*
*


CAPTCHA Image   Reload Image
X

Матрицы совместной встречаемости и распознавание образов (Программирование на Delphi)

курсовые работы, Программирование

Объем работы: 22 стр.

Год сдачи: 2007

Стоимость: 700 руб.

Просмотров: 868

 

Не подходит работа?
Узнай цену на написание.

Оглавление
Введение
Заключение
Заказать работу
Введение 2
1. Теоретические основы 4
1.1 Описание формата BMP 4
1.2 Метод матрицы совместной встречаемости 7
2. Постановка задачи 10
3. Выбор средств разработки 11
4. Разработка ПО 12
4.1 Структура главного окна программы 12
4.2 Тестирование программы 14
4.3 Описание работы программы 19
Заключение 22
Приложение 1. Листинг программы 23
В процессе биологической эволюции многие животные с помощью зрительного и слухового аппарата решили задачи распознавания образов достаточно хорошо. Создание искусственных систем распознавания образов остаётся сложной теоретической и технической проблемой. Необходимость в таком распознавании возникает в самых разных областях — от военного дела и систем безопасности до оцифровки всевозможных аналоговых сигналов. Вот только некоторые примеры задач распознавания образов -
• Распознавание букв.
• Распознавание штрих-кодов.
• Распознавание автомобильных номеров.
• Распознавание лиц.
• Распознавание речи.
• Распознование изображений.
Одной из составляющих распознавания образов является задача выделения схожих изображений из группы изображений. На сегодняшний день можно выделить следующие типы изображений используемые при их числовом кодировании:
• Двухуровневое (монохроматическое) изображение. Каждый пиксель изображения может принимать только одно из двух значений. Это самый простой тип изображения, где каждый пиксель изображения представлен одним битом.
• Полутоновое изображение. Значение каждого пикселя в этом случае представляет собой яркость соответствующей точки. Полутоновое изображение может иметь (n = 4, 8, 12, 16, 24) градаций серого. n 2
• Полноцветное изображение. Каждый пиксель такого изображения кодируется 24 битами, которые делятся на три 8-битовые группы. Эти группы содержат значения, которые управляют информацией о красном, зеленом и голубом цвете и их интенсивности. Типы данных истинного цвета RGB содержат 16.7 миллионов цветов.
• Изображение с непрерывным тоном. Этот тип изображения характеризуется тем, что может иметь много похожих цветов. Изображения такого типа чаще всего являются фотореалистичными.
• Изображения с небольшим количеством цветов. Примерами таких изображений могут быть объекты деловой графики – гистограммы, диаграммы, графики и т.п.
В ходе работы над проектом выяснилось, что применение таких характеристик как энтропия и корреляция не всегда возможны, так как при нулевых значениях в ячейках матрицы совместной встречаемости их невозможно вычислить.
Поэтому можно заключить, что исследованный в ходе выполнения курсовой работы способ распознавания подобия изображений может быть использован только как вспомогательный вместе с другими методами.

После офорления заказа Вам будут доступны содержание, введение, список литературы*
*- если автор дал согласие и выложил это описание.

Работу высылаем в течении суток после поступления денег на счет
ФИО*


E-mail для получения работы *


Телефон


ICQ


Дополнительная информация, вопросы, комментарии:



CAPTCHA Image
Сусловиямиприбретения работы согласен.

 
Добавить страницу в закладки
Отправить ссылку другу