机器视觉毕业论文摘要

同学~自己写~

说实话，为了几百分花这个精力，不值。。。同学，你还是自己写吧

视觉图象技术纵谈近年来，随着多媒体技术的飞速发展，利用多媒体计算机处理视频影象已成为现实。本毕业设计就是利用视频/图象采集卡与CCD摄像机所构成的实时视频采集系统实现实时监控的设计。因此有必要先介绍一下有关视频的基本知识和视频/图象采集卡的情况。 有关视频的基本知识 根据三基色原理，在视频领域利用R（红）、G（绿）、B（蓝）三色不同比例的混合来表现丰富多采的现实世界。首先，通过摄像机的光敏器件像CCD（电荷耦合器件），将光信号转换成RGB三路电信号；其次，在电视机或监视器内部也使用RGB信号分别控制三支电子枪轰击荧光屏以产生影象。这样，由于摄像机中原始信号和电视机、监视器中的最终信号都是RGB信号，因此直接使用RGB信号作为视频信号的传输和记录方式会获得极高的信号质量。但这样做会极大地加宽视频带宽从而增加设备成本，且这也与现行黑白电视不兼容，因此，在实际应用中不这样做，而是按亮度方程Y=（PAL制）RGB信号转换成亮度信号Y和两个色差信号U（B-Y）、V（R-Y），形成YUV分量信号。此种信号利用人眼对亮度细节分辨率高而对色度细节分辨率低的特点，对U、V信号带宽压缩。U、V信号还可进一步合成一个色度信号C，进而形成Y/C记录方式。由于记录时对C信号采取降频处理，因此也称彩色降频方式。Y和C又可进一步形成复合视频（Composite），即彩色全电视信号，这种方式便于传输和电视信号的发射。将RGB信号转换成YUV信号、Y/C信号直至composite信号的过程称为编码，逆过程则为解码。由此可看出，由于转换步骤的多少，视频输出质量由YUV端口到Y/C端口到Composite端口依次降低。因此，在视频捕捉或输出时选择合适的输入、输出端口可提高视频质量。另外，还应提供同步信号以保证传送图象稳定再现。 视频影像是由一系列被称为帧的单个静止画面组成。一般帧率在24-30帧/秒时，视频运动非常平滑，而低于15帧/秒时就会有停顿感。在PAL制中，规定25帧/秒，每帧水平625扫描行（分奇数行、偶数行，即奇、偶两场，因采用隔行扫描方式）。在每一帧中，电子束由左上角隔行扫至右下角后再跳回至左上角有一个逆程期，约占整个扫描时间的8%，因此625行中有效行只有576行，即垂直分辨率576点。按现行4:3电视标准，则水平分辨率为768点，这就是常见的一种分辨率768*576。另外，还有一种遵循CCIR601标准的PAL制，其分辨率为720*576。对于NTSC制，规定30帧/秒，525行/帧，隔行扫描，分奇、偶两场，图像大小720*486。由于PAL制与NTSC制处理方式不同，因此互不兼容。确定视频每一帧时间位置及视频片段持续时间，使用的是专门的标准时间编码格式SMPTE时间码，表示为“H：M：S：F”，即“时：分：秒：帧”。 PAL制与NTSC制一般都是模拟信号，视频捕捉卡可完成对它的A/D转换。视频捕捉卡先对输入视频信号以4:2:2格式进行采样，然后进行量化，一般对YUV（也即对RGB）各8bit量化，因而产生24位真彩。由于一帧图象数字化后数据量很大，为节省存储空间，还要对其进行压缩处理。压缩处理可分为有损压缩和无损压缩，而前者是以牺牲图象细节为代价的。压缩可由软、硬件实现，后者可实现实时压缩，而前者往往要在分辨率、颜色深度、帧率等方面做出一些牺牲。选择压缩比时，压缩比越高，图象质量越差。经过上述过程，模拟视频即变成数字视频，而这一过程的逆过程即可实现数字视频的解压缩与回放。另外，利用某些视频捕捉卡的输入、输出设置，能简单地实现PAL制与NTSC制的转换。 数字视频经解压缩后，可送入显示卡并在计算机的显示器上显示出来。为在计算机的显示器上精确显示数字视频，必须使视频显示模式与数字视频的类型相匹配。由于显象管存在着显示亮度信号的非线形，因此送入的图象信号必须预先补偿，这就是^ 校正，它只对中间色调产生影响。计算机显示器的^ 一般为，而PAL制图象的^ 值大约也是，影响不大；但NTSC制图象的^ 值为，如果不经调整，显示图象就会发白。 视频/图象处理硬件的发展、分类与特点 视频/图象处理硬件的发展历史 图象与视频是两个既有联系又有区别的概念：静止的图片称为图象（Image），运动的图象称为视频（Video）。图象的输入要靠扫描仪、数字照相机或摄象机；而视频的输入只能是摄象机、录象机、影碟机以及电视接收机等可以输出连续图象信号的设备。 图象与视频处理系统包括：图象与视频的输入、输出设备，通用的计算机和附加的 专用处理硬件卡。不同的应用环境，所需要的硬件设备、软件环境也不同。 数字图象处理技术与图象处理系统是七十年代末期形成的一个独立学科，当时只能 处理静止图象，主要用于军事、科研医学等领域。图象处理系统是为了加快处理速度而 设计的专用系统，在中小型计算机控制下运行。这些系统的规模大，价格昂贵。 面向PC机的图象处理系统是八十年代中后期开始出现的。它价格便宜，易于扩充， 软件丰富，因此很快得到推广，带动了图象处理技术的普及。近年来多媒体技术又使视 频处理有了新的用武之地。由于现代的视频处理系统也具有图象处理功能，因此有时就 不再严格区分视频与图象处理硬件了。 概括起来，面向PC机的图象、视频处理系统的发展历史已经历了三个阶段： 第一代产品（1990年之前）：专用图象处理系统。 八十年代中期，PC机上开始有图象卡。但由于当时主机和总线主频低，磁盘速度、容量有限，因而限制了图象卡的发展。这一时期的图象卡功能单一，基本上只有图象采集和简单的处理功能。主要用于科学和实验研究。 这一代图象系统的突出特点是一定要有一个专用的图象显示器与图象卡相连，用于显示图象，而图形是通过显示卡输出到图形显示器的，因此不便实现图形/图象的同屏显示。 这一时期图象处理硬件价格昂贵，性能又不能满足多媒体系统的要求（主要是没有 压缩功能），因此不能为多媒体系统所用。 第二代产品（1991—1995年）：图形/图象显示合一的多媒体系统。 在理论上，从位图角度看，图形与图象是统一的，完全可以采用同一个显示器；而在多媒体中包含视频媒体也是多媒体系统设计的最初目标。 在技术上，推动这一进程的动力有两个：一方面由于各种增强型VGA显示控制器 和显示卡的性能提高，使得PC机有了较高显示分辨率，可以直接处理视频信息了；同 时，显示存储器容量增加，价格下降，使得高分辨率图形显示卡迅速普及。另一方面是各种可编程的视频控制芯片使视频信号与图形叠加变得非常容易。这些芯片有效地解决 了多制式彩色全电视信号的数字式锁相和解码技术，以及视频信号与图形信号的窗口控 制，从而使视频信号的输入/输出变得简单，设计和调试变得容易。利用这些芯片推出的视频卡，实现了VGA图形与视频信号的叠加。另外，这类卡上一般都有声音输入/输出功能，没必要再单独配置声卡了。 这一时期是多媒体视频硬件发展最迅速的阶段，图形与图象叠加问题的解决使图象 系统真正为多媒体系统所用。各种采集卡、字幕叠加卡、压缩/解压缩卡、电影卡、电视卡层出不穷，迅速普及；各类标准如Video for Windows、MPEG-1、和的出台，使得在PC机上看影音文件甚至电影成为现实；还有通过计算机收看电视节目的电视调谐卡（TV Tuner）、将VGA输出信号编码为电视信号的TV Coder等。 第三代产品（1996年之后）：多种功能集成化的多媒体系统。 系统集成是现代技术的主要趋势，多媒体本身就是技术集成的产物。近年来，多媒 体视频硬件主要在两个领域发展。第一是与网络通信技术结合，由视频采集卡附加网络 通信卡构成的多媒体视频会议、S可视电话、视频邮件、多媒体通信终端等。到本世纪末和下世纪初，基于宽带多媒体通信网络的交互式电视（ITV）、点播电视（VOD）以及远程教育系统、远程医疗诊断系统、远程电子图书馆等新技术将付诸实施，通过交互电视的机顶盒（STB）实现网络浏览、电视购物、收看VOD节目等，最终走向电视、电脑与电信的三电合一的目的。第二方面是与影视制作技术结合，构成集压缩/解压缩、合成输出、特技效果为一体的影视制作非线形编辑系统。视频处理硬件最终将从高档系统的选件转变为标准系统的组件。 视频/图象处理硬件的分类与特点 采集功能是各种视频卡的基本功能，对它进行扩充，可构成各种档次的视频处理卡：从简单视频采集卡到专业图象采集卡以及非线形编辑系统。 视频采集卡 模拟图象经过采样、量化以后转换为数字图象并输入、存储到帧存储器的过程，叫做采集、数字化、获取、捕获、捕捉、抓取、抓帧等，因此视频采集卡也称捕获卡、获取卡、视频输入卡等。视频采集的模拟视频信号源可以是录象机、摄象机、摄录机、影碟机等，通过视频采集卡可将录象带、激光视盘等上的图象或现场的图象输入计算机。 视频采集卡的工作方式可以是单帧采集或连续采集；可将采集的图象序列放在内存或磁盘上；可对图象进行压缩或不压缩。 视频输出卡 对计算机的VGA显示卡输出的以RGB形式表示的视频数据进行编码，将其转换成可供录象机和电视机输入和显示的组合视频信号的接口卡叫视频输出卡或编码卡（TVCoder）。 视频输出卡有三种： 外置式VGA到TV视频信号转换器：其典型实例即为台湾圆智Grand系列产品； 内置式视频信号编码输出卡：这类卡已经很少见； 将编码输出与采集功能集成在一块板上，构成具有频输入/输出功能的多功能卡：这类卡是当前的主流，主要用于各种非线性编辑系统。 压缩/解压缩卡 解压卡： 解压卡主要指能看VCD的MPEG解压卡，俗称“电影卡”。这种卡大都有音/视频输出端，具有动态视频交互功能。 压缩卡：压缩卡主要是为制作影视节目和电子出版物用的。前者采用Motion-JPEG标准，压缩比为5:1到7:1；后者采用MPEG压缩，压缩比为150:1到200:1。此外还有针对彩色或黑白静止图象压缩的JPEG卡。 电视接收卡 电视卡有两种：将高频接收/调谐电路和视频采集卡的功能集成在一块板上，板上有外接天线插孔，插上天线就可收看电视；在视频采集卡视频输入端接一个“高频头”。 高档视频卡（非线性编辑卡） 这种卡集成了视频输入/输出、特技、压缩及编辑加工等多种功能，主要用于影视节目后期制作的非线性编辑系统。

之前也是为论文苦恼了半天，网上的范文和能搜到的资料，大都不全面，一般能有个正文就不错了，而且抄袭的东西肯定不行的，关键是没有数据和分析部分，我好不容易搞出来一篇，结果还过不了审。 还好后来找到文方网，直接让专业人士帮忙，效率很高，核心的部分帮我搞定了，也给了很多参考文献资料。哎，专业的事还是要找专业的人来做啊，建议有问题参考下文方网吧 下面是之前文方网王老师发给我的题目，分享给大家： 基于深度学习的无人机地面小目标算法研究 基于视觉的智能汽车面向前方车辆的运动轨迹预测技术研究 模拟射击训练弹着点检测定位技术研究 基于深度卷积神经网络的空中目标识别算法的研究 基于可见光图像的飞行器多目标识别及位置估计 无人驾驶车辆手势指令识别研究与实现 车载毫米波雷达目标检测技术研究 基于多传感融合的四足机器人建图方法 中老年人群跌倒风险评估的数据采集系统 基于深度学习的视觉SLAM闭环检测方法研究 真实图片比较视觉搜索任务的年龄效应及对策研究 室内复杂场景下的视觉SLAM系统构建与研究 基于双目内窥镜的软组织图像三维重建 学习资源画面色彩表征影响学习注意的研究 毫米波雷达与机器视觉双模探测关键技术的研究 语义地图及其关键技术研究 多重影响因素下的语音识别系统研究 基于卷积神经网络的自主空中加油识别测量技术研究 基于视觉语义的深度估计、实例分割与重建 重复视觉危险刺激——本能恐惧反应的“二态型”调控机制研究 低成本视觉下的三维物体识别与位姿估计 面向非规则目标的3D视觉引导抓取方法及系统研究 基于物体识别地理配准的跨视频行人检测定位技术研究 基于结构光的非刚体目标快速三维重建关键技术研究 基于机器视觉的动物交互行为与认知状态分析系统 关于单目视觉实时定位与建图中的优化算法研究 动态场景下无人机SLAM在智慧城市中的关键技术研究 面向视觉SLAM的联合特征匹配和跟踪算法研究 基于深度学习的显著物体检测 基于平面波的三维超声成像方法与灵长类动物脑成像应用研究 基于物体检测和地理匹配的室内融合定位技术研究 基于多模态信息融合的人体动作识别方法研究 基于视觉惯性里程计的SLAM系统研究 基于语义信息的图像/点云配准与三维重建 基于种子点选取的点云分割算法研究 基于深度学习的场景文字检测与识别方法研究 基于运动上下文信息学习的室内视频烟雾预警算法研究 基于深度学习的垃圾分类系统设计与实现 面向手机部件的目标区域检测算法的设计与实现 电路板自动光照检测系统的设计与实现 基于机器视觉的工件识别与定位系统的设计与实现 基于深度学习的物件识别定位系统的设计与实现 基于视觉四旋翼无人机编队系统设计及实现 基于视觉惯导融合的四旋翼自主导航系统设计与实现 面向城市智能汽车的认知地图车道层生成系统 基于深度学习的智能化无人机视觉系统的设计与仿真 基于知识库的视觉问答技术研究 基于深度学习的火灾视频实时智能检测研究 结构化道路车道线检测方法研究 基于机器视觉的带式输送机动态煤量计量研究 基于深度学习的小目标检测算法研究 基于三维激光与视觉信息融合的地点检索算法研究 动态环境下仿人机器人视觉定位与运动规划方法研究 瓷砖铺贴机器人瓷砖空间定位系统研究 城市街景影像中行人车辆检测实现 基于无线信号的身份识别技术研究 基于移动机器人的目标检测方法研究 基于深度学习的机器人三维环境对象感知 基于特征表示的扩展目标跟踪技术研究 基于深度学习的目标检测方法研究 基于深度学习的复杂背景下目标检测与跟踪 动态扩展目标的高精度特征定位跟踪技术研究 掩模缺陷检测仪的图像处理系统设计 复杂场景下相关滤波跟踪算法研究 基于多层级联网络的多光谱图像显著性检测研究 基于深度结构特征表示学习的视觉跟踪研究 基于深度网络的显著目标检测方法研究 基于深度学习的电气设备检测方法研究 复杂交通场景下的视频目标检测 基于多图学习的多模态图像显著性检测算法研究 基于面部视频的非接触式心率检测研究 单幅图像协同显著性检测方法研究 轻量级人脸关键点检测算法研究 基于决策树和最佳特征选择的神经网络钓鱼网站检测研究 基于深度学习的场景文本检测方法研究 RGB-D图像显著及协同显著区域检测算法研究 多模态融合的RGB-D图像显著目标检测研究 基于协同排序模型的RGBT显著性检测研究 基于最小障碍距离的视觉跟踪研究 基于协同图学习的RGB-T图像显著性检测研究 基于图学习与标签传播优化模型的图像协同显著性目标检测 姿态和遮挡鲁棒的人脸关键点检测算法研究 基于多模态和多任务学习的显著目标检测方法研究 基于深度学习的交通场景视觉显著性区域目标检测 基于生物视觉机制的视频显著目标检测算法研究 基于场景结构的视觉显著性计算方法研究 精神分裂症患者初级视觉网络的磁共振研究 基于fMRI与TMS技术研究腹侧视觉通路中结构优势效应的加工 脑机接口游戏神经可塑性研究 基于YOLOV3算法的FL-YOLO多目标检测系统 基于深度与宽度神经网络显著性检测方法研究 基于深度学习的零件识别系统设计与研究 基于对抗神经网络的图像超分辨算法研究 基于深度学习复杂场景下停车管理视觉算法的研究与实现 镍电解状态视觉检测与分析方法研究 跨界训练对提升舞者静态平衡能力的理论与方法研究 施工现场人员类型识别方法的研究与实现 基于深度学习的自然场景文字检测方法研究 基于嵌入式的交通标志识别器的设计 基于视觉感知特性与图像特征的图像质量评价

兄弟，求人不如求已，网上下载的论文，参考参考。改动改动就行了。你不知道天下文章一大抄嘛