• 工作汇报
  • 开题报告
  • 社会实践报告
  • 实习报告
  • 申请报告
  • 研究报告
  • 党政报告
  • 可行性报告
  • 情况报告
  • 事迹材料
  • 申报材料
  • 述廉报告
  • 调查报告
  • 实验报告
  • 整改措施
  • 整改报告
  • 整改方案
  • 辞职报告
  • 考察报告
  • 离职报告
  • 结题报告
  • 竞聘报告
  • 请示报告
  • 社会调查报告
  • 自查报告
  • 报告写作指导
  • 学习报告
  • 实习周记
  • 述职报告
  • 您现在的位置:书业网 > 范文 > 工作报告 > 开题报告 > 正文

    ,分别在拂晓,傍晚,睡前的月相图和文字表述开题报告,标题数字

    来源:书业网 时间:2017-02-04

    篇一:论文开题报告(完成)

    ( 2010 届)

    本科毕业论文(设计)

    开 题 报 告

    题 目: 一种基于多特征融合的风景图像检索方法

    学 院: 数学与信息工程学院

    专 业: 计算机科学与技术(本)

    班 级: 计科061

    学 号: 200632225115

    姓 名: 潘江云

    指导教师:朱蓉

    开题日期:

    一、选题的背景、意义(所选课题的历史背景、国内外研究现状和发展趋势)

    1.1背景:

    在当今的信息化时代,随着现代电子技术、计算机技术、网络通信技术和多媒体技术的迅猛发展,大量的数字媒介被用来记录信息,数字图像是其中一种用以记录真实世界景象的重要方式。在各行各业,包括在人们的社会生活中,各种内容的大规模数字图像库不断出现。有效的建立、管理和充分利用图像信息库资源,一直是国内外科技工作者关注的问题。能够有效的在庞大的图像数据库中搜索到需要的图像信息,是进行数字图像管理和分析的关键技术。

    早在上个世纪七十年代,由于数据库管理系统的发展,人们就借助于传统的数据库管理技术对图像进行检索。这时候图像检索的一个典型框架是,首先对图像用文本进行注解,然后用基于文本的数据库管理系统来进行图像检索。这样一来对图像的插叙就变成了基于标签的查询。这种方法虽然简单,但有几个根本的问题影响对图像信息的有效使用:首先,由于图像内容很难用文字标签完全表达,所以这种方法在查询图像中常会出现错误。其次,文字描述是一种特定的抽象,如果描述的标准改变,则标签也得从新制作才能适合新查询的要求。话句话说,特定的标签只适合特定的查询要求。最后,目前这些文字标签是靠观察者选出来才加上去的,因此受主观因素影响很大,不同的观察者或同一观察者在不同条件下对同一幅图像可能给出不同的描述,因而不够客观,没有统一标准,常会自相矛盾。

    图像数据库的核心技术是图像检索。图像检索则是近年来海量是、信息处理面临的“瓶颈”。基于内容的检索最具有本质性,已经成为当前国内外研究的热点。图像检索技术的两大关键图像特征的提取和相似性度量。在人类视觉属性中,纹理作为基本的视觉特征之一,分布十分广泛。针对纹理的研究研究经历了相当长的时间,但对纹理的明确定义直至目前尚未出现,纹理应用于图像检索的时间也是相对短暂的。基于纹理特征的图像检索是基于内容的图像检索研究中的前沿技术。

    下面先来介绍一下基于内容的图像检索

    基于内容的图像检索技术是一种综合集成技术,涉及到认识科学、人工智能、模式识别、图像处理、信息检索等多个领域。其中一些关键技术如特征提取、图像分割、对象提取、高维索引等一直都是一个悬而未决的问题。

    基于内容的图像检索(CBIR)技术由机器自动提取包含图像内容的可视化特征:颜色、

    纹理、形状、轮廓、对象的位置和相关关系等,对数据库中的是、图像和查询样本图像在特征空间进行相似匹配,检索出与样本相似的图像。

    1.2意义:

    目前,各种数据库中存在大量的图像,少则几十上百,多则成千上万。并且这些图像数据库的研究对多媒体数据旅游景点、卫星遥感图像、地理信息系统等提供了有力的支持。

    多媒体技术、Internet网络的迅速发展,使图像在人们的日常生活中的应用日益广泛。公安部门的迅速破案,需要大量的罪犯图像信息作为辅助;天气预报的准确预测,离不开大量卫星图像的支持。各种各样的应用的出现,使图像信息的使用也逐渐渗入到社会上的每一个角落,图像已成为大众化数字信息的一种重要形式。如何组织、表达、存储、查询、管理和检索这些海量的图像数据,是对传统数据库技术的一个重大挑战。因此,如何将数字图像处理,建立高效的图像检索机制已成为目前迫切需要解决的问题。

    1.3国内外研究动态及发展趋势:

    近十年来,每年都有相关的国际会议召开,国际上重要的杂志也都对此发表了相关的专刊。很多的研究机构进行了相关的工作,取得了很多令人瞩目的成就,如IBM公司的QBIE系统,virage公司的VIR图像工程系统等。

    与国外相对成熟的技术而言,目前国内研究部宽,主要集中在基于图像的颜色、纹理等的查询部分。

    二、研究的基本内容与拟解决的主要问题

    提出一种多特征(颜色、纹理、形状、轮廓、对象的位置和相关关系等)融合的图像检索方法。该方法能充分利用人类的视觉感知,将图像的多种低层特征相互结合,并通过适合的相似性度量将数据库中的图像与待查询图像进行比较,用以检索出与待查询图像相似的图像。该方法在包含从INTERNET下载的风景图像数据集上进行实验,以验证其可行性和有效性。

    三、研究的方法与技术路线、研究难点,预期达到的目标

    3.1研究的方法:

    3.1.1 基于颜色的检索

    人们普遍认为颜色并不是刻划一个物体的关键特征,因而在传统的注重几何特征的计算机视觉研究中,颜色未能得到充分的重视。然而相对于各种几何特征,颜色具有大小、方向、位置不变性,同时它也是描述图像最有效的特征之一。如果客户只希望从库存中查到所有红色衣服的样本图像,则使用其它检索方式很难达到要求。QBIC系统将基于颜色的检索作为缺省的检索方式。

    基于颜色检索主要采用颜色直方图的方法。颜色直方图代表3个颜色频道强度的联合概率,描述全局的颜色分布,对旋转以及位置变化不敏感。1990年,Swain和Ballard提出了直方图交的算法,从而为颜色检索奠定了基础。图像相似度采用如下公式计算:

    颜色直方图能够反映图像的平均颜色信息·,但不考虑空间位置信息。例如,在一幅全家福合影中,你站在父母的左边、右边,还是中间,并不会影响整幅图像的颜色分布,得到的颜色直方图也是类似的。采用纯粹的基于颜色直方图的检索,并不能很好地区分这些在人眼看来非常不同的图像。同时,要把每幅图像的颜色直方图信息存储下来,需要较大的空间。为解决这个问题,Mehtre提出了一种参考颜色表的方法。该方法是一种有损压缩,并不能从压缩直方图中恢复图像固有的信息。

    为解决颜色直方图不能描述空域信息的缺陷,需要引入空域信息。对于全局空域信息的引入,先用Canny算子得到边界图,然后对边缘点建立方向直方图。归一化后的方向直方图可在一定程度上做到尺度不变和旋转不变。如果图像位置简单,还可做到与目标位置无关。对于局部空域信息,将图像固定分为5个区域,对每个区域求其颜色直方图的前三阶矩。该法只对图像的微小旋转有不变性,不适应图像大的变化。也可采用类似纹理分析中灰度共生矩阵方法,该法对视点变换、背景变化及焦距远近均不敏感。

    其它基于颜色的方法还有许多,如颜色相关向量法、颜色相关图法、颜色集方法、颜色聚类法等等。颜色相关向量法(CCV方法)是Greg Pass提出的,将各颜色区段像素点总数分 为相关和不相关两类,包含一定的空间信息。颜色相关图法是Jing Huang提出的由颜色对组成的表,表的第k个人口即颜色i在距离为k的范围内找到颜色j的像素点的概率。该方法对 图像旋转、位置变换敏感。颜色集法由John R.Smith和shihFu Chang提出,它将图像的RGB

    空间转换为HSV一维空间,因为HSV空间比较符合人类的视觉感知特征。通过阈值过滤, 大于阈值的为l,小于阈值的为O。该法可以保留图像的显著信息,便于索引的构造。W.Y.Ma提出的颜色聚类法(GLA)将库中图像颜色聚类,在预定误差范围内,将三维颜色空间量化为最小数目的一维,使用颜色所占比例反映分割区域颜色分布。

    人类肉眼一般对主色调比较敏感,因此有人提出了基于主色调的检索方法。通过系统提供的调色板选择颜色值,指定某种主色调进行检索。然而,人类肉眼的分辨率毕竟有限,在一定范围内的颜色变化往往区分不出来。并且颜色在按色彩量化时会产生量化误差,从而使得原本非常相似的颜色被量化到了不同的范围之内,导致图像匹配时漏选。采用正态分布拟和法来获取指定颜色的扩展值,对主色调进行扩展,可弥补由于用户选择的随机性和量化等引起的误差。

    3.1.2基于纹理的检索

    所谓纹理,是指图像像素灰度集或颜色的某种规律性变化。纹理特征主要包括粗糙度、方向性、对比度以及规则性。基于纹理的检索适用于检索诸如水波、布匹、建材等类型的图像,通常采用统计方法、结构方法以及频谱分析方法进行。统计方法主要用于分析像木纹、沙地、草坪等细致而不规则的物体,根据图像像素间灰度的统计性质对纹理规定出特征以及特征与参数间的关系。结构方法适于像布料或砖瓦等一类元素组成的纹理以及排列比较规则的东西,根据纹理基元及其排列规则来描述纹理特征。

    统计方法通常在频率域和空间域上进行。在频率域上,主要采用傅立叶变换和小波分析。傅立叶变换在能量谱上反映图像粗糙度和方向性;小波分析中采用Gabor滤波能够表现出最 好的特征。在空间域主要采用Haraliek和Shanmugam 提出的共生矩阵法,共生矩阵的每个元素表示从灰度i像素点开始离开某固定位置t的像素点灰度为j的概率。该法的缺点在于矩 阵很大且含有大量的冗余信息。Tamura是纹理分析的另一主要方法,它定义了粗糙度、方向、归整等6种特征,每种特征相互独立且可视。其优点在于几乎没有冗余信息,算法的效率比较商。

    在纹理研究的早期,人们普遍认为统计方法优于频谱分析方法。8O年代, 随机场模型开始用于纹理的分类和识别。Kashyap采用基于圆对称自回归随机场模型的特征,用于自然 纹理的分类, 并取得了9l% 的正确率。F.S.Cohen等采用Gaussian Markov随机场模型(GMRF),对9种自然纹理的识别达到了99% 至100% 的正确率。D.K.Panjwani和G.Healy进一步采用GMRF模型用于彩色纹理图象的分割, 也取得了较好的效果。

    3.1.3 基于形状的检索

    篇二:开题报告格式

    宁波理工学院

    毕业设计(论文)开题报告

    (含文献综述、外文翻译)

    题 目 XXXXXXXXXX(题目名与文本二一致)

    姓 名 李小明(李 明双名中间空格)

    学 号3060321022

    专业班级07机械电子工程1班

    指导教师 赵子龙 (周 晋双名中间空格)

    分 院 机电与能源工程分院

    开题日期 2011年2月27日

    文献综述

    文献综述题目(三号黑体,居中,1.5倍行距,段后0.5行)

    1. 一级标题(黑体小三,左对齐,1.5倍行距)

    1.1 二级标题(二级标题,黑体四号,左对齐,1.5倍行距)

    1.1.1 三级标题(三级标题,宋体小四号加粗,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。艺术设计专业字数不少于2500字,其他专业不少于3000字。具体内容详见毕业设计(论文)工作手册P2。

    外文、数字等符号:字号与同行汉字相同,用Times New Roman 字。 行间距1.5倍行距,段前空2格,段间距为0。

    参考文献必须在正文中引用,用[2]作为上标标出,但不能标在章节标题上。 图:正文中图用“图1”的编号,数字为文献综述内序号,正文中明示图号,如:“如图1所示”或“见图1”。

    图题:图号与图名间空1格,全文必须统一。

    公式:公式用“(1)”编号,公式单行排版,一般不与文字混排,公式编号要求右对齐,公式的括号为半角括号,公式采用公式编辑器编写,如:

    U?1

    2?????Vx?x??y?y??xy?xy?dV(2)

    Li?Lj?Lk?1 (3)

    如果对公式中符号右解释,则应在公式后紧跟:

    式中:(左对齐)

    Li——XXXXXXX;

    Lj——XXXXXXX;

    ——XXXXXXX。(破折号要对齐,多个解释时,除最后一个是句号,其余为Lk

    分号。)

    子公式可以不编单独序号,需要引用时可以加编a、b、c等,如(2a)。 公式编号必须连续,不得重复和跳跃。

    文中引用公式时用“式(2)”或“由式(2)可见”

    表:表用“表1”的编号,数字为文献综述序号。正文中明示表号,如:“如

    表1所示”或“见表1”。表格左右外边缘线隐去,上下表格外边缘用粗实线,内部表格线用细实线,表内数据和字母用Times New Roman字,表内文字为宋体。表内文字和数据字体不超过小四,表头文字字体不小于表内文字字体。1个表格有几页,则每页表格单独,表号前写续,如续表1.1。表格行宽和列宽要适中,不宜太宽。

    表题:表号置于表题前,空2格,标题用5号宋体,居中,1.5倍行距。

    1.1.2 三级标题(三级标题,宋体小四号加粗,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    外文、数字等符号:字号与同行汉字相同,用Times New Roman 字。

    行间距1.5倍行距,段前空2格,段间距为0。

    1.2 二级标题(二级标题,黑体小三,左对齐,1.5倍行距)

    1.2.1 三级标题(三级标题,宋体小四号加粗,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    外文、数字等符号:字号与同行汉字相同,用Times New Roman 字。

    行间距1.5倍行距,段前空2格,段间距为0。

    2. 一级标题(黑体小三,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    2.1 二级标题(二级标题,黑体小三,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    2.1.1 三级标题(三级标题,宋体小四号加粗,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    2.1.2 三级标题(三级标题,宋体小四号加粗,左对齐,1.5倍行距)

    正文汉字字体、字号:小四号宋体。

    以下以此类推

    参考文献(格式同一级标题,参考文献与正文之间不分页)

    [1] 孙家广. 计算机图形学[M]. 北京:清华大学出版社,1995. 26~28.

    [2] GB/T 16159-1996,汉语拼音正词法基本规则[S]. 北京:中国标准出版社,1996

    (格式同正文,但必须左对齐,首行不缩进)

    注:参考文献按正文中引用前后次序排列,参考文献必须是在正文中引用的,否则不能列入。按要求必须10篇以上参考文献,且有2篇以上外文文献。

    常用参考文献的书写格式如下:

    用大写字母标识个参考文献的类型。书籍M,论文集C,报纸文章N,期刊文章J,学位论文D,报告R,国际、国家标准S,专利P。电子文献类型:数据库DB,计算机程序CP,电子公告EB。

    (1)书籍

    [序号] 著者.书名[M]. 版次(第一版应省略).出版地:出版者,出版年份:起止页码.

    (2)期刊

    [序号] 作者. 题目[J]. 期刊名称,出版年份,卷号(期号):起止页码.

    (3)学位论文

    [序号] 作者. 题名[D]. 保存地:保存单位,年份.

    (4)论文集

    [序号] 著者.题名[C]. 编著.论文集名. 出版地:出版者,出版年份:起止页码.

    (5)专利文献

    [序号] 专利所有者. 专利题名[P]. 专利国别:专利号,发布日期.

    (6)国际国家标准

    [序号] 标准代号,标准名称[S]. 出版地:出版者,出版年份.

    (7)电子文献

    [序号] 作者. 电子文献题名[EB/OL即电子文献类型/载体类型]. 电子文献的出版者或可获得地址,发表或更新日期/引用日期(任选).

    (8)科技报告格式

    [序号] 作者.题名[R]. 报告题目及编号. 出版年份.

    (9)示例

    [1] 孙家广. 计算机图形学[M]. 北京:清华大学出版社,1995. 26~28.

    [2] GB/T 16159-1996,汉语拼音正词法基本规则[S]. 北京:中国标准出版社,1996.

    [3] 刘东甲.不均匀土中缺陷桩的轴向动力响应[J]. 岩土工程学报,2002,22(4):391~395.

    [4] Milos Novak, Fakhry Aboul-Ella. Impedance functions of piles in layered media[J]. Journal of the Engineering Mechanics Division, ASCE, 1978, 104(EM3): 643~661.

    注:参考文献格式中的“.”可在输入法中设成全角实心圆点时进行输入。

    篇三:文字识别开题报告

    太原理工大学信息工程学院

    本科毕业设计(论文)开题报告

    毕业设计(论文)题目

    基于边缘检测的文字图像识别

    学生姓名

    专 业

    班 级

    信息 导师姓名 报告日期07-1

    指导教

    师意见

    签字 年 月 日

    专业(教

    研室)主

    任意见

    年 月 日

    系主任 意 见 年 月 日

    1. 国内外研究现状及课题意义

    文字图像信息是人类获取外界信息的主要来源,在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中,人们越来越多的利用图像信息来识别和判断事物,解决实际问题。例如:由于空间技术的发展,人造卫星拍摄了大量地面和空间的照片,人们要分析照片,获得地球资源、全球气象和污染情况等;在医学上,医生可以通过X射线分析照像,观察到人体个部位的多次现象;在工厂,技术人员可以利用电视图像管理生产;生活中,交通管理部门也要利用文字图像识别技术确定违章车辆的牌照,对其进行监督管理,由此可见文字图像信息的重要性【1】。

    获得文字图像信息非常重要,但更重要的是对文字图像进行处理,从中找到我们所需要的信息,因此在当今科学技术迅速发展的时代,对文字图像的处理技术提出了更高的要求,能够更加快速准确的获得有用信息。

    1.1国内外研究现状

    20世纪20年代文字图像处理首次得到应用。20世纪60年代中期,电子计算机的发展得到普遍应用,文字图像处理技术也不断完善,逐渐成为一个新兴的科学。从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理技术也向更高、更深的层次迈进。到了20世纪90年代,机器人技术已经成为工业的三大支柱之一,人们已经开始研究如何用计算机系统解释图像,实现类似人类视觉系统来理解外部世界,这被称为图像理解活计算机视觉。很多国家,特别是发达国家投入更多的人力、物力道这项研究,取得了不少重要的研究成果。

    数字图像处理主要是为了修改图形,改善图像质量,或是从图像中提取有效信息,还有利用数字图像处理可以对图像进行体积压缩,便于传输和保存。目前,数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。数字图像处理因易于实现非线性处理,处理程序和处理参数可变,故事一项通用性强,精度高,处理方法灵活,信息保存、传送可靠的图像处理技术。主要用于图像变换、测量、模式识别、模拟以及图像产生(来自:www.zaidian.cOm 书 业网:,分别在拂晓,傍晚,睡前的月相图和文字表述开题报告,标题数字)。广泛应用在遥感、宇宙观测、影像医学、通信、刑侦及多种工业领域【2】。

    1.2文字图像识别面临的问题

    文字图像识别的发展经历了三个阶段:文字识别、图像处理和识别、物体识别。现在对于文字图像识别技术的研究,还面临几个问题,一是图像数据量大,一般来说,要取得较高的识别精度,原始图像应具有较高的分辨率,至少应大于64×64。二是图像污

    损,由于目标环境的干扰、传输的误差、传感器的误差、噪声、背景干扰、变形等会污损图像。三是准确性,位移、旋转、尺度变化、扭曲,和人类的视觉一样,目标和传感器之间存在有位置的变化,因此,要求系统在目标产生位移、旋转、尺度变化、扭曲时,仍能够正确识别目标。四是实时性,在军事领域的应用中,大都要求系统能够实时的识别目标,这就要求系统有极快的出来速度和识别效率【3】。

    1.3边缘检测处理文字图像的优势

    图像的边缘是图像的基本特征,所谓边缘是指其周围像素灰度的阶跃变化活屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。从本质上说,边缘是图像局部特性不连续性的反映,它标志着一个区域的终结和另一个区域的开始,由于噪声和模糊的存在,检测到的边界可能会变宽或在某些点处发生间断,因此边缘提取的首要任务是要检测出图像局部特性的不连续性,然后剔出某些边界点或补充间断点,并将这些边缘像素连成完备的边界【4】。

    文字图像的边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,

    。保留了图像重要的结构属性,提高了图像处理的准确性和实时性【5】

    2.主要研究内容

    通过学习数字图像处理和MATLAB软件的应用,了解边缘检测处理对文字图像的理论基础和过程,用MATLAB软件对文字图像进行边缘检测。该课题在研究过程中主要要解决如何运用MATLAB语言实现对文字图像进行滤波、增强、检测、和定位,把文字图像中的有用信息和背景噪声区分开,其中的关键在于MATLAB语句的编写。

    3.拟采用的研究思路(方法、技术路线、可行性论证等)

    完成该论文,首先要学习数字图像的获取、变换、增强、复原、彩色处理、编码、分割等基础理论知识,然后绘制实现图像分割的流程图,编写相应的MATLAB程序,最后用MATLAB软件进行边缘点分析和仿真。

    因此,先根据研究内容采用文献检索查阅文字图像处理的现有成果和发展趋势,然后再通过自行上机实践进一步研究,最终得出一些有用的结论。

    4.设计工作安排及进度

    1-2周根据毕业设计题目和要求收集有关资料

    3-5周复习巩固该课题所需的专业知识,同时了解该课题,准备写论文的文献资料

    6-7周完成毕业论文的翻译部分,进一步了解相关知识

    8周 对完成该课题制定初步设计方案和详细计划

    9-10周 完成论文的绪论和基础知识介绍部分

    11-12周 完成论文的上机操作和实验部分

    13周 对论文进行总结分析,得出研究结论,完成初稿

    13-14周 对论文初稿进行全面修改和整理

    15周 论文答辩

    5.参考文献

    1盛利元,李宏言,数字图像处理实验教学探索与实验软件研制,电气电子教学学报,2006,27(3),75-82

    2 田浩鹏,董怡彤,关于数字图像处理技术的研究,北方经贸,2010,12,140-141 3 朱志刚,数字图像处理,北京,电子工业出版社,1998,446

    4 董东,图像边缘检测方法简介,试验技术与试验机,2004,44(3、4),64-71

    5 Lindeberg, Tony "Edge detection and ridge detection with automatic scale selection", International Journal of Computer Vision, 30, 2, pp 117--154, 1998