图像处理与模式识别课程设计

《图像处理与模式识别课程设计》由会员分享，可在线阅读，更多相关《图像处理与模式识别课程设计（51页珍藏版）》请在金锄头文库上搜索。

1、图像处理课程设计,孙玉宝,课程设计的目的,数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是： 1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法； 2、增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力； 3、尝试所学的内容解决实际工程问题，培养学生的工程实践能力。,设计要求,1、按照设计任务书要求，使用Matlab软件独立完成设计任务，鼓励使用C语言编程实现； 2、根据设计任务写出设计工作小结，对设计过程所进行的有关步骤进行理论分析，并对完成的设计作出评价，总结自己整个设计工作中的经验教训、收获； 3、编写课程

2、设计报告，报告必须按照统一格式打印，装订成册，字数一般不少于三千字；,课程考核及评分标准,课程整体考核分三部分，一部分是平时成绩，占20%；第二部分是上机实验及其报告，占30%；第三部分为课程设计及其报告，占50%。 设计完成后，要提交相关的文档：1.课程设计报告书(纸质和电子版各一份) 2.源程序代码（电子版）,课程考核及评分标准,课程设计的具体评分基本标准如下表：,课程设计报告的内容及要求,在完成课题验收后，学生应在规定的时间内完成课程设计报告一份（不少于3000字） 报告的格式内容如下： 1、目的与要求这部分主要说明本课程设计的目的、任务和要求； 2、设计的内容根据指导书的讲述，介绍系统

3、中所设计的主要功能和原理方法； 3、总体方案设计根据课程设计的具体情况，描述系统的具体构架，包括：功能模块的划分、系统运行的环境、选用的工具及主要实现功能的原理。 4、各个功能模块的主要实现程序主要的功能实现和函数要进行详细的说明，包括其用法，使用范围，及参数等。 5、测试和调试按课程设计要求，选用多幅图像对程序进行测试，并提供系统的主要功能实现的效果图。并在调试中发现的问题做说明。 6、课程设计总结与体会主要说明设计中学到的东西和取得的经验总结，心得体会。 7、参考文献写出具体的主要参考文献，标明其作者、出处、年代、若是期刊文章，还需要给出期刊名。网络的文章要给出网址。,课程设计报告的内容及

4、要求,报告要求 1、必须按照以上格式书写报告。 2、必须对课程设计总体方案进行详细地说明。 3、详细说明各个功能模块的具体实现，对用到的主要函数及参数要做具体的说明，同时要有必要的实现流程图。 4、程序代码后必须贴上主要步骤实现的效果图。,题目1：图像处理软件,设计内容及要求： （1）、独立设计方案，实现对图像的4种及以上处理（比如：底片化效果、灰度增强、图像复原等等），并至少对其中一种处理方法独立编程实现，不能完全使用工具箱中的函数。 （2）、参考photoshop软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与其他软件实现的效果进行比较、分析。总结设计过

5、程所遇到的问题。,题目1：图像处理软件,参考方案 实现图像处理的基本操作学习使用matlab图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），对图像进行显示(如imshow（image）)，以及直方图计算和显示。 图像处理算法的实现与显示针对课程中学习的图像处理内容，实现至少三种图像处理功能，例如模糊、锐化、对比度增强、复原操作。改变图像处理的参数，查看处理结果的变化。自己设计要解决的问题，例如引入噪声，去噪；引入运动模糊、聚焦模糊等，对图像进行复原。 参照“photoshop”软件，设计图像处理软件界面可设计菜单式界面，在功能较少的情况下

6、，也可以设计按键式界面，视功能多少而定；参考matlab软件中GUI设计，学习软件界面的设计。,题目2：运动目标的检测,在视频监控领域，需要对监控画面进行存储。长时间的存储占用了大量的硬盘空间。为了节省存储磁盘空间，对于监视场景内没有活动目标出现时的视频画面一般不进行存储。只有在检测到画面中存在运动目标时才进行录像存储。设计一个视频监控软件，完成对运动目标的检测及视频存储功能。 要求完成功能：1、显示动态视频画面；2、对画面中内容进行运动目标检测；3、对有变化的画面进行存储，并按照系统时间命名文件名；4、设计软件界面。,题目2：运动目标的检测,参考方案 1、从计算机上联接的图像获取设备中获得实

7、际视频； 2、对相邻帧（或者间隔固定帧）图像进行差值检测 3、差值超过一定阈值则认为有运动目标，将视频画面保存在硬盘中.,设计内容及要求： 在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。国内常用的一般车牌通常是是蓝底白字，长宽比3:1。 1、对车牌图像进行预处理，然后进行车牌定位； 2、进行字符分割； 2、对车牌中的数字和字母进行提取和识别（对汉字不作要求）；（提高部分） 3、要求自行设计方案、编写代码实现上述功能。,题目3： 车牌识别,题目3： 车牌识别,参考方案 1、对图像进行预处理，增加

8、图像的对比度； 2、根据图像的颜色对车牌区域定位 2、对图像进行旋转、二值化操作，并进行水平投影操作，根据直方图峰值和谷值对字符进行分割； 3、可采用模板匹配方法，对数字和字母进行识别，并输出识别后的结果。 4、设计车牌识别的软件界面。,题目3： 车牌识别,模式识别课程设计,孙玉宝,前言,考核标准以及课程设计报告要求同图像处理课程,题目1: 基于PCA方法的人脸识别,训练阶段：1:一张人脸图片在计算机表示为一个像素矩阵，即是一个二维数组，现在把这个二维数组变成一维数组，即把第一行后面的数全部添加到第一行。这样一张图片就能表示为一个向量d=（x1,x2xn）。xn表示像素。2: 现在训练库里有m

9、张人脸图片，把这些图片都表示成上述的向量形式，即d1，d2，,dm，把这m个向量取平均值得向量avg=（y1，y2yn）。3: 用d1，d2.dm分别减去avg后组成一个矩阵A,即矩阵A的第一行为d1-avg，后面类似。A的大小为mn。4: 根据A计算其协方差矩阵B，B的大小mm，求B的特征向量。取最大的K个特征向量组成新的矩阵T，T的大小mk。5: 用图片向量d乘以T得到图片向量d在特征脸的投影向量pn，有多少张训练图片就有多少个pn。pn的大小1k,题目1: 基于PCA方法的人脸识别,识别阶段：1:一张新的图片也表示为d的向量，记为D，D的大小1n2: D乘以上面训练得到的T, 得到这个图

10、片向量D在T下的投影向量P，p的大小1k。3: 计算p与上面所有的pn的向量距离，与p最小的那个向量所对应的人脸图片跟这张新人脸图片最像。,题目1: 基于PCA方法的人脸识别,数据集： Yale database Contains 165 grayscale images in GIF format of 15 individuals. There are 11 images per subject, one per different facial expression or configuration: center-light, w/glasses, happy, left-light,

11、 w/no glasses, normal, right-light, sad, sleepy, surprised, and wink. 64x64 Data File: contains variables fea and gnd. Each row of fea is a face; gnd is the label.,题目1: 基于PCA方法的人脸识别,A random subset with p(=2,3,4,5,6,7,8) images per individual was taken with labels to form the training set, and the r

12、est of the database was considered to be the testing set. For each given p, there are 50 randomly splits: 2 Train | 3 Train | 4 Train | 5 Train | 6 Train | 7 Train | 8 Train | Each split file contains variables trainIdx and testIdx. The following matlab codes can be used to generate the training and

13、 test set: %= fea_Train = fea(trainIdx,:); fea_Test = fea(testIdx,:); gnd_Train = gnd(trainIdx); gnd_Test = gnd(testIdx); %=,题目1: 基于PCA方法的人脸识别,ORL database Ten different images of each of 40 distinct subjects. For some subjects, the images were taken at different times, varying the lighting, facial

14、expressions (open / closed eyes, smiling / not smiling) and facial details (glasses / no glasses). All the images were taken against a dark homogeneous background with the subjects in an upright, frontal position (with tolerance for some side movement). 32x32 Data File: contains variables fea and gn

15、d. Each row of fea is a face; gnd is the label. Sample images 64x64 Data File A random subset with p(=2,3,4,5,6,7,8) images per individual was taken with labels to form the training set, and the rest of the database was considered to be the testing set. For each given p, there are 50 randomly splits

16、: 2 Train | 3 Train | 4 Train | 5 Train | 6 Train | 7 Train | 8 Train |,题目2：基于线性感知器的多类数据分类,数据集：irisdataset，包含四类 先前课后作业中做的两类分类，要求同学结合之前讲的多类分类器设计算方法，实现基于线性感知器的irisdataset四类数据分类。 完成Wine Data Set的分类实验可以加分,题目3：基于Fisher线性鉴别分析的数据分类,数据集：irisdataset，包含四类 先前实验中做的是两类的fisher线性鉴别分析，要求同学结合之前讲的多类分类器设计算方法，实现基于Fisher线性鉴别分析的irisdataset四类数据分类。 完成Wine Data Set的分类实验可以加分,题目4：车牌识别,同图像处理课程,题目5：ISODATA动态聚类算法,