导读:本文包含了数字图像模式识别论文开题报告文献综述及选题提纲参考文献，主要关键词:教学方式,SPOC,数字图像处理与模式识别
数字图像模式识别论文文献综述
任小玲,许世军[1]（2019）在《异步SPOC教学模式研究——以《数字图像处理与模式识别》为例》一文中研究指出探究"互联网+"时代下基于慕课背景的学生自主学习途径和方法。建立《数字图像处理与模式识别》课程的异步SPOC教学模式。通过2年的教学研究与实践,设计打造了生动活泼的高效率课堂,其教学设计和精品课例是研究与实践的关键。该教学模式不仅提升学生的学习兴趣和教学效果,而且为提升教师信息化素养和专业成长提供了一种有效方法和途径。(本文来源于《课程教育研究》期刊2019年04期）
丁常宏,杨月莹,栗明,王振月[2]（2016）在《数字图像模式识别技术在植物叶片识别中的应用》一文中研究指出植物分类鉴别是森林资源及林下中药资源清查和保护工作的基础,但现在植物的鉴别主要依靠人为进行,效率低、主观性强,且专业人才较少。随着数字信息化技术的发展,构建计算机化的植物模式识别体系已经成为植物鉴别过程中强有力的工具,可为植物学的定种工作提供便捷、准确的保障。文中从叶片特征选择、常用叶片识别方法及图像识别在手机系统上的应用3个方面综述了叶片模式识别的相关研究成果,并探讨了利用计算机视觉辅助植物分类方面的问题和展望,以期为数字图像模式识别技术在植物叶片识别中的应用和进一步研究提供参考。(本文来源于《世界林业研究》期刊2016年05期）
刘纪红,陶倚天[3]（2011）在《以计算机数字图像处理和模式识别技术设计的烤瓷牙比色系统》一文中研究指出背景:制备烤瓷牙时需要将患者牙齿与牙齿比色板比对得到患者牙齿的颜色编号,目前临床中常使用目测法,但这种方法会受到很多客观或主观的条件限制。目的:设计能够进行图像采集,可实现牙齿比色功能的系统,并且尽量提高识别效果。方法:利用摄像笔与暗室配合,采集牙齿比色板图像;数字图像处理方法提取图像颜色特征,分别使用最小距离法、K-近邻法和九分法对图像进行识别分类测试,观测分类结果是否满足需求。结果与结论:利用最小距离法和K-近邻法可以进行识别分类,但由于数据承受量较低,会影响测试分类结果;利用九分法可以很大程度提高分类正确识别率,基本可以得到满意的结果。(本文来源于《中国组织工程研究与临床康复》期刊2011年35期）
田建华[4]（2011）在《数字图像处理和模式识别在林业中的应用》一文中研究指出该文介绍了数字图像处理与模式识别在林业中的应用领域及其重要意义,详细阐述了利用数字图像处理及模式识别技术的原理和方法,并在此基础上研究了林地分类系统的算法和模型,构造了林地分类系统的检索库。通过该文的研究,初步探索了数字图像处理与模式识别在林地分类系统中的应用途径和方法,为以后进一步的实现基于数字图像的林地分类系统的打下了基础。(本文来源于《电脑知识与技术》期刊2011年09期）
游劲敏[5]（2008）在《数字图像处理和模式识别技术在烧结矿分析中的应用研究》一文中研究指出烧结矿石的显微图像成分分析是一项具有挑战性的应用研究课题,本文以宝山钢铁股份有限公司项目开发为研究背景,通过图像采集系统,摄取显微镜载片上的铁矿石烧结矿图像,并进行处理,从而完成对铁矿石烧结矿石进行组织成分自动识别的任务。本论文介绍了烧结矿光学组织分析系统的历史与现状,给出了烧结矿光学组织自动分析软件的设计与实现的方案,给出了系统体系结构。在此基础上,本文提出了一种使用改进的统计假说方法进行铁矿石烧结矿中的网状纹理成分识别的方法,并提出了采用Sobel变换、骨架提取以及Hough变换相结合的技术进行铁矿石烧结矿中的针板状纹理成分识别的方法,实验结果表明,本文所提出的上述两个方法是有效的。为了能够快速准确的进行烧结矿自动分析,本文所涉及的研究项目设计并实现了一个烧结矿光学组织自动分析软件,包含了显微图像自动采集、烧结矿成分识别、烧结矿成分分析叁大功能。显微图像自动采集包括自动曝光、自动聚焦、自动采集等方面。烧结(sinter)细小的矿石粒子被加热直到形成烧结块的加工过程。烧结矿成分共分6大类,识别目的是准确识别6大类目标,并进一步分辨出细分的9种小类。烧结矿成分分析则是采用简单的统计方法来计算烧结矿样本的6个重要指数,从而对烧结矿质量做出一个客观定量的评价。本软件界面友好美观,结构合理。实验证明,本软件效率高,运行稳定,分类结果比较准确。所提出的算法对于显微图像自动处理、微结构成分识别有着较高的理论意义和参考价值,对科学利用能源、精细冶金以及精细化工等工业领域具有较高的实用参考价值。(本文来源于《复旦大学》期刊2008-05-25）
陈杨[6]（2007）在《数字图像模式识别在车牌自动识别中的应用研究》一文中研究指出数字图像识别是模式识别领域的重要研究方向之一。基于图像的车辆牌照自动识别技术在智能交通管理领域得到广泛应用,是实现交通管理智能化的重要环节。论文深入地研究了模式分类的理论方法及其在车牌识别系统中的应用。论文从模式分类问题的两个基本要点,即输入特征向量的提取和分类器的构建出发,研究了在具体问题中的模式分类器的设计方法。借助图像处理技术手段,依靠有效解决小样本学习的支持向量机分类等模式分类领域的原理,分别对车牌自动识别算法的叁个主要部分,即车牌分割、字符分割和字符识别,做了深入系统地研究,并提出了改进算法。针对车牌识别过程中牌照分割的特征提取问题,探讨了各种有利于分类的目标与背景图像区域特征,最后从纹理图像分类的角度分别提取基于灰度直方图和共生矩阵的纹理特征,以及类车牌区域的边缘特征作为分类器的输入特征空间。对车牌分割的分类器结构,提出了基于支持向量机的多级分类器,将分类过程分成粗分、细分两步,从而提高分类的精度和效率。在车牌字符分割过程中,由于对字符和背景分类时,不易提取出利于分类的特征训练分类器,所以采用了用概率方法对图像建模,并在模型下用最大后验概率分类方法进行分类。本文在这种方法的基础上,利用视频图像中提取的多帧图像信息加强了分类的效果。在字符识别研究中,用字符投影特征建立输入特征空间,并构建了基于支持向量机的二进制多类分类器,比传统的One-vs-One和One-vs-Rest多类分类方法减少了两类分类器的使用个数,减轻了因多类分类而造成的速度降低问题。仿真实验结果表明,论文所提出的几种改进算法对提高车牌自动识别的正确率和识别速度有较大的应用价值。(本文来源于《天津大学》期刊2007-01-01）
数字图像模式识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
植物分类鉴别是森林资源及林下中药资源清查和保护工作的基础,但现在植物的鉴别主要依靠人为进行,效率低、主观性强,且专业人才较少。随着数字信息化技术的发展,构建计算机化的植物模式识别体系已经成为植物鉴别过程中强有力的工具,可为植物学的定种工作提供便捷、准确的保障。文中从叶片特征选择、常用叶片识别方法及图像识别在手机系统上的应用3个方面综述了叶片模式识别的相关研究成果,并探讨了利用计算机视觉辅助植物分类方面的问题和展望,以期为数字图像模式识别技术在植物叶片识别中的应用和进一步研究提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数字图像模式识别论文参考文献
[1].任小玲,许世军.异步SPOC教学模式研究——以《数字图像处理与模式识别》为例[J].课程教育研究.2019
[2].丁常宏,杨月莹,栗明,王振月.数字图像模式识别技术在植物叶片识别中的应用[J].世界林业研究.2016
[3].刘纪红,陶倚天.以计算机数字图像处理和模式识别技术设计的烤瓷牙比色系统[J].中国组织工程研究与临床康复.2011
[4].田建华.数字图像处理和模式识别在林业中的应用[J].电脑知识与技术.2011
[5].游劲敏.数字图像处理和模式识别技术在烧结矿分析中的应用研究[D].复旦大学.2008
[6].陈杨.数字图像模式识别在车牌自动识别中的应用研究[D].天津大学.2007
标签：教学方式; SPOC; 数字图像处理与模式识别;