智能信息处理课程设计

1、课程设计指导书2021年8月20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， 要尽量防止与别组相同。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

2、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、实验目的掌握模板匹配算法。、实验设备微机三、实验原理设模板为T,尺寸为M X M，待检测图为S,尺寸为NX No待检测图S(ij) 模板T子图S j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，joi、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 wi, j WN - M +1匹配时，模板T在待检测图S上顺次平移。比拟 T和S i，j的内容，假设两者一致，那么T和S i，j之差为零，否那么不为零。T和Si，j的相似程度可以用下式度量:MD(i,j)m 1MSi,j(m, n)n

3、1M MT(m,n)2或 D(i, j)m 1 n 1Si,j (m, n) T(m, n)将上式展开：MD(i,j)m 1MSi,j(m, n)n 12T(m, n)2Si,j(m, n)22Si,j(m, n)叮(m, n)T(m, n)2mnm nm n式中，T(m, n)表示模板的总能量，是一个常数，与i, j无关。mnSi,j(m,n)2表示子图的总能量，它随i, j丨位置而变。m nSi,j(m,n)T(m,n)是子图与模板的互相关，随i，j丨位置而变。很显然，T和S i，j匹配m n时，它的值应最大。因此，相关函数定义为：Si,j(m, n) *T(m, n)R(i,j)m nS

4、i，j(m, n)2m n规一化为：R(i, j)Si,j(m, n)订(m, n)m n/_ Si,j(m,n)2T(m ,n)2nm n分析规一化后的相关函数值，可知：0 wR(i, j) W1。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。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

5、析实验结果；总结本实验的心得体会，对缺乏之处提出改进意见。实验二基于C均值算法的车辆检测与跟踪、实验目的掌握背景差分算法和 c均值聚类算法。、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：fc i, j1 if f i,j0 otherwise(2.1)式中，ffa i,jfb i,j表示背景图像(a)和待检测图像(b)在位置(i, j)处的灰度差；fc i,j 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，

6、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)2. 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Mi, M2,Me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。假设nk=l,那么转步骤2，否那么继续。nj计算nj 1n j Mknk 1假设j mJ0. j，且 ki，那么把k移到冲去,t=t+1 ;否那么，t不变，转步骤7。重新计算Mi和Mk的值，并修改Je。MkM k Mk X Mi Mi nk 1X Mi | Je ni1HX- Mii 1 X(2.2)假设连续迭代n次，Je不改变，即t=n,那么停止

7、；否那么，转到步骤四、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1. 根据实验结果，分析不同取值，差分结果有何不同。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，对缺乏之处提出改进意见。实验三水果分类系统设计一、实验目的1. 掌握分类器设计的根本步骤和方法。2. 掌握贝叶斯分类器和模糊分类器的根本原理。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

8、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。根本步骤为： 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练学习，给出分类器中各项参数的推荐值。 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，对缺乏之处提出改进意见。实验四基于BP网络的函数逼近、实验目的掌握BP网络的根本原理，能利用 BP网络解决函数逼近问题。、实验设备微机三、实验原理误差

9、反向传播算法步骤如下: 置各权值或阈值的初始值：Wji(O), 0(0)为小的随机数值； 提供训练样本：输入矢量Xk, k=1 , 2,，P,期望输出Tk, k=1 , 2,，P,对每个输入样本进行下面的迭代；计算网络的实际输出及隐层单元的状态：Okifi NetkifiWji Okji ；j计算训练误差，对于网络输出层：kiOki 1 OkitkiOki；对于网络中间层kioki 1okikmWmi。mwii t 1 wii tkiOkjWji tWjit 1修正权值和阈值：。i t 1i tkii ti t1当所有样本都训练完，即：k每经历1至P后，如果指标满足精度要求：E8,那么程序结束

10、。四、实验内容和步骤1. 试设计一个三层 BP网络完成函数逼近的通用程序，该网络的各层神经元个数可根据实际问 题由用户通过人机交互界面输入。2. 编写、调试程序。3. 对以下测试样例，给出实验结果输入矢量：p=-1:0.1:1;目标矢量：t=-0.9602-0.577-0.07290.37710.64050.660.4609 0.1336-0.2022-0.4344-0.5-0.393-0.16470.0988 0.30720.3960.34490.1816-0.0312-0.2189-0.3201;其中，隐层的神经元个数选为5个。4. 根据实验结果，写实验报告。五、实验报告1. 分析应用BP

11、网络可解决那些问题， BP网络的优缺点。2. 分析设计BP网络时的关键参数和步骤。3. 分析实验结果；总结本实验的心得体会，对缺乏之处提出改进意见。实验五空调模糊控制系统设计、实验目的1. 掌握模糊控制系统设计的根本方法。2. 能利用MATLAB模糊逻辑工具箱进行模糊控制系统的设计。、实验设备微机三、实验原理模糊控制器采用数字电脑来实现，应该具备以下三个重要功能：由模糊化过程和数据库把系统的偏差从数字量转化为模糊量；对模糊量根据规那么库、推理决策给出的规那么进行模糊推理；由精 确化接口把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量。因此，模糊控制器的设计问题就是模糊化过程、知识库含数据库和规那么库、推理决策和精确化计算四局部的设计问题。模糊控制器的设计根本可以分为以下九个步骤：确定输入输出的模糊子集及其论域、 确定各模糊子集的隶属函数、选择控制规那么、模糊控制器的关系运算、计算采样时刻输入的清晰值、输入模糊化、 模糊决策、模糊判决、输出实际控制量。四、实验步骤1. 选择模糊控制参数。2. 确定各控制参数的论域。3. 设计各控制参数的隶属度函数。4. 设计控制规那么。5. 设计规那么评估和冲突消解的方法。6. 设计反模糊化方法。7. 设计一个具有人机交互界面的控制器系统。&对具体的输入值，用设计好的控制器进行分析，给出控制输出结果