了優(yōu)化，最終實現(xiàn)對果菜病害診斷知識有效表達。陳葉旺等[19]通過獲取用戶輸入的農(nóng)業(yè)信息語言，計算詞匯與本體知識之間的關聯(lián)程度建立詞匯到知識的映射關系，實現(xiàn)本體知識與數(shù)據(jù)庫文檔關聯(lián)，從而實現(xiàn)基于文檔的農(nóng)業(yè)信息感知。陳燕紅等[20]提出一種基于隨機索引語義空間和隱語義空間的農(nóng)業(yè)信息檢索模型，實驗使用了120萬張中文網(wǎng)頁和2 000張分為4類的小規(guī)模中文農(nóng)業(yè)網(wǎng)頁進行了驗證。Sun等[21]研究了知識表示和描述、知識鏈、知識轉化的方法和知識檢索和集成的關鍵技術，建立了農(nóng)業(yè)知識語義檢索原型系統(tǒng)。Chen[22]用實現(xiàn)了農(nóng)業(yè)知識本體庫語義標注、推理和檢索，并給出了知識表示和評估，建立的系統(tǒng)和框架可以用于管理農(nóng)業(yè)本體論知識。Zeng等[23]針對性解決農(nóng)業(yè)生產(chǎn)的問題，建立了自動知識問答推薦系統(tǒng)，在一定程度上可以針對農(nóng)民知識問題進行解答。

從上述的基于自然語言處理的陸地生態(tài)系統(tǒng)語義信息的相關研究中可以看出，通過借助自然語言處理算法和機器學習相關算法構成的智能系統(tǒng)，實現(xiàn)了生態(tài)系統(tǒng)文檔知識自動推理和分類功能，但目前該項研究主要還是遵循進行文本特征提取、文本建模和文本分類識別的研究方向。陸地生態(tài)系統(tǒng)知識表達雖然在一定程度上對生態(tài)系統(tǒng)特征進行了補充，但是目前并沒有將文本特征與其他生態(tài)特征交互使用，研究手段與研究領域相對還比較單一。

1.3 視域與認知域關聯(lián)感知研究

目前，國際上使用機器視覺技術和自然語言處理技術對陸地生態(tài)系統(tǒng)感知的研究方向基本趨于平行，即兩個研究之間基本沒有建立交集。從圖像和文本提取的特征僅僅輸入自身的模型進行推理和分類，沒有實現(xiàn)信息之間的傳遞和共享。研究方向的單一性使得目前相應的研究技術無法對生態(tài)系統(tǒng)進行全面、精準的表達。為使生態(tài)系統(tǒng)信息得以最大限度地挖掘和精確地感知，近幾年國內(nèi)外學者開展了相關方面的探索性研究，并提出了交互感知的研究設想（圖1）。

Liu等[24]分析了地理信息空間屬性和非空間屬性的語義關系，提出了描述地理信息的空間關系屬性關系圖，并利用地理本體的生成算法建立地理本體實例，在大連灣土地利用上進行了驗證。Zhu等[25]提出了基于用戶需求的遙感圖像檢索系統(tǒng)，建立了用戶的衛(wèi)星圖像和其自然語言描述需求之間的聯(lián)系，自然語言處理和語義推理用于生成的用戶語義需求模型，由本體、規(guī)則和詞典知識數(shù)據(jù)庫開發(fā)出來，以支持自然語言處理和語義推理，從而獲得遙感影像。Liu和Zhu的研究雖然應用了自然語言處理獲得圖像信息，但是并沒有交互使用語料特征信息與圖像特征信息，而是利用自然語言得到了陸地生態(tài)系統(tǒng)生境的圖像標簽，說明他們的主要研究工作解決的還是自然語言分類問題。Vogel等[26]將自然場景語義建模方法用于基于內(nèi)容的圖像檢索，在圖像局部區(qū)域提取水、巖石或樹葉等的語義概念類，并用這些地方出現(xiàn)的頻率來表示圖像，試驗結果證明該方法適合于異質場景類別的語義內(nèi)容建模、圖像分類與檢索。Jamil等[27]介紹使用圖語義相似法訪問和測量自然場景的相似性，該方法是基于語義的概念和邊緣檢測的自適應圖像分類，該方法學習的語義概念，如水、草、天空和樹木等的概念共生矢量圖像信息，這些信息被用于構建圖像，并用連接邊緣之間來解釋相似性。孫顯等[28]將自然場景圖像以語義概率進行分解，分別提取每幅圖像的特征進行空間金字塔匹配，構建包含層次數(shù)據(jù)和語義信息的中間向量，運用判別式學習方法對語義對象進行識別。通過分析Vogel、Jamil和孫顯等的研究工作可以看出：雖然多詞匯語義的概念被運用于自然場景圖像的分類研究中，但是這些研究并沒有將圖像特征與文檔特征進行交互，而僅僅提取了圖像底層特征，然后根據(jù)底層圖像特征對應的詞匯標簽進行分類，說明他們的研究工作還是在圖像特征識別范疇。

1.4 跨媒體感知研究

雖然國際社會近期已經(jīng)開始探索建立異構生態(tài)特征之間的聯(lián)系和合理使用異構生態(tài)環(huán)境信息，但受到研究理論體系、研究方法和研究技術手段等諸多方面的限制，多源異構陸地生態(tài)系統(tǒng)生境信息交互感知技術的研究還處在萌芽狀態(tài)，許多研究工作還無法完全展開。近年來隨著子空間分析技術、語義關聯(lián)技術[11]發(fā)展，建立異構感知數(shù)據(jù)之間的聯(lián)系成為了可能，這有助于充分利用異構信息，增強對陸地生態(tài)系統(tǒng)生境信息的感知能力。

目前國際上可供借鑒的技術是先進的互聯(lián)網(wǎng)跨媒體檢索技術。互聯(lián)網(wǎng)跨媒體檢索技術是近幾年發(fā)展起來的一項研究不同模態(tài)多媒體特征之間聯(lián)系和轉換的技術，該研究在互聯(lián)網(wǎng)檢索技術研究中還是一個較新的研究方向，由于該技術能提升搜索引擎的理解性能，因而被認為是很有價值和前景的研究領域[29-32]，多媒體國際學術社區(qū)近期開展了相關理論和方法方面的探討：胡濤等[33]提出用Ontology方式來組織多媒體信息，并分析音頻和圖像之間的內(nèi)容和語義，在語義層次實現(xiàn)媒體之間的跨越。楊易等[34]利用多媒體對象的共生關系信息、不同模態(tài)多媒體對象的互補信息和偽相關反饋信息來實現(xiàn)多媒體語義信息的檢索。

典型相關分析也被運用于多媒體檢索技術的研究，它通過對偶綜合變量之間的相關性聯(lián)合降維的方法，將不同模態(tài)的數(shù)據(jù)降到相同的維數(shù)關聯(lián)子空間，然后在恒等子空間內(nèi)直接進行信息交互[35，36]；后續(xù)還提出了一些與典型相關分析組合的模型，如典型相關分析+高斯混合模型、典型相關分析+多分類Logistic回歸模型等，來建立不同模態(tài)媒體在語義層面上的聯(lián)系[37，38]。

從上述相關的互聯(lián)網(wǎng)跨媒體研究中可以看出，語義關聯(lián)技術一定程度上建立了互聯(lián)網(wǎng)上異質媒體之間的底層特征之間的聯(lián)系，通過建立高層語義映射模型，實現(xiàn)了異構信息在異構模型之間的傳遞，從而完成了異構媒體之間的交互表達。

雖然互聯(lián)網(wǎng)異構媒體檢索研究技術和方法為開展多源異構陸地生態(tài)系統(tǒng)生境信息交互感知研究開辟了新的研究方向和提供了新的思路，但是目前研究理論基礎不完善，該項研究還僅僅從多媒體檢索實現(xiàn)的可行性層面上進行探討，也沒有針對特定的領域具體對象開展研究，因此相關的研究方法和技術路線并不能直接運用于陸地生態(tài)系統(tǒng)信息的交互感知研究中，例如，其沒有針對陸地生態(tài)影像特征和生態(tài)語料特征的提取方法，用互聯(lián)網(wǎng)異構媒體檢索技術特征提取方法獲得的影像或語料特征并不能完全表征陸地生態(tài)系統(tǒng)特性，這時必須借助生態(tài)學相關知識對提取到的特征進行分析和篩選，進而才能作為語義抽象模型輸入，否則這些不相關的特征將會作為噪聲引入系統(tǒng)模型，并且噪聲的影響將會在交互感知中倍增，反而會降低系統(tǒng)的感知性能。

目前，互聯(lián)網(wǎng)異構媒體檢索研究技術在建立子空間映射關系時，主要還是運用典型相關分析方法建立異構媒體之間的語義關系，只是運用了子空間映射的特殊情況，并沒有考慮子空間映射的真實映射關系，因此特征在該模型間傳遞的過程中一般存在信息泄露的問題[37-40]，生態(tài)特征信息在其中的傳遞過程中效果如何還無法把握，這都需要進一步開展針對性的理論和方法研究才能最終建立合適的感知模型。

2 結論

第一，傳統(tǒng)的的基于視域或認知域的陸地生態(tài)系統(tǒng)感知空間被制約于各自有限的生態(tài)數(shù)據(jù)空間中，信息之間無法交互，因此傳統(tǒng)的感知技術無法充分揭示陸地生態(tài)系統(tǒng)生境內(nèi)部成分相互成分作用機理。

第二，近期探索性的視域與認知域關聯(lián)的陸地生態(tài)系統(tǒng)生境感知研究雖然將多詞匯語義的概念運用于自然場景圖像的分類研究中，但是這些研究并沒有將圖像特征與文檔特征進行交互，而僅僅提取了圖像底層特征，然后根據(jù)底層圖像特征對應的詞匯標簽進行分類，因此他們的研究方法屬于圖像分類范疇，也無法準確地刻畫陸地生態(tài)系統(tǒng)生境的具體形態(tài)。

第三，目前跨媒體感技術只是運用了子空間映射的特殊情況，并沒有深入探究子空間的映射結構關系，特征信息在模型間傳遞的過程中容易發(fā)生泄露，陸地生態(tài)特征信息在交互感知模型中傳遞的效果還沒有被驗證，交互陸地生態(tài)系統(tǒng)生境信息感知模型還沒有被建立。因此，如何抑制跨媒體感知技術的異構信息傳遞泄露問題，并將改進后的跨媒體感知技術運用到陸地生態(tài)系統(tǒng)生境信息感知機理研究中，提升陸地生態(tài)系統(tǒng)生境信息感知算法的總體性能，是將來陸地生態(tài)系統(tǒng)生境信息感知技術研究的發(fā)展方向和熱點。

參考文獻：

[1] WARDLE D A， BARDGETT R D， CALLAWAY R M， et al. Terrestrial ecosystem responses to species gains and losses[J]. Science，2011，332（6035）：1273-1277.

[2] 賴日文，劉 健， 汪 琴.閩江流域生態(tài)公益林林型對水源涵養(yǎng)的影響[J].西北農(nóng)林科技大學學報（自然科學版），2014，42（10）：111-118.

[3] YIN R S， YIN G P. Chinas primary programs of terrestrial ecosystem restoration： initiation， implementation，and challenges[J].Environmental Management，2010，45：429-441.

[4] 翟治芬，嚴昌榮，張建華.氣候變化背景下農(nóng)業(yè)技術適宜性研究[J].中國農(nóng)業(yè)大學學報，2015（1）：185-194.

[5] 牛 棟，李正泉，于貴瑞.陸地生態(tài)系統(tǒng)與全球變化的聯(lián)網(wǎng)觀測研究進展[J].地球科學進展，2006，21（11）：1119-1206.

[6] RUSTAD L E. The response of terrestrial ecosystems to global climate change： towards an integrated approach[J]. Science of the Total Environment，2008.404（2-3）：222-235.

[7] HEIMANN M， REICHSTEIN M. Terrestrial ecosystem carbon dynamics and climate feedbacks[J]. Nature，2008，451：289-292.

[8] 蘇宏新，馬克平.生物多樣性和生態(tài)系統(tǒng)功能對全球變化的響應與適應：進展與展望[J].自然雜志，2010，32（6）：344-352.

[9] 胡 楠，范玉龍，丁圣彥，等.陸地生態(tài)系統(tǒng)植物功能群研究進展[J].生態(tài)學報，2008，28（7）：3302-3311.

[10] 武建雙，沈振西，張憲洲.藏北高原草地生態(tài)系統(tǒng)研究進展[J]. 農(nóng)業(yè)科學與技術，2009，10（3）：148-152.

[11] BRENT R， BRUCK J. 2020 computing： can computers help to explain biology[J]. Nature，2006，440：416-417.

[12] 龐立東，劉桂香，劉建強.遙感與GIS技術在草地景觀分類與制圖中的應用——以西烏珠穆沁為例[J].內(nèi)蒙古農(nóng)業(yè)大學學報（自然科學版），2010，31（2）：304-309.

[13] 楊 浩，楊貴軍，顧曉鶴，等.小麥倒伏的雷達極化特征及其遙感監(jiān)測[J]. 農(nóng)業(yè)工程學報，2014，30（7）：1-8.

[14] JOHANSEN K， COOPS C N， GERGEL S E， et al. Application of high spatial resolution satellite imagery for riparian and forest ecosystem classification[J]. Remote Sensing of Environment， 2007， 110： 29-44.

[15] MATHIEU R， FREEMAN C， ARYAL J. Mapping private gardens in urban areas using object-oriented techniques and very high-resolution satellite imagery[J]. Landscape and Urban Planning， 2007， 81： 179-192.

[16] ANTONARAKIS A S， MUNGER J W， MOORCROFT P R. Imaging spectroscopy and Lidar-derived estimates of canopy composition and structure to improve predictions of forest carbon fluxes and ecosystem dynamics[J]. Geophysical Research Letters，2014，DOI：10.1002/2013GL058373.

[17] 文 健，李舟軍.基于聚類語言模型的生物文獻檢索技術研究[J].中文信息學報，2008，22（1）：61-66.

[18] 孫 敏，羅衛(wèi)紅，相 林，等.設施果菜病害診斷的知識表達與推理模型[J].農(nóng)業(yè)工程學報，2012，28（17）：149-156

[19] 陳葉旺，李海波，余金山. 一種基于農(nóng)業(yè)領域本體的語義檢索模型[J].華僑大學學報（自然科學版），2012，33（1）： 27-32.

[20] 陳燕紅，張?zhí)t，馮向萍，等.基于雙重語義空間的農(nóng)業(yè)信息檢索模型研究[J].新疆農(nóng)業(yè)大學學報，2012，35（3）：253-258.

[21] SUN X， ZHU H J， GU J Q， et al. Research on the semantic web-based technology of knowledge integration for agricultural production[A]. CHEN Y X. Proceedings of the 6th International Conference on Fuzzy Systems and Knowledge Discovery[C]. LOS ALAMITOS：IEEE Computer Scoiety，2009. 361-366.

[22] CHEN H Y. Study of agricultural knowledge service system model based on semantic web[A]. ZHOU Q H. International Forum on Information Technology and Applications[C]. LOS ALAMITOS： IEEE Computer Scoiety，2010， 1： 381-383.

[23] ZENG Q， LIANG Z， NI W， et al. OAPRS： An Online Agriculture Prescription Recommendation System[M]. Berlin： Springer， 2014.

[24] LIU W， GU H H， PENG C M， et al. Ontology-based retrieval of geographic information[A]. LIU Y. Proceedings of the 18th International Conference on Geoinformatics[C]. LOS ALAMITOS： IEEE Computer Scoiety. 2010. 1-6.

[25] ZHU X Y， LI M， GUO W， et al. Semantic-based user demand modeling for remote sensing images retrieval[A]. MOREIA A. IEEE International Geoscience and Remote Sensing Symposium[C]. LOS ALAMITOS： IEEE Computer Scoiety， 2012.2902-2905.

[26] VOGEL J， SCHIELE B. Semantic modeling of natural scenes for content-based image retrieval[J]. International Journal of Computer Vision， 2007， 72（2）： 133-157.

[27] JAMIL N， KANG S. Natural scene retrieval based on graph semantic similarity for adaptive scene classification[J]. Lecture Notes in Computer Science， 2009， 5796： 676-684.

[28] 孫 顯，付 琨，王宏琦.基于空間語義對象混合學習的復雜圖像場景自動分類方法研究[J].電子與信息學報，2011，33（2）：347-353.

[29] ALEXANDER G H， MICHAEL G C. Successful approaches in the TREC video retrieval evaluations[A]. SCHULZRINNE H. Proceedings of the 12th Annual ACM International Conference on Multimedia[C]. New York： Association for Computing Machinery，2004.668-675.

[30] DATTA R， JOSHI D， LI J， et al. Image retrieval： ideas， influences， and trends of the new age[J]. ACM Computing Surveys，2008：40（2）：1-60.

[31] LIU J， XU C S， LU H Q. Cross-media retrieval： state-of-the-art and open issues[J]. International Journal Multimedia Intelligence and Security， 2010， 1（1）： 33-52.

[32] 吳 飛，莊越挺.互聯(lián)網(wǎng)跨媒體分析與檢索：理論與算法[J].計算機輔助設計與圖形學學報，2010，22（1）：1-9.

[33] 胡 濤，武港山，任桐煒，等.基于Ontology的跨媒體檢索技術[J].計算機工程，2009，35（8）：266-268.

[34] 楊 易，郭同強，莊越挺，等.基于綜合推理的多媒體語義挖掘和跨媒體檢索[J].計算機輔助設計與圖形學學報，2009， 21（9）：1307-1314.

[35] ZHANG H，MENG F L.Multi-modal correlation modeling and ranking for retrieval[J]. Lecture Notes in Computer Science， 2009， 5879： 637-646.

[36] OHKUSHI H， OGAWA T， HASEYAMA M. Kernel CCA-Based music recommendation according to human motion robust to temporal expansion[A]. MASAO M. International Symposium on Communications and Information Technologies[C]. Los Alamitos：IEEE Computer Scoiety，2010.1030-1034.

[37] RASIWASIA N， MORENO P， VASCONCELOS N. Bridging the gap： query by semantic example[J]. IEEE Transactions on Multimedia， 2007， 9（5）： 923-938.

[38] RASIWASIA N， PEREIRA J C， COVIELLO E， et al. A new approach to cross-modal multimedia retrieval[A]. SCHULZRINNE H. ACM Proceedings of the 18th International Conference on Multimedia[C]. New York： Association for Computing Machinery， 2010.251-260.

[39] CHEN Y M， WANG L， WANG W， et al. Continuum regression for cross-modal multimedia retrieval[A]. ELI S.IEEE International Conference on Image Processing[C]. Los Alamitos： IEEE Computer Scoiety，2012.1949-1952.

[40] RADU I. Augmented reality in education： a meta-review and cross-media analysis[J]. Personal and Ubiquitous Computing， 2014，18（6）：1-11.