欢迎来到天天文库
浏览记录
ID:33132361
大小:193.50 KB
页数:9页
时间:2019-02-21
《毕业论文设计材料基于粒子群优化的图形去噪算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、毕业论文(设计)材料题目:基于粒子群优化的图形去噪算法学生姓名:xxx学生学号:xxxxxxx系别:计算机信息工程专业:计算机科学与技术届别:2014届指导教师:xxx填写说明1、本材料包括xx师范学院本科毕业论文(设计)任务书、开题报告以及毕业论文(设计)评审表三部分内容。2、本材料填写顺序依次为:(1)指导教师下达毕业论文(设计)任务书;(2)学生根据毕业论文(设计)任务书的要求,在文献查阅的基础上撰写开题报告,送交指导教师审阅并签字认可;(3)毕业论文(设计)工作后期,学生填写毕业论文(设计)主要内容,连同毕业论文(设计)全文一并送交指导教师审阅,
2、指导教师根据学生实际完成的论文(设计)质量进行评价;(4)指导教师将此表连同学生毕业论文(设计)全文一并送交评阅教师评阅。3、指导教师、评阅教师对学生毕业论文(设计)的成绩评定均采用百分制。4、毕业论文(设计)答辩记录不包括在此表中。一、毕业论文(设计)任务书要求完成的主要任务及达到的目标2014年的我们已经生活在一个近乎完全信息化的时代,手机、相机、平板电脑等成像设备已经深入到我们的日常生活中,人们随时随地都可以方便快捷的记录身边的美好瞬间。但是,在图像生成的过程中,或多或少的都会受到外界噪声的干扰,以及仪器产生的误差,使我们拍摄的图片质量受到损害,产
3、生很多噪点。这不仅影响我们的视觉效果,而且还对图像后期的加工留下很多不便。所以,图像去噪被大家提上台面,成为科技工作者共同探究问题。本课题将图像去噪看作一个优化问题,通过比较传统去噪算法的特点、去噪性能、优缺点,找到一种比较理想算法来达到优化图像去噪的目标,为此提出了一种基于粒子群优化的图像去噪算法。工作进度要求严格按照学校《关于做好2014届本科生毕业论文工作的通知》时间完成各项任务,论文及材料按照学校规定的格式撰写。具体时间要求如下:1、2013年11月23日前完成开题报告;2、2013年11月24日~2014年5月5日完成资料收集,系统设计和上机调
4、试,撰写毕业论文;3、2014年5月6日~5月26日论文交指导教师进行最后修改,并将定稿后的论文正文(指导教师认定)按统一格式打印后交指导教师;4、2014年5月27日~6月9日撰写毕业论文答辩提纲,准备毕业论文答辩材料并参加答辩。指导教师签名:年月日二、毕业论文(设计)开题报告课题研究目的我们生活在一个信息时代,科学研究表明,人类从外界获得的四分之三的信息来自视觉系统,也就是从图像中获得的。随着各种数字仪器和数码产品进入我们的日常生活,图像和视频已经成为我们生活中最常用的信息载体,它们包含着物体的大量信息,成为人们获取外界原始信息的主要途径。然而在图像
5、的获取、传输和存储过程中常常会受到各种噪声的干扰和影响而使图像的质量大大下降,并且图像预处理算法的性能又直接关系到后续图像处理的效果,如图像分割、目标识别、边缘提取等,因此为了获取高质量的数字图像,很有必要对图像进行降噪处理,尽可能的保持原始信息完整性(即主要特征)的同时,又能够去除信号中无用的信息。所以,降噪处理一直是图像处理和计算机视觉研究的热点。图像视频去噪的最终目的是改善给定的图像,解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量,增大信噪比,更好的体现原来图像所携带的信息,作为一种重要的预处理手段,人们对图像
6、去噪算法进行了广泛的研究。在现有的去噪算法中,有的去噪算法在低维信号图像处理中取得较好的效果,却不适用于高维信号图像处理;或者去噪效果较好,却丢失部分图像边缘信息,或者致力于研究检测图像边缘信息,保留图像细节。如何在抵制噪音和保留细节上找到一个较好的平衡点,成为近年来研究的重点。在数字图像处理中,噪声去除好坏会直接影响图像分割、边缘检测、特征提取等后续处理的效果,因此对图像中所含噪声进行滤除是一个重要的研究方向。人们根据实际图像的特点、噪声的频谱分布的规律和统计特征,开发了多种多样的去噪方法,传统的去噪方法利用均值滤波器去除高斯噪声、利用中值滤波器去除椒
7、盐噪声(脉冲噪声)。在实际应用中都能取得一定效果,但均存在不足之处。本课题的研究目的就是通过查阅相关文献,了解图像去噪的相关知识、实现原理,比较几种方法的优缺点、降噪性能,加以改进,相对于传统的去噪方法,基于粒子群优化的去噪算法可以比较有效的解决以往图像去噪,效果不理想的问题。课题研究计划一、2014年1月1日-1月24日收集资料,通过学习相应书记和查阅资料,了解课题研究的基本内容、目的和意义,对课题目前的发展和较为常见的图像去噪算法有所了解和掌握,确定设计思路。二、2014年1月25日-2月21日巩固和学习粒子群算法的使用,达到熟练使用的程度。三、20
8、14年2月22日-3月24日针对设计中使用的算法,编制处理程序,并上机进行调试和
此文档下载收益归作者所有