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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
中北大學(xué)課程設(shè)計(jì)說明書學(xué)生姓名:學(xué)號(hào):學(xué)生姓名:學(xué)號(hào):學(xué)生姓名:學(xué)號(hào):學(xué)生姓名:學(xué)號(hào):學(xué)院:信息與通信工程學(xué)院專業(yè):電子信息工程題目:信息處理綜合實(shí)踐:圖像分割算法的比擬與分析指導(dǎo)教師:陳平職稱:副教授2023年12月29日中北大學(xué)課程設(shè)計(jì)任務(wù)書14/15學(xué)年第一學(xué)期學(xué)院:信息與通信工程學(xué)院專業(yè):電子信息工程學(xué)生姓名:學(xué)號(hào):課程設(shè)計(jì)題目:信息處理綜合實(shí)踐:圖像分割算法的比擬與分析起迄日期:2023年1月5日~2023年1月16日課程設(shè)計(jì)地點(diǎn):電子信息工程專業(yè)實(shí)驗(yàn)室指導(dǎo)教師:陳平系主任:王浩全下達(dá)任務(wù)書日期:2023年12月29日課程設(shè)計(jì)任務(wù)書1.設(shè)計(jì)目的:1、通過本課程設(shè)計(jì)的學(xué)習(xí),學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識(shí),使課堂學(xué)習(xí)的理論知識(shí)應(yīng)用于實(shí)踐,通過本課程設(shè)計(jì)的實(shí)踐使學(xué)生具有一定的實(shí)踐操作能力;2、掌握Matlab使用方法,能熟練運(yùn)用該軟件設(shè)計(jì)并完成相應(yīng)的信息處理;3、通過圖像處理實(shí)踐的課程設(shè)計(jì),掌握設(shè)計(jì)圖像處理軟件系統(tǒng)的思維方法和根本開發(fā)過程。2.設(shè)計(jì)內(nèi)容和要求〔包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計(jì)要求等〕:(1)利用自適應(yīng)閾值、區(qū)域、分水嶺、形態(tài)學(xué)四種方法,對(duì)圖像進(jìn)行分割;(2)對(duì)四種方法分割的結(jié)果,進(jìn)行比照分析,并給出量化結(jié)果;(3)要求每位學(xué)生進(jìn)行查閱相關(guān)資料,并寫出自己的報(bào)告。注意每個(gè)學(xué)生的報(bào)告要有所側(cè)重,寫出自己所做的內(nèi)容。3.設(shè)計(jì)工作任務(wù)及工作量的要求〔包括課程設(shè)計(jì)計(jì)算說明書(論文)、圖紙、實(shí)物樣品等〕:每個(gè)同學(xué)獨(dú)立完成自己的任務(wù),每人寫一份設(shè)計(jì)報(bào)告,在課程設(shè)計(jì)論文中寫明自己設(shè)計(jì)的局部,給出設(shè)計(jì)結(jié)果。課程設(shè)計(jì)任務(wù)書4.主要參考文獻(xiàn):阮秋琦等.數(shù)字圖像處理〔第三版〕.北京:電子工業(yè)出版社.20232.岡薩雷斯等.數(shù)字圖像處理〔MATLAB版〕.北京:電子工業(yè)出版社.20013.楊杰等.數(shù)字圖像處理及MATLAB實(shí)現(xiàn):學(xué)習(xí)與實(shí)驗(yàn)指導(dǎo).北京:電子工業(yè)出版社.20234.劉衛(wèi)國等.MATLAB程序設(shè)計(jì)與應(yīng)用.北京:高等教育出版社.20065.許國根等.模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn).北京:北京航空航天大學(xué)出版社.20235.設(shè)計(jì)成果形式及要求:畢業(yè)設(shè)計(jì)說明書仿真結(jié)果6.工作方案及進(jìn)度:2023年1月5日~1月9日:查資料;1月10日~1月13日:在指導(dǎo)教師指導(dǎo)下設(shè)計(jì)方案;1月14日~1月15日:撰寫課程設(shè)計(jì)說明書;1月16日:辯論系主任審查意見:簽字:年月日目錄第一章緒論...........................................11.1研究目的和意義................................11.2圖像分割的研究進(jìn)展............................1第二章區(qū)域生長(zhǎng)法分割圖像............................42.1區(qū)域生長(zhǎng)法介紹.................................42.2區(qū)域生長(zhǎng)法的原理...............................42.3區(qū)域生長(zhǎng)法的實(shí)現(xiàn)過程...........................5程序及結(jié)果 .....................................63.1區(qū)域生長(zhǎng)算法及程序 .............................63.2圖像分割結(jié)果..................................7方法比擬.......................................84.1閾值法.......................................84.2區(qū)域法.......................................84.3分水嶺法......................................84.4形態(tài)學(xué)方法....................................9第五章總結(jié)..........................................10參考文獻(xiàn).............................................11緒論1.1研究目的和意義圖像分割是一種重要的圖像技術(shù),在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多,有些分割運(yùn)算可直接應(yīng)用于任何圖像,而另一些只能適用于特殊類別的圖像。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù),不同類型的圖像,已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割;但某些分割方法只是適合于某些特殊類型的圖像分割,所以分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合及要求衡量。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟,可以說,圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟,在圖像工程中占有重要位置。一方面,它是目標(biāo)表達(dá)的根底,對(duì)特征測(cè)量有重要的影響。另一方面,因?yàn)閳D像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測(cè)量等將原始圖像轉(zhuǎn)化為更抽象、更緊湊的表達(dá)形式,使得更高層的圖像分析和理解成為可能。因此在實(shí)際應(yīng)用中,圖像分割不僅僅要把一幅圖像分成滿足上面五個(gè)條件的各具特性的區(qū)域,而且要把其中感興趣的目標(biāo)區(qū)域提取出來。只有這樣才算真正完成了圖像分割的任務(wù),為下一步的圖像分析做好準(zhǔn)備,使更高層的圖像分析和理解成為可能。圖像分割在很多方面,如醫(yī)學(xué)圖像分析,交通監(jiān)控等,都有著非常廣泛的應(yīng)用,具有重要的意義。(1)分割的結(jié)果常用于圖像分析,如不同形式圖像的配準(zhǔn)與融合,結(jié)構(gòu)的測(cè)量,圖像重建以及運(yùn)動(dòng)跟蹤等。(2)在系統(tǒng)仿真,效果評(píng)估,圖像的3D重建以及三維定位等可視化系統(tǒng)中,圖像分割都是預(yù)處理的重要步驟。(3)圖像分割可在不喪失有用信息的前提下進(jìn)行數(shù)據(jù)壓縮,這就降低了傳輸?shù)膸挘瑢?duì)提高圖像在因特網(wǎng)上的傳輸速度至關(guān)重要。(4)分割后的圖像與噪聲的關(guān)系減弱,具有降噪功能,便于圖像的理解。1.2圖像分割的研究進(jìn)展圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù),至今已提出上千種分割算法。但因尚無通用的分割理論,現(xiàn)提出的分割算法大都是針對(duì)具體問題的,并沒有一種適合所有圖像的通用分割算法。前人的方法主要有三大類:閾值分割方法、邊緣檢測(cè)方法和區(qū)域提取方法?!?〕閾值分割方法閾值分割法分為全局閾值法和局部閾值分割法。所謂局部閾值分割法是將原始圖像劃分成較小的圖像,并對(duì)每個(gè)子圖像選取相應(yīng)的閾值。在閾值分割后,相鄰子圖像之間的邊界處可能產(chǎn)生灰度級(jí)的不連續(xù)性,因此需用平滑技術(shù)進(jìn)行排除。局部閾值法常用的方法有灰度差直方圖法、微分直方圖法。局部閾值分割法雖然能改善分割效果,但存在以下幾個(gè)缺點(diǎn):①每幅子圖像的尺寸不能太小,否那么統(tǒng)計(jì)出的結(jié)果無意義。②每幅圖像的分割是任意的,如果有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域,而根據(jù)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分割,也許會(huì)產(chǎn)生更差的結(jié)果。③局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì),速度慢,難以適應(yīng)實(shí)時(shí)性的要求。全局閾值分割方法在圖像處理中應(yīng)用比擬多,它在整幅圖像內(nèi)采用固定的閾值分割圖像。經(jīng)典的閾值選取以灰度直方圖為處理對(duì)象。根據(jù)閾值選擇方法的不同,可以分為模態(tài)方法、迭代式閾值選擇等方法。這些方法都是以圖像的直方圖為研究對(duì)象來確定分割的閾值的。另外還有類間方差閾值分割法、二維最大熵分割法、模糊閾值分割法以及共生矩陣分割法等等?!?〕基于邊緣檢測(cè)法邊緣檢測(cè)法是一種處理不連續(xù)性圖像的分割技術(shù)。圖像的大局部信息不會(huì)只存于某個(gè)特定的區(qū)域,而是存于不同區(qū)域的邊緣上,而且人的視覺系統(tǒng)在很大程度上都是根據(jù)圖像邊緣差異對(duì)圖像進(jìn)行識(shí)別分析的。所以通過對(duì)圖像的邊緣信息檢測(cè),可以實(shí)現(xiàn)對(duì)圖像的分割。按照處理技術(shù)可以分為并行邊緣檢測(cè)技術(shù)和串行邊緣檢測(cè)技術(shù)。檢測(cè)過程中可以通過空域微分算子來完成卷積。這些微分算子包括、Sobel梯度算子、Prewitt梯度算子、綜合正交算子等。這些方法主要是對(duì)檢測(cè)圖像中灰度的變化,圖像邊緣是灰度突變的地方。在有噪聲時(shí),得到的邊緣常是孤立不連續(xù)的,為了得到完整的邊緣信息,還需進(jìn)行邊界閉合處理。邊界閉合是根據(jù)像素梯度的幅度及梯度方向滿足規(guī)定的條件將邊緣素連接起來,就有可能得到閉合的邊界?!?〕基于區(qū)域分割法區(qū)域分割法主要包括:區(qū)域生長(zhǎng)和分裂合并法,其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。區(qū)域生長(zhǎng)法是根據(jù)預(yù)先規(guī)定好的指標(biāo),提取圖像中相互連接區(qū)域的方法,它是利用區(qū)域一致性準(zhǔn)那么對(duì)目標(biāo)進(jìn)行分割。規(guī)定的指標(biāo)包括圖像的灰度信息,邊緣,某種特性。區(qū)域生長(zhǎng)法一般都會(huì)放在一系列過程中使用,不會(huì)單獨(dú)使用。它主要的缺陷是,每一個(gè)需要提取的區(qū)域,都必須先給出種子點(diǎn),然后提取出和種子一樣,符合規(guī)定的指標(biāo)的區(qū)域,這樣有多少區(qū)域就必須給出多少個(gè)種子數(shù)。這種法對(duì)噪聲也很敏感,會(huì)造成分割區(qū)域不連續(xù)。相反的,局部且大量的噪聲會(huì)使影響會(huì)使原本來分開的區(qū)域連接起來。分裂合并法是從整個(gè)圖像出發(fā),將圖像分割成各個(gè)子區(qū)域,再把前景的區(qū)域合并起來,這樣就實(shí)現(xiàn)了目標(biāo)的提取。分裂合并法的目標(biāo)區(qū)域由一些相互連通的像素組成的,如果把圖像分割到像素級(jí)的話,就可以判斷該像素是否為目標(biāo)像素。當(dāng)所有的分割的子區(qū)域都判斷完,把目標(biāo)區(qū)域就可得到前景目標(biāo)。這種方法處理復(fù)雜圖像時(shí)效果較好,但算法比擬復(fù)雜,計(jì)算量也比擬大,在分裂過程中可能會(huì)破壞目標(biāo)區(qū)域的邊界。第二章區(qū)域生長(zhǎng)法分割圖像2.1區(qū)域生長(zhǎng)法介紹區(qū)域生長(zhǎng)方法是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點(diǎn)的方法,從初始區(qū)域〔如小鄰域或甚至于每個(gè)象素〕開始,將相鄰的具有同樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長(zhǎng)區(qū)域,直至沒有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹?。區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。區(qū)域生長(zhǎng)方法是一種比擬普遍的方法,在沒有先驗(yàn)知識(shí)可以利用時(shí),可以取得最正確的性能,可以用來分割比擬復(fù)雜的圖象,如自然景物。但是,區(qū)域增長(zhǎng)方法是一種迭代的方法,空間和時(shí)間開銷都比擬大。
區(qū)域生長(zhǎng)是一種串行區(qū)域分割的圖像分割方法。區(qū)域生長(zhǎng)是指從某個(gè)像素出發(fā),按照一定的準(zhǔn)那么,逐步參加鄰近像素,當(dāng)滿足一定的條件時(shí),區(qū)域生長(zhǎng)終止。區(qū)域生長(zhǎng)的好壞決定于1.初始點(diǎn)〔種子點(diǎn)〕的選??;2.生長(zhǎng)準(zhǔn)那么;3.終止條件。區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā),最后得到整個(gè)區(qū)域,進(jìn)而實(shí)現(xiàn)目標(biāo)的提取。2.2區(qū)域生長(zhǎng)法的原理區(qū)域生長(zhǎng)的根本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)起點(diǎn),然后將種子像素和周圍鄰域中與種子像素有相同或相似性質(zhì)的像素〔根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)那么來判定〕合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子繼續(xù)上面的過程,直到?jīng)]有滿足條件的像素可被包括進(jìn)來。這樣一個(gè)區(qū)域就生長(zhǎng)成了。圖1給出種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)的一個(gè)例如。圖1〔a〕給出需要分割的圖像,設(shè)兩個(gè)種子像素〔標(biāo)為深淺不同的灰色方塊〕,現(xiàn)要進(jìn)行區(qū)域生長(zhǎng)。設(shè)這里采用的判定準(zhǔn)那么是:如果考慮的像素與種子像素灰度值差的絕對(duì)值小于某個(gè)門限T,那么將該像素包括進(jìn)種子像素所在的區(qū)域。圖1〔b〕給出了T=3時(shí)的區(qū)域生長(zhǎng)結(jié)果,整幅圖被較好地分成2個(gè)區(qū)域;圖1〔c〕給出了T=1時(shí)的區(qū)域生長(zhǎng)結(jié)果,有些像素?zé)o法判定;圖1〔c〕給出了T=6時(shí)的區(qū)域生長(zhǎng)的結(jié)果,整幅圖都被分在一個(gè)區(qū)域中了。由此可見門限的選擇是很重要的。圖1區(qū)域生長(zhǎng)是一種古老的圖像分割方法,最早的區(qū)域生長(zhǎng)圖像分割方法是由Levine等人提出的。該方法一般有兩種方式,一種是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說種子區(qū)域(seedpoint),再在種子區(qū)域根底上不斷將其周圍的像素點(diǎn)以一定的規(guī)那么參加其中,到達(dá)最終將代表該物體的所有像素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的;另一種是先將圖像分割成很多的一致性較強(qiáng),如區(qū)域內(nèi)像素灰度值相同的小區(qū)域,再按一定的規(guī)那么將小區(qū)域融合成大區(qū)域,到達(dá)分割圖像的目的,典型的區(qū)域生長(zhǎng)法如T.C.Pong等人提出的基于小面〔facet〕模型的區(qū)域生長(zhǎng)法,區(qū)域生長(zhǎng)法固有的缺點(diǎn)是往往會(huì)造成過度分割,即將圖像分割成過多的區(qū)域。2.3區(qū)域生長(zhǎng)法的實(shí)現(xiàn)過程〔1〕對(duì)圖像順序掃描找到第1個(gè)還沒有歸屬的像素,設(shè)該像素為(x0,y0);〔2〕以(x0,y0)為中心,考慮(x0,y0)的4鄰域像素(x,y)如果(x0,y0)滿足生長(zhǎng)準(zhǔn)那么,將(x,y)與(x0,y0)合并(在同一區(qū)域內(nèi)),同時(shí)將(x,y)壓入堆棧;〔3〕從堆棧中取出一個(gè)像素,把它當(dāng)作(x0,y0)返回到步驟2;〔4〕當(dāng)堆棧為空時(shí)返回到步驟1;〔5〕重復(fù)步驟1-4直到圖像中的每個(gè)點(diǎn)都有歸屬時(shí)生長(zhǎng)結(jié)束。第三章區(qū)域生長(zhǎng)程序及結(jié)果3.1區(qū)域生長(zhǎng)程序image=imread('meitu.jpg');I=rgb2gray(image);figure,imshow(I),title('灰度圖像');I=double(I)/255;[y,x]=getpts;%獲得區(qū)域生長(zhǎng)起始點(diǎn)y1=round(x);%橫坐標(biāo)取整x1=round(y);%縱坐標(biāo)取整[M,N]=size(I);%獲取圖像大小stack=[y1,x1];%將生長(zhǎng)起始點(diǎn)灰度值存入stack中suit=1;%儲(chǔ)存符合區(qū)域生長(zhǎng)條件的點(diǎn)的個(gè)數(shù)Y=zeros(M,N);%作一個(gè)全零與原圖像等大的圖像矩陣Y,作為輸出圖像矩陣Y(y1,x1)=1;%將種子點(diǎn)的灰度值置1count=1;%記錄每次判斷一點(diǎn)周圍八點(diǎn)符合條件的新點(diǎn)的數(shù)目threshold=0.05555;%閾值sum=I(y1,x1);%存灰度值adaptM=stack(1,1);adaptN=stack(1,2);greyvalue=I(adaptM,adaptN);whilesuit>0adaptM=stack(1,1);adaptN=stack(1,2);foru=-1:1%在圍圍八點(diǎn)找符合條件的點(diǎn)forv=-1:1ifadaptM+u<(M+1)&adaptN+u>0&adaptN+v<(N+1)&adaptN+v>0ifabs(I(adaptM+u,adaptN+v)-greyvalue)<=threshold&Y(adaptM+u,adaptN+v)==0suit=suit+1;stack(suit,1)=[adaptM+u];%把符合點(diǎn)的坐標(biāo)存入堆棧stack(suit,2)=[adaptN+v];Y(adaptM+u,adaptN+v)=1;%符合點(diǎn)灰度值置1count=count+1;sum=sum+I(adaptM+u,adaptN+v);%累加灰度值endendendendgreyvalue=sum/count;%獲新種子點(diǎn)的灰度值stack=stack(2:1:suit,:);%棧內(nèi)存放所有符合條件點(diǎn)的坐標(biāo)suit=suit-1;%減去suit初始值endfigure,imshow(Y),title('分割后圖像')3.2圖像分割結(jié)果灰度圖區(qū)域生長(zhǎng)圖第四章方法比擬4.1閾值法自適應(yīng)閾值就是對(duì)原始圖像分塊,對(duì)每一塊區(qū)域根據(jù)一般的方法選取局部閾值進(jìn)行分割。由于各個(gè)子圖的閾值化是獨(dú)立進(jìn)行的,所以在相鄰子圖像邊界處的閾值會(huì)有突變,因此應(yīng)該以采用適當(dāng)?shù)钠交夹g(shù)消除這種不連續(xù)性,子圖像之間的相互交疊也有利于減小這種不連續(xù)性??偟膩碚f,這類算法的時(shí)間和空間復(fù)雜度都較大,但是抗噪能力強(qiáng),對(duì)一些使用全局閾值法不宜分割的圖像具有較好的分割效果。4.2區(qū)域法基于區(qū)域的分割技術(shù)有兩種根本形式:區(qū)域生長(zhǎng)和分裂合并。前者是從單像素出發(fā),逐漸合并以形成所需的分割結(jié)果;后者是從整個(gè)圖像出發(fā)逐漸分裂或合并以形成所需要的分割結(jié)果。與閾值方法不同,這類方法不僅考慮了像素的相似性,還考慮了空間上的鄰接性,因此可以有效消除孤立噪聲的干擾,具有很強(qiáng)的魯棒性。而且,無論分裂還是合并,都能夠?qū)⒎指钌钊氲较袼丶?jí),因此可以保證較高的分割精度。區(qū)域生長(zhǎng)算法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單,特別適合于分割小的結(jié)構(gòu)。缺點(diǎn)是需要人工交互以獲得種子點(diǎn),同時(shí)對(duì)噪聲也比擬敏感。當(dāng)對(duì)區(qū)域面積較大的圖像分割時(shí)計(jì)算緩慢。分裂合并算法的優(yōu)點(diǎn)是不需要預(yù)先指定種子點(diǎn)。缺點(diǎn)是分裂合并算法可能會(huì)使分割區(qū)域的邊界被破壞。4.3分水嶺法分水嶺算法是一種基于區(qū)域分割的圖像分割方法。該算法的思想來源于浸沒模擬的過程。由于分水嶺變化吧輸入圖像中的對(duì)象與極小點(diǎn)標(biāo)記相關(guān)聯(lián),其中的山頂線對(duì)應(yīng)于對(duì)象的邊界,因此對(duì)圖像實(shí)施分水嶺變換可以把圖像分割成各個(gè)對(duì)象區(qū)域。分水嶺算法與其他大量的分割算法相比,獲得的邊界連續(xù),精度高,并且速度快。但它的缺乏之處在于過分割,即圖像分割成過多的小區(qū)域而是感興趣的目標(biāo)物淹沒在其中。4.4形態(tài)學(xué)方法基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)其根本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以到達(dá)對(duì)圖像分析和識(shí)別的目的。如楊杰提出基于圖像最大內(nèi)切圓的數(shù)學(xué)形態(tài)學(xué)形狀描述圖像分割算法和基
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 二零二五年度防火門綠色建筑認(rèn)證合同2篇
- 二零二五版海上貨物運(yùn)輸合同適用范圍與船舶建造合同3篇
- 二零二五版全方位房產(chǎn)及土地使用權(quán)買賣合同3篇
- 二零二五年電商代運(yùn)營(yíng)用戶運(yùn)營(yíng)與社區(qū)建設(shè)合同3篇
- 二零二五年電子商務(wù)平臺(tái)店長(zhǎng)勞動(dòng)合同規(guī)定2篇
- 二零二五年電子商務(wù)平臺(tái)安全風(fēng)險(xiǎn)評(píng)估與管理咨詢合同3篇
- 二零二五版寄賣合同范本:電子產(chǎn)品寄賣代理合同2篇
- 二零二五版共有產(chǎn)權(quán)房買賣合同范本6篇
- 二零二五版文化創(chuàng)意產(chǎn)業(yè)合伙合同規(guī)范文本3篇
- 基于二零二五年度市場(chǎng)趨勢(shì)的產(chǎn)品研發(fā)合同2篇
- 骨科手術(shù)后患者營(yíng)養(yǎng)情況及營(yíng)養(yǎng)不良的原因分析,骨傷科論文
- GB/T 24474.1-2020乘運(yùn)質(zhì)量測(cè)量第1部分:電梯
- GB/T 12684-2006工業(yè)硼化物分析方法
- 定崗定編定員實(shí)施方案(一)
- 高血壓患者用藥的注意事項(xiàng)講義課件
- 特種作業(yè)安全監(jiān)護(hù)人員培訓(xùn)課件
- (完整)第15章-合成生物學(xué)ppt
- 太平洋戰(zhàn)爭(zhēng)課件
- 封條模板A4打印版
- T∕CGCC 7-2017 焙烤食品用糖漿
- 貨代操作流程及規(guī)范
評(píng)論
0/150
提交評(píng)論