一種使用圖像融合的圖像檢索方法

PAGE2小型微型計算機系統(tǒng)2004年1期作者一等：文章題目PAGE3小型微型計算機系統(tǒng)20**年月第期JournalofChineseComputerSystemsVol.30No.20**收稿日期：20**-10-1基金項目：基金中文完整名稱（基金項目號）資助作者簡介：作者一，性別，生年，最高學(xué)位，目前學(xué)歷，技術(shù)職稱等，研究方向為；作者二，性別，生年，最高學(xué)位，目前學(xué)歷，技術(shù)職稱等，研究方向為；作者三，性別，生年，最高學(xué)位，目前學(xué)歷，技術(shù)職稱等，研究方向為.(6號宋體)一種使用圖像融合的圖像檢索方法摘要：基于內(nèi)容的圖像檢索是指根據(jù)圖像內(nèi)容進行檢索，常用的方法是通過對從底層到高層的自動處理和分析來描述其內(nèi)容。目前，基于內(nèi)容的圖像檢索存在著低精度、高反饋率等問題。提出一種使用圖像融合方法的圖像檢索方法。該方法以RFGAIR和圖像融合技術(shù)為基礎(chǔ)，利用圖像融合技術(shù)，在檢索反饋過程中，根據(jù)用戶需求動態(tài)修正查詢向量，同時結(jié)合遺傳算法，動態(tài)修正圖像相似度模型。與現(xiàn)有檢索方法相比，實驗結(jié)果表明，該算法對于旋轉(zhuǎn)、平移和尺度變化具有較強的魯棒性，同時具有減少反饋次數(shù)和較高查詢精度的性能。同時該算法比RFGAIR具有更高的查詢效率。關(guān)鍵詞：基于內(nèi)容的圖像檢索；圖像融合；遺傳算法；相關(guān)反饋；圖像處理PAGE6小型微型計算機系統(tǒng)20**年1期作者一等：文章題目PAGE7第25卷第11期小型微型計算機系統(tǒng)Vol.25No.112004年11月MINI－MICROSYSTEMSNov.2004收稿日期：2005--基金項目：基金中文完整名稱（基金項目號）資助作者簡介：作者一，性別，某年生，籍貫（具體到市、縣或地區(qū)），最高學(xué)位，目前學(xué)歷，職稱等，研究方向為；作者二，性別，某年生，籍貫（具體到市、縣或地區(qū)），最高學(xué)位，目前學(xué)歷，職稱等，研究方向為；作者三，性別，某年生，籍貫（具體到市、縣或地區(qū)），最高學(xué)位，目前學(xué)歷，職稱等，研究方向為.ANovelImageImageRetrievalApproachWithImageFusion-basedCEHNPeng（TaizhouTeachersCollege,Jiangsu,Taizhou,China）Abstract:Thepaperproposesanovelimageretrievalmethodbasedonimagefusion.ThealgorithmisbasedonRFGAIRandimagefusiontechnology,modifytheretrievalvectoraccordingtotheuser’sneedsinthefeedbackprocessbyusingimagefusiontechnology,andatthesametime,modifythesimilaritymodelbygeneticalgorithm.Comparedwiththeexistingalgorithms,theexperimentalresultsshowthattheproposedalgorithmisrobustforrotation,translationandscalechangesstrongly,andhashigherqueryprecisionandlowerfrequencyoffeedbacksimultaneously.Inaddition,thesearchefficiencyoftheproposedalgorithmisbetterthanRFGAIR.Keywords:CBIR;imagefusion;geneticalgorithm;relevancefeedback;imageprocessing

1引言基于內(nèi)容的圖像檢索（Content-Based-Image-Retrieval，CBIR）技術(shù)通過對圖像從底層到高層的自動處理和分析來描述其內(nèi)容，并根據(jù)內(nèi)容進行檢索[1]。近年來，針對CBIR中的查詢精度低，反饋率高的問題，很多學(xué)者提出很多解決方案。BingWang等人將相關(guān)反饋與神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于基于內(nèi)容的圖像檢索中，以解決圖像特征描述不一致問題[2]；PengYengYin等人提出了一種結(jié)合強化學(xué)習(xí)技術(shù)的圖像檢索框架，利用強化學(xué)習(xí)方法構(gòu)造一個主動學(xué)習(xí)的強化學(xué)習(xí)框架，在一定程度提高后續(xù)檢索的效率[3]；江祥奎等提出一種基于灰色系統(tǒng)理論的多特征相關(guān)反饋圖像檢索方法，該方法將灰色系統(tǒng)理論引入圖像檢索中，利用灰關(guān)聯(lián)度作為特征權(quán)重估計，利用用戶的少量選擇做出判斷，常陷入局部最優(yōu)問題[4]；許相莉等人提出一種基于粒子群優(yōu)化的圖像檢索算法，該方法提取圖像的顏色和紋理特征，并利用粒子群算法調(diào)整特征權(quán)重，優(yōu)化檢索，然而該方法對于平移、旋轉(zhuǎn)和尺度變換沒有很強魯棒性[5]；Akrem等人提出一種針對圖像形狀檢索的圖像融合算法，針對圖像邊界無法確定的問題，提出通過圖像融合技術(shù)來構(gòu)造檢索向量[6]；黨長青等人提出一種基于多特征融合和相關(guān)反饋的圖像檢索方法，該方法利用SVM算法結(jié)合用戶標注構(gòu)造一個圖像分類器，利用該分類器對檢索結(jié)果圖像重新計算相似度[7]等。2基于遺傳反饋的多特征圖像檢索2.1遺傳算法遺傳算法可定義為一個八元組，如式(1)所示。(1)其中C是染色體編碼方法；E是個體適應(yīng)度評價函數(shù)；P0是初始種群；M是種群大?。皇沁x擇算子；QUOTE是交叉算子；QUOTE是變異算子；T為算法終止條件。文獻[1]定義圖像表示方法及將遺傳算法用于圖像檢索中的染色體編碼、適應(yīng)度函數(shù)設(shè)計及終止準則。2.2相關(guān)反饋技術(shù)經(jīng)典的相關(guān)反饋技術(shù)，一方面是通過對最佳查詢方向的估計，調(diào)整查詢方向不斷靠近用戶反饋的正例，遠離反例；另一方面，利用反饋信息修改距離公式中各分量的權(quán)值，突出重要的分量[11]。對一個給定的查詢，系統(tǒng)首先根據(jù)事先定義好的相似性度量進行計算，獲得一組根據(jù)相似度排列的圖像，相似性度量通常被定義為查詢向量和數(shù)據(jù)庫中圖像特征向量之間的距離。然后，用戶對這組圖像進行相關(guān)和不相關(guān)的標注。最后，系統(tǒng)重新對查詢進行定義，獲取新的圖像序列。如果已知一組相關(guān)圖像(DR)和不相關(guān)圖像(DN)，最優(yōu)化查詢定義如式（2）所示[16]。(2)其中，QUOTE，QUOTE和是一組參數(shù)；QUOTE和是相關(guān)圖像（DR）和不相關(guān)圖像（DN）的數(shù)量；QUOTE和QUOTE是查詢向量。式（5）表明查詢優(yōu)化是通過在查詢的結(jié)果中加入相關(guān)的圖像，除去不相關(guān)的圖像來實現(xiàn)的。相關(guān)反饋在MARS系統(tǒng)中的使用，說明通過用戶相關(guān)性反饋操作，能夠提高檢索精度。2.3基于遺傳反饋的多特征圖像檢索算法（RFGAIR）相關(guān)反饋主要用于與用戶的交互操作，目的在于消除被檢索圖像的語義不確定性，提高查詢精度；遺傳算法在于幫助系統(tǒng)理解用戶的具體需求，提高查詢效率。RFGAIR是一種以遺傳算法和相關(guān)反饋技術(shù)為基礎(chǔ)的圖像檢索方法[1]。在相關(guān)反饋過程中引入遺傳算法，利用遺傳算法的自適應(yīng)機制,在反饋過程中，動態(tài)修正圖像相似度模型，使相似度模型最大程度反映兩幅圖像之間的距離，以達到提高查詢精度和較少反饋次數(shù)的目的。同時在檢索過程中，該算法從顏色，紋理和形狀三個角度提取圖像特征，利用組合特征描述圖像，避免在單特征圖像檢索中出現(xiàn)的不同圖像卻具有相同單特征的問題。3基于Haar小波變換的圖像融合算法3.1小波變換1986年，著名數(shù)學(xué)家Meyer構(gòu)造了一個真正小波基，并與Mallat合作建立了構(gòu)造小波基的統(tǒng)一方法——多尺度分析。從此小波分析開始了蓬勃發(fā)展的階段。小波變換的性質(zhì)包括：(1)線性(2)平移不變性(3)伸縮公共性(4)自相似性(5)冗余性[12]。常用的小波函數(shù)有，Haar(哈爾)小波，Daubechies(dbN)小波系，墨西哥草帽小波，雙正交小波系等。小波變換不同于傅立葉變換，小波系數(shù)與原始圖像存在著空間上的對應(yīng)關(guān)系。圖像可以看作是二維的矩陣，一般假設(shè)圖像矩陣的大小為N×N，且有N=2n(n為非負的整數(shù))。那么每次小波變換后，圖像便分解為4個大小為原來尺寸1/4的子塊頻帶區(qū)域，如圖1所示，分別包含了相應(yīng)頻帶的小波系數(shù)，相當于在水平方向和豎直方向上進行隔點采樣。當再進行下一層小波變換時，變換數(shù)據(jù)集中在LL頻帶上[13]。小波系數(shù)的空間分布同原始圖像的空間分布具有很好的對應(yīng)關(guān)系。LL頻帶是圖像內(nèi)容的縮略圖，是低頻分量，它是圖像數(shù)據(jù)能量集中的頻帶。而HL、LH、和HH頻帶存放的是圖像的細節(jié)信息，它們的關(guān)系如下：HL頻帶存放的是圖像水平方向的高頻信息，它反映了圖像水平方向上灰度變化信息和邊緣信息；LH頻帶存放的是圖像豎直方向的高頻信息，它反映了圖像豎直方向上灰度變化信息和邊緣信息；HH頻帶存放的是圖像在對角線方向上的高頻信息，它反映了水平方向和豎直方向上圖像灰度的綜合變化信息，同時包含了少量的邊緣信息。圖1數(shù)字圖像小波分解流程圖3.2基于Haar小波變換的圖像融合算法圖像融合(ImageFusion)是信息融合范疇內(nèi)主要以圖像為對象的研究領(lǐng)域，所處理的數(shù)據(jù)主要是各種圖像，通過綜合提取各輸入圖像的信息，形成統(tǒng)一的圖像或數(shù)據(jù)來控制其他系統(tǒng)或指導(dǎo)決策[14]。圖像融合的優(yōu)點包括：(1)擴大系統(tǒng)工作范圍，(2)提高系統(tǒng)可靠性，(3)獲取信息的更高表現(xiàn)形式，(4)提高系統(tǒng)的性價比。圖像融合目前主要有像素級圖像融合、特征級圖像融合和決策級圖像融合?；贖aar小波變換的圖像融合算法屬于像素級圖像融合算法。算法1.基于Haar小波變換的圖像融合算法1.對每一幅圖像分別進行小波分解；2.對各分解層分別用不同的融合算子及規(guī)則進行處理；3.對融合后的圖像數(shù)據(jù)進行小波逆變換，即可得到融合圖像F。其中小波變換采用Haar小波函數(shù)，采用的融合算子及規(guī)則如下：(1)圖像經(jīng)過K層分解，則對分解后的低頻部分采用基于區(qū)域的算子的，以低頻部分的每一個像素為區(qū)域中心，分別計算兩幅圖像中與該像素點對應(yīng)局部區(qū)域(區(qū)域大小取為)的方差Vk，A和Vk，B(3)(2)對于高頻部分，采用基于區(qū)域的算子，采用基于區(qū)域能量的方法對高頻部分進行處理，首先對高頻區(qū)域計算不同圖像的對應(yīng)區(qū)域的能量及，ε=1,2,3(4)其中W(m,n)為加權(quán)系數(shù)，l，p定義了局部區(qū)域的大小。(3)計算兩幅圖像對應(yīng)區(qū)域的匹配度(5)(4)定義一個匹配度閾值(通常取0.5-1.0)，如果(6)如果(7)其中如公式(8)所示，如公式(9)所示。(8)(9)4使用圖像融合的圖像檢索（RFGA-IFIR）基于遺傳反饋的多特征圖像檢索算法利用遺傳算法對圖像相似度模型進行修正，然而對于查詢向量僅僅是利用普通的反饋公式進行修正，這種程度上的向量修正并不能真正反映用戶的需求。因此，本文提出一種結(jié)合圖像融合技術(shù)的圖像檢索方法——使用圖像融合的圖像檢索方法，該方法在反饋過程過中引入圖像融合技術(shù)，從圖像自身內(nèi)容的層面對查詢圖像進行修正，進而得出更加切合用戶需求的查詢向量，使得算法能夠更好更快地獲得查詢結(jié)果。下面給出具體的使用圖像融合的圖像檢索算法的運行流程。算法2.使用圖像融合的圖像檢索算法1.給出查詢向量)，測試圖像向量QUOTE及一個測試集T，指定圖像庫I和其對應(yīng)的特征庫F。2.根據(jù)測試集T及測試圖像QUOTE，利用算法1，得出一組最佳的權(quán)值——w1,w2,w3，分別對應(yīng)圖像三個特征——顏色，紋理和形狀。3.利用圖像相似度模型[1]，計算出圖像特征庫中每幅圖像Ii與查詢向量Q的距離D(Q,Ii)，根據(jù)距離進行排序，給出結(jié)果集O。4.與用戶交互操作。如果當前結(jié)果集滿足用戶的要求，則結(jié)束操作，否則用戶選出結(jié)果集中最理想的圖像，記做QUOTE，同時轉(zhuǎn)入第5步。5.由QUOTE及在圖像庫中隨機抽取的圖像更新測試集T，將測試圖像向量更新為當前查詢向量Q，同時利用算法1合成新的檢索圖像,并計算更新查詢向量Q，轉(zhuǎn)入第2步。在算法2中，為了加快算法的執(zhí)行速度，指定測試集T中的圖像數(shù)目nT遠小于圖像庫C中的圖像數(shù)目nc，即QUOTE，同時，在計算距離的時候，直接用特征庫進行計算。5實驗結(jié)果分析為了檢驗本文所提出的檢索算法的性能，分別設(shè)計幾組不同的實驗，選用Corel-1000database[]作為測試圖像庫，該數(shù)據(jù)庫共包含1000幅圖像，分為10類，每類100幅彩色圖像，主要包括非洲、海灘、建筑、公共汽車、恐龍、大象、花、食物、馬和山川的圖像。為了評價本文提出的方法的效果，以查全率（recall）和查準率（presion）為基礎(chǔ)設(shè)計評價模型并作為相似度的評價準則，公式如式（12）所示。其中查全率定義為檢索結(jié)果中檢索到的目標圖像與數(shù)據(jù)庫中全部目標圖像數(shù)之比，如公式（10）；查準率定義為檢索結(jié)果中檢索到的目標圖像數(shù)與檢索結(jié)果中的所有圖像數(shù)之比，如式（11）所示。(10)(11)(12)其中q是查詢向量；QUOTE是查詢得到的與查詢向量q相關(guān)的圖像數(shù)目；QUOTE是圖像數(shù)據(jù)庫中與q相關(guān)的圖像總數(shù)；QUOTE是查詢到的圖像總數(shù)；QUOTE、QUOTE是參數(shù)，實驗中QUOTE為0.7，QUOTE為0.3。圖1算法檢索性能比較圖Fig1theperformanceofthealgorithms實驗1主要用于測試使用圖像融合的圖像檢索算法的檢索性能。在Corel-1000database中，從每類圖像中抽取出30幅圖像，共300幅圖像組成一個用于測試的圖像數(shù)據(jù)庫。分別用本文提出的RFGA-IFIR，文獻[1]提出的RFGAIR，文獻[15]中提出的基于顏色特征的檢索算法和文獻[16]中提出的基于綜合特征和相關(guān)反饋的檢索算法進行檢索，以公式（12）作為評價函數(shù)，結(jié)果如圖1所示。基于顏色特征的圖像檢索方法以顏色特征作為查詢向量，以反饋技術(shù)作為執(zhí)行手段，從圖1可知，性能不是理想，準確度只有60％左右，誤檢率較高，同時需要較多的反饋次數(shù)；基于綜合特征和相關(guān)反饋的檢索方法精確度較高，但是在執(zhí)行檢索過程中，反饋次數(shù)波動較為明顯，比如在海灘圖像的檢索過程中，反饋次數(shù)過多，影響到檢索效率；而本文提出的RFGA-IFIR和文獻[1]的RFGAIR兩個方法在檢索精度上有很大的提高，檢索過程中反饋次數(shù)較少，同時RFGA-IFIR與RFGAIR相比，在反饋次數(shù)上又有進一步的較少，能夠在盡量少的反饋次數(shù)之后得到比較好的檢索結(jié)果。表2圖像融合算法對反饋次數(shù)的影響Tab2theeffectofimagefusionalgorithmtothefrequencyofthefeedback類別RFGAIRRFGA-IFIR基于綜合特征和相關(guān)反饋檢索非洲325海灘227建筑336公共汽車335恐龍116大象424花326食物426馬336山428平均32.26實驗2主要用于測試在反饋檢索過程中，基于Haar小波變換的圖像融合算法對于反饋次數(shù)的影響。在Corel-1000database中，從每類圖像中抽取中15幅圖像，共150幅圖像組成一個用于測試的圖像數(shù)據(jù)庫。分別用本文提出的檢索方法和RFGAIR對每類圖像進行檢索，對檢索過程中所需要的反饋次數(shù)進行統(tǒng)計，具體如表2所示。從表2的數(shù)據(jù)可知，本文提出的檢索方法的平均反饋次數(shù)為2.2次，即平均進行2次左右，反饋檢索就可以得到用戶比較滿意的檢索結(jié)果，RFAIR大約在反饋3次之后可以得到比較好的檢索結(jié)果，而基于綜合特征及相關(guān)反饋的檢索方法[16]平均需要6次才可以得到比較好的檢索結(jié)果。在試驗結(jié)果中，由于圖像庫中測試圖像數(shù)目較少，融合算法對于反饋的影響不是特別的明顯，但是對于數(shù)據(jù)庫中圖像數(shù)目超過5000之后，在檢索性能上可以提高40%左右。在于反饋過程中，圖像融合算法對于查詢向量的調(diào)整，融合算法會動態(tài)根據(jù)用戶的反饋結(jié)果，對查詢向量進行修正，同時結(jié)合遺傳算法對相似度函數(shù)進行調(diào)整，在檢索性能上有明顯的提高。綜合上述兩個試驗，可以看出，結(jié)合圖像融合算法的檢索算法與其他的一般檢索方法相比，檢索精度有很大的提高，同時與文獻[1]的檢索算法（RFGAIR）相比，在檢索精度上沒有明顯的提高，但是在檢索效率上，特別是對于大規(guī)模數(shù)據(jù)集的圖像檢索來說，有較大的提高。

6結(jié)束語在文獻[1]中提出一種基于遺傳反饋的多特征圖像檢索方法。該方法以遺傳算法和相關(guān)反饋技術(shù)為基礎(chǔ)，在相關(guān)反饋過程中引入遺傳算法，利用遺傳算法的自適應(yīng)機制,在反饋過程中，動態(tài)修正圖像相似度模型，使相似度模型最大程度反映兩幅圖像之間的距離，以達到提高查詢精度和較少反饋次數(shù)的目的。同時在檢索過程中，算法從顏色，紋理和形狀三個角度提取圖像特征，利用組合特征描述圖像，避免在單特征圖像檢索中出現(xiàn)的不同圖像卻具有相同單特征的問題。實驗結(jié)果表明，算法對于旋轉(zhuǎn)、平移和尺度變化具有較強的魯棒性，同時與現(xiàn)有方法相比，具有更高的查詢精度和查詢效率。但是在算法執(zhí)行過程中，對于查詢向量僅僅是利用普通的反饋公式進行修正，這種程度上的向量修正并不能真正反映用戶的需求。因此本文結(jié)合圖像融合領(lǐng)域的知識，提出一種使用圖像融合的圖像檢索算法，該算法以RFGAIR和算法1為基礎(chǔ)，在反饋過程中，利用圖像融合技術(shù)修正查詢向量。試驗結(jié)果表明，與RFGAIR相比，在大規(guī)模數(shù)據(jù)檢索中，可以較好提高檢索效率，同時對于查詢精度也有一定的提高。

References:[1]FuQiMing,LiuQuan,WangXiaoYan,ZhangLe.Relevancefeedbacktechniquesandgeneticalgorithmforimageretrievalbasedonmultiplefeatures[J].JournalofImageandGraphics,,2021,16(10):1858-1865.[2]WangBing,ZhangXin,LiNa.RelevanceFeedbackTechniqueforContent-BasedImageRetrievalUsingNeuralNetworkLearning[J].InternationalConferenceonMachineLearningandCybernetics,2021,vol.6:3692-3696.[3]YinPengyeng,BhanuB,ChangKuangchengandetal.IntegratingRelevanceFeedbackTechniquesforImageRetrievalusingReinfor-cementLearning[J].IEEETransationsonPatternAnalysisandMachineIntelligence,2021,27(10):1536–1551.[4]JiangXiangkui，YuanSicong，WangFazhan.Multi-fleaturerelevancefeedbackimageretrievalbasedongreysystemtheory[J].ComputerEngineering,2021,32(23):207-209.[5]XuXiangli,ZhangLibiao,LiuXiangdongandetal.Particleswarmoptimizationbasedrelevantfeedbackalgorithminimageretrieval[J].JournalofChineseComputerSystems,20**,30(5):971-973.[6]AkremEl-ghazal,OtmanBasir,SaeidBelkasim.AContext-BasedFusionAlgorithmforShapeRetrieval[C].in:11thInternationalConferenceonInformationFusion,2021,pp:121–128.[7]DangChangqing,SongFengjuan,LiuShuming.Imageretrievalbasedonmulti-featureintegrationandrelevancefeedback．ComputerEngineeringandApplications,2021,44(3):186-188.[8] KuoLungHung,YihChengTsay.AFastImageRetrievalMethodUsingMulti-FeatureDimensionTechnique[C].in:FifthInternationalConferenceonIntelligentInformationHidingandMultimediaSignalProcessing.20**,pp:290–294[9] LiMinqiang,KouJisong,LinDan.TheTheoryandApplicationofGeneticAlgorithms[M].Beijing:SciencePress,2021.135–145[10] SuXiaoHong,YangBo,WangYaDong.Ageneticalgorithmbasedonevolutionarilystablestrategy[J].JournalofSoftware,2021,14(11):1863-1868[11] WuHong,LuHanqing,MaDongde.ASurveyofRelevanceFeedbackTechniquesinContent-basedImageRetrival[J].ChineseJournalofComputer,2021,28(12):1303-1314.[12] WangZhiZhong,YongJunHai.TextureAnalysisandClassificationWithLinearRegressionModelBasedonWaveletTransform[J].ImageProcessing,2021,pp:1421-1430.[13] AnZhiyong,ZengZhiyong,ZhouLihua.Content-BasedImageRetrievalBasedontheWaveletTransformandRadonTransform[J].IndustrialElectronicsandApplications,20**,pp:1421-1430.[14] RahmanMd.M,DesaiB.C,BhattacharyaP.AFeatureLevelFusioninSimilarityMatchingtoContent-BasedImageRetrieval[C].in:9thInternationalConferenceonInformationFusion,2021,pp:1-6.[15]BaiXue,LiuWanjun.ResearchofImageRetrievalBasedonColor[J].20**InternationalForumonComputerScience-TechnologyandApplications,20**,vol.1:283-286.[16]JiangShuhong,ChenBingfa.Methodofimageretrievalbasedonintegratinglowlevelfeaturewithrelevancefeedback[J].MachineBuildingandAutomation,20**,38(3):51-53.

社會實踐報告系別：班級：學(xué)號：姓名：作為祖國未來的事業(yè)的繼承人，我們這些大學(xué)生應(yīng)該及早樹立自己的歷史責(zé)任感，提高自己的社會適應(yīng)能力。假期的社會實踐就是很好的鍛煉自己的機會。當下，掙錢早已不是打工的唯一目的，更多的人將其視為參加社會實踐、提高自身能力的機會。許多學(xué)校也積極鼓勵大學(xué)生多接觸社會、了解社會，一方面可以把學(xué)到的理論知識應(yīng)用到實踐中去，提高各方面的能力；另一方面可以積累工作經(jīng)驗對日后的就業(yè)大有裨益。進行社會實踐，最理想的就是找到與本專業(yè)對口單位進行實習(xí)，從而提高自己的實戰(zhàn)水平，同時可以將課本知識在實踐中得到運用，從而更好的指導(dǎo)自己今后的學(xué)習(xí)。但是作為一名尚未畢業(yè)的大學(xué)生，由于本身具備的專業(yè)知識還十分的有限，所以我選擇了打散工作為第一次社會實踐的方式。目的在于熟悉社會。就職業(yè)本身而言，并無高低貴賤之分，存在即為合理。通過短短幾天的打工經(jīng)歷可以讓長期處于校園的我們對社會有一種更直觀的認識。實踐過程：自從走進了大學(xué)，就業(yè)問題就似乎總是圍繞在我們的身邊，成了說不完的話題。在現(xiàn)今社會，招聘會上的大字報都總寫著“有經(jīng)驗者優(yōu)先”，可還在校園里面的我們這班學(xué)子社會經(jīng)驗又會擁有多少呢？為了拓展自身的知識面，擴大與社會的接觸面，增加個人在社會競爭中的經(jīng)驗，鍛煉和提高自己的能力，以便在以后畢業(yè)后能真正真正走入社會，能夠適應(yīng)國內(nèi)外的經(jīng)濟形勢的變化，并且能夠在生活和工作中很好地處理各方面的問題，我開始了我這個假期的社會實踐-走進天源休閑餐廳。實踐，就是把我們在學(xué)校所學(xué)的理論知識，運用到客觀實際中去，使自己所學(xué)的理論知識有用武之地。只學(xué)不實踐，那么所學(xué)的就等于零。理論應(yīng)該與實踐相結(jié)合。另一方面，實踐可為以后找工作打基礎(chǔ)。通過這段時間的實習(xí)，學(xué)到一些在學(xué)校里學(xué)不到的東西。因為環(huán)境的不同，接觸的人與事不同，從中所學(xué)的東西自然就不一樣了。要學(xué)會從實踐中學(xué)習(xí)，從學(xué)習(xí)中實踐。而且在中國的經(jīng)濟飛速發(fā)展，又加入了世貿(mào)，國內(nèi)外經(jīng)濟日趨變化，每天都不斷有新的東西涌現(xiàn)，在擁有了越來越多的機會的同時，也有了更多的挑戰(zhàn)，前天才剛學(xué)到的知識可能在今天就已經(jīng)被淘汰掉了，中國的經(jīng)濟越和外面接軌，對于人才的要求就會越來越高，我們不只要學(xué)好學(xué)校里所學(xué)到的知識，還要不斷從生活中，實踐中學(xué)其他知識，不斷地從各方面武裝自已，才能在競爭中突出自已，表現(xiàn)自已。在餐廳里,別人一眼就能把我人出是一名正在讀書的學(xué)生,我問他們?yōu)槭裁?他們總說從我的臉上就能看出來,也許沒有經(jīng)歷過社會的人都有我這種不知名遭遇吧!我并沒有因為我在他們面前沒有經(jīng)驗而退后,我相信我也能做的像他們一樣好.我的工作是在那做傳菜生,每天9點鐘-下午2點再從下午的4點-晚上8:30分上班,雖然時間長了點但,熱情而年輕的我并沒有絲毫的感到過累,我覺得這是一種激勵,明白了人生,感悟了生活,接觸了社會,了解了未來.在餐廳里雖然我是以傳菜為主,但我不時還要做一些工作以外的事情，有時要做一些清潔的工作，在學(xué)校里也許有老師分配說今天做些什么，明天做些什么，但在這里，不一定有人會告訴你這些，你必須自覺地去做，而且要盡自已的努力做到最好，一件工作的效率就會得到別人不同的評價。在學(xué)校，只有學(xué)習(xí)的氛圍，畢竟學(xué)校是學(xué)習(xí)的場所，每一個學(xué)生都在為取得更高的成績而努力。而這里是工作的場所，每個人都會為了獲得更多的報酬而努力，無論是學(xué)習(xí)還是工作，都存在著競爭，在競爭中就要不斷學(xué)習(xí)別人先進的地方，也要不斷學(xué)習(xí)別人怎樣做人，以提高自已的能力！記得老師曾經(jīng)說過大學(xué)是一個小社會，但我總覺得校園里總少不了那份純真，那份真誠，盡管是大學(xué)高校，學(xué)生還終歸保持著學(xué)生的身份。而走進企業(yè)，接觸各種各樣的客戶、同事、上司等等，關(guān)系復(fù)雜，但我得去面對我從未面對過的一切。記得在我校舉行的招聘會上所反映出來的其中一個問題是，學(xué)生的實際操作能力與在校理論學(xué)習(xí)有一定的差距。在這次實踐中，這一點我感受很深。在學(xué)校，理論的學(xué)習(xí)很多，而且是多方面的，幾乎是面面俱到；而在實際工作中，可能會遇到書本上沒學(xué)到的，又可能是書本上的知識一點都用不上的情況?；蛟S工作中運用到的只是很簡單的問題，只要套公式似的就能完成一項任務(wù)。有時候我會埋怨，實際操作這么簡單，但為什么書本上的知識讓人學(xué)得這么吃力呢？這是社會與學(xué)校脫軌了嗎？也許老師是正確的，雖然大學(xué)生生活不像踏入社會，但是總算是社會的一個部分，這是不可否認的事實。但是有時也要感謝老師孜孜不倦地教導(dǎo)，有些問題有了有課堂上地認真消化，有平時作業(yè)作補充，我比一部人具有更高的起點，有了更多的知識層面去應(yīng)付各種工作上的問題，作為一名大學(xué)生，應(yīng)該懂得與社會上各方面的人交往，處理社會上所發(fā)生的各方面的事情，這就意味著大學(xué)生要注意到社會實踐，社會實踐必不可少。畢竟，很快我就不再是一名大學(xué)生，而是社會中的一分子，要與社會交流，為社會做貢獻。只懂得紙上談兵是遠遠不及的，以后的人生旅途是漫長的，為了鍛煉自己成為一名合格的、對社會有用的人才.很多在學(xué)校讀書的人都說寧愿出去工作，不愿在校讀書；而已在社會的人都寧愿回校讀書。我們上學(xué)，學(xué)習(xí)先進的科學(xué)知識，為的都是將來走進社會，獻出自己的一份力量，我們應(yīng)該在今天努力掌握專業(yè)知識，明天才能更好地為社會服務(wù)。實踐心得：雖然這次的實踐只有短短的幾天，而且從事的是比較簡單的服務(wù)工作，但是通過與各種各樣的人接觸，還是讓我學(xué)會了很多道理。首先是明白了守時的重要性。工作和上學(xué)是兩種完全不同的概念，上學(xué)是不遲到很多時候是因為懼怕老師的責(zé)怪，而當你走上了工作崗位，這里更多的是由于自己內(nèi)心的一種責(zé)任。這種責(zé)任是我學(xué)會客服自己的惰性，準時走上自己的崗位。這對我以后的學(xué)習(xí)生活也是一種鞭策，時刻牢記自己的責(zé)任，并努力加強自己的時間觀念。其次讓我真實的體會到了合作的重要性。雖然我工作的只是小小的一家餐廳，但是從點單到制作到遞送到結(jié)帳這一環(huán)環(huán)的工作都是有分工的，只有這樣才能使整家店的工作效率都大大的提高。以前雖然在書上看見過很多的團隊合作的例子，但這一次是深刻的體會到了，正所謂“眾人拾柴火焰高”，“團結(jié)就是力量”。在以后的學(xué)習(xí)和工作中，一定會要牢記這一點，將自己融入到集體中，和大家一起攜手走向輝煌。再次，這次打工的經(jīng)歷也讓我的心理更加趨于成熟。在餐廳里每天面對形形色色的客人，重復(fù)著單調(diào)的工作。讓從未涉世的我還是有那么一點點不適應(yīng)的，但是堅持就是勝利。打工畢竟和在家是完全不同的概念，我們學(xué)會需要忍耐，需要學(xué)會承受，需要學(xué)會堅持。將自己這短短的一月的實踐同理論相聯(lián)系，我了解到當代大學(xué)生與以往的大學(xué)生相比較，求學(xué)經(jīng)歷、生活條件、所處社會大環(huán)境都相對優(yōu)越，也沒有經(jīng)過必要的挫折教育，因此，意志往往比較脆弱，克服困難的能力也較差，常常是對社會的要求較高，對自我的要求較低。大學(xué)生的責(zé)任意識日益成為社會關(guān)注的熱點問題，責(zé)任意識和誠信意識成為不少地方采用人才的兩個新標準。大學(xué)生參與社會實踐是促進大學(xué)生素質(zhì)教育,加強和改進青年學(xué)生思想政治工作，引導(dǎo)學(xué)生健康成長和成才的重要舉措，是學(xué)生接觸社會、了解社會、服務(wù)社會，培養(yǎng)創(chuàng)新精神、實踐能力和動手操作能力的重要途徑。對于當代大學(xué)生來說，應(yīng)當刻苦學(xué)習(xí)專業(yè)知識，不斷提高綜合素質(zhì)和運用知識的技能。從大學(xué)生活的開始到走進社會的大圈子中，就只有短短的幾年時間，誰不想在將來的社會中能有一席之地呢？所以大家認為大學(xué)生必須投身校園內(nèi)外的各類實踐活動，有助于鍛煉品質(zhì)，提高能力?？梢娖鋵Υ髮W(xué)生綜合素質(zhì)的提高有不可抵觸的重要性。不能否認有過打工經(jīng)歷的同學(xué)，看起來要比其它同學(xué)更成熟、社會適應(yīng)力更強，但對于學(xué)生，社會適應(yīng)力只是一方面的衡量指標，大學(xué)期間主要的任務(wù)是學(xué)業(yè)結(jié)構(gòu)的搭建，即知識結(jié)構(gòu)、專業(yè)結(jié)構(gòu)的搭建，為了打工影響甚至放棄了專業(yè)知識的學(xué)習(xí)，結(jié)果是得不償失的。實踐出真知，社會實踐活動是大學(xué)生活的重要組成部份，培養(yǎng)當代大學(xué)生的歷史使命感、社會責(zé)任感和積極向上的精神風(fēng)貌，充分發(fā)揮實踐育人的作用，提高大學(xué)生的綜合素質(zhì)，也是檢驗所學(xué)理論知識的標準，社會實踐不但為大學(xué)生提供了一個發(fā)揮自我才能，展現(xiàn)自我風(fēng)采的舞臺，也是培養(yǎng)和鍛煉同學(xué)們綜合能力的一個階梯，更是一個大學(xué)生進入社會，走上工作崗位前的演練場地。社會實踐活動，從而確定比較正確的人生前進方向。河南理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院實習(xí)報告20—20學(xué)年第學(xué)期實習(xí)名稱生產(chǎn)實習(xí)實習(xí)地點實習(xí)日期學(xué)生姓名學(xué)號專業(yè)班級指導(dǎo)教師20**年**月**日一、實習(xí)基本情況20**年**月通過網(wǎng)絡(luò)招聘，我應(yīng)聘到河南中方紡業(yè)有限公司進行實習(xí)，該公司位于周口市，主要承擔(dān)棉紡制造與銷售工作，進入公司后我被分配到信息管理部門，主要從事的工作是對公司的網(wǎng)絡(luò)進行管理與維護，同時對公司網(wǎng)站的管理與維護進行學(xué)習(xí)，三個月的實習(xí)讓學(xué)會了從不同的角度去看待問題和解決問題，對網(wǎng)絡(luò)工程師的工作有了全面的認識，為以后的就業(yè)積累了經(jīng)驗。二、實習(xí)內(nèi)容1.單位情況河南中方實業(yè)（集團）有限公司是以棉花種植、收購、加工、經(jīng)營、倉儲、紡織及棉花與紡織品進出口為產(chǎn)業(yè)鏈條，集研發(fā)、生產(chǎn)、經(jīng)營、投資、管理于一體的現(xiàn)代產(chǎn)業(yè)化集團企業(yè)。旗下?lián)碛卸嗉覐氖旅藁?、紡織等生產(chǎn)、經(jīng)營的全資、控股子公司。經(jīng)過多年的發(fā)展，公司已形成了以“棉花經(jīng)營、棉花物流、棉紡織、紡織品出口”為主干業(yè)務(wù)，以“國內(nèi)、國際”為兩大市場的經(jīng)營格局。棉花經(jīng)營涵蓋進口棉、新疆棉、地產(chǎn)棉三大系列多個品種；棉花物流業(yè)務(wù)以地產(chǎn)棉交易為主，填補了河南無地產(chǎn)棉交易市場的空白，并融入了全國棉花物流體系；棉紗產(chǎn)品從精梳40s到精梳120s、氣流紡紗16s到21s等兩大系列；外貿(mào)出口涵蓋棉紗、面料、服裝等三大系列、400多個品種。公司營銷網(wǎng)絡(luò)覆蓋國內(nèi)眾多棉花生產(chǎn)、經(jīng)營、紡織企業(yè)，大型專業(yè)公司及國際棉花、紡織工貿(mào)公司，并與之建立了長期穩(wěn)固的互助合作關(guān)系，業(yè)務(wù)范圍遍及河南、河北、湖北、新疆、甘肅、浙江、江蘇、山東、廣東、福建、香港、新加坡、印度、澳大利亞、美國等區(qū)域。2.技術(shù)培訓(xùn)初到公司后，公司進行了一系列的公司工作相關(guān)培訓(xùn)，如企業(yè)文化、企業(yè)制度等，我所在的信息管理部門也進行了一些技術(shù)培訓(xùn)，主要內(nèi)容有辦公軟件的使用、公司網(wǎng)絡(luò)的日常維護工作等，這些培訓(xùn)讓我對網(wǎng)絡(luò)專業(yè)有了更進一步的了解，對網(wǎng)絡(luò)工程師應(yīng)該干什么有了一個整體的了解。3.工作內(nèi)容在實習(xí)期間我先后主動了解了公司職能范圍、機構(gòu)設(shè)置、人員編制等基本情況，并對人事教育、網(wǎng)絡(luò)管理重點以及現(xiàn)場維護等工作深入學(xué)習(xí)，先后研讀了TCP/IP協(xié)議詳解一、二卷等書籍，同時我還理論聯(lián)系實際，實習(xí)期間主動要求跟老工程師到現(xiàn)場去實踐鍛煉、了解學(xué)習(xí)，努力從多方面開拓自己的眼界。我的主要工作是，在日常工作中通過對老員工的學(xué)習(xí)，不斷的增加自己的實踐知識儲備，積極參加部門的技能培訓(xùn)，及時總結(jié)學(xué)習(xí)內(nèi)容，同時對公司需要的文件進行修改、打印以及分發(fā)到各個部門。在實習(xí)期間，我遇到了很多問題如對設(shè)備不熟悉、所學(xué)知識不能學(xué)以致用等問題，通