圖像處理課程設計孫玉寶圖像處理課程設計孫玉寶1課程設計的目的數字圖像處理課程設計是在學習完數字圖像處理的相關理論后，進行的綜合性訓練課程，其目的是：1、使學生進一步鞏固數字圖像處理的基本概念、理論、分析方法和實現方法；2、增強學生應用Matlab編寫數字圖像處理的應用程序及分析、解決實際問題的能力；3、嘗試所學的內容解決實際工程問題，培養學生的工程實踐能力。課程設計的目的數字圖像處理課程設計是在學習完數字圖像處理的相2設計要求1、按照設計任務書要求，使用Matlab軟件獨立完成設計任務，鼓勵使用C語言編程實現；2、根據設計任務寫出設計工作小結，對設計過程所進行的有關步驟進行理論分析，并對完成的設計作出評價，總結自己整個設計工作中的經驗教訓、收獲；3、編寫課程設計報告，報告必須按照統一格式打印，裝訂成冊，字數一般不少于三千字；設計要求1、按照設計任務書要求，使用Matlab軟件獨立完成3課程考核及評分標準課程整體考核分三部分，一部分是平時成績，占20%；第二部分是上機實驗及其報告，占30%；第三部分為課程設計及其報告，占50%。設計完成后，要提交相關的文檔：1.課程設計報告書(紙質和電子版各一份)

2.源程序代碼（電子版）課程考核及評分標準課程整體考核分三部分，一部分是平時成績，占4課程考核及評分標準評

定

項

目評分成績1．設計內容合理、方案正確，具有可行性（40分）

2．設計結果及軟件程序實現正確（30分）

3．創新性(10分)

4．設計報告規范、分析正確，參考文獻充分（20分）

總分

課程設計的具體評分基本標準如下表：課程考核及評分標準評定項目評分成績1．設計內容合5課程設計報告的內容及要求在完成課題驗收后，學生應在規定的時間內完成課程設計報告一份（不少于3000字）報告的格式內容如下：1、目的與要求

這部分主要說明本課程設計的目的、任務和要求；2、設計的內容

根據指導書的講述，介紹系統中所設計的主要功能和原理方法；3、總體方案設計

根據課程設計的具體情況，描述系統的具體構架，包括：功能模塊的劃分、系統運行的環境、選用的工具及主要實現功能的原理。4、各個功能模塊的主要實現程序

主要的功能實現和函數要進行詳細的說明，包括其用法，使用范圍，及參數等。5、測試和調試

按課程設計要求，選用多幅圖像對程序進行測試，并提供系統的主要功能實現的效果圖。并在調試中發現的問題做說明。6、課程設計總結與體會

主要說明設計中學到的東西和取得的經驗總結，心得體會。7、參考文獻

寫出具體的主要參考文獻，標明其作者、出處、年代、若是期刊文章，還需要給出期刊名。網絡的文章要給出網址。課程設計報告的內容及要求在完成課題驗收后，學生應在規定的時6課程設計報告的內容及要求報告要求1、必須按照以上格式書寫報告。2、必須對課程設計總體方案進行詳細地說明。3、詳細說明各個功能模塊的具體實現，對用到的主要函數及參數要做具體的說明，同時要有必要的實現流程圖。4、程序代碼后必須貼上主要步驟實現的效果圖。課程設計報告的內容及要求報告要求7題目1：圖像處理軟件設計內容及要求：（1）、獨立設計方案，實現對圖像的4種及以上處理（比如：底片化效果、灰度增強、圖像復原等等），并至少對其中一種處理方法獨立編程實現，不能完全使用工具箱中的函數。（2）、參考photoshop軟件，設計軟件界面，對處理前后的圖像以及直方圖等進行對比顯示；（3）、將實驗結果與其他軟件實現的效果進行比較、分析。總結設計過程所遇到的問題。題目1：圖像處理軟件設計內容及要求：8題目1：圖像處理軟件參考方案實現圖像處理的基本操作

學習使用matlab圖像處理工具箱，利用imread（）語句讀入圖像，例如image=imread（flower.jpg），對圖像進行顯示(如imshow（image）)，以及直方圖計算和顯示。圖像處理算法的實現與顯示

針對課程中學習的圖像處理內容，實現至少三種圖像處理功能，例如模糊、銳化、對比度增強、復原操作。改變圖像處理的參數，查看處理結果的變化。自己設計要解決的問題，例如引入噪聲，去噪；引入運動模糊、聚焦模糊等，對圖像進行復原。參照“photoshop”軟件，設計圖像處理軟件界面

可設計菜單式界面，在功能較少的情況下，也可以設計按鍵式界面，視功能多少而定；參考matlab軟件中GUI設計，學習軟件界面的設計。題目1：圖像處理軟件參考方案9題目2：運動目標的檢測在視頻監控領域，需要對監控畫面進行存儲。長時間的存儲占用了大量的硬盤空間。為了節省存儲磁盤空間，對于監視場景內沒有活動目標出現時的視頻畫面一般不進行存儲。只有在檢測到畫面中存在運動目標時才進行錄像存儲。設計一個視頻監控軟件，完成對運動目標的檢測及視頻存儲功能。要求完成功能：1、顯示動態視頻畫面；2、對畫面中內容進行運動目標檢測；3、對有變化的畫面進行存儲，并按照系統時間命名文件名；4、設計軟件界面。題目2：運動目標的檢測在視頻監控領域，需要對監控畫面進行存儲10題目2：運動目標的檢測參考方案1、從計算機上聯接的圖像獲取設備中獲得實際視頻；2、對相鄰幀（或者間隔固定幀）圖像進行差值檢測3、差值超過一定閾值則認為有運動目標，將視頻畫面保存在硬盤中.題目2：運動目標的檢測參考方案11設計內容及要求：在交通管理過程中，通常采用視頻監控方式對闖紅燈和超速等違章車輛進行監督。對違章車輛，需要自動檢測車牌信息，提取車牌號碼，以便查找車主信息和監督管理。國內常用的一般車牌通常是是藍底白字，長寬比3:1。1、對車牌圖像進行預處理，然后進行車牌定位；2、進行字符分割；2、對車牌中的數字和字母進行提取和識別（對漢字不作要求）；（提高部分）3、要求自行設計方案、編寫代碼實現上述功能。題目3：車牌識別設計內容及要求：題目3：車牌識別12題目3：車牌識別參考方案1、對圖像進行預處理，增加圖像的對比度；2、根據圖像的顏色對車牌區域定位2、對圖像進行旋轉、二值化操作，并進行水平投影操作，根據直方圖峰值和谷值對字符進行分割；3、可采用模板匹配方法，對數字和字母進行識別，并輸出識別后的結果。4、設計車牌識別的軟件界面。題目3：車牌識別參考方案13題目3：車牌識別題目3：車牌識別14模式識別課程設計孫玉寶模式識別課程設計孫玉寶15前言考核標準以及課程設計報告要求同圖像處理課程前言考核標準以及課程設計報告要求同圖像處理課程16題目1:基于PCA方法的人臉識別訓練階段：

1:一張人臉圖片在計算機表示為一個像素矩陣，即是一個二維數組，現在把這個二維數組變成一維數組，即把第一行后面的數全部添加到第一行。這樣一張圖片就能表示為一個向量d=（x1,x2......xn）。xn表示像素。

2:現在訓練庫里有m張人臉圖片，把這些圖片都表示成上述的向量形式，即d1，d2，…,dm，把這m個向量取平均值得向量avg=（y1，y2......yn）。

3:用d1，d2...........dm分別減去avg后組成一個矩陣A,即矩陣A的第一行為d1-avg，后面類似。A的大小為m×n。

4:根據A計算其協方差矩陣B，B的大小m×m，求B的特征向量。取最大的K個特征向量組成新的矩陣T，T的大小m×k。

5:用圖片向量d乘以T得到圖片向量d在特征臉的投影向量pn，有多少張訓練圖片就有多少個pn。pn的大小1×k

題目1:基于PCA方法的人臉識別訓練階段：17題目1:基于PCA方法的人臉識別識別階段：

1:一張新的圖片也表示為d的向量，記為D，D的大小1×n

2:D乘以上面訓練得到的T,得到這個圖片向量D在T下的投影向量P，p的大小1×k。

3:計算p與上面所有的pn的向量距離，與p最小的那個向量所對應的人臉圖片跟這張新人臉圖片最像。題目1:基于PCA方法的人臉識別識別階段：18題目1:基于PCA方法的人臉識別數據集：Yaledatabase

Contains165grayscaleimagesinGIFformatof15individuals.Thereare11imagespersubject,oneperdifferentfacialexpressionorconfiguration:center-light,w/glasses,happy,left-light,w/noglasses,normal,right-light,sad,sleepy,surprised,andwink.64x64DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.題目1:基于PCA方法的人臉識別數據集：19題目1:基于PCA方法的人臉識別Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|Eachsplitfilecontainsvariables'trainIdx'and'testIdx'.Thefollowingmatlabcodescanbeusedtogeneratethetrainingandtestset:

%===========================================

fea_Train=fea(trainIdx,:);

fea_Test=fea(testIdx,:);

gnd_Train=gnd(trainIdx);

gnd_Test=gnd(testIdx);

%===========================================

題目1:基于PCA方法的人臉識別Arandomsubs20題目1:基于PCA方法的人臉識別ORLdatabase

Tendifferentimagesofeachof40distinctsubjects.Forsomesubjects,theimagesweretakenatdifferenttimes,varyingthelighting,facialexpressions(open/closedeyes,smiling/notsmiling)andfacialdetails(glasses/noglasses).Alltheimagesweretakenagainstadarkhomogeneousbackgroundwiththesubjectsinanupright,frontalposition(withtoleranceforsomesidemovement).32x32DataFile:containsvariables'fea'and'gnd'.Eachrowof'fea'isaface;'gnd'isthelabel.Sampleimages

64x64DataFile

Arandomsubsetwithp(=2,3,4,5,6,7,8)imagesperindividualwastakenwithlabelstoformthetrainingset,andtherestofthedatabasewasconsideredtobethetestingset.Foreachgivenp,thereare50randomlysplits:

2Train|3Train|4Train|5Train|6Train|7Train|8Train|題目1:基于PCA方法的人臉識別ORLdatabase21題目2：基于線性感知器的多類數據分類數據集：irisdataset，包含四類先前課后作業中做的兩類分類，要求同學結合之前講的多類分類器設計算方法，實現基于線性感知器的irisdataset四類數據分類。完成WineDataSet的分類實驗可以加分題目2：基于線性感知器的多類數據分類數據集：irisdata22題目3：基于Fisher線性鑒別分析的數據分類數據集：irisdataset，包含四類先前實驗中做的是兩類的fisher線性鑒別分析，要求同學結合之前講的多類分類器設計算方法，實現基于Fisher線性鑒別分析的irisdataset四類數據分類。完成WineDataSet的分類實驗可以加分題目3：基于Fisher線性鑒別分析的數據分類數據集：iri23題目4：車牌識別同圖像處理課程題目4：車牌識別同圖像處理課程24題目5：ISODATA動態聚類算法實現K-means聚類算法理解并實現ISODATA動態聚類算法；對irisdataset進行動態聚類分析，并對兩種算法的實驗結果進行對比分析。完成WineDataSet的分類實驗可以加分

題目5：ISODATA動態聚類算法實現K-means聚類算法25262627多類問題圖例（第一種情況）?不確定區域27多類問題圖例（第一種情況）?不確定區域281、第一種情況（續）判別規則為：如果則判比如對圖的三類問題,如果對于任一模式如果它的則該模式屬于ω1類。281、第一種情況（續）判別規則為：如果則判比如對圖的三291、第一種情況（續）如果某個X使二個以上的判別函數di>0

。則此模式X就無法作出確切的判決。如圖另一種情況是IR2區域，判別函數都為負值。IR1，IR2，IR3，IR4。都為不確定區域。291、第一種情況（續）如果某個X使二個以上的判別函數di301、第一種情況（續）解：三個判別邊界分別為：301、第一種情況（續）解：三個判別邊界分別為：311、第一種情況（續）結論：因為所以它屬于ω2類。311、第一種情況（續）結論：因為321、第一種情況（續）321、第一種情況（續）3333342、第二種情況（續）多類問題圖例（第二種情況）342、第二種情況（續）多類問題圖例（第二種情況）353536d12(x)=-d21(x)=–x1–x2+5=0d12(x)為正兩分法例題圖示0123456789987654321d21(x)為正36d12(x)=-d21(x)=–x1–x237d12(x)為正兩分法例題圖示0123456789987654321d21(x)為正d23(x)=-d32(x)=–x1+x2=0d32(x)為正d23(x)為正37d12(x)為正兩分法例題圖示012338d12(x)為正兩分法例題圖示0123456789987654321d21(x)為正d32(x)為正d23(x)為正d13(x)=-d31(x)=–x1+3=0d31(x)為正d13(x)為正38d12(x)為正兩分法例題圖示0123391類判別區域

d12(x)>0d13(x)>02類判別區域

d21(x)>0d23(x)>0d12(x)為正兩分法例題圖示0123456789987654321d21(x)為正d32(x)為正d23(x)為正d31(x)為正d13(x)為正3類判別區域

d31(x)>0d32(x)>0IR391類判別區域2類判別區域d12(x)為正兩分法例題圖4040413、第三種情況（續）多類問題圖例（第三種情況）413、第三種情況（續）多類問題圖例（第三種情況）42。42。43上述三種方法小結:方法⑶判別函數的數目和方法⑴相同，但沒有不確定區，分析簡單，是最常用的一種方法。時，法比法需要更多當的判別函數式，這是一個缺點。類與其余的開，而法是將類和類分開，顯然法是將但是類區分法使模式更容易線性可分，這是它的優點。43上述三種方法小結:方法⑶判別函數的數目和方法⑴3.5.3感知器訓練算法在多類問題中的應用44判別規則：

對于c類問題，應建立c個判別函數：

di(x)=wi’xi(i=1,2,…,c)

如果xi，則有wi’x>wj’x(ji)

因此判別規則是

若di(x)>dj(x)ji則判xi

第三章判別域代數界面方程法3.5.3感知器訓練算法在多類問題中的應用44判別規則：算法步驟：45(1)賦初值,分別給c個權矢量wi(i=1,2,…,c)賦任意的初值，選擇正常數，置步數k=1。(2)輸入已知類別的增廣訓練模式xk，計算c個判別函數

di(xk)=wi’xk(i=1,2,…,c)(3)修正權矢量，修正規則是：

if(xki)and(di(xk)>dj(xk))(ji)then

wi(k+1)=wi(k)(i=1,2,…,c)(正確分類)

if(xki)and(di(xk)dl(xk))(li)then

wi(k+1)=wi(k)+xk

wl(k+1)=wl(k)-xk

wj(k+1)=wj(k)(ji,l)算法步驟：45(1)賦初值,分別給c個權矢量wi(i=1,算法步驟：46(1)賦初值,分別給c個權矢量wi(i=1,2,…,c)賦任意的初值，選擇正常數，置步數k=1。(2)輸入已知類別的增廣訓練模式xk，計算c個判別函數di(xk)=wi’xk(i=1,2,…,c)(4)ifk<N,令k=k+1,返至⑵；

ifk=N，檢驗判別函數是否對都能正確分類，若是，結束；否則，令k=1，返至⑵。(3)修正權矢量。算法步驟：46(1)賦初值,分別給c個權矢量wi(i=1,例題:已知訓練樣本(0,0)T1，(1,1)T2，(-1,1)T3,

試求解向量w1、w2和w3。47

（2）運用感知器訓練算法。置k=1，增量=1，賦初值：w1=(0,0,0)T,w2=(0,0,0)T,w3=(0,0,0)T,進行迭代運算：解:（1）訓練樣本分量增廣化。將訓練樣本變成增廣訓練模式：x1=(0,0,1)T,x2=(1,1,1)T,x3=(-1,1,1)T,

這里的下標恰是所屬類別，各類樣本不需符號規范化。例題:已知訓練樣本(0,0)T1，(1,1)T2，例題:已知訓練樣本(0,0)T1，(1,1)T2，(-1,1)T3,

試求解向量w1、w2和w3。48

k=1,xk=x11,因為d1(x1)=d2(x1)=0，d1(x1)=d3(x1)=0，錯分，所以:w1(2)=w1(1)+x1=(0,0,1)Tw2(2)=w2(1)-x1=(0,0,-1)Tw3(2)=w3(1)-x1=(0,0,-1)Tk=2,xk=x22,因為d2(x2)=-1<d1(x2)=1，d2(x2)=d3(x2)=-1，錯分，所以w1(3)=w1(2)-x2=(-1,-1,0)Tw2(3)=w2(2)+x2=(1,1,0)T

w3(3)=w3(2)-x2=(-1,-1,-2)T例題:已知訓練樣本(0,0)T1，(1,1)T2，例題:已知訓練樣本(0,0)T1，(1,1)T2，(-1,1)T3,

試求解向量w1、w2和w3。49

k=3,xk=x33,因為d3(x3)=-2<d1(x3)=0，d3(x3)=d2(x3)=0，錯分，所以w1(4)=w1(3)-x3=(0,-2,-1)Tw2(4)=w2(3)-x3=(2,0,-1)T

w3(4)=w3(3)+x3=(-2,0,-1)Tk=4,xk=x11,因為d1(x1)=d2(x1)=-1，d1(x1)=d3(x1)=-1，錯分，所以