发布时间：
论文地址： 前置文章：10/16、10/17、10/18
本文提出了Point Fractal Network(PF-Net),旨在从不完整的点云数据中恢复点云，克服了之前方法修改现有数据点、引入噪声和产生几何损失的缺点。
由前置文章可知，之前的点云修复方法是输入不完整的点云，输出完整的点云，但这样会导致原有信息的缺失。这篇文章提出PF-Net，主要特点有三个：
网络的整体结构如下：
网络详细推理步骤如下：
损失函数使用完整性损失和对抗损失的加权平均，完整性损失使用L-GAN中提出的CD距离：
对抗损失使用GAN中常见的损失函数
感觉这篇文章对多尺度的运用非常极致，在编码器、解码器和CMLP中都应用了这种思想，最后的效果也非常不错，很值得借鉴。
论文地址：
PointNet提出一种基础的网络结构，可以用于点云分类、部分分割和语义分割等多种任务。在这篇文章之前，点云数据的处理方式是将点云数据转换为多个二维的视图或三维的体素形式，然后应用2D/3D CNN进行处理，但这样引入了多余的体积，效率不高。本文是第一个直接使用点云数据的神经网络。（其实可以这样类比，在二维图像处理中，假设图像是二值化的，传统方法是将这个图像直接丢到CNN里面，但如果背景特别多会比较浪费资源。直接使用点云数据相当于直接将前景像素的坐标输入到神经网络里面，对稀疏数据会有比较好的性能，但因为以下三个问题导致直接使用坐标信息比较困难） 由于点云的排列是无序的（可以想象，点云中任意一点排在前面对点云的表达都是相同的）、点云之间是有相互作用的（相邻的点云才能构成形状）、点云在某些变换下具有不变性（比如旋转不会改变点云的类别）这些特性，要求神经网络既能处理无序的数据，又能捕捉全局的结构特征，同时对刚性变换不敏感。基于这些条件，作者提出了如下的网络结构：
可以简要分析一下网络的工作流程，以点云分类问题为例：
感觉网络的结构虽然简单，但是却很好地满足了点云数据自身特性对神经网络的要求。而且我觉得在图像处理中，也有时候必须用到坐标信息或者一些标量特征，这篇文章的方法对于怎样将这些特征融合进CNN里面也有一定的启发意义。
论文地址：
这篇文章的主要工作是：
首先来看衡量两个点云相似程度的指标部分，作者首先给出了两个距离，EMD和CD：
在计算上，CD更为简便，而且EMD是不可导的。
基于这两种距离，作者引入了三种衡量两个点云相似程度的指标：JSD、Coverage和MMD：
定义了指标后，就可以实现自动编码器和生成模型了。作者提到了四种结构，分别是：
作者同时验证了AE的一些其他功能，比如如果给AE的编码器输入不完整的点云数据，即可训练得到点云复原的模型。使用SVM对低维表示进行分类，即可进行点云分类的任务，证明AE在点云数据形式中的潜在应用较为广泛。
论文地址：
PointNet++针对PointNet提取局部信息能力不强的弊端，提出了一种层次神经网络，可以更好地提取局部信息。其中心思想是将整个点云分割成若干个小部分来提取信息，然后将每个小部分整合成较大的部分，提取更高层次的信息。类似于CNN中卷积和下采样的思想。首先来看网络结构图：
网络大概可以分为两个部分，左边是层次的点云特征提取网络，右边是针对不同任务的解码网络。 特征提取分为若干个set abstraction模块，每个模块又分为采样层、分组层和特征提取层。
得到了较高层次的特征后，对不同的任务需要不同的解码网络。对分类网络来说比较简单，使用全连接即可。对分割网络来说，由于对每个点都需要输出数值，则需要类似上采样的操作。具体的实现作者使用了插值的方法，将较少的点插值到较多的点上去。首先找到插值的目标坐标，然后寻找K个距离最近的已知点，以距离的倒数作为权重，将K个点的特征做加权平均，作为这个点的特征。然后使用之前特征提取中得到的该点的特征与当前特征做一个拼接，即可得到最终特征（类似U-Net的skip connection）。公式如下：
感觉这篇文章和PF-Net的思想差不多，都是希望提取多尺度的特征。但是思路不一样，都值得借鉴。
机械手动作是靠伺服电机上的编码器反馈到工控机处理中心讯号与预设定引数比较、修正再输出给伺服电机执行精确定位的。也就是说靠预先程式设计决定的，不是靠感测器定位的。程式设计可解决机械手三维空间动作精确方向、速度、执行时间…………
依靠定位点以及零点位置，机器手定期修正累加误差，抓取最高阶的是应用影象技术，配合物料定位点。
一般是照相定位的。感测器是COMS或者CCD。
用预先程式设计及其执行中该伺服电机轴尾的编码器反馈讯号至计算中心精确修整偏差定位的。
机器人家上了解到，机器人领域的视觉（Machine Vision）跟计算机领域（Computer Vision）的视觉有一些不同：机器视觉的目的是给机器人提供操作物体的资讯。所以，机器视觉的研究大概有这几块： 物体识别（Object Recognition）：在影象中检测到物体型别等，这跟 CV 的研究有很大一部分交叉； 位姿估计（Pose Estimation）：计算出物体在摄像机座标系下的位置和姿态，对于机器人而言，需要抓取东西，不仅要知道这是什么，也需要知道它具体在哪里； 相机标定（Camera Calibration）：因为上面做的只是计算了物体在相机座标系下的座标，我们还需要确定相机跟机器人的相对位置和姿态，这样才可以将物 *** 姿转换到机器人位姿。 当然，我这里主要是在物体抓取领域的机器视觉；SLAM 等其他领域的就先不讲了。 由于视觉是机器人感知的一块很重要内容，所以研究也非常多了，我就我了解的一些，按照由简入繁的顺序介绍吧： 0. 相机标定 这其实属于比较成熟的领域。由于我们所有物体识别都只是计算物体在相机座标系下的位姿，但是，机器人操作物体需要知道物体在机器人座标系下的位姿。所以，我们先需要对相机的位姿进行标定。 内参标定就不说了，参照张正友的论文，或者各种标定工具箱； 外参标定的话，根据相机安装位置，有两种方式： Eye to Hand：相机与机器人极座标系固连，不随机械臂运动而运动 Eye in Hand：相机固连在机械臂上，随机械臂运动而运动 两种方式的求解思路都类似，首先是眼在手外（Eye to Hand） 只需在机械臂末端固定一个棋盘格，在相机视野内运动几个姿态。由于相机可以计算出棋盘格相对于相机座标系的位姿 、机器人运动学正解可以计算出机器人底座到末端抓手之间的位姿变化 、而末端爪手与棋盘格的位姿相对固定不变。 这样，我们就可以得到一个座标系环 而对于眼在手上（Eye in Hand）的情况，也类似，在地上随便放一个棋盘格（与机器人基座固连），然后让机械臂带着相机走几个位姿，然后也可以形成一个 的座标环。 1. 平面物体检测 这是目前工业流水线上最常见的场景。目前来看，这一领域对视觉的要求是：快速、精确、稳定。所以，一般是采用最简单的边缘提取+边缘匹配/形状匹配的方法；而且，为了提高稳定性、一般会通过主要打光源、采用反差大的背景等手段，减少系统变数。 目前，很多智慧相机（如 cognex）都直接内嵌了这些功能；而且，物体一般都是放置在一个平面上，相机只需计算物体的 三自由度位姿即可。 另外，这种应用场景一般都是用于处理一种特定工件，相当于只有位姿估计，而没有物体识别。 当然，工业上追求稳定性无可厚非，但是随着生产自动化的要求越来越高，以及服务类机器人的兴起。对更复杂物体的完整位姿 估计也就成了机器视觉的研究热点。 2. 有纹理的物体 机器人视觉领域是最早开始研究有纹理的物体的，如饮料瓶、零食盒等表面带有丰富纹理的都属于这一类。 当然，这些物体也还是可以用类似边缘提取+模板匹配的方法。但是，实际机器人操作过程中，环境会更加复杂：光照条件不确定（光照）、物体距离相机距离不确定（尺度）、相机看物体的角度不确定（旋转、仿射）、甚至是被其他物体遮挡（遮挡）。 幸好有一位叫做 Lowe 的大神，提出了一个叫做 SIFT （Scale-invariant feature transform）的超强区域性特征点： Lowe, David G. "Distinctive image features from scale-invariant keypoints."International journal of puter vision (2004): 91-110. 具体原理可以看上面这篇被引用 4万+ 的论文或各种部落格，简单地说，这个方法提取的特征点只跟物体表面的某部分纹理有关，与光照变化、尺度变化、仿射变换、整个物体无关。 因此，利用 SIFT 特征点，可以直接在相机影象中寻找到与资料库中相同的特征点，这样，就可以确定相机中的物体是什么东西（物体识别）。 对于不会变形的物体，特征点在物体座标系下的位置是固定的。所以，我们在获取若干点对之后，就可以直接求解出相机中物体与资料库中物体之间的单应性矩阵。 如果我们用深度相机（如Kinect）或者双目视觉方法，确定出每个特征点的 3D 位置。那么，直接求解这个 PnP 问题，就可以计算出物体在当前相机座标系下的位姿。 ↑ 这里就放一个实验室之前毕业师兄的成果 当然，实际操作过程中还是有很多细节工作才可以让它真正可用的，如：先利用点云分割和欧氏距离去除背景的影响、选用特征比较稳定的物体（有时候 SIFT 也会变化）、利用贝叶斯方法加速匹配等。 而且，除了 SIFT 之外，后来又出了一大堆类似的特征点，如 SURF、ORB 等。 3. 无纹理的物体 好了，有问题的物体容易解决，那么生活中或者工业里还有很多物体是没有纹理的： 我们最容易想到的就是：是否有一种特征点，可以描述物体形状，同时具有跟 SIFT 相似的不变性？ 不幸的是，据我了解，目前没有这种特征点。 所以，之前一大类方法还是采用基于模板匹配的办法，但是，对匹配的特征进行了专门选择（不只是边缘等简单特征）。 简单而言，这篇论文同时利用了彩色影象的影象梯度和深度影象的表面法向作为特征，与资料库中的模板进行匹配。 由于资料库中的模板是从一个物体的多个视角拍摄后生成的，所以这样匹配得到的物 *** 姿只能算是初步估计，并不精确。 但是，只要有了这个初步估计的物 *** 姿，我们就可以直接采用 ICP 演算法（Iterative closest point）匹配物体模型与 3D 点云，从而得到物体在相机座标系下的精确位姿。 当然，这个演算法在具体实施过程中还是有很多细节的：如何建立模板、颜色梯度的表示等。另外，这种方法无法应对物体被遮挡的情况。（当然，通过降低匹配阈值，可以应对部分遮挡，但是会造成误识别）。 针对部分遮挡的情况，我们实验室的张博士去年对 LineMod 进行了改进，但由于论文尚未发表，所以就先不过多涉及了。 4. 深度学习 由于深度学习在计算机视觉领域得到了非常好的效果，我们做机器人的自然也会尝试把 DL 用到机器人的物体识别中。 首先，对于物体识别，这个就可以照搬 DL 的研究成果了，各种 CNN 拿过来用就好了。有没有将深度学习融入机器人领域的尝试？有哪些难点？ - 知乎 这个回答中，我提到 2016 年的『亚马逊抓取大赛』中，很多队伍都采用了 DL 作为物体识别演算法。 然而， 在这个比赛中，虽然很多人采用 DL 进行物体识别，但在物 *** 姿估计方面都还是使用比较简单、或者传统的演算法。似乎并未广泛采用 DL。 如 @周博磊 所说，一般是采用 semantic segmentation neork 在彩色影象上进行物体分割，之后，将分割出的部分点云与物体 3D 模型进行 ICP 匹配。 当然，直接用神经网路做位姿估计的工作也是有的 它的方法大概是这样：对于一个物体，取很多小块 RGB-D 资料（只关心一个patch，用区域性特征可以应对遮挡）；每小块有一个座标（相对于物体座标系）；然后，首先用一个自编码器对资料进行降维；之后，用将降维后的特征用于训练Hough Forest。 5. 与任务/运动规划结合 这部分也是比较有意思的研究内容，由于机器视觉的目的是给机器人操作物体提供资讯，所以，并不限于相机中的物体识别与定位，往往需要跟机器人的其他模组相结合。 我们让机器人从冰箱中拿一瓶『雪碧』，但是这个 『雪碧』 被『美年达』挡住了。 我们人类的做法是这样的：先把 『美年达』 移开，再去取 『雪碧』 。 所以，对于机器人来说，它需要先通过视觉确定雪碧在『美年达』后面，同时，还需要确定『美年达』这个东西是可以移开的，而不是冰箱门之类固定不可拿开的物体。 当然，将视觉跟机器人结合后，会引出其他很多好玩的新东西。由于不是我自己的研究方向，所以也就不再班门弄斧了。
机器作定位由先由工程式设计决定空前、左右、位置定位精度由伺服电机同轴尾端编码传器反馈讯号经伺服电机驱卡至处理处理再输作自微量调整
机器人多工位动作及其执行中定位全部由人工编写操作程式而决定的，此与感测器暂不搭界。若要根据生产工艺改进，则要重新编写程式，或在原程式中作修改调整。
机器人抓取定位是预先程式设计的，工控机输出带动伺服电机精确定位，包括伺服电机编码器反馈讯号经电机驱动卡直至工控机进一步调整。若用感测器检测定位误差极大，根本不可能细微修正定位精度。
机器人抓取目前最常用的是通过视觉定位，CCD/CMOS感测器拍摄当前视野内图片，找到MARK点，算出偏移的座标和角度，再通过网口或者串列埠将资料反馈到机器人，机器人作出相应修正 ----------众合航迅科技有限公司 邓经理为您解答
机器人动作定位由先由人工程式设计决定它在空中前后、左右、上下位置的。定位精度由伺服电机同轴尾端编码感测器反馈讯号经此伺服电机驱动卡至处理中心处理后再输出作自动微小量调整
机器人抓取时的定位可以使用多种感测器，常见的有以下几种：
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文
你好啊，你的开题报告选题定了没？开题报告选题老师同意了吗？准备往哪个方向写？你的开题报告格式要求下载下来了没有？学校开题报告要求看了没有？因为每个学校开题报告格式要求都是不一样的？最后祝你选题顺利通过提供一个范文模板范例，仅供参考，希望对你能有帮助。毕业论文的开题报告范文随着现代信息技术的迅猛发展，网络技术在教育中的应用日益广泛和深入，特别是Internet与校园网的接轨，为中小学教育提供了丰富的资源，使网络教学真正成为现实，同时也为中小学教育开辟了广阔的前景。陈至立部长在全国中小学信息技术教育工作会议上指出：“全国实施中小学'校校通'工程，努力实现基础教育的跨越式发展。”“‘校校通’工程的目标是用5年到10年时间，加强信息基础设施和信息资源建设，使全国90%左右独立建制的中小学校能够上网，使中小学师生都能共享网上资源，提高中小学的教育教学质量。”“校校通”工程的启动和发展，给中小学教学带来革新的机会，为学科教学信息化奠定了物质基础。如何有效地利用网上的资源，建构基于网络的现代教学模式是一个迫切研究的问题，而开展网络教学模式研究的重要理论基础之一就是网络教学的设计与评价。因此，开展网络教学的设计与评价的探索与实践研究有着十分重要的意义。一、课题研究背景（一）国内外的研究现状1、网络教学的设计理论与方法的研究缺乏系统性通过对国内外有关的学术刊物（如《电化教育研究》、《中国电化教育》、《Educational Technology》等）、教育网站和国际国内有关学术会议（GCCCE、ICCE、CBE等）的论文集进行分析，网络教学的设计研究主要是关于建构主义学习环境的设计和协作学习的设计等方面，缺乏系统的研究。可以说，网络教学的设计理论的研究还处于初级阶段，还有很多问题需要去研究和探索。例如，在网络环境下如何利用网络资源进行主动学习、利用虚拟情境进行探究学习、利用通讯工具进行协商学习、利用工具进行创造学习的设计以及教师指导性活动的设计等方面，都值得我们去研究。2、网络教学的评价研究才刚刚起步随着Internet应用的普及，网络教学已成为一种重要的教学手段和教学场所。然而，与传统教学相比，网络教学的质量保证体系却显得不够完善、健全。如何保证网络教学的质量，建立一个行之有效的网络教学评价模型，已成为网络教学研究的一个重要课题。时至2000年，教育部批准全国31所高校建立网络教育学院，但却没有制定出如何保证网络教育质量的相关政策。美国国家教育政策研究所（The Institute For Higher Education Policy）于2000年4月也发表了一份名为"在线教育质量：远程互联网教育成功应用的标准"的报告，然而，这些文章（报告）也仅仅是描述性的定义网络教学的评价指标，而对如何组织评价、如何获取定量数据、评价数据如何促进教学等方面则很少涉及。目前，网络教学的支撑平台中的学习评价模块往往只含有测试部分，而缺乏相应的分析与反馈。（二）课题研究的意义1、促进网络教学的发展，提高网络教学的质量由于网络教学可以实现信息资源共享，在网上组织最优秀的教材和教法，使学习者在网上可以学到最新的知识，因此是教学改革发展的方向。通过本项目的研究与实践，使网络教学更能为学习者提供一个建构主义的学习环境，充分体现学生的首创精神，学生有更多的机会在不同情境下去运用他们所学的知识，而且学生可以根据自身的行动的反馈来形成对客观事物的认识和解决实际问题的方案，从而提供网络教学的质量。2、寻找利用计算机技术和网络技术实现学生远程交互自主学习的教学设计的技术解决方案3、完善和发展教学设计理论网络环境下的教学与传统教学，不仅是教学环境的不同，在教学内容、教学手段、教学传播形式上都有本质的区别。通过本项目的研究，能够解决网络环境下，教学如何进行教学设计，如何调控教学过程，如何有效实施教学活动以达成教学目标，是对教学设计理论的完善和发展。二、课题研究内容（一）研究的主要内容1、网络教学设计理论体系的研究包括教学目标的设计、建构性学习环境的设计、学习情境的设计、学习资源的设计、学生自主学习活动的设计、学生协作学习活动的设计、教师指导性活动的设计、学习评价工具的设计等。2、基于网络环境下的教学策略与教学模式的研究（1）网络教学策略的研究，如网络环境下的教学内容组织策略、网络环境下的教学情景营造策略、网络环境下的教学对话组织策略、网络环境下的的课堂管理策略等（2）网络教学模式的研究，如项目化学习模式、探索性学习模式、研究性学习模式等3、网络教学评价的内容体系、方法、步骤与模型的研究4、网络教学设计系统软件的开发与应用5、网络教学评价系统软件的开发与应用根据上述研究内容，总课题下设如下子课题：1、网络教学设计与教学评价的理论研究（谢幼如、李克东）2、网络教学资源的开发（邓文新）3、网络教学设计与教学评价系统的开发（柯清超）4、Web课程的教学过程设计及支持系统的研究（陈品德）5、网络教学设计与教学评价理论的应用研究（余红）（二）课题的研究目标本项目的研究目标是：运用现代教学理论与建构主义学习理论，通过教学改革与实验，探索网络教学的设计与评价的理论和方法，开发相配套的网络教学的设计和评价系统软件，探索普通中小学利用网络资源进行网络教学的途径与方法。（三）预期成果形式1、论文与专著发表有关网络教学的设计与评价的一系列学术论文，出版专著《网络教学的设计与评价》。2、电脑软件开发《网络教学设计系统软件》和《网络教学评价系统软件》，制作《网络教学设计》专题教学（学习）网站，建立《教学设计》多媒体资源库。三、研究方法与技术路线（一）研究方法与步骤本项目的研究主要采用行动研究、实验研究、评价研究等方法。对于较大规模的教学设计与教学模式的试验研究，将采用行动研究方法。对于个别带有创新性的，能提出重要见解的小范围的教学研究，则通过建立科学的假设，采用实验研究的方法。关于教学模式的评价和有关教学效果的分析，则采用评价研究方法。研究步骤如下：2002年5月-2002年8月，收集资料，建立模型2002年9月-2003年1月，开发软件2004年2月-2004年8月，教学试验，评价修改2005年9月-2005年12月，扩大试验，归纳总结（二）关键技术1、基于网络的协作化设计思维工具的通讯模型的构建；2、教学设计系统中师生教学活动的可视化表示与分析；3、网络教学的教学评价模型的构建；4、网络教学过程中学习反应信息的自动采集与处理。四、课题研究价值（一）创新点1、建立网络教学设计的理论体系与方法。2、建立基于网络环境的各类教学评价指标体系。3、开发出操作性强、具有实际应用价值的网络教学的设计工具和评价系统软件。（二）理论意义传统的教学设计是应用系统方法分析和研究教学的问题和需求，确立解决他们的方法与步骤，并对教学结果作出评价的一种计划过程与操作程序。现代教学设计理论已经不拘泥于系统论的理论基础，不强调对教学活动的绝对控制，逐渐放弃呆板的设计模式，开始强调教学设计的关系性、灵活性和实时性，从而更加有利于学生的创新精神和实践能力。本课题的理论成果将完善和发展传统的教学设计理论与方法。（三）应用价值1、通过课题的研究与实践，总结并形成基于网络环境下学科教学设计的理论与方法，优化中小学课堂教学结构。2、通过课题的研究与实践，探索并总结信息化时代如何改革传统的思想和模式，使学生学会利用网络资源进行学习的方法和经验。3、通过课题的研究与实践，探索普通中小学利用网络资源的途径与方法，形成一批优秀的网络教学课例。4、通过课题的研究与实践，开发出具有应用推广价值的网络教学的设计工具和评价系统软件。五、研究基础（一）已有相关成果1、曾于93年、97年两度获得国家级优秀教学成果奖，其中《多媒体组合教学设计的理论与实践》项目的成果在全国的大中小学广泛应用，《多媒体组合教学设计》（李克东、谢幼如编著，科学出版社）多次再版发行。2、出版的《多媒体教学软件设计》（含教材与光碟）（谢幼如等编著，电子工业出版社，1999年）、《多媒体教学软件设计与制作》（含教材与光碟）（李克东、谢幼如、柯清超编著，中央广播电视大学出版社，2000年）和《信息技术与学科教学整合》（李克东、谢幼如、柯清超等，万方数据电子出版社，2001年）在全国广泛应用。3、97年《多媒体技术在基础教育改革中的应用实验研究》和《小学语文"四结合"教学改革试验研究》获国家教委全国师范院校面向基础教育改革科学研究优秀成果二等奖。4、承担国家"九五"重点科技攻关项目《计算机辅助教学软件研制开发与应用》（简称96-750）《小学语文科学小品文》、《小学语文古诗欣赏》、《小学语文扩展阅读》、《初中语文新诗赏析》四个子课题的研制与开发，4个项目6张光盘全部通过教育部组织的专家组鉴定，被评为优秀软件，并由北京师范大学出版社和电子工业出版社出版，在国内及东南亚地区发行。5、2000年所完成的《学习反应信息分析系统》获广东省高等学校优秀多媒体教学软件一等奖，并出版专著《学习反应信息的处理方法与应用》（谢幼如、李克东著，暨南大学出版社，1999年）。（二）研究条件华南师范大学教育技术学科是国家级重点学科，华南师范大学教育信息技术学院是"211工程"重点建设学科单位，我国的教育技术学博士点之一。华南师范大学教育技术研究所拥有从事计算机教育应用研究的人员近30名，其中包括教授2名、副教授5名、讲师8名、博士研究生4名和硕士研究生近15名。他们在长期的研究工作中，对各种多媒体教学软件、网络教学应用软件、学科教学工具、资源库管理应用系统进行了深入的研究与探索，并已取得了实质性的进展和成果。本研究所拥有先进的计算机软件开发实验室两个、国家级的多媒体教学软件制作基地一个，在国内教育技术领域方面处于领先地位。（三）参考文献1、《多媒体组合教学设计》，李克东、谢幼如编著，科学出版社，1992年第一版、1994年第二版2、《多媒体教学软件设计》谢幼如等编著，电子工业出版社，1999年3、《信息技术与学科教学整合》，李克东、谢幼如主编，万方数据电子出版社，2001年4、《学习反应信息的处理方法与应用》，谢幼如、李克东著，暨南大学出版社，1999年5、《Global Education On the Net》，高等教育出版社、Springer 出版社，1999年6、《教学设计原理》，.加涅、.布里格斯、.韦杰著，华东师范大学出版社，1999年7、《新型教学模式的探索》，谢幼如编著，北京师范大学出版社，1998年8、全球华人计算机教育应用大会（GCCCE）第一届至第五届论文集，1997年（广州）、1998年（香港）、1999年（澳门）、2000年（新加坡）、2001年（台北）9、《改善学习--2001中小学信息技术教育国际研讨会论文选编》，吉林教育出版社，2001年10、《认知过程的评估》，.戴斯、.纳格利尔里、.柯尔比著，华东师范大学出版社，1999年11、《教育技术学研究方法》，李克东编著，北京师范大学出版社，2002年六、研究组织机构本课题的研究人员由教学设计专家、信息技术教育应用专家、网络技术专家、学科教学专家、中小学教师、教育技术研究人员与研究生组成，以大学的教育技术研究所为核心，主要以广东、江苏、浙江、福建等地区的部分中小学以及西部一些网络环境较好的中小学为研究基地，辐射其他地区的中小学，借助信息技术产业的技术力量，实现理论、技术与学科教学的优化整合。总课题组顾问：南国农教授（我国著名电化教育专家，西北师范大学）李运林教授（华南师范大学电化教育系原系主任）周君达教授（中央电化教育馆原副馆长）苏式冬教授（广东教育学院原副院长）许汉特级教师（广州市教研室）总课题组组长：谢幼如教授（华南师范大学教育技术研究所）李克东教授（华南师范大学教育技术研究所所长、博士生导师）总课题组成员：柯清超博士生（华南师范大学教育技术研究所）陈品德副教授、博士生（华南师范大学网络中心）邓文新讲师（华南师范大学教育技术研究所）余 红副教授（华南师范大学教育技术研究所）总课题组秘书：王冬青博士生（华南师范大学教育技术研究所）高瑞利硕士生（华南师范大学教育技术研究所）刘铁英硕士生（华南师范大学教育技术研究所）孔维宏硕士生（华南师范大学教育技术研究所）徐光涛硕士生（华南师范大学教育技术研究所）杨淑莲硕士生（华南师范大学教育技术研究所）尹 睿硕士生（华南师范大学教育技术研究所）
【关键词】 图像配准; 多源传感器; 位置约束; 特征提取; 多种特征组合 【摘要】 随着遥感技术迅速发展和新型传感器的不断涌现,人们获取遥感图像数据的能力不断提高。在利用这些多源遥感图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前,必须进行多源图像配准工作,配准精度的高低直接影响到后续应用效果的好坏。为此,本文主要研究了多源遥感图像间的配准技术,作为协同系统中的关键技术,要求配准方法在运算能力和配准精度方面都能够达到较好的效果。首先,本文对现有的多源图像配准技术进行原理上的分析与介绍。通过对多种配准方法的分类与比较,指出了遥感图像配准的通用技术环节与技术要点。并在研究过程中分析关键技术环节的难点与所面临问题。其次,本文针对传统多源配准方法在进行控制点对应时运算量大,误配情况多的现状,提出了一种基于位置约束的多源遥感影像配准技术。该方法首先利用人工粗略选取少量控制点对,得到粗略位置映射关系,之后利用位置信息以及分辨率信息建立局部窗函数进行搜索匹配,对两幅图像中提取的Harris角点进行筛选,最终得到的控制点对作为求取配准参数的控制点输入,并利用此方法进行了多组图像的实验来证明方法的通用性。然后,本文针对传统配准方法需要人工参与,并且仅使用单一特征进行匹配效...更多果差的缺点,提出了一种基于多特征组合的多源遥感图像自动配准技术。这种方法利用了由粗至精的配准思想,结合使用点、线、面特征分别进行粗配准及精细配准两个过程。重点解决了其中少量初始控制点对的匹配和更多控制点对的获取。完成了存在闭合区域的多源遥感图像间的自动配准过程,并实验验证了方法的配准精度。最后,为了对配准后的遥感图像进行直观的视觉评价,本文介绍了配准后图像间的镶嵌以及融合等简单应用。通过实验,可以很直观的看出配准的效果,完成配准的定性评价。
开题报告主要涉及你所选的毕业论文在你的文献和理论准备下是否有写的必要，一般包括下面四个部分：一、课题的来源、研究的目的意义（包括在我国应用的前景）、国内外研究现状及水平。二、论文研究的主要内容、方案和准备采取的措施。三、已进行的科研工作基础和已具备的科学研究条件（包括到什么地方调查研究，在哪个实验室进行试验，主要的仪器设备），对其他单位的协作要求，指导及辅导试验，论文撰定的合作人员。三、已进行的科研工作基础和已具备的科学研究条件（包括到什么地方调查研究，在哪个实验室进行试验，主要的仪器设备），对其他单位的协作要求，指导及辅导试验，论文撰定的合作人员。四、论文总工作量，文献阅读，科学调查，试验阶段，理论分析，论文初稿，文字总结各阶段的进度（起讫日期）和要求，预期结果。－－－－－－－－－－－－－－－－－－－重点是第一、第二部分，尤其是文献准备最为重要。
辨识的原理还是辩证的原理，如果要是辩证的原理的话，可以从联系的观点，发展的观点，和全面的观点角度进行分析。
图像识别技术是信息时代的一门重要的技术，其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展，人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。简单分析了图像识别技术的引入、其技术原理以及模式识别等，之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术的应用。从中可以总结出图像处理技术的应用广泛，人类的生活将无法离开图像识别技术，研究图像识别技术具有重大意义。一、图像识别技术的引入图像识别是人工智能的一个重要领域。图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别，顾名思义，就是对图像做出各种处理、分析，最终识别我们所要研究的目标。今天所指的图像识别并不仅仅是用人类的肉眼，而是借助计算机技术进行识别。虽然人类的识别能力很强大，但是对于高速发展的社会，人类自身识别能力已经满足不了我们的需求，于是就产生了基于计算机的图像识别技术。这就像人类研究生物细胞，完全靠肉眼观察细胞是不现实的，这样自然就产生了显微镜等用于精确观测的仪器。通常一个领域有固有技术无法解决的需求时，就会产生相应的新技术。图像识别技术也是如此，此技术的产生就是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。1、图像识别技术原理其实，图像识别技术背后的原理并不是很难，只是其要处理的信息比较繁琐。计算机的任何处理技术都不是凭空产生的，它都是学者们从生活实践中得到启发而利用程序将其模拟实现的。计算机的图像识别技术和人类的图像识别在原理上并没有本质的区别，只是机器缺少人类在感觉与视觉差上的影响罢了。人类的图像识别也不单单是凭借整个图像存储在脑海中的记忆来识别的，我们识别图像都是依靠图像所具有的本身特征而先将这些图像分了类，然后通过各个类别所具有的特征将图像识别出来的，只是很多时候我们没有意识到这一点。当看到一张图片时，我们的大脑会迅速感应到是否见过此图片或与其相似的图片。其实在“看到”与“感应到”的中间经历了一个迅速识别过程，这个识别的过程和搜索有些类似。在这个过程中，我们的大脑会根据存储记忆中已经分好的类别进行识别，查看是否有与该图像具有相同或类似特征的存储记忆，从而识别出是否见过该图像。机器的图像识别技术也是如此，通过分类并提取重要特征而排除多余的信息来识别图像。机器所提取出的这些特征有时会非常明显，有时又是很普通，这在很大的程度上影响了机器识别的速率。总之，在计算机的视觉识别中，图像的内容通常是用图像特征进行描述。2、模式识别模式识别是人工智能和信息科学的重要组成部分。模式识别是指对表示事物或现象的不同形式的信息做分析和处理从而得到一个对事物或现象做出描述、辨认和分类等的过程。计算机的图像识别技术就是模拟人类的图像识别过程。在图像识别的过程中进行模式识别是必不可少的。模式识别原本是人类的一项基本智能。但随着计算机的发展和人工智能的兴起，人类本身的模式识别已经满足不了生活的需要，于是人类就希望用计算机来代替或扩展人类的部分脑力劳动。这样计算机的模式识别就产生了。简单地说，模式识别就是对数据进行分类，它是一门与数学紧密结合的科学，其中所用的思想大部分是概率与统计。模式识别主要分为三种：统计模式识别、句法模式识别、模糊模式识别。二、图像识别技术的过程既然计算机的图像识别技术与人类的图像识别原理相同，那它们的过程也是大同小异的。图像识别技术的过程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。信息的获取是指通过传感器，将光或声音等信息转化为电信息。也就是获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。预处理主要是指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。特征抽取和选择是指在模式识别中，需要进行特征的抽取和选择。简单的理解就是我们所研究的图像是各式各样的，如果要利用某种方法将它们区分开，就要通过这些图像所具有的本身特征来识别，而获取这些特征的过程就是特征抽取。在特征抽取中所得到的特征也许对此次识别并不都是有用的，这个时候就要提取有用的特征，这就是特征的选择。特征抽取和选择在图像识别过程中是非常关键的技术之一，所以对这一步的理解是图像识别的重点。分类器设计是指通过训练而得到一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技术能够得到高识别率。分类决策是指在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。三、图像识别技术的分析随着计算机技术的迅速发展和科技的不断进步，图像识别技术已经在众多领域中得到了应用。2015年2月15日新浪科技发布一条新闻：“微软最近公布了一篇关于图像识别的研究论文，在一项图像识别的基准测试中，电脑系统识别能力已经超越了人类。人类在归类数据库Image Net中的图像识别错误率为，而微软研究小组的这个深度学习系统可以达到的错误率。”从这则新闻中我们可以看出图像识别技术在图像识别方面已经有要超越人类的图像识别能力的趋势。这也说明未来图像识别技术有更大的研究意义与潜力。而且，计算机在很多方面确实具有人类所无法超越的优势，也正是因为这样，图像识别技术才能为人类社会带来更多的应用。1、神经网络的图像识别技术神经网络图像识别技术是一种比较新型的图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。这里的神经网络是指人工神经网络，也就是说这种神经网络并不是动物本身所具有的真正的神经网络，而是人类模仿动物神经网络后人工生成的。在神经网络图像识别技术中，遗传算法与BP网络相融合的神经网络图像识别模型是非常经典的，在很多领域都有它的应用。在图像识别系统中利用神经网络系统，一般会先提取图像的特征，再利用图像所具有的特征映射到神经网络进行图像识别分类。以汽车拍照自动识别技术为例，当汽车通过的时候，汽车自身具有的检测设备会有所感应。此时检测设备就会启用图像采集装置来获取汽车正反面的图像。获取了图像后必须将图像上传到计算机进行保存以便识别。最后车牌定位模块就会提取车牌信息，对车牌上的字符进行识别并显示最终的结果。在对车牌上的字符进行识别的过程中就用到了基于模板匹配算法和基于人工神经网络算法。2、非线性降维的图像识别技术计算机的图像识别技术是一个异常高维的识别技术。不管图像本身的分辨率如何，其产生的数据经常是多维性的，这给计算机的识别带来了非常大的困难。想让计算机具有高效地识别能力，最直接有效的方法就是降维。降维分为线性降维和非线性降维。例如主成分分析（PCA）和线性奇异分析（LDA）等就是常见的线性降维方法，它们的特点是简单、易于理解。但是通过线性降维处理的是整体的数据集合，所求的是整个数据集合的最优低维投影。经过验证，这种线性的降维策略计算复杂度高而且占用相对较多的时间和空间，因此就产生了基于非线性降维的图像识别技术，它是一种极其有效的非线性特征提取方法。此技术可以发现图像的非线性结构而且可以在不破坏其本征结构的基础上对其进行降维，使计算机的图像识别在尽量低的维度上进行，这样就提高了识别速率。例如人脸图像识别系统所需的维数通常很高，其复杂度之高对计算机来说无疑是巨大的“灾难”。由于在高维度空间中人脸图像的不均匀分布，使得人类可以通过非线性降维技术来得到分布紧凑的人脸图像，从而提高人脸识别技术的高效性。 3、图像识别技术的应用及前景计算机的图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有应用。例如交通方面的车牌识别系统；公共安全方面的人脸识别技术、指纹识别技术；农业方面的种子识别技术、食品品质检测技术；医学方面的心电图识别技术等。随着计算机技术的不断发展，图像识别技术也在不断地优化，其算法也在不断地改进。图像是人类获取和交换信息的主要来源，因此与图像相关的图像识别技术必定也是未来的研究重点。以后计算机的图像识别技术很有可能在更多的领域崭露头角，它的应用前景也是不可限量的，人类的生活也将更加离不开图像识别技术。结 束 语图像识别技术虽然是刚兴起的技术，但其应用已是相当广泛。并且，图像识别技术也在不断地成长，随着科技的不断进步，人类对图像识别技术的认识也会更加深刻。未来图像识别技术将会更加强大，更加智能地出现在我们的生活中，为人类社会的更多领域带来重大的应用。在21世纪这个信息化的时代，我们无法想象离开了图像识别技术以后我们的生活会变成什么样。图像识别技术是人类现在以及未来生活必不可少的一项技术。
这的原理就是能够对事物的发展能有自己独特的见解和主张
1. 按期圆满完成教学计划规定的任务，能熟练地综合运用所学基础理论和专业知识，具有较强的独立分析问题和解决问题的能力。2、选题新颖，具有一定的现实意义和理论意义，立论正确，观点新颖，有创新意识；3、结构合理，内容充实，实际资料丰富，利用率高，综合分析能力4、分析论证可靠、严密，思路清晰，条理清晰，逻辑严密，重点突出；
5、论文中插图、附表准确，符合要求，图文配合恰当，图文并茂；6、文字精练流畅，结论正确合理，格式规范。
毕业论文的写作特点
1指导性
毕业论文与学术论文的区别之一，它是在论文指导教师的指导下完成的，指导教师必须有讲师以上资格。指导教师帮助学生指定参考文献，确定选题，审定学生选题和开题报告，指导学生编写论文提纲及修改论文，注意毕业论文格式规范，一方面要发挥指导的作用，另一方面要知人善用，激发学生科研的主动性、积极性和创造性。
2习作性
与专用于发表和传播性的学术论不同的是，毕业论文具有习作性。大学生最后一个学期，集中精力写好毕业论文，是在教师指导下，综合运用本专业所学的基础理论、专门知识和基本技能解决论题中问题的过程，毕业论文的写作是对所学知识的运用和深化。是把知识转化为能力的实际训练，
3层次性
专业人员的学术论文，一般反映某专业领域的.最新学术成果，有较高的学术价值。但大学生的毕业论文因受各种限制，如缺乏写作经验，缺乏运用知识独立进行研究的训练，撰写毕业论文时间受限，文章的其质量要求相应低一些。一般学校把毕业论文安排在最后一个学期，实际上是停课定毕业论文，写作时间仅为10周左右。
4专业性
专业性是文理科毕业论文的本质特点。所属专业不同，在遵守共性的毕业论文基本规范的前提下，撰写论文无论是选题、参考文献、研究方法都有极强的专业性。
体育论文的撰写
(一)选题。 体育论文的选题反映了研究者的信仰、知识、习惯、兴趣以及价值观念，因而应该通过自已选题，自觉地发挥主观能动性。
(二)结合写作进行专题学习。 通过学习，既可以继承前人已有的研究成果作为自己立论的起点，又能通过收集有关必要的资料，作为引用的论据。为此，积极地储备资料是非常有必要的。
(三)注意定义的准确性。 体育论文中涉及的主要概念性定义，应做出此定义的界定表述，以便交流讨论，避免引起误解。
(四)文章从写提纲、修改提纲开始。 有了好的提纲，才可能写出好的论文，提纲可以写成两级或三级标题的形式，成文后也免去大的改动。
(五)数据要准确。 体育论文中希望提供量化的内容和数据，必须是准确为前提，测量与调查的原始数据尤其要准确，测试条件要规范统一。运用数量统计分折所得出的结论性效果，一定要进行体育统计学的检验。
(六)文字要力求平实。 论文的科学性要求论文撰写尽可能运用规范的书面语言，文风力求平凡朴实，不用描写，形容与渲染，也要忌避粗俗语言，论文的语言美就在于简练严谨。
(七)注意体育教学的特殊性 。体育教学不同于科学技术行为，它是研究教师的教育和学生的学习、锻炼行为效果和规律为主的。因此，体育 教学论文的撰写是科学研究的行为之一，只有对体育教学研究得越深，才能得到理想的效果。
(八)写关键词。 可将文中最能表达论点的关键用语表述在“摘要”前，引起读者的关注。
由于毕业论文属于学术论文的范畴，因此，从本质上来说，毕业论文的特点与学术论文的特点没有实质性的区别。
1）科学性。科学性是毕业论文的基石，毕业论文成果应以客观的材料和科学的理论为基础，然后得出可靠的结论。
2）理论性。理论性是毕业论文的基调，要求作者站在应有的理论高度，对论点、结论等进行理论概括。
3）学术性。学术性是毕业论文的本质属性，学术性要求毕业论文具有一定的理论色彩，即便是应用性的毕业论文也应做到有一定的理论概括。
4）创新性。创新性是毕业论文的灵魂，要求作者能在新的角度上，表达出一定的新观点、新见解或体会。对于应用型高校做到以下几点就能说明毕业论文具有一定创新性。
5）规范性。规范性是毕业论文的特质属性，写作时必须遵守论文规范和格式。
毕业论文的主要特点是受导性、学术性、习作性、考核性。
理论性是毕业论文的主要特点，是毕业论文的灵魂所在。在形式上，它是由概念、判断、推理组成的一个体系。作者往往运用抽象思维的方法，对丰富、复杂的材料进行分析。如果一篇毕业论文仅停留在对事实的说明和描述上，没有必要的理论分析和论证，那就不能上升到理论的高度，写得再生动、再漂亮，也不能算是好论文。
创造性就是要求文章不能简单地重复前人的观点，而必须有自己独到的见解。毕业论文虽然只是学生从事科学研究的入门工作，但是也要注意对所研究的问题采取新的分析方法，得出新的观点。应鼓励学术创新，避免选择已经完全得到解决的常识性问题。
毕业论文是在导师指导下独立完成的科学研究成果。作为大学毕业前的最后一次作业，离不开教师的帮助和指导。对于如何进行科学研究，如何撰写论文，等等，教师都要给予具体的方法论指导。
在学生写作毕业论文的过程中，教师要启发引导学生独立进行工作，注意发挥学生的主动创造精神，帮助学生最后确定题目，指定参考文献和调查线索，审定论文提纲，解答疑难问题，指导学生修改论文初稿，等等。学生为了写好毕业论文，必须主动地发挥自己的聪明才智，刻苦钻研，独立完成毕业论文的写作任务。
毕业论文的写作特点
1指导性
毕业论文与学术论文的区别之一，它是在论文指导教师的指导下完成的，指导教师必须有讲师以上资格。指导教师帮助学生指定参考文献，确定选题，审定学生选题和开题报告，指导学生编写论文提纲及修改论文，注意毕业论文格式规范，一方面要发挥指导的作用，另一方面要知人善用，激发学生科研的主动性、积极性和创造性。
2习作性
与专用于发表和传播性的学术论不同的是，毕业论文具有习作性。大学生最后一个学期，集中精力写好毕业论文，是在教师指导下，综合运用本专业所学的基础理论、专门知识和基本技能解决论题中问题的过程，毕业论文的写作是对所学知识的运用和深化。是把知识转化为能力的实际训练，
3层次性
专业人员的学术论文，一般反映某专业领域的.最新学术成果，有较高的学术价值。但大学生的毕业论文因受各种限制，如缺乏写作经验，缺乏运用知识独立进行研究的训练，撰写毕业论文时间受限，文章的其质量要求相应低一些。一般学校把毕业论文安排在最后一个学期，实际上是停课定毕业论文，写作时间仅为10周左右。
4专业性
专业性是文理科毕业论文的本质特点。所属专业不同，在遵守共性的毕业论文基本规范的前提下，撰写论文无论是选题、参考文献、研究方法都有极强的专业性。
体育论文的撰写
(一)选题。 体育论文的选题反映了研究者的信仰、知识、习惯、兴趣以及价值观念，因而应该通过自已选题，自觉地发挥主观能动性。
(二)结合写作进行专题学习。 通过学习，既可以继承前人已有的研究成果作为自己立论的起点，又能通过收集有关必要的资料，作为引用的论据。为此，积极地储备资料是非常有必要的。
(三)注意定义的准确性。 体育论文中涉及的主要概念性定义，应做出此定义的界定表述，以便交流讨论，避免引起误解。
(四)文章从写提纲、修改提纲开始。 有了好的提纲，才可能写出好的论文，提纲可以写成两级或三级标题的形式，成文后也免去大的改动。
(五)数据要准确。 体育论文中希望提供量化的内容和数据，必须是准确为前提，测量与调查的原始数据尤其要准确，测试条件要规范统一。运用数量统计分折所得出的结论性效果，一定要进行体育统计学的检验。
(六)文字要力求平实。 论文的科学性要求论文撰写尽可能运用规范的书面语言，文风力求平凡朴实，不用描写，形容与渲染，也要忌避粗俗语言，论文的语言美就在于简练严谨。
(七)注意体育教学的特殊性 。体育教学不同于科学技术行为，它是研究教师的教育和学生的学习、锻炼行为效果和规律为主的。因此，体育 教学论文的撰写是科学研究的行为之一，只有对体育教学研究得越深，才能得到理想的效果。
(八)写关键词。 可将文中最能表达论点的关键用语表述在“摘要”前，引起读者的关注。
毕业论文属科技论文，它应具有以下特点：
1、科学性
科学性――就描述对象而论，是指论文只涉及科学与技术领域的命题;就描述内容来看，是指它要求文章的论述具有可信性。科技论文不能凭主观臆断或个人好恶随意舍取素材或得出的结论。论点的推理要求严密、并正确可信。揭示的是普遍规律或特殊规律。
2、逻辑性
辩证逻辑揭示内在规律和联系。
形式逻辑揭示外部规律和联系。
逻辑性是文章的结构特点，它要求论文的脉络清晰、结构严谨、推论合理、演算正确、符号规范、文字通顺、前呼后应、自成系统。不论文章所涉及的专题大小如何，都应该有自己的前提或假说、论证素材和推断结论，不应该是一堆堆数据罗列或一串串现象的自然描绘。
3、首创性
首创性是对描述的内容区别于其它文献的一种特殊要求，创新是科技论文的灵魂。它要求论文所提示的事物现象、属性、特点、以及事物变化时所遵循的规律，必须是前所未见的、首创的、或部分是首创的，而不是对他人工作的复述或解释。
首创性就是要说出别人没有说过的话，道出别人没有道出的理，有新意，有独道。
4、继承性
就是要站在巨人的肩膀上去看旧问题发现新问题。
论文的特征就是论说、阐明道理，揭示某种规律和特征。因而不是记事状物，也不是叙述过程，更不是抒发情感。