智能信息处理课程设计.doc

《智能信息处理课程设计.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、课程设计指导书2021年10月7日目录课程设计要求0实验一基于模板匹配的字符识别1实验二基于C均值算法的车辆检测与跟踪3实验三水果分类系统设计5实验四基于BP网络的函数逼近6实验五空调模糊控制系统设计8实验六模糊边缘检测9实验七基于K-L变换的人脸图像压缩9实验八遗传算法在图像恢复中的应用9课程设计要求1．本次课程设计以组为单位进行，每组人数不能超过2人，也可1人单独完成。2．各组可根据自己的兴趣从以下实验中选做一题。各组同学在选题时，要尽量避免与别组相同。3．课程设计完成时，要求每组提交以下材料：

2、1）实验报告一份，实验报告内应包含实验原理、实验步骤、实验结果分析等。2）源程序一份。3）可执行程序一份。实验一基于模板匹配的字符识别一、实验目的掌握模板匹配算法。二、实验设备微机三、实验原理设模板为T，尺寸为M×M，待检测图为S，尺寸为N×N。将模板T叠放在待检测图S上，模板复盖下的那块待检测图，称为子图Si,j。i、j为子图的左上角像素点在S图中的坐标，称为参考点。从图中可以看到，1≤i,j≤N-M+1匹配时，模板T在待检测图S上顺次平移。比较T和Si,j的内容，若两者一致，则T和Si,j之差为

3、零，否则不为零。T和Si,j的相似程度可以用下式度量：或将上式展开：式中，表示模板的总能量，是一个常数，与（i，j）无关。表示子图的总能量，它随（i，j）位置而变。是子图与模板的互相关，随（i，j）位置而变。很显然，T和Si,j匹配时，它的值应最大。因此，相关函数定义为：规一化为：分析规一化后的相关函数值，可知：0≤R(i，j)≤1。只有当Si,j(m，n)=T(m，n)，R(i，j)取极大值。四、实验步骤1．读入待分析的图片和英文字母a-z的模板图片。2．利用模板匹配法找出待分析图片中的英文字母。

4、3．将找到的英文字母按与待分析图片中相同的顺序写入文本文件中。五、实验报告1．分析当模板图片中字母的尺寸与待分析图片中字母的尺寸不同时，应如何解决。2．分析当待分析图片中字母角度倾斜时，应如何解决。3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。实验二基于C均值算法的车辆检测与跟踪一、实验目的掌握背景差分算法和C均值聚类算法。二、实验设备微机三、实验原理1．背景差分算法图2-1背景图像(a)图2-2待检测图像(b)对图像(a)、(b)，背景差分公式定义为：(2.1)式中，表示背景图像

5、(a)和待检测图像(b)在位置(i,j)处的灰度差；表示检测结果图像(c)在位置(i,j)处的取值，图像(c)是一个二值图像，像素值为1表示在图像(b)的相应位置有与背景不一致的物体出现；a为阈值，a>0，一般a的取值范围为：[15，40]。a=25a=45图2-3不同a取值情况下的检测结果图像(c)1．C均值聚类算法①选择把n个样本分成c个聚类的初始划分，计算每个聚类的均值M1,M2,…,Mc和Je，令迭代次数t=0。②选择一个备选样本X，设X现在在Xk中。③若nk=l，则转步骤2，否则继续。④计

6、算⑤若，且k¹i，则把X从Xk移到Xi中去，t=t+1；否则，t不变，转步骤7。⑥重新计算Mi和Mk的值，并修改Je。(2.2)⑦若连续迭代n次，Je不改变，即t=n，则停止；否则，转到步骤2。四、实验步骤①读入背景图像(a)和待检测图像(b)。②对图像中的所有像素，应用公式(2.1)进行判断，得到检测结果图像(c)。③利用膨胀、腐蚀、滤波等算子对差分图像(c)进行预处理。④对图像(c)应用C均值算法，进行聚类分析，得到场景中的车辆数。五、实验报告1．根据实验结果，分析不同a取值，差分结果有何不同。

7、2．试分析如何根据实验结果求得场景中车辆的轨迹。3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。实验三水果分类系统设计一、实验目的1．掌握分类器设计的基本步骤和方法。2．掌握贝叶斯分类器和模糊分类器的基本原理。3．学习如何根据实际问题需要进行恰当的特征选择。二、实验设备微机三、实验内容及步骤设计一个具有人机交互界面的分类器系统。在该界面中，使用者可以进行分类器类型的选择，可以对分类器中的各项参数进行设置，可以查看分类结果。基本步骤为：①设计分类器系统的人机交互界面。②用样本集对分类器

8、进行训练学习，给出分类器中各项参数的推荐值。③对输入的待识别对象，用设计好的分类器进行分类，给出分类结果。四、实验报告1．分析贝叶斯分类器和模糊分类器的异同和优缺点，给出它们的适用范围。2．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。实验四基于BP网络的函数逼近一、实验目的掌握BP网络的基本原理，能利用BP网络解决函数逼近问题。二、实验设备微机三、实验原理误差反向传播算法步骤如下：①置各权值或阈值的初始值：wji(0)，θi(0)为小的随机数值；②提供