基于计算机视觉的水果分级检测系统的设计
基于计算机视觉的水果分级检测系统的设计
摘要
计算机视觉应用于水果的品质检测，带来了许多方便。既可以提高检测的精度、准确度。又节省了大量的劳动力，让人们从繁重的人工检测工作中解脱出来。本文以苹果为研究对象，研究了计算机视觉技术应用于水果分级检测的基本理论和方法。
研究了苹果图像的预处理，包括平滑滤波、图像的灰度化以及图像的二值化。
研究了苹果的大小检测。先把苹果图像与背景分离，再计算出苹果图像的像素点数，通过预先测定出的一个像素点与真是面积的比值，进而算出苹果的真是面积，最后通过直径的大小来确定苹果大小等级。
研究了苹果的颜色检测，通过HIS颜色模型中的H分量来判定出苹果的着色面积，通过着色面积与苹果的大小做比，得出苹果的着色比，通过着色比来判定苹果颜色等级。研究了苹果的缺陷检测。对苹果图像的灰度化，再通过用合适的阀值二值化图像确定出缺陷区域，在通过一些简单的运算得出缺陷的面积，通过缺陷的面积确定苹果的缺陷等级。
关键词：计算机视觉，图像处理，水果分级
The Design of Fruit Grading Detection System Based on
Computer Vision
ABSTRACT
Computer vision applied to fruit quality inspection, brought a lot of convenience. Can enhance the detection accuracy. And save a lot of people's labor from the heavy manual inspection work in earnest. So today I will introduce the basic theory and methods of a technology which can detect fruit ,this technology takes apple as the research object .
Apple image preprocessing, including filtering, the grayscale of the image and the binarization of images.
The size of the detection of apple. Departing apple's image and background first, secondly ,calculate the number of the apple image's pixels. Thirdly ,calculate the area of the apple in real through the predetermined ratio of a pixel area and its real area.Finally,determine the apple's size class through diameter .
The color of apple detected by its color model HIS.We use the component H in HIS model to determine apple's colored area, through the ratio of the colored area's size and the apple's size in real we can find out the color ratio. So we can determine the class of color through color ratio.
The apple defect detection.We should make out the grayscale image of the apple at first, and then by using the appropriate threshold of the binary image to determine the defect area, so we can draw out the area of the detection through some simple operations .Finally we can determine the defect level of this apple through the area of detection.
Key words:Computer vision, image processing, fruit grading
目录
1绪论 0
1.1 研究的目的与意义 0
1.2 国内外研究的现状 0
1.2.1 国外情况 0
1.2.2国内情况 (1)
1.3 研究内容 (1)
1.4 技术路线 (1)
1.5 本章小结 (2)
2图像预处理方法研究 (3)
2.1 引言 (3)
2.2 图像的平滑处理 (3)
2.2.1 中值滤波法 (4)
2.2.2 快速中值滤波 (4)
2.2.3 邻域平均法 (4)
2.4图像的二值化 (6)
2.5 本章小结 (7)
3 苹果的大小检测 (8)
3.1 引言 (8)
3.2 大小检测分级研究 (8)
3.3 苹果大小特征提取 (10)
3.4 苹果大小分级试验与结果 (11)
3.5 本章小结 (11)
4.1 引言 (12)
4.2 颜色模型 (12)
4.3苹果表面颜色特性分析 (16)
4.4 苹果颜色着色度提取与等级划分 (16)
4.5 本章小结 (17)
5 水果的缺陷检测 (18)
5.1引言 (18)
5.2水果缺陷检测研究 (18)
5.3水果缺陷检测试验与结果 (20)
5.4本章小结 (22)
6 水果分级的系统研究 (23)
6.1引言 (23)
6.2系统工作原理 (23)
6.3本章小结 (24)
致谢 (25)
参考文献 (26)
1绪论
1.1 研究的目的与意义
自古以来我们国家就是一个农业大国，农业在国民收入中占据了很大的比重。而在农业中水果的种植又十分广泛。但一直以来我国水果出口情况一直不如国外，这不是说我国的水果质量比别国的差，而是我国的水果在后序的分级方面做的比不上外国。现在随着人们的生活水平提高，对于质量的要求就高了，所以说水果的分级就显得十分的必要。但是我国的水果分级工作大部分是靠人力完成，这就产生了很多的问题，比如说：工作量十分大，要占用许多的劳动力来完成这件事，而且效率也不高；再者说人的疲劳和天生对色泽等方面的敏感度不高，同样对分级的质量产生影响。虽然近些年我国在机器检测中取得了一些成就，使得在水果的大小、颜色方面的检测可以让机器代替人工去完成。但由于检测方法比较简单，所以完全达不到市场的要求和人的期望。
随着计算机的迅速发展，计算机视觉技术被广泛应用于农产品检测中。所以通过将计算机技术和图像处理等许多学科知识综合起来，先通过对水果大小、颜色、缺陷各个方面分别进行检测，再对各个检测结果进行综合分析。这样得出的判断包含的方面比较全面，而且图像处理知识的应用使得检测更加精确。这样水果的检测才达到真正意义上的智能化。本课题就是介绍了基于计算机图像处理的水果分级检测。
1.2 国内外研究的现状
1.2.1 国外情况
国外在水果的计算机视觉检测方面发展比较早，并已经取得了很多成果。同样在国外这方面的研究中，缺陷的检测同样也是一个难题。
Yang Q[1]首先对水果的图像进行分割，因为水果表面各个地方的缺陷大小不同，程度也不一样。这样分割后可以使得水果的图像，受光反射等方面的影响程度减小。可以使得缺陷部分如斑块、擦伤等可以分开进行检测。这样的分割不仅可以使得研究方面，同样也是十分必要的。之后Yang Q又进行了改进，他通过采用蛇形算法达到更精确的分割，具有更高的抗干扰能力，对于目标的局部模糊也不敏感。使得初始的轮廓更靠近真实状态
Leemans[2]在缺陷检测中运用另外的方法，他把水果像素点逐个和水果的平均颜色值进行比较。差别大的则认为是缺陷，反之则认为是正常的组织。但这种方法存在明显的缺点，当缺陷与正常组织对比明显时十分有效，但如果对比不是很明显时，误差就比较大。
Shalin[3]等利用X射线的线扫描设备来检测水果的创伤，以空间边缘特征和离散余
弦变换系数为特征，利用人工神经网络进行分类，这种方法对旧的创伤精确度挺高的，但对于新的创伤的精确度却比较低。
1.2.2国内情况
国内在水果检测方面的起步比较晚，但是发展十分迅速。
冯斌等[4]通过确定水果的形心、轴心等，再通过计算得出了水果的大小、尺寸，精确度十分高。
高华等[5]提出用傅里叶描述子，傅里叶系数等来确定水果的大体轮廓。进而对水果的形状规则度做出判断。
林开颜[6]等和高华的方法有所不同，他们先用“基于梯度法的彩色图像边缘检测”确定水果的边界，然后通过对边界进行傅里叶变换，用傅里叶系数近似确定出水果的形状，再对形状的不规则度进行判别。
胡海晴等[7]对水果图像进行处理，将图像的RGB模型转换为HIS模型后，通过色度比较来确定水果的成熟度等级。而度量器则使用Hamming网络结构作为人工神经网络的结构，运算速度高而且判定的精确度也很高。
李庆中等[8]通过双金字塔数据形式的盒维数快速计算，用得到的分形维数作为可疑缺陷区的参数，再通过BP形网络结构的人工神经网络，最终实现对梗、萼和缺陷的准确判断。解决了梗萼与缺陷区判定这一难题。
1.3 研究内容
本课题是基于计算机视觉的水果分级检测，以苹果为研究对象。在总结了国内外的研究成果的基础上，选用了运行速度快、可靠性高的方法。对苹果依次进行了图像采集、灰度化、二值化、图像分割、颜色模型转换。再通过苹果的分级特征对苹果进行分级。保证了分级结果的准确性和实用性。主要的研究内容包括：
通过采集到的苹果图像，经过一些处理后。提取出苹果大小的特征值建立分级模型。根据苹果检测出的结果作出判断，来定出水果的大小等级。
对苹果的表面颜色进行分析，建立分级模型，提取出颜色特征值，进而判定出水果颜色的等级。
对苹果进行灰度化，并选择适当的阀值对灰度化后的图像进行二值化，确定缺陷的区域。在通过计算缺陷面积得出缺陷的等级。
1.4 技术路线
采用CCD摄像头和图像采集卡工具完成对图像的采集。并传输到计算机上为后续的图像处理做准备。
对采集到得图像进行图像的预处理，使得后续的检测分级更加的精确。
确定图像的分级参数，从水果图像的大小、颜色和缺陷这三个方面来分别进行分级。对各个方面的分级结果进行综合，得出水果的品质等级。
1.5 本章小结
本章通过分析水果分级检测研究的意义，以及计算机视觉技术在水果分级中的应用。确定了研究的方向为基于机器视觉技术进行苹果外观品质检测，研究目标是设计实时的水果分级系统。根据研究目的及研究内容，确定了研究的技术路线。
2图像预处理方法研究
2.1 引言
本课题研究内容是基于计算机图像处理的水果分级检测，而要保证分级结果的可靠性，那么在图像处理的每一个环节都要确保尽可能的准确。那么就需要在处理前对图像进行预处理。以此来消除图像的噪声、模糊等问题。
图像的预处理就是对图像进行加工，来满足人的视觉要求和应用要求。图像的预处理有光学方法和数字方法。光学处理的效果差、稳定性不够高，而与此同时数字处理技术飞速发展，其效果和稳定性相比光学方法来说都要好。主要的数字处理方法如下：
点运算
图像的点运算主要是对一个个的像素点进行加、减、乘、除等运算，可以有效的改善图像的直方图、分辨率。
几何处理
图像的几何处理主要指图像的坐标运算，主要包括图像的旋转、放大、缩小、移动等。另外还包括图像的扭曲矫正。
图像增强
目前的图像增强技术根据其处理的空间不同，可以分为两大类：空域方法和频域方法。前者直接在图像所在的像素空间进行处理；后者是通过对图像进行傅里叶变换后在频域上间接进行的。在空域处理方法中，根据每次处理时针对单个像素还是小的子图像块，又可分为两种：一种是基于像素的图像增强，也叫点处理；另一种是基于模板的图像增强，也叫空域滤波。
图像复原
图像的复原就是对退化的图像进行处理，尽可能恢复原图像的本来面目。也就是针对图像退化的原因设法进行补偿，把图像的退化过程模型化，并且采用相反的过程来恢复出原来的图像。
2.2 图像的平滑处理
在图像的拍摄过程中由于受拍摄和传输设备的影响，总会产生使人厌恶的噪声，同样在图像的处理过程中也会产生。这些噪声会影响后续的处理工作和视觉效果。所以必须对图像提前进行平滑处理以减少噪声。噪声的消除有两种方法：频域法和空域法。频域法的原理是消除频域中高频成分，但是需要在处理过程中不断的在频域和时域之间转换，处理速度慢，不适合实际应用。实际应用中一般采用空域法，空域法中常用的有中值法、快速中值法、邻域平均法等。
2.2.1 中值滤波法
中值滤波是一种非线性平滑滤波，在一定的条件下可以克服线性滤波所带来的图像细节模糊问题，而且对过滤脉冲干扰及图像扫描噪声非常有效，但对某些细节多（点、线、尖等）的图像不宜采用中值滤波方法。
他的方法是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口各点的中值代替。其在matlab中用到的函数是medfilt2，其相应的语法是：
B=medfilt2(A,[m,n])
[m,n]为指定滤波模板的大小，默认值是3*3大小
2.2.2 快速中值滤波
快速中值滤波的方法稍微有点复杂，它要先求出原图像的直方图，然后通过直方图来求出中值。假设窗口的大小为m*n，从一个窗口的中值滤波输出到下一个中值滤波的输出。窗口将移动一列，新窗口的像素是原窗口的像素删去最左边的一列，然后再在他的右边加上另外一列。其余所有的像素点保持不变。然后对原来的直方图进行修正，利用直方图求新窗口的中值。
2.2.3 邻域平均法
由于图像受照相机、传输设备影响所产生的噪声都是随机的。可以把这些噪声看作是孤立的。所以可以用一个模块中所有像素的平均值来代替模板中间点的像素值。这样可以达到减少噪声的效果。但是图像的边缘可能就会因此而变得模糊了。因为图像的边缘本身变化就十分的剧烈。处理时可能会使图像边缘的细节变模糊。这也是邻域平均法的一个十分明显的缺点。
在本课题中，由于要考虑到图像处理的速度问题，实现的简易度，和图像处理的准确度等一些问题，所以我选择了中值滤波法。图像滤波后如下图所示：
图2-1 中值滤波后的苹果图像
2.3 图像的灰度化变换
通过CCD采集到的图像是RGB的彩色图像，如果要进行后序的处理工作。那么必须在前期先对其进行灰度化变换。灰度化变换之后的图像就是我们平时所说的黑白图像。图像的灰度化方法有三种：
最大值法
这种方法就是根据图像的RGB分量来确定图像的灰度值。灰度化后的灰度值就是R,G,B三个分量中的最大的那一个分量。
平均值法
这种方法就是计算R,G,B三个分量的平均值，用这个值作为灰度化后的灰度值。
权重值法
这种方法就是用R,G,B分量分别乘以一个参数，这样得出的值作为灰度化后的值。本课题中对于图像的灰度化处理是通过一个函数实现的，这个函数就是rgb2gray.经过灰度化后的图像如下所示：
图2-2 灰度化后的苹果图像
2.4图像的二值化
图像的二值化就是把得到的灰度化图像，通过选定阀值，把其变成只有“0”和“1”两个值的图像。把超过阀值的灰度值，统一处理成1，把低于阀值的灰度值统一处理成0.
本课题中对于阀值的选择，我选用了一个函数graythresh.通过graythresh函数选择出了阀值，然后用这个阀值作为参数进行如上所说的二值化。最后得出的二值化后的图像如下所示:
图2-3 二值化后的苹果图像
2.5 本章小结
本章通过比较不同的图像平滑化处理方法，最后采用了中值滤波法，既处理了噪声，还不会使图像变模糊，最主要的是使用起来十分的方便。另外还说明了图像预处理的其他方面内容，包括图像的灰度化和图像的二值化。
3 苹果的大小检测
3.1 引言
水果的大小是水果品质的一个十分重要的品质因素。因而对于大小的分级检测在整个课题中占有十分重要的位置。目前水果大小检测的方法很多，在这方面研究的也十分成熟了。对于这方面的研究:
章文英[1].等通过先对图像预处理，确定水果的轮廓，再通过水果的最小外切矩形，近似确定水果的大小，精确度不是很高。
而冯斌[2].等先边缘检测，后通过确定水果的轴向、形心，进而得出水果的大小，精确度很高。
3.2 大小检测分级研究
目前水果的大小识别方法主要有两个方面：通过水果的外接矩形等方法确定水果的的果径大小，进而通过果径的大小来确定水果的大小等级；通过对水果的边缘进行傅里叶变换，通过傅里叶系数来确定水果的大小、形状等一些特征值，以此来判定水果的大小。现有的水果大小识别方法有以下几种方式：
最小外接矩形法
其基本的方法是先确定水果的形心，然后将水果每绕形心旋转3度后就拍一照片，找出所有照片中苹果外接矩形最小的那一张。那么这张图片的最长的那条边的长度就是苹果的果径长度。进而通过果径的长度来判定水果的大小等级。
图3-1 外接矩形法
最大果宽法
水果的大小可以通过水果的直径来表示，所以可以用果宽来对苹果的大小进行分级。
对于确定果宽大小，第一步要求出苹果的果轴，果轴就是花萼和花梗的连线。果轴的确定对于静态的图像来说非常容易。果宽就是垂直于果轴的直线与苹果边缘交线中最长的那一条长度。
图3-2 最大果宽法
果径法
这种方法把苹果看成是球体，通过边缘提取和细节处理后，计算出水果的形心，果梗与形心的连线就是果径，通过形心与果径垂直的线就是果宽。通过果宽的大小来确定出苹果的大小等级。
投影面积法
CCD摄像头拍摄的水果图像是二维的平面图，计算此投影面积S，根据大量试验找到一个合适系数K'使得K乘以S接近水果真实的表面积。最后用这个近似的表面积来表示水果大小，并用于分级。由于很难找到合适的K值使所有的苹果近似面积接近真实表面积，该方法稳定性差。准确率低，不宜用在在线苹果大小检测上。
综上所述，最小外接矩形法计算量太大，不满足快速检测的要求．最大果宽法和果径法计算量小，但是根据得到的苹果图像不易找到果轴，因此算法难以实现。投影面积法对于一个苹果只拍摄一个图像，稳定性差，准确率低。
本课题中每个苹果经过采集区域的过程中不停滚动，并被连续采集到3幅不同表面图像，覆盖整个果面的90％以上，可以较完整地反映苹果表面信息，且每幅图像中苹果的面积即苹果最大横截面面积。由于苹果属于圆形果种类，可以把图像中苹果近似看作圆形，带入圆的面积公式计算半径R。R为苹果最大横截面半径，对每个苹果的三幅图像求取三个R值，再求平均，即得到苹果的平均半径R。大小用最大横切面积直径来表示，因此使R乘以2得到苹果平均直径D，并把D作为大小特征值，这就是改进的投影面积法。
3.3 苹果大小特征提取
用这种改进过的投影面积法，先找出三幅苹果不同侧面拍出来的照片，分别计算他们的面积s1,s2,s3，然后使用公式：
R=sqre(s/pi)
由于判定水果的大小等级一般都是使用水果的直径来判别，所以要计算出水果的直径大小。
D=2*R
然后通过计算出的三个直径D1,D2,D3.求出他们的平均值作为最后得出的直径大小
D=(d1+d2+d3)/3
三幅苹果图像如下：
图3-3 苹果图像1
图3-4 苹果图像2
图3-5 苹果图像3
3.4 苹果大小分级试验与结果
GB10654—89中对于大型果、中型果、小型果的果径大小要求如下。本课题通过对水果的投影面积法，进而计算初水果的直径大小，再利用特定的阀值来对苹果的大小进行区分。
表3-1 苹果等级划分标准
等级优等一等二等等外
大型果>=70>=65 >=60 <60
中型果>=65>=60 >=55 <55
小型果>=60>=55 >=50 <50
苹果的分级模型可以表示为:
If D>=th1 属于优等果
Elseif D>=th2 属于一等果
Elseif D>=th3 属于二等果
Else 属于等外果
3.5 本章小结
本章通过改进的投影面积法，来先计算出苹果三个侧面的面积，再计算相应的直径，求其平均值。来作为果径的大小，对苹果的大小进行等级区分。
4 水果的颜色检测
4.1 引言
苹果的颜色反映了苹果的品质与口感等一系列方面。品质好的苹果，其色泽、颜色的着色率都很好，而相反品质差的苹果其色泽、颜色的着色率一般都比较差。同时，含糖量多、口感好的一般来说也是着色率比较高的。这样来说，对于水果的颜色检测就显得十分的重要。目前在水果检测中，国外的技术受到硬件和算法的局限，所以技术的成熟度不高，而在我们国内，水果的分级一般都是采用机械分类的方法，其对颜色这方面的检测基本上都无法实现。
4.2 颜色模型
目前的颜色模型可以分为两种类型：一种是面向硬件设备的，比如RGB模型，他是面向打印机、显示器等设备的。另外一种是面向人的视觉感受的，不如HIS模型。而本课题中对于水果颜色的分级是基于人的视觉的，所以选用HIS模型，这种模型更利于我们对水果的特征进行提取。下面介绍几种颜色模型：
RGB模型
在多媒体计算机技术中，用得最多的是RGB模型。其采用R、G、B相加混色的原理，通过发射出三种不同强度的电子束，使屏幕内侧覆盖的红，绿、篮磷光材料发光而产生颜色。RGB是一个加色立方体模型，光源的亮度、色度、纯度混合在R、G、B三个参数中．RGB模型里面任意色光F都可以用R，G，B三色不同分量的相加混合而成：
F=R+G+B
RGB模型采用物理三基色表示，因而物理意义很清楚，适合彩色显象管工作，显示器和扫描仪都采用RGB模型。然而这一体制并不适应人的视觉特点。这种模型从感知来说是不均匀的，并依赖于硬件设备。RGB模型的缺点有：
RGB模型用红、绿、蓝三原色的混合比例定义不同的色彩，使色彩难以用准确的数值来表示，并进行定量分析；
在RGB模型中，由于彩色合成图像通道之间相关性很高，使合成图像的饱和度偏低，色调变化不大，图像视觉效果差；
人眼不能直接感觉红、绿、蓝三色的比例，而只能通过感知颜色的亮度、色调以及饱和度来区分物体，而色调和饱和度与红、绿、蓝的关系是非线性的，因此，难以在RGB 模型中对图像进行直接处理．
以下是实验中得出的R，G，B分量：
R分量
图4-1 RGB模型中R分量的图像
G分量
图4-2 RGB模型中G分量的图像
B分量
图4-3 RGB模型中B分量的图像
YUV颜色模型
YUV颜色模型也是使用比较多的颜色模型，由于人眼对于亮度的敏感度远远大于对于色度的敏感度，所以YUV这个模型中，相邻的像素间使用同样的色度值。这样的图像是用牺牲色度来达到压缩图像的目的。这个模型一般用于图像传输中对图像进行压缩处理。
HIS颜色模型
这一模型是面向彩色处理的最常用的模型。HIS模型是基于视觉原理的一个系统，定义了三个互不相关，容易预测的颜色属性，即色调(H)，亮度(I)和饱和度(S)。其中，H 是表面呈现近似红、黄，绿、蓝等颜色的一种或几种的目视感知属性；I是物体表面相对明暗特性；S是颜色具有“白光”的程度．它有两个特点：
其一，I分量与图像的彩色信息无关，因此对彩色信息处理只需考虑两个分量。
其二，H和S分量与人感受颜色的方式非常相近。这些特点使HIS模型适合于视觉系统感受彩色特性的图像处理算法。
由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于颜色处理和识别，人的视觉系统经常采用HIS颜色空间，它比RGB颜色空间更符合人的视觉特性。RGB与HIS的相互关系分正反两种情况，这里只讨论从RGB转换到HIS的情况。对任何3个在【0，1】范围内的R、G、B三基色，其对应HIS模型中的H、I、S分量可由下面给出的公式计算：
Temp1 =0.5*((r-g)+(r-b)) （4-1）temp2 =sqrt((r-g).^2 + (r-b).*(g -b)) （4-2）
theta = arccos(temp1./temp2) （4-3）
H=theta G>=B （4-4）
H=360-theta G<=B （4-5）
S=1-3*min(R,G,B)/(R+G+B) （4-6）
I=(R+G+B)/3 （4-7）以下是本课题实验中所得出的HIS三个分量的图像
H分量
图4-4 H分量的图像
I分量
图4-5 I分量的图像
计算机视觉课程设计1
燕山大学 课程设计说明书题目：基于矩形物体的旋转角度测量 学院（系）电气工程学院 年级专业： 学号： 1301030200 1301030200 学生姓名： 指导教师： 教师职称：讲师 燕山大学课程设计（论文）任务书
院（系）：电气工程学院基层教学单位：仪器科学与工程系 说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。 2016年 12 月 22 日燕山大学课程设计评审意见表
摘要 本文主要研究对矩形物体旋转角度的测量，并且比较每种方法的处理速度。通过对图像的滤波、二值化、边框的识别等等操作，完成对矩形物体的角度测量。本文采用五种方法分别对同一个矩形物体进行旋转角度测量，并比较其处理时间。五种方式分别为，边缘直线角度测量、对角线角度测量、矩形内部标准角度测量、角点边缘角度测量、垂线角度测量。 关键词：图像处理二值化旋转角测量定位识别
目录 第一章矩形物体的识别 (1) 1、图像滤波 (1) 2、图像的边缘检测 (2) 3、图像的二值化处理 (3) 4、图像的区域选择及处理 (4) 第二章旋转角度的测量 (6) 1、边缘直线角度测量 (6) 2、对角线角度测量 (8) 3、矩形内部标准角度测量 (9) 4、角点边缘角度测量 (10) 5、垂线角度测量 (11) 第三章算法时间的比较 (15) 参考文献 (16) 附录一 (17) 1、边缘直线角度测量程序 (17) 2、对角线角度测量程序 (17) 3、矩形内部标准角度测量程序 (18) 4、角点边缘角度测量程序 (19) 5、二值化-垂线角度测量程序 (23) 6、Soble-垂线角度测量程序 (24) 附录二 (26)
图像处理课程设计报告
图像处理课程设计报告 导语：设计是把一种设想通过合理的规划周密的计划通过各种感觉形式传达出来的过程。以下是XX整理图像处理课程设计报告的资料，欢迎阅读参考。 图像处理课程设计报告1 摘要：图像处理技术从其功能上可以分为两大类：模拟图像处理技术、和数字图像处理技术。数字图像处理技术指的是将图像信号直接转换成为数字信号，并利用计算机进行处理的过程，其主要的特点在于处理的精度高、处理的内容丰富、可以进行复杂、难度较高的处理内容。当其不在于处理的速度比较缓慢。当前图像处理技术主要的是体现在数字处理技术上，本文说阐述的图像处理技术也是以数字图像处理技术为主要介绍对象。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。近年来, 图像处理技术得到了快速发展, 呈现出较为明显的发展趋势, 了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。本文总结了现代图像处理技术的三点发展趋势。 对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提
取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。 (3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是 何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。 数字图像处理主要研究的内容有以下几个方面： 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 图像编码压缩图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
人脸识别课程设计论文(完美版)
前言 在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。 于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。2、人脸识别可应用在远距离监控中。3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。 4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。人脸识别技术作为生物识别技术的
计算机图形学课程设计书
计算机图形学课程设计 书 文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]
课程设计(论文)任务书 理学院信息与计算科学专业2015-1班 一、课程设计(论文)题目：图像融合的程序设计 二、课程设计(论文)工作： 自2018 年1 月10 日起至2018 年1 月12日止 三、课程设计(论文) 地点: 2-201 四、课程设计(论文)内容要求： 1．本课程设计的目的 （1）熟悉Delphi7的使用，理论与实际应用相结合，养成良好的程序设计技能；（2）了解并掌握图像融合的各种实现方法，具备初步的独立分析和设计能力；（3）初步掌握开发过程中的问题分析，程序设计，代码编写、测试等基本方法；（4）提高综合运用所学的理论知识和方法独立分析和解决问题的能力； （5）在实践中认识、学习计算机图形学相关知识。 2．课程设计的任务及要求 1）基本要求： （1）研究课程设计任务，并进行程序需求分析； （2）对程序进行总体设计，分解系统功能模块，进行任务分配，以实现分工合作；（3）实现各功能模块代码； （4）程序组装，测试、完善系统。 2）创新要求： 在基本要求达到后，可进行创新设计，如改进界面、增加功能或进行代码优化。
3）课程设计论文编写要求 （1）要按照书稿的规格打印誊写课程设计论文 （2）论文包括封面、设计任务书（含评语）、摘要、目录、设计内容、设计小结（3）论文装订按学校的统一要求完成 4）参考文献： （1）David ，《计算机图形学的算法基础》，机械工业出版社 （2）Steve Cunningham，《计算机图形学》，机械工业出版社 （3） 5）课程设计进度安排 内容天数地点 程序总体设计 1 实验室 软件设计及调试 1 实验室 答辩及撰写报告 1 实验室、图书馆 学生签名： 2018年1月12日 摘要 图像融合是图像处理中重要部分，能够协同利用同一场景的多种传感器图像信息，输出一幅更适合于人类视觉感知或计算机进一步处理与分析的融合图像。它可明显的改善单一传感器的不足，提高结果图像的清晰度及信息包含量，有利于更为准确、更为可靠、更为全面地获取目标或场景的信息。图像融合主要应用于军事国防上、遥感方面、医学图像处理、机器人、安全和监控、生物监测等领域。用于较多也较成熟的是红外和可见光的融合，在一副图像上显示多种信息，突出目标。一般情况下，图像融合由
计算机视觉系统及其应用
课程设计 课程名称工业自动化专题 题目名称_计算机视觉系统及其应用学生学院_____自动化________ 专业班级______ 学号 学生姓名____ 指导教师___________ 2013 年 6月 25日
机器视觉系统及其应用 摘要：主要介绍机器视觉系统的概要，简要分析机器视觉的特点、优越性和应用，具体介绍了机器视觉技术在印刷行业、农业、工业、医学中的实际应用，并且分别举例说明。机器视觉的诞生和应用在理论和实际中均具有重要意义。 关键词：机器视觉；标签检测；药物检测；水果品质检测；硬币检测。 1. 机器视觉系统 1.1 机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科。 机器视觉系统通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成。 机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。 现在，机器视觉系统在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。 1.2 基本原理 图 1 是机器视觉系统的基本结构，在一定的光照（包括可见光，红外线甚至超声波等各种成象手段)条件下，成象设备（摄象机，图像采集板等）把三维场景的图像采集到计算机内部，形成强度的二维阵列——原始图象；然后，运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像；其次，运用机器视觉技术从图像中提取感兴趣的特征分类整理；，构成对图像的进一步，运用模式识别技术对抽取到的特征进行描述；最后，运用人工智能得到更高层次的抽象描述。完成视觉系统的任务。 图1机器视觉的基本结构
MATLAB课程设计报告图像处理
一．课程设计相关知识综述...................................................................... 1.1 研究目的及意义 (3) 1.2 数字图像处理研究的内容........................................................... 1.3 MATLAB 软件的介绍.................................................................. 1.3.1 MATLAB 语言的特点......................................................... 1.3.2 MATLAB 图像文件格式.................................................... 1.3.3 MATLAB 图像处理工具箱简介........................................ 1.3.4 MATLAB 中的图像类型.................................................... 1.3.5 MATLAB 的主要应用........................................................ 1.4 函数介绍........................................................................................ 二．课程设计内容和要求........................................................................... 2.1 主要研究内容................................................................................ 2.2 具体要求....................................................................................... 2.3 预期达到的目标........................................................................... 三．设计过程............................................................................................... 3.1 设计方案及步骤............................................................................ 3.2 程序清单及注释........................................................................... 3.3 实验结果........................................................................................ 四．团队情况................................................................................................ 五．总结....................................................................................................... 六．参考文献............................................................................................... 一．课程设计相关知识综述. 1.1研究目的及意义
数字图像课程设计 监控视频中道路车流量检测系统设计
山东建筑大学 课程设计说明书 题目：监控视频中道路车流量检测系统设计课程：数字图像处理课程设计 院（部）：信息与电气工程学院 专业：电子信息工程 班级：电信 学生姓名： 学号： 指导教师： 完成日期：2013年6月
目录 摘要································································································II 1 设计目的 (1) 2 设计要求 (1) 3 设计内容 (2) 3.1运动车辆检测算法比较 (2) 3.2形态学滤波 (5) 3.3车辆检测 (6) 3.4车辆计数 (9) 3.5软件设计 (9) 总结与致谢 (10) 参考文献 (11) 附录 (12)
摘要 获得实时的交通信息是当前各种检测方式的前提，但是现有的信息采集方式并不能满足交通管理与控制的需求。随着计算机技术的快速发展，基于视频的检测技术在交通中得到了广泛的应用，同其它检测方式相比，它具有检测范围大、设置灵活、安装维护方便、检测参数多等优点。基于图像处理的视频检测方式近年来发展很快，已成为当今智能交通系统的一个研究热点。本论文对视频交通流运动车辆检测的内容进行了深入地研究。结合视频图像详细的介绍了视频检测中的背景更新、阴影去除、车辆分割等关键技术和算法，介绍了视频检测的方法。最后在MATLAB的平台上进行了系统实现设计。实验结果表明，该算法具有一定的可行性，能够快速的将目标参数检测出来关键词：MATLAB；帧间差法；车辆检测
随着经济的发展,人民生活水平的提高,汽车保有量大幅增加,怎样安全高效地对交通进行管理,就显得非常重要.解决这一问题的关键是建立智能交通系统(ITS),其中车辆检测系统是智能交通系统的基础.它为智能控制提供重要的数据来源 作为ITS的基础部分,车辆检测系统在ITS中占有很重要的地位,目前基于视频的检测法是最有前途的一种方法,它是通过图像数字的方法获得交通流量信息,主要有以下优点:(1)能够提供高质量的图像信息,能高效、准确、安全可靠地完成道路交通的监视和控制工作.(2)安装视频摄像机破坏性低、方便、经济.现在我国许多城市已经安装了视频摄像机,用于交通监视和控制.(3)由计算机视觉得到的交通信息便于联网工作,有利于实现道路交通网的监视和控制.(4)随着计算机技术和图像处理技术的发展,满足了系统实时性、安全性和可靠性的要求 2 设计要求 通过对视频流中的车辆进行检测和跟踪，准确地统计每个车道流量、平均车速、平均车道占有率、车队长度、平均车间距等信息为交通规划，交通疏导和车辆动态导航领域提供一系列指导。 设计车辆检测与识别方法和车流量统计方法，实现监控视频中道路车流量检测。通过实验验证检测精度。
数字图像处理课程设计(图像去雾)复习进程
数字图像处理课程设计(图像去雾)
数字图像处理 课设题目：图像去雾 学院：信息与电气工程学院 专业：电子信息工程 班级： 姓名： 学号： 指导教师： 哈尔滨工业大学（威海） 年月日
目录 一. 课程设计任务 (4) 二. 课程设计原理及设计方案 (5) 三. 课程设计的步骤和结果 (7) 四. 课程设计总结 (9) 五. 设计体会 (10) 六. 参考文献 (11)
一. 课程设计任务 由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。为了解决这一问题，设计图像复原处理软件。 要求完成功能： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和 直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该 复原图像与原始图像以及直方图均衡化后的图像； 3、设计软件界面
二. 课程设计原理及设计方案 2.1 设计原理 在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析和理解的性能. 在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为 （1） 式中, x 为空间坐标, A 表示天 空亮度(Skylight), ρ为场景反照率, d 为场景的景深, β为大气反射系数。图像去雾的过程就是根据获得的有降质的图像，即 I （x ）来推算出ρ的过程。 但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量固定，然后求解。 2.2 设计方案 2.2.1 白平衡 WP (White point) 算法, 也称为Max-RGB 算法, 利用R 、G 、B 颜色分量的最大值来估计光照的颜色。我们用天空亮度A 来取代最大值。对于A ，如果直接用图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域，然后取平均值为我们估计的天空亮度A 。然后方程（1）变为 （2） 2.2.2 估计大气耗散函数 )1()(d e A d e A x I ββρ--+-=d e d e A I β βρ--+-=1/
模式识别课程设计
模式识别课程设计 聚类图像分割 一．图像分割概述 图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景（其他部分称为背景）。它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量，对图像进行利用。图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 图象分割是图象处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图象分割应用在许多方面，例如在汽车车型自动识别系统中，从CCD摄像头获取的图象中除了汽车之外还有许多其他的物体和背景，为了进一步提取汽车特征，辨识车型，图象分割是必须的。因此其应用从小到检查癌细胞、精密零件表面缺陷检测，大到处理卫星拍摄的地形地貌照片等。在所有这些应用领域中，最终结果很大程度上
依赖于图象分割的结果。因此为了对物体进行特征的提取和识别，首先需要把待处理的物体(目标)从背景中划分出来，即图象分割。但是，在一些复杂的问题中，例如金属材料内部结构特征的分割和识别，虽然图象分割方法已有上百种，但是现有的分割技术都不能得到令人满意的结果，原因在于计算机图象处理技术是对人类视觉的模拟，而人类的视觉系统是一种神奇的、高度自动化的生物图象处理系统。目前，人类对于视觉系统生物物理过程的认识还很肤浅，计算机图象处理系统要完全实现人类视觉系统，形成计算机视觉，还有一个很长的过程。因此从原理、应用和应用效果的评估上深入研究图象分割技术，对于提高计算机的视觉能力和理解人类的视觉系统都具有十分重要的意义。 二．常用的图像分割方法 1.基于阈值的分割方法 包括全局阈值、自适应阈值、最佳阈值等等。阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和前景有明显对比的图像。它是根据整幅图像确定的：T=T(f)。但是这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。常用的全局阈值选取方法有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法、最大熵自动阈值法以及其它一些方法。
计算机视觉课程设计报告
计算机视觉课程设计实验报告 1．题目: 图像变形 2．组员：曹英(E03640201) 叶超(E03640124) 李淑珍(E03640104) 3．实验目的：掌握图像几何运算中变形算法 4．实验原理：对两幅图分别进行卷绕、插值，每幅图得到一序列图片，然后 对这些序列图片进行加权求和，得到一序列帧，再将其显示出来，就得到了由一幅图到另一幅图的变形。 5．实验步骤：对一幅图分别选4行4列的16个控制点，在每条边上进行五 等分，每条边形成六个点，加上原来的16个就是36个控制点，这样就把它分成了不规则的25小块，对每小块进行卷绕、插值，本实验我们用的是最近邻插值，目标控制点就是将图片分成标准并且相同大小的25小块的36个点。这样会得到一幅不规则图片，让它作为新的原图进行如前所述一样的处理，控制点都是这样自动产生的：一开始所选每个控制点到相应标准控制点等距离(本实验我们是分成9等分)产生一序列的36个控制点。这样每产生一幅图都对它进行相类似的处理，控制点的产生方法就是上面所说的那样。得到的一序列图片越来越接近原图，最后一幅与原图一样。这样我们就可以得到这样的一序列图片：原图，手工选控制点进行处理后得到的不规则图，循环产生控制点得到的越来越接近原图的9幅图（最后一幅与原图一样）。为了描述的方便，这里我把它编号为1_1到1_11。对目标图进行与原图一样的处理。编号也类似，即2_1到2_11。 最后进行加权求和，第一帧是原图，第二帧是1_10与2_2加权求和，其中1_10的权值是0.9，2_2的权值是0.1，第三帧是1_9与2_3加权求和，其中1_9的权值是0.8，2_3的权值是0.2，……，第十帧是1_2与2_10加权求和，其中1_10的权值是0.1，2_2的权值是0.9，第十一帧是目标图。这样就得到了所要的结果。这里需要说明的是两幅手工选择的控制点最好是那些有代表性的特征点，这样的话结果会更好。
课程设计机器视觉报告
目录 摘要................................................................................................................................. I Abstract .......................................................................................................................... I I 1.概述 . (3) 1.1 机器视觉 (3) 1.2 数字图像处理 (3) 1.3 MATLAB (4) 1.4 课程设计任务 (4) 2.边缘检测 (5) 2.1边缘检测简介 (5) 2.2检测方法 (5) 2.3 边缘检测算子 (6) 2.4 边缘检测仿真结果 (12) 3.轮廓提取 (13) 3.1基于边缘检测的轮廓提取 (13) 3.2 基于HSV空间H的参数图像的轮廓提取 (14) 4.实验小结 (15) 参考文献 (15) 附录：源程序代码...................................................................... 错误！未定义书签。 边缘检测程序....................................................................... 错误！未定义书签。 轮廓提取程序....................................................................... 错误！未定义书签。 基于HSV空间H参数的图像轮廓提取 ............................. 错误！未定义书签。
人工智能课程设计报告罗马尼亚度假问题讲解
课程:人工智能课程设计报告 班级: 姓名: 学号: 指导教师:赵曼 2015年11月
人工智能课程设计报告 课程背景 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
数字图像处理课程设计(图像去雾)
数字图像处理 课设题目：图像去雾 学院：信息与电气工程学院 专业：电子信息工程 班级： 姓名： 学号： 指导教师： 哈尔滨工业大学（威海） 年月日
目录 一. 课程设计任务 (3) 二. 课程设计原理及设计方案........................ 错误！未定义书签。 三. 课程设计的步骤和结果 (6) 四. 课程设计总结 (8) 五. 设计体会 (9) 六. 参考文献...................................... 错误！未定义书签。
一. 课程设计任务 由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。为了解决这一问题，设计图像复原处理软件。 要求完成功能： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直 方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复 原图像与原始图像以及直方图均衡化后的图像； 3、设计软件界面
二. 课程设计原理及设计方案 2.1 设计原理 在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析和理解的性能. 在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为 （1） 式中, x 为空间坐标, A 表示天空亮度(Skylight), ρ为场景反照率, d 为场景 的景深, β为大气反射系数。图像去雾的过程就是根据获得的有降质的图像，即 I （x ）来推算出ρ的过程。 但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量固定，然后求解。 2.2 设计方案 2.2.1 白平衡 WP (White point) 算法, 也称为Max-RGB 算法, 利用R 、G 、B 颜色分量的最大值来估计光照的颜色。我们用天空亮度A 来取代最大值。对于A ，如果直接用图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域，然后取平均值为我们估计的天空亮度A 。然后方程（1）变为 （2） 2.2.2 估计大气耗散函数 ) 1()(d e A d e A x I ββρ--+-=d e d e A I ββρ- -+- =1/
人脸识别课程设计说明书
摘要 生物特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视。人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。 本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下： （1）对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。 （2）介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。 关键词: 人脸识别，特征脸，主成分分析 作者：张帆 指导老师：王震宇
Abstract Biometics,because of using the proper living creature characteristic of human body,is the totally brand new technique different from traditional personal ideniification method and it has the better safety,dependable with the usefulness,and it was payed great attention.Face recongnition is an important component of biometrics and in all kinds of methods,it is also one of the most active and challenging tasks for computer vision and pattern recognition in recent 30 years.Face recognition has a wide range of potential app1ications in the areas of public security，identification of certificate，entrance control and video surveillanee. This paper mainly studies the approaches to the features extraction and recognition in the face database.The main contents are as follows: (1)Give a full introduce to the contents of face recongnition,related techonology,the main implement methods and its development history. (2)Give a introduce to the Princeple Components Analysis(PCA),K-L translation,and realized it via eigenface method. Key Words: Face Recongnition，Eigenface, Principle Component Analysis
数字图像处理课程设计
) 山东建筑大学 课程设计说明书 ￥ 题目：图像人脸区域隐私保护系统设计课程：数字图像处理课程设计 院（部）：信息与电气工程学院 专业：通信工程 班级： 学生姓名： 学号： 指导教师： ~ 完成日期： 2013年12月
目录 , 摘要 (3) 1 本课程设计的目的 (4) 2 本课程设计的基本要求 (5) 3 本次系统的基本原理 (6) 系统的简介 如何识别人脸 (6) 4 具体设计内容 (7) 软件流程 (7) - 图像数据的读取与处理 (9) 人脸颜色建模膨胀与腐蚀 (11) 人脸区域定位 (12) 人脸识别及处理 (13) 总结与致谢 (17) 参考文献 (18) 附录：系统设计程序 (19) （
. 摘要 生物特征识别技术在近几十年中飞速发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。人脸识别由于具有直接，友好，方便的特点，使用者易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。 人脸是准确鉴定一个人的身份，推断出一个人的种族、地域，地位等信息的重要依据。科学界从图像处理、计算机视觉等多个学科对人脸进行研究。人脸识别在满足人工智能应用和保护信息安全方面都有重要的意义，是当今信息化时代必须解决的问题。 本设计用MATLAB对图像的读取，在识别前，先对图像进行处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。为保护当事人或行人的隐私权，需要将图像中当事人的人脸区域作模糊，实现图像中人脸区域隐私保护。 关键词：人脸识别；图像处理；图像模糊 #
图像处理课程设计
《数字图像处理》课程设计报告 题 目 __________________________________ ______________________________________ 指导教师 __________________________ 学生姓名__________________________ 学生学号__________________________ _______________________________ 院（部）_________专业_____________ 班 2014年7月1日 基于MFC 的数字图像处理系统设计 Z
1.目的与要求 将实验1至实验8所设计的数字图像处理的算法和功能添加到同一个MFC程序中（可以是基于对话框的程序，或者基于单/多文档的程序），形成一个基于MFC的图像处理系统，可以增加一些课本上没有讲到的效果，如风格化等，开发的结果是类似PS的一款软件。 要求：用户可设置具体参数，可以通过该平台展现不同参数下的实验效果。 2.主要技术和原理 2.1彩色转换 彩色图像转换为8位灰度图像，利用cvCreateImage创建图像函数 语法：IplImage *cvCreateImage(CvSize size, int depth, int channels) 参数：size：图像的宽、高。depth：图像图元深度。channels每个图元的颜色通道数。 返回值：IplImage结构体。 cvCvtColor色彩空间转换函数 语法：void cvCvtColor(const CvArr* src, CvArr* dst, int code) 参数：src为源图像的不定数组，CvArr*指针，一般情况为IplImage型指针。Dst：目的地址的CvArr指针，一般为IplImage型结构体。Code：色彩转换空间， 常数定义为CV_