1 基于DCT变换仿真 1.1 算法原理 离散余弦变换（Diserete Cosine Transform）简称DCT变换。离散余弦变换是傅立叶变换的一种特殊情况，在傅立叶级数展开式中，如果被展开的函数是实偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出离散余弦变换，因此余弦变换与傅里叶变换一样有明确的物理意义，DCT变换避免了傅里叶变换中的复数运算，它是基于实数的正交变换。 DCT变换域数字水印算法的基本原理是将空域图像变成频域，然后将水印信息嵌入其直流项之中，最后将频域转换成空域以完成图片的水印的嵌入。其主要思想是：在DCT变换域上选择中、低频系数叠加水印信息，因为人眼的感觉主要集中在中、低频段，攻击者破坏水印时，不可避免地会引起图像质量的严重下降，而且一般的图像处理也不会改变这部分数据。再者，由于JPEG、MPEG等压缩算法的核心是在DCT变换域上进行量化，故通过巧妙的融合水印和量化过程，可以使水印抵御一定的有损压缩。此外，DCT变换域系数的统计分布有比较好的数学模型，可以从理论上估计水印的信息量。基于DCT变换的数字水印在逆变换时会散布在整个图像空间中，故水印不
指纹识别技术文档 1指纹识别的引入和原理 1.1 指纹的基本知识 指纹是我们各个手指的第一个指节的指头表面突起的脊线；而脊线是手指突起的花脊线条；谷线是两个脊线之间低凹下去的部分；指印是指纹在物体表面留下的痕迹；指纹的细节特征是指纹固有的自身特点。根据指纹中的细节特征我们常将指纹特点分为端点和分叉点，如图1-1所示。 图1-1 端点、分叉点 1.2 指纹识别的原理及算法流程 在指纹识别的技术中, 一般都采用总体特征和局部特征来进行识别。总体特征是那些很容易就能看出来的非常明显的特征, 局部特征则是一小块指纹中的细节特征。指纹纹路一般都会有断点和分叉点, 因此会形成一些独特的节点。根据研究，两个指纹的总体特征有时候会很相似，但是局部特征是不会相同的，即没有两个指纹的纹路是相同的。英国学者E.G.Herry认为, 只要有13个特征点能重合, 就可以确认这两枚指纹是同一指纹[3]。指纹的面积虽然不大但却蕴含着大量的识别信息。这些皮肤的纹路会在交叉点，断点上有很大的区别。在指纹识别的过程中将其称为“特征点”，利用特征点的性质，我们可以把一个人的指纹同预先存储起来的指纹模版对比来验证他的真实
一、课题背景 雾，在很大程度上会降低能见度，因此在此情况下拍摄的图像对比度也会受到严重的影响。尤其是在智能化的今天，对于交通领域的影响表现的尤为明显。因此，找到应对这种自然现象造成的图像对比度减弱问题的解决办法对于整个领域的发展是非常有现实意义的。 近年来，随着互联网技术的不断发展，关于图像处理方面的技术也趋于成熟，特别是在户外视觉方面的进步也尤为突出。其已经不仅仅局限在户外，在其他领域也有所涉及。MATLAB本身具有非常强大的图像处理功能，通过仔细调研发现其能够将在恶劣天气条件下拍摄的图像进行处理，进一步提高图像对比度以接近于原始图像。本次研究主要使用三种算法队图像进行去雾处理。分别是局部直方图均衡化，全局直方图均衡化以及Retinxe算法。这三种算法不仅仅适用于由于恶劣天气造成的图像对比度降低的情况，其对于处理其他对比度较低的图像也是非常有帮助的。 二、课题介绍 本次设计主要利用以上提及六种增强算法中的三种来进行设计研究。具体为：全局直方图均衡算法，Retinex算法和暗通道。分别从其各自的“中心思想”以及实现方法、适用范围等方面进行研究。除此之外还设计了简单的GUI界面，GU
1题目来源 教师推荐 2研究目的和意义 数字信号处理是应用最快、成效最显著的新科学之一, 广泛地应用在通信、控制、生物医学、遥测遥感、地址勘探、航空航天、自动化仪表等领域, 国内外高校都为相关专业的学生开设了这门课程。我校除通信电子信息类的专业外, 计算机科学与技术、光信息科学与技术、地理信息系统、信息安全、生物医学工程、测控技术与仪器等专业都在教学计划中相继设置了《数字信号处理》课程。《数字信号处理》课程的特点是概念多, 公式、性质的推导和证明繁琐, 还需《信号与系统》等相关课程的基础, 被公认为大学课程中最难的课程之一,学生对上课内容的理解往往跟不上老师授课的进度。现在很多大学教师在课堂上采用了多媒体教学, 多媒体授课具有教学信息量大, 信息传递便捷、交互性较强、感官刺激效果好等特点。对于讲授《数字信号处理》课程的老师来说,要提高学生对这门课的认识, 可从丰富教学手段人手, 除了考虑制作具有动态效果的幻灯片之外, 还可以采用像matlab这样的软件设计多媒体课件，而利用MATLAB 强大的数值计算和信号处理功能 ,可以很方便地得到设计结果,并能直观地分析和比较滤波器的各项
第1章 绪论 1.1 研究背景 对于目标实施追踪一直是人们追求的目标，以前只能通过人为的或者其他信息进行模糊的追踪。20世纪初，数字图像的处理走入大众的视野。在那个时候，人们在两地之间传输了一张照片，该照片经过数字压缩后，传输时间从200多小时缩短到不足三小时。这一过程虽然用到了图像处理方面的相关知识，但计算机却没有参与到整个过程中。但是，数字图像的处理离不开一定的储存空间与计算技巧的配合，与计算机发展技术成正比关系[1]。 从20世纪50年代开始，计算机的发展才向前迈进了一大步，人们在处理图形以及图像信息时已经有意识的将计算机的功能利用起来，增加工作的便利性[2]。 从图像处理技术的兴起到20世纪70年代初这一时间段，这项技术在天文学、医学等领域被应用的较为频繁。其主要表现在，1972年，首台X射线装置的问世，也就是我们日常用于医学检查的CT，这个X射线装置主要用于头部的扫描；1975年EMT公司所研制出的X射线装置才可用于全身扫描。这项发明不仅在1979年获得了诺贝尔奖，对人类后来医学发展的贡献更是不可估量的。1972 年计算机层析仪(CT)问世，它将图像重建技术用于医学[3]。
算法流程： 本系统运用PCA算法来实现人脸特征提取，然后通过计算欧式距离来判别待识别测试人脸，本个系统框架图如下： 图： 人脸识别系统框架图 整个系统的流程是这样的，首先通过图像采集建立人脸库，这个人脸库里的人脸图像必须是格式及像素统一的，然后针对库里的人脸进行人脸训练，利用PCA进行人脸特征提取，获取特征矩阵向量组，将测试人脸投缘到特征子空间中，运用欧氏距离，在人脸库里查找相应的人脸图像，并输出。 二、算法介绍 基于PCA算法的人脸特征提取 2.1PCA的基本原理 PCA中文全称主成分分析 法（Principal Component Analysis）[6]。掌握事物间主要区别的，运用统计学的分析方法，它可以是复杂的问题得到简化，找到物质之间的本质区别，用事物的主要影响因素来解决问题。计算主成分的主要目的是用来降维，也就把将高维空间数据降到低维空间中去。这种线性变化经常被用到数据的压缩和分析中。它就是以K-L变换为基础，运用它的正交变换可以降低数据的运算量。 在这个系统中，库内人脸读入后被变成为灰度数值图像，把这些
一、课题介绍 该课题为基于眼部和嘴部的疲劳驾驶检测。带有一个人机交互界面GUI，通过输入视频，分帧，定位眼睛和嘴巴，通过眼睛和嘴巴的张合度，来判别是否疲劳。 二、操作步骤 第一步：最好电脑安装的是MATLAB 2010以上的版本，兼容性比较好。第二步：如图：打开MATLAB软件，点击红色圈出来的按钮，找到demo.m文件所在的文件夹，选择并加载到当前文件夹工作区。 第三步：双击打开demo.m文件。（注意是.m文件，不是打开.fig文件，否则可能会报错） 第四步：点击绿色的“运行”按钮，如图中红色圆圈圈出的地方 第五步：弹出界面，如下图所示：按照界面按钮依次进行操作即可。
一、课题背景 作为数字图像处理和计算机视觉领域的一个重要组成部分，利用摄像机对图像进行采集，从图像中检测人脸并进行口罩穿戴的识别的有着非常重要的研究意义和应用价值。面对突如其来的新型肺炎疫情，人们生活秩序被严重打乱。跟普通流感不同，此次疫情可以通过人体唾沫传播，感染他人能力很强。近期，面对疫情，市面上口罩更少被抢得一个不留。因为，面对此次疫情，出门戴口罩变得尤为地重要。可以直接从源头把关，将外接人体唾沫，气流等进行第一屏障地隔离，有效地保护了自己和他人，不给病毒以传播的机会。而往往，就有一些人不响应国家和党的号召，面对此次病毒不以为然，出门依然不爱戴口罩，给病毒有机可乘，给自己和他人的生命安全造成重大安全隐患。如果有一套系统，可以通过数字图像的采集识别，判别出该人是否穿戴口罩，并且做出相应警示报警等，显得尤为重要和迫切。随着计算机视觉技术的逐年精进,基于图像的口罩识别迅速吸引了人们的视线。 二、技术路线 本文采用基于颜色的方法，先进行人脸定位，去除无关紧要的部位。然后根据颜色，可以识别红色，黄色，蓝色等几种常见的口罩，结合形态学滤除掉一些非目标颜色的区域，可以得到精准的
一、课题介绍 森林承担着为人类提供氧气以及回收二氧化碳等废弃气体的作用，森林保护显得尤其重要。但是每年由于火灾引起的事故不计其数，造成重大的损失。如果有一款监测软件，从硬件处获得的图像中监测是否有火焰，从而报警，为人们灭火争取时间，显得尤其有价值。 二、技术原理 本课题为基于颜色的火焰识别技术。将彩色图像转化为HSV图像，当HSV三通道比例符合一定经验值的时候，就确定为火焰的像素，将目标变成白色，其余变为黑色。结合形态学进行滤波，去除干扰面积。再原图的基础上进行定位框出，并且进行预警。 三、运行图
一、课题背景 现在我国慢慢地关注残障人士的生活，如盲人。如果有一款导盲拐杖，可以帮助盲人实时地识别红绿灯，盲道，人行标志等图标，会给盲人带来极大的便利。 二、实现原理 本课题为基于MATLAB的红绿灯识别系统。通过颜色的方法来定位红灯和绿灯，现实中肯定存在一些同颜色的干扰，因此利用形态学知识进行干扰地去除。最后利用神经网络或者支持向量机svm进行训练，将分割定位到的红灯、绿灯进行识别。 三、实现效果
一、课题背景 在现代教育事业的飞速发展中，考试已经成为现代教育事业中最公平的方式方法，而且也是衡量教与学的唯一方法。通过考试成绩的好与坏，老师和家长可以分析出学生掌握的知识多少和学习情况。从而老师可以了解到自己教学中的不足来改进教学的方式方法，提高教学的水平。学生也可以通过考试了解到自身学习的不足，从而有针对性的进行学习。考试也是进行人才的选拔和评价的重要方法。不论是找工作应聘，还是单位内部的晋升都需要进行考试。 由于考试具有一定的特殊性，而且考试必须要公平公正，当然其中最重要的就是阅卷的准确性。考生做好了题，这时就需要改卷老师阅卷的准确性，这样才能更准确的给考生真实的分数。传统的阅卷方式为流水线的手工作业方式。这样的方式存在很多的问题，因为很容易受到阅卷者的主观因素的影响，从而产生一定的偏差。所以很多人就讨论如何将人为的因素降低到最低，来确保考生的考试成绩的公平公正和准确。 随着考试题型的多样化，特别是选择题在考试中所占据的比重越来越多，比如说像英语考试、公务员考试、企业的心理测试等，都是以选择题为主。由于选择题不具有主观性，所以为了阅卷的方便与准确，人们开始研究如何使用计算机来代替
设计任务 1.1设计内容及要求： 课题研究的主要内容是对数码相机拍摄的车牌，进行基于数字图像处理技术的车牌定位技术和车牌字符分割技术的研究与开发，涉及到图像预处理、车牌定位、倾斜校正、字符分割等方面的知识,总流程图如图1-1所示。 图1-1系统总流程图 1.2方案 1、车牌图像的定位。分析了车牌定位的基本原理和现有的定位方法,利用图像处理的技术,提出了基于数学形态学与边缘检测以及颜色相结合的车牌定位方法。最后对车牌定位实验结果进行分析。 2、倾斜校正。分析了倾斜校正的基本原理和一些倾斜校正方法,并对实验结果进行分析。 3、车牌字符分割。分析了各种字符分割算法，然后对分割出的车牌图像进行灰度化、灰度拉伸、二值化、去边框处理等一系列预处理后，提出了一种 基于模板匹配与垂直投影相结合的字符分割方法。最后对字符分割实验结果进行了分析。 一. 设计原理及设计方案 课题研究的主要内容是对数码相机拍摄的车牌，进行基于数字图像处理技术的车牌定位技术和车牌字符分割技术的研究与开发，涉及到图像预处理、车牌定位、倾斜校正、字符分割等方面的知识,总流程图如图2-1所示，其中车牌定位的流
