智能信息处理课程设计..docVIP

课 程 设 计 指 导 书 2015年1月10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： 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S i, 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S i, j的内容，若两者一致，则T和S i, j之差为零，否则不为零。 T和S i, 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S i, 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S i, j(m，n) = T(m，n)，R(i，j)取极大值。 四、实验步骤 读入待分析的图片和英文字母a-z的模板图片。 利用模板匹配法找出待分析图片中的英文字母。 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 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。 分析当待分析图片中字母角度倾斜时，应如何解决。 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 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(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；?为阈值，?0，一般?的取值范围为：[15，40]。 ?=25 ?=45 图2-3 不同?取值情况下的检测结果图像(c) C均值聚类算法 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。 选择一个备选样本X，设X现在在?k中。 若nk=l，则转步骤2，否则继续。 计算 若，且k?i，则把X从?k移到?i中去，t=t+1；否则，t不变，转步骤7。 重新计算Mi和Mk的值，并修改Je。 (2.2) 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 读入背景图像(a)和待检测图像(b)。 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)。 利用膨胀、腐蚀、滤波等算子对差分图像(c)进行预处理。 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 根据实验结果，分析不同?取值，差分结果有何不同。 试分析如何根据实验结果求得场景中车辆的轨迹。 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 掌握分类器设计的基本步骤和方法。 掌握贝叶斯分类器和模糊分类器的基本原理。 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： 设计分类器系统的人机交互界面。 用样本集对分类器进行训