Пример готовой дипломной работы по предмету: Программирование
Содержание
Введение……………………………………………………………………………………………………. 7
Глава
1. Проектная часть……………………………………………………………………………. 9
1.1. Анализ технического задания…………………………………………………………….. 9
1.2. Проектирование архитектуры программного продукта …………………….. 11
1.3. Построение диаграммы декомпозиции …………………………………………….. 13
1.3.1.Нотация IDEF0 ………………………………………………………………………………… 13
1.4. Диаграмма вариантов использования……………………………………………….. 20
1.5. Проектирование процесса тестирования…………………………………………… 22
1.5.1.Выбор методов тестирования …………………………………………………………… 22
1.5.2.Планирование тестирования…………………………………………………………….. 23
1.5.3.Подготовка тестовых данных …………………………………………………………… 23
Глава
2. Технологическая часть………………………………………………………………… 29
2.1. Выбор и разработка алгоритмов обработки изображений …………………… 29
2.1.1. Получение и предварительная обработка изображений ……………………. 29
2.1.2. Выделение и маркировка изображений……………………………………………. 31
2.1.3. Генерация множества изображений…………………………………………………. 32
2.2. Вычисление признаков объекта………………………………………………………….. 34
2.3. Алгоритмы распознавания объектов…………………………………………………… 40
2.3.1. Дискриминантный анализ Фишера ………………………………………………….. 41
2.3.2. Линейный дискриминантный анализ……………………………………………….. 42
2.4. Руководство программиста ………………………………………………………………… 44
Изм. Лист № докум. Подпись Дата
Лист
6
МИВУ 09.03.04-11.000 ВКР
Глава
3. Эксплуатационная часть……………………………………………………………… 47
3.1. Тестирование программного продукта ……………………………………………….. 47
3.2. Вычисление дискриминантных функций ……………………………………………. 52
3.3. Распознавание отдельных изображений……………………………………………… 55
3.4. Вычисление временных характеристик идентификации объектов ………. 61
Заключение ……………………………………………………………………………………………… 65
Список литературы ………………………………………………………………………………….. 66
Приложения А. Графический материал (Таблицы).
…………………………………… 67
Приложение Б. Графический материал …………………………………………………….. 69
Приложение В. Листинг программы…………………………………………………………. 7
Выдержка из текста
Введение
Задача распознавания объектов на изображениях является одной из
самых актуальных среди задач распознавания. Существует множество
предметных областей, где важно уметь качественно решать такие задачи –
распознавание текстов, сравнение отпечатков пальцев, охранные системы,
системы автоматического выписывания штрафов за превышение скорости и
многие другие.
Распознавание наиболее сложный процесс, поскольку тесно связан с
методами предварительной обработки изображения. Зачастую качество
распознавания зависит от эффективности множества процессов, начиная от
процесса ввода изображения и заканчивая формированием признаков
объекта. Наиболее важной задачей при распознавании является задача
описания свойств объекта – дескрипторов, для последующей идентификации
объекта.
Системы технического зрения широко и успешно применяются во
многих отраслях промышленности, на таких операциях, как контроль и
отбраковка различных деталей и изделий по внешнему виду, загрузка
обрабатывающих станков деталями с конвейеров, сортировка и
ориентированная укладка в кассеты деталей и заготовок, в том числе
неупорядоченно движущихся по конвейеру или поступающих в таре
навалом, сборка и комплектация узлов, монтаж электронных узлов,
технические измерительные системы, медицинские диагностические
системы.
Непосредственно с задачей распознавания возникает задача
идентификации объектов – процесс тесно связанный с распознаванием,
заключающийся в объединении всей полученной информации от процесса
распознавания в единое целое с целью классифицировать объект.
Автоматическое распознавание объектов имеет большое
практическое значение. Впервые оно было использовано для машинного
считывания рукописных цифр. В настоящее время область его применения
Изм. Лист № докум. Подпись Дата
Лист
8
МИВУ 09.03.04-11.000 ВКР
существенно расширилась: начиная от измерений, контроля, сортировки и
сборки в производственных процессах и кончая анализом изображений,
считываемых на расстоянии, диагностикой по медицинским снимкам,
качественной оценкой экспериментальных данных, идентификацией
человека, автоматическим проектированием, пониманием изображений
как функции технического зрения роботов и т.д. Распознавание объектов
традиционно относят к задачам искусственного интеллекта. В данном
случае будет рассматриваться классификация объектов с помощью
алгоритма ближайших соседей.
Основной целью курсового проекта является моделирование работы
системы технического зрения для идентификации плоских объектов по
безразмерным признакам их бинарных изображений методами
дискриминантного анализа
Список использованной литературы
1. Выпуклая оболочка [Электронный ресурс]
URL:
http://www.100byte.ru/100btwrks/cnvxhll/cnvxhll.html
2. Сайт MSDN – информационный сервис для разработчиков
[Электронный ресурс]
URL: https://msdn.microsoft.com/ru-ru
3. AForge.Net Framework — Википедия [Электронный ресурс]
URL:
https://en.wikipedia.org/wiki/AForge.NET
4. Дискриминантный анализ — Википедия [Электронный ресурс]
URL: https://ru.wikipedia.org/wiki/Дискриминантный_анализ
5. Алгоритм быстрой оболочки — Википедия [Электронный ресурс]
URL: https://ru.wikipedia.org/wiki/Алгоритм_быстрой_оболочки
6. Элементы графической нотации диаграммы вариантов
использования [Электронный ресурс]
URL:
http://www.intuit.ru/studies/courses/32/32/lecture/1004
7. Медианный фильтр [Электронный ресурс]
URL:
https://ru.wikipedia.org/wiki/Медианный_фильтр
8. Бинаризация изображений [Электронный ресурс]
URL:
https://habrahabr.ru/post/278435/
9. Алгоритм Брезенхэма построения линии [Электронный ресурс]
URL: http://grafika.me/node/9
10. Садыков, С. С. Формирование безразмерных коэффициентов
формы замкнутого дискретного контура / С. С. Садыков // Алгоритмы,
методы и системы обработки данных. – 2014. – № 4 (29).
– С. 91– 98.
11. Садыков, С.С., Кульков, Я.Ю. Оценка возможности
распознавания отдельных тестовых плоских объектов на основе цепных
кодов их контуров. – 2016. – С. 101-102
