一、基于虛擬儀器的計算機(jī)視覺系統(tǒng)的研究（論文文獻(xiàn)綜述）
左超,陳錢[1]（2022）在《計算光學(xué)成像：何來，何處，何去，何從？》文中提出計算光學(xué)成像是一種通過聯(lián)合優(yōu)化光學(xué)系統(tǒng)和信號處理以實現(xiàn)特定成像功能與特性的新興研究領(lǐng)域。它并不是光學(xué)成像和數(shù)字圖像處理的簡單補充，而是前端（物理域）的光學(xué)調(diào)控與后端（數(shù)字域）信息處理的有機(jī)結(jié)合，通過對照明、成像系統(tǒng)進(jìn)行光學(xué)編碼與數(shù)學(xué)建模，以計算重構(gòu)的方式獲取圖像與信息。這種新型的成像方式將有望突破傳統(tǒng)光學(xué)成像技術(shù)對光學(xué)系統(tǒng)以及探測器制造工藝、工作條件、功耗成本等因素的限制，使其在功能（相位、光譜、偏振、光場、相干度、折射率、三維形貌、景深延拓，模糊復(fù)原，數(shù)字重聚焦，改變觀測視角）、性能（空間分辨、時間分辨、光譜分辨、信息維度與探測靈敏度）、可靠性、可維護(hù)性等方面獲得顯著提高?，F(xiàn)階段，計算光學(xué)成像已發(fā)展為一門集幾何光學(xué)、信息光學(xué)、計算光學(xué)、現(xiàn)代信號處理等理論于一體的新興交叉技術(shù)研究領(lǐng)域，成為光學(xué)成像領(lǐng)域的國際研究重點和熱點，代表了先進(jìn)光學(xué)成像技術(shù)的未來發(fā)展方向。國內(nèi)外眾多高校與科研院所投身其中，使該領(lǐng)域全面進(jìn)入了“百花齊放，百家爭鳴”的繁榮發(fā)展局面。作為本期《紅外與激光工程》——南京理工大學(xué)?？坝嬎愎鈱W(xué)成像技術(shù)”專欄的首篇論文，本文概括性地綜述了計算光學(xué)成像領(lǐng)域的歷史沿革、發(fā)展現(xiàn)狀、并展望其未來發(fā)展方向與所依賴的核心賦能技術(shù)，以求拋磚引玉。
于浩[2]（2020）在《基于Qt的增強(qiáng)現(xiàn)實可視化儀表界面設(shè)計》文中研究表明數(shù)字化工廠需要大量的顯示界面用以顯示數(shù)字信息,當(dāng)前儀表盤、數(shù)碼管、LED顯示屏等物理的顯示界面廣泛應(yīng)用于工廠,然而,這些以設(shè)備為中心的顯示界面增加了數(shù)字化工廠的成本和集成復(fù)雜度。為了替代儀表盤、數(shù)碼管、LED顯示屏等傳統(tǒng)顯示界面,實現(xiàn)以人為中心的儀表界面顯示,本文提出并設(shè)計了基于Qt的增強(qiáng)現(xiàn)實可視化儀表界面系統(tǒng)。該系統(tǒng)在Qt環(huán)境下開發(fā),集成了圖像處理識別工具Open CV和圖形應(yīng)用工具Open GL,集二維碼掃描識別、數(shù)據(jù)接收分析、數(shù)據(jù)可視化等功能于一體。系統(tǒng)利用平板電腦掃描并識別QR二維碼信息,利用以太網(wǎng)TCP/IP協(xié)議向服務(wù)器發(fā)送請求,獲取對應(yīng)的數(shù)據(jù)信息,然后通過儀表界面實時顯示數(shù)據(jù),并利用AR技術(shù)將儀表界面疊加到真實環(huán)境中,實現(xiàn)增強(qiáng)現(xiàn)實注冊。本文的主要研究內(nèi)容如下:（1）研究了QR二維碼掃描識別的方法,設(shè)計了QR二維碼識別流程,通過平板電腦采集圖像信息,利用Open CV對圖像進(jìn)行灰度化、濾波降噪、二值化等圖形處理,利用邊緣檢測法對QR二維碼圖像定位,使用仿射變換、透視變換等對QR二維碼進(jìn)行圖像校正,最后解譯出QR二維碼信息。（2）利用Qt開發(fā)環(huán)境,設(shè)計了可視化儀表庫,包括圓盤指針儀表界面、餅圖儀表界面、折線儀表界面、波形圖儀表界面等。（3）提出了基于QR二維碼的增強(qiáng)現(xiàn)實注冊方法,通過相機(jī)標(biāo)定計算出相機(jī)的內(nèi)參和外參矩陣,通過對二維碼識別和定位,把可視化儀表界面注冊到QR二維碼圖像上,實現(xiàn)了增強(qiáng)現(xiàn)實注冊。該增強(qiáng)現(xiàn)實可視化儀表界面系統(tǒng)改變了過去以設(shè)備為中心的儀表界面,實現(xiàn)了以人為中心的界面,具有柔性高、移動性強(qiáng)等優(yōu)點。本課題設(shè)計的基于Qt的增強(qiáng)現(xiàn)實可視化儀表界面系統(tǒng),在數(shù)字化工廠中可以更加直觀方便的顯示數(shù)據(jù),對提高工廠的工作效率和優(yōu)化工廠的工作計劃都有重要意義。
馮佳玲[3]（2020）在《基于計算機(jī)視覺的面癱動態(tài)評估與鏡像康復(fù)的方法研究》文中認(rèn)為面癱又叫面神經(jīng)損傷,面容的改變會給患者帶來心理焦慮和生理疼痛,嚴(yán)重影響患者的正常人際交往與生活。及時有效地評估治療與康復(fù)訓(xùn)練,有助于面癱患者盡早康復(fù),恢復(fù)正常人的生活質(zhì)量。本課題調(diào)研發(fā)現(xiàn)關(guān)于面癱評估的大多數(shù)研究是基于面部局部或整體特征進(jìn)行的。目前的面部特征點檢測模型使用正常人面部人臉圖像數(shù)據(jù)進(jìn)行訓(xùn)練,而面癱會導(dǎo)致患者面容怪異、口角歪斜,所以使用主流的特征提取模型會出現(xiàn)較大誤差。面癱后面肌運動內(nèi)在反饋的不足將會影響大腦接收相關(guān)面部運動信息,導(dǎo)致面神經(jīng)功能退化,除了臨床治療之外,需要進(jìn)行必要的康復(fù)訓(xùn)練。本研究結(jié)合了計算機(jī)視覺技術(shù)與三維人臉重建技術(shù),相比于鏡像康復(fù)法與肌電反饋康復(fù)法,反饋更加強(qiáng)烈,有助于提高患者的康復(fù)訓(xùn)練效果。因此本課題的主要研究內(nèi)容包括兩個方面:（1）面癱評估:首先利用面癱患者的臉部圖像數(shù)據(jù),訓(xùn)練得到了適用于面癱人臉檢測與面部特征點檢測的模型?；诿娌刻卣鼽c檢測模型的高魯棒性,本研究創(chuàng)新性地提出了面部區(qū)域量化指標(biāo),有助于詳細(xì)地觀察面癱患者在一系列表情動作狀態(tài)下的面部運動功能,實現(xiàn)對面神經(jīng)損傷程度的客觀動態(tài)評價。（2）面癱鏡像康復(fù)訓(xùn)練:首先使用深度攝像頭獲取一系列表情動作時的面部深度信息與特征點信息,通過特征點擬合進(jìn)行虛擬人臉的形狀建模。為了增加虛擬人臉的真實感,還需要進(jìn)行人臉紋理信息的掃描、匹配和貼圖。之后將真實人臉與虛擬人臉通過特征點綁定實現(xiàn)表情的同步性,為面癱患者提供鏡像反饋,減輕患者的厭惡煩躁情緒,記錄患者病情的恢復(fù)過程,評價面癱的康復(fù)治療效果。
徐嘉貞[4]（2020）在《3D打印技術(shù)在校園的應(yīng)用》文中進(jìn)行了進(jìn)一步梳理在第三次科技革命的推動下,3D打印技術(shù)越發(fā)成熟,將3D打印技術(shù)應(yīng)用于校園課堂,對學(xué)生的創(chuàng)新能力、問題解決能力和批判性思維都有著較好的培養(yǎng)。本文以3D打印為切入點,介紹3D打印進(jìn)校園的需求,分析3D打印進(jìn)校園可能存在的問題,為教育創(chuàng)新提供一個全新的視角。
王晶[5]（2019）在《基于虛擬儀器的單目視覺測量系統(tǒng)關(guān)鍵技術(shù)研究》文中指出在航空航天、核能發(fā)電、石油儲運等裝備的生產(chǎn)制造過程中,由于大型構(gòu)件結(jié)構(gòu)復(fù)雜、測量環(huán)境多變,所需的算法功能復(fù)雜多樣,現(xiàn)有的視覺測量系統(tǒng)難以滿足大型構(gòu)件復(fù)雜的視覺測量需求?，F(xiàn)有的基于虛擬儀器的單目視覺測量系統(tǒng)能夠?qū)崿F(xiàn)基本的測量任務(wù),但沒有針對大型構(gòu)件視覺測量復(fù)雜任務(wù)需求構(gòu)建的系統(tǒng)體系結(jié)構(gòu);基于虛擬儀器的視覺測量系統(tǒng)軟件大多采用LabVIEW自帶的視覺工具包進(jìn)行圖像采集與處理,系統(tǒng)功能單一,不能滿足大型構(gòu)件視覺測量系統(tǒng)功能擴(kuò)展性、數(shù)據(jù)開放性的需求。因此,針對復(fù)雜環(huán)境下的大型構(gòu)件三維幾何參量精密測量任務(wù),集成一套體系結(jié)構(gòu)合理完善、能夠滿足功能擴(kuò)展性和數(shù)據(jù)開放性需求的視覺測量系統(tǒng),具有重要意義。在詳細(xì)分析大型構(gòu)件視覺測量需求的基礎(chǔ)上,結(jié)合具有靈活性、擴(kuò)展性和開放性優(yōu)點的虛擬儀器技術(shù),集成了一套基于虛擬儀器的單目視覺測量系統(tǒng);給出了系統(tǒng)模塊化體系結(jié)構(gòu),在此基礎(chǔ)上給出了系統(tǒng)硬件和軟件集成方法;完成了攝像機(jī)標(biāo)定,并對系統(tǒng)的標(biāo)定結(jié)果進(jìn)行了誤差及不確定度分析,確定了用于標(biāo)定的最優(yōu)圖像數(shù)量;采用COM組件技術(shù)和XML技術(shù)設(shè)計了統(tǒng)一的算法接口和數(shù)據(jù)接口,為系統(tǒng)功能擴(kuò)展性和數(shù)據(jù)開放性提供了技術(shù)支撐;完成了系統(tǒng)硬件選型、集成和軟件開發(fā),實現(xiàn)了基于虛擬儀器的單目視覺測量系統(tǒng)集成。實驗及測試結(jié)果表明,攝像機(jī)標(biāo)定結(jié)果受到標(biāo)定圖像數(shù)量的影響,用于標(biāo)定的最優(yōu)圖像數(shù)量為10幅,此時標(biāo)定誤差及不確定度趨于穩(wěn)定;所集成基于虛擬儀器的單目視覺測量系統(tǒng)能夠?qū)崿F(xiàn)攝像機(jī)標(biāo)定與圖像采集、圖像預(yù)處理、目標(biāo)識別與位姿估計等功能,系統(tǒng)功能完整且具有功能擴(kuò)展性和數(shù)據(jù)開放性,能夠滿足大型構(gòu)件視覺測量應(yīng)用的系統(tǒng)需求。
邱均平,劉寧[6]（2016）在《基于知識網(wǎng)絡(luò)的計算機(jī)科學(xué)領(lǐng)域發(fā)展分析》文中研究說明[目的/意義]計算機(jī)科學(xué)領(lǐng)域快速發(fā)展,如何系統(tǒng)全面f地掌握學(xué)科領(lǐng)域發(fā)展熱點已成為重要研究課題。[方法/過程]基于知識網(wǎng)絡(luò)理論,以計算機(jī)學(xué)科科學(xué)文獻(xiàn)為數(shù)據(jù)源,利用高頻關(guān)鍵詞和共詞分析法,對分析結(jié)果進(jìn)行分類、比較,構(gòu)建科學(xué)知識網(wǎng)絡(luò)。[結(jié)果/結(jié)論]結(jié)論表明,計算機(jī)學(xué)科整體呈交叉融合之勢,現(xiàn)已形成以虛擬現(xiàn)實為中心以計算機(jī)視覺、計算機(jī)仿真、計算機(jī)輔助設(shè)計等為導(dǎo)向的主要學(xué)科發(fā)展脈絡(luò)。
李鵬[7]（2013）在《基于虛擬儀器的淡水魚在線品質(zhì)分級系統(tǒng)研究》文中進(jìn)行了進(jìn)一步梳理大小及新鮮度是淡水魚品質(zhì)評價的重要指標(biāo)?，F(xiàn)階段的評價多采用人工檢測主觀性強(qiáng),效率低。因此研究淡水魚大小和新鮮度的評價方法并建立一種無損、高效的淡水魚的品質(zhì)檢測分級系統(tǒng)對淡水魚產(chǎn)業(yè)化發(fā)展具有重要科學(xué)意義。本文基于虛擬儀器并結(jié)合近紅外光譜儀、稱重傳感器以及DAQ數(shù)據(jù)采集卡,構(gòu)建了淡水魚在線品質(zhì)分級系統(tǒng),完成了淡水魚大小及新鮮度檢測系統(tǒng)的設(shè)計,進(jìn)行了淡水魚大小和新鮮度檢測方法研究,實現(xiàn)了淡水魚品質(zhì)的在線檢測與分級。主要研究結(jié)論如下：1)設(shè)計了拆裝簡易的機(jī)械結(jié)構(gòu),便于系統(tǒng)中傳感器、輸送裝置、檢測設(shè)備、控制系統(tǒng)等安裝、固定與檢修,增強(qiáng)了系統(tǒng)的擴(kuò)展性和可維護(hù)性。2)采用混合式兩相步進(jìn)電機(jī)驅(qū)動實現(xiàn)分級系統(tǒng)的運動模塊功能,利用超低功耗單片機(jī)設(shè)計了步進(jìn)電機(jī)控制器。該模塊可以控制淡水魚品質(zhì)分級系統(tǒng)中運動部分的啟動、停止、加速、減速等一系列操作,并且能與上位機(jī)進(jìn)行通訊,可以通過上位機(jī)或單片機(jī)控制分級線的運轉(zhuǎn),確保后續(xù)重量檢測模塊、光譜采集模塊和品質(zhì)分級模塊的正常工作。3)在軟件系統(tǒng)中設(shè)計了可以實現(xiàn)淡水魚光譜便捷采集的光譜采集模塊,其中添加了非線性校正、消除暗電流、平均光譜和平滑窗等功能。經(jīng)過采集模塊中的非線性校正及暗電流校正可以降低微型光譜儀內(nèi)部光電檢測器陣列的非線性及暗電流信息對光譜數(shù)據(jù)的影響；對光譜數(shù)據(jù)進(jìn)行均值處理,可以降低光譜數(shù)據(jù)中奇異點的干擾；光譜數(shù)據(jù)經(jīng)過光譜采集模塊的平滑窗函數(shù)處理,可以進(jìn)一步降低噪聲干擾；同時,軟件中光譜數(shù)據(jù)采集系統(tǒng)設(shè)計了實時保存模塊,可以將光譜數(shù)據(jù)保存并在其他平臺進(jìn)行分析與處理。4)設(shè)計了在線重量采集模塊,有效提高了重量檢測精度。重量采集模塊采集到的重量信息經(jīng)過差分放大,具有高輸入阻抗、低偏置電壓、低溫漂、高共模抑制比等特點；采用均值平滑處理,在單位時間內(nèi)只輸出一次重量值,降低了系統(tǒng)的數(shù)據(jù)運算壓力,同時提高了測量精度；添加了手動校準(zhǔn),可以對稱重傳感器的線性度進(jìn)行修正；重量采集?？炷軌?qū)χ亓繑?shù)據(jù)進(jìn)行實時保存。5)在線檢測分級軟件中的品質(zhì)分級模塊可以實現(xiàn)對淡水魚品質(zhì)的在線分級,采用淡水魚信息同步算法,實時跟蹤淡水魚的品質(zhì)信息,當(dāng)經(jīng)檢測后確定等級的淡水魚到達(dá)相應(yīng)的分級執(zhí)行機(jī)構(gòu)時,分級機(jī)構(gòu)動作,完成淡水魚的分級。品質(zhì)分級模塊中優(yōu)化的同步跟蹤算法,可以簡化分級過程,降低分級成本,具有良好的擴(kuò)展性和適用性。6)開展了基于虛擬儀器品質(zhì)在線分級檢測平臺的淡水魚重量檢測試驗研究。試驗以60條魚為樣本,在150mm/s的運動速度下,試驗測量值與真實值之間的相關(guān)系數(shù)達(dá)到0.9998,最大絕對誤差為1.04%；連續(xù)進(jìn)行5次隨機(jī)試驗,大小分級系統(tǒng)的分級準(zhǔn)確率都達(dá)到了100%。7)開展了基于虛擬儀器的淡水魚品質(zhì)在線品質(zhì)分級平臺的淡水魚新鮮度檢測試驗研究。分別采用隨機(jī)法（RS）、Kennard-Stone法（KS）、雙向法（Duplex）、光譜-理化值共生矩陣法（SPXY）對光譜數(shù)據(jù)分別進(jìn)行樣本集劃分,并對建模結(jié)果進(jìn)行比較,確定KS法為最佳樣本劃分方法；分別采用SVNDA、KNN和PLSDA建模方法建立基于動態(tài)近紅外光譜數(shù)據(jù)的淡水魚新鮮度檢測模型,并比較了不同建模方法的結(jié)果,確定SVMDA及PLSDA為較優(yōu)的建模方法；分別采用SPA及CARS方法提取特征波段,建立優(yōu)化模型,最終確定SPA的特征變量選擇方法及SVMDA建模方法的組合為最佳方案。驗證模型效果時,選擇的輸送線速度為20mm/s,連續(xù)進(jìn)行4次隨機(jī)試驗,采集優(yōu)化模型中提取的10個光譜數(shù)據(jù)變量,對鯽魚的新鮮度進(jìn)行預(yù)測,識別準(zhǔn)確率最高為97.5%。
張芳[8]（2013）在《基于計算機(jī)視覺的農(nóng)作物病害檢測系統(tǒng)的研究》文中進(jìn)行了進(jìn)一步梳理農(nóng)作物病害是制約農(nóng)業(yè)發(fā)展的主要因素之一，準(zhǔn)確、高效地識別病害對于保證農(nóng)作物的正常生長具有重要的意義。計算機(jī)視覺技術(shù)對加速農(nóng)業(yè)現(xiàn)代化建設(shè)、提高生產(chǎn)效率影響深遠(yuǎn)。本文以農(nóng)作物病害類別的檢測與識別為對象，研究計算機(jī)視覺技術(shù)在該領(lǐng)域的應(yīng)用問題?？紤]到實際的應(yīng)用需求，對圖像來源不加限制或要求，用戶可采用多種方式采集并上傳農(nóng)作物圖像，檢測系統(tǒng)能夠自動識別和處理。研究了病斑圖像的分割算法。采用基于HSI顏色模型的算法實現(xiàn)農(nóng)作物葉部病斑圖像的分割，利用顏色信息實現(xiàn)病斑和葉片的分離，根據(jù)亮度信息消除圖像中背景信息的干擾。研究了病斑圖像的特征提取算法。通過提取病斑邊界，計算病斑的形狀特征參數(shù)；利用彩色空間模型，計算病斑的顏色特征參數(shù)；采用灰度共生矩陣，計算病斑的紋理特征參數(shù)。利用LabVIEW及其IMAQ Vision圖像處理模塊，設(shè)計并開發(fā)了檢測系統(tǒng)軟件平臺，具備圖像采集與顯示、預(yù)處理、特征識別、數(shù)據(jù)管理及網(wǎng)絡(luò)通信等功能，界面友好，操作簡單。仿真結(jié)果表明，本文所提出的算法實現(xiàn)簡單，處理速度較快。本系統(tǒng)可以實現(xiàn)對農(nóng)作物病害的非接觸式檢測，具備一定的應(yīng)用前景。
文家昌[9]（2012）在《基于LabVIEW機(jī)器視覺的產(chǎn)品檢測平臺設(shè)計與應(yīng)用》文中認(rèn)為機(jī)器視覺是用機(jī)器代替人眼來做測量和判斷的技術(shù)，廣泛地應(yīng)用于工況監(jiān)視、產(chǎn)品檢驗、醫(yī)療衛(wèi)生、金相分析、交通管理等各領(lǐng)域。機(jī)器視覺系統(tǒng)的優(yōu)點是可以提高生產(chǎn)的柔性和自動化程度，大批量工業(yè)生產(chǎn)過程中用機(jī)器視覺檢測方法可以大大提高檢測質(zhì)量和效率，并且可以快速獲取大量信息，能夠自動處理，易于實現(xiàn)設(shè)計信息與加工控制信息的集成。目前大多數(shù)的機(jī)器視覺系統(tǒng)在圖像采集卡和工控機(jī)等硬件上，以專門的CPU或高速DSP芯片為核心，且采用專門設(shè)計的電路；在軟件上以固化的人機(jī)交互界面為主，不支持二次開發(fā)，底層采用匯編或C語言等編程，需要編寫大量的復(fù)雜算法，使得系統(tǒng)研發(fā)難度大，周期長、成本高。本課題分析了當(dāng)前機(jī)器視覺技術(shù)在國內(nèi)外研究及應(yīng)用狀況，概述機(jī)器視覺和虛擬儀器技術(shù)各自的特點，研究兩者相互結(jié)合的實用性，選擇National Instruments公司開發(fā)的LabVIEW程序和圖像采集卡作為軟硬件開發(fā)環(huán)境，調(diào)用視覺開發(fā)模塊IMAQ Vision豐富的專業(yè)化控件和函數(shù)庫，設(shè)計可檢驗機(jī)電、輕紡產(chǎn)品相關(guān)指標(biāo)的綜合產(chǎn)品檢測平臺，并實現(xiàn)集圖像采集、機(jī)器視覺檢測、決策判斷及I/O控制于一體的機(jī)器視覺產(chǎn)品檢測平臺的應(yīng)用。具體地說，本論文所做的主要研究工作如下：1．機(jī)器視覺的分類、特點與應(yīng)用；2．虛擬儀器技術(shù)與LabVIEW；3．基于LabVIEW機(jī)器視覺的檢測平臺總體設(shè)計；4．產(chǎn)品檢測平臺的應(yīng)用軟件設(shè)計與評價。
呂國皎,唐婷[10]（2011）在《虛擬儀器在數(shù)字圖像視覺系統(tǒng)中的應(yīng)用》文中提出傳統(tǒng)計算機(jī)視覺系統(tǒng)一般由軟硬件系統(tǒng)設(shè)計等步驟完成,其中硬件設(shè)計、驅(qū)動開發(fā)以及VB進(jìn)行應(yīng)用程序的編寫會花費大量的時間。利用虛擬儀器的視覺與運動系統(tǒng)可以方便地進(jìn)行計算機(jī)視覺系統(tǒng)的設(shè)計,并快速進(jìn)行數(shù)字圖像處理,大大縮短設(shè)備儀器開發(fā)時間。
二、基于虛擬儀器的計算機(jī)視覺系統(tǒng)的研究（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進(jìn)行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認(rèn)識進(jìn)一步精確化。
跨學(xué)科研究法：運用多學(xué)科的理論、方法和成果從整體上對某一課題進(jìn)行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、基于虛擬儀器的計算機(jī)視覺系統(tǒng)的研究（論文提綱范文）
（1）計算光學(xué)成像：何來，何處，何去，何從？（論文提綱范文）
| 0 引言 |
| 1 計算光學(xué)成像：何來？ |
| 1.1 成像系統(tǒng)的雛形 |
| 1.2 光學(xué)成像系統(tǒng)的誕生——金屬光化學(xué)攝影 |
| 1.3 第一次成像革命——感光版光化學(xué)攝影 |
| 1.4 第二次成像革命——膠卷光化學(xué)攝影 |
| 1.5 第三次成像革命——數(shù)碼相機(jī) |
| 1.6 第四次成像革命——計算成像?! |
| 2 計算光學(xué)成像：何處？ |
| 2.1 功能提升 |
| 2.1.1 相位成像 |
| 2.1.2 光譜成像 |
| 2.1.3 偏振成像 |
| 2.1.4 三維成像 |
| 2.1.5 光場成像 |
| 2.1.6 斷層(體)成像 |
| 2.1.7 相干測量 |
| 2.2 性能提升 |
| 2.2.1 空間分辨 |
| 2.2.2 時間分辨 |
| 2.2.3 靈敏度 |
| 2.2.4 信息通量 |
| 2.3 成像系統(tǒng)簡化與智能化 |
| 2.3.1 單像素成像 |
| 2.3.2 無透鏡成像 |
| 2.3.3 自適應(yīng)光學(xué) |
| 2.3.4 散射介質(zhì)成像 |
| 2.3.5 非視域成像 |
| 2.3.6 基于場景校正 |
| 3 計算光學(xué)成像：何去？ |
| 3.1 優(yōu)勢 |
| 3.1.1“物理域”和“計算域”的協(xié)同 |
| 3.1.2 潛在的“通用理論框架” |
| 3.2 弱點 |
| 3.2.1 成本與代價 |
| 3.2.2 數(shù)學(xué)模型≈甚至于≠物理過程 |
| 3.2.3 定制化vs標(biāo)準(zhǔn)化 |
| 3.2.4 技術(shù)優(yōu)勢vs市場需求 |
| 3.3 機(jī)會 |
| 3.3.1 科學(xué)儀器 |
| 3.3.2 商業(yè)工業(yè) |
| 3.3.3 國防安全 |
| 3.4 威脅 |
| 4 計算光學(xué)成像：何從？ |
| 4.1 新型光學(xué)器件與光場調(diào)控機(jī)制 |
| 4.2 高性能圖像傳感器的發(fā)展 |
| 4.3 新興的數(shù)學(xué)與算法工具 |
| 4.4 計算性能的提升 |
| 4.4.1 專用芯片 |
| 4.4.2 新材料和新器件 |
| 4.4.3 云計算 |
| 4.4.4 光計算 |
| 4.4.5 量子計算 |
| 4.5 人工智能 |
| 5 結(jié)論與展望 |
（2）基于Qt的增強(qiáng)現(xiàn)實可視化儀表界面設(shè)計（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 儀器儀表界面國內(nèi)外現(xiàn)狀 |
| 1.2.2 二維碼識別國內(nèi)外現(xiàn)狀 |
| 1.3 存在的問題和發(fā)展趨勢 |
| 1.3.1 存在的問題 |
| 1.3.2 發(fā)展趨勢 |
| 1.4 主要研究內(nèi)容 |
| 第2章 系統(tǒng)總體方案設(shè)計 |
| 2.1 系統(tǒng)方案設(shè)計 |
| 2.2 開發(fā)平臺搭建 |
| 2.3 QR二維碼識別界面設(shè)計 |
| 2.4 數(shù)據(jù)傳輸網(wǎng)絡(luò)接口設(shè)計 |
| 2.5 本章小結(jié) |
| 第3章 QR二維碼識別系統(tǒng)設(shè)計 |
| 3.1 QR二維碼識別流程 |
| 3.1.1 QR二維碼基本特征 |
| 3.1.2 QR二維碼符號特性 |
| 3.2 QR二維碼圖像處理 |
| 3.2.1 圖像灰度化 |
| 3.2.2 圖像濾波降噪 |
| 3.2.3 圖像二值化 |
| 3.2.4 QR二維碼定位 |
| 3.2.5 圖像校正-仿射變換 |
| 3.2.6 圖像校正-透視變換 |
| 3.2.7 QR二維碼信息解譯 |
| 3.3 本章小結(jié) |
| 第4章 可視化儀表庫設(shè)計集成 |
| 4.1 信號與槽機(jī)制 |
| 4.2 Qt主要繪圖控件 |
| 4.3 圓盤指針儀表界面設(shè)計 |
| 4.4 餅圖儀表界面設(shè)計 |
| 4.5 折線顯示儀表界面設(shè)計 |
| 4.5.1 折線顯示儀表界面背景設(shè)計 |
| 4.5.2 折線顯示儀表界面刻度、網(wǎng)格、標(biāo)題設(shè)計 |
| 4.5.3 折線顯示儀表數(shù)據(jù)界面設(shè)計 |
| 4.6 波形圖顯示儀表界面設(shè)計 |
| 4.6.1 QCharts設(shè)計波形圖儀表界面 |
| 4.6.2 波形圖儀表界面坐標(biāo)顯示設(shè)計 |
| 4.6.3 波形圖儀表界面拖拽、縮放設(shè)計 |
| 4.7 本章小結(jié) |
| 第5章 基于QR二維碼增強(qiáng)現(xiàn)實注冊方法研究 |
| 5.1 增強(qiáng)現(xiàn)實注冊方法 |
| 5.1.1 基于硬件注冊方式 |
| 5.1.2 基于計算機(jī)視覺注冊方式 |
| 5.1.3 混合注冊方式 |
| 5.2 相機(jī)成像模型 |
| 5.2.1 坐標(biāo)系轉(zhuǎn)換關(guān)系 |
| 5.2.2 針孔相機(jī)模型 |
| 5.3 相機(jī)標(biāo)定 |
| 5.4 基于QR二維碼的增強(qiáng)現(xiàn)實注冊 |
| 5.5 實驗結(jié)果及分析 |
| 5.6 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 工作總結(jié) |
| 6.2 前景展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間論文發(fā)表及科研情況 |
| 致謝 |
（3）基于計算機(jī)視覺的面癱動態(tài)評估與鏡像康復(fù)的方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景與意義 |
| 1.1.1 研究背景 |
| 1.1.2 研究意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 面部特征點檢測 |
| 1.2.2 面癱的客觀評估 |
| 1.2.3 面癱的康復(fù)訓(xùn)練 |
| 1.3 主要研究內(nèi)容和組織結(jié)構(gòu) |
| 第2章 面癱人臉的特征點檢測 |
| 2.1 特征點檢測的算法實現(xiàn)及改進(jìn) |
| 2.1.1 級聯(lián)回歸模型 |
| 2.1.2 算法改進(jìn) |
| 2.2 數(shù)據(jù)集處理和模型訓(xùn)練 |
| 2.3 模型評估結(jié)果 |
| 2.4 本章小結(jié) |
| 第3章 動態(tài)量化指標(biāo)客觀評估面癱 |
| 3.1 量化指標(biāo)的背景介紹 |
| 3.1.1 指標(biāo)評估面癱的必要性 |
| 3.1.2 指標(biāo)評估區(qū)域的選擇 |
| 3.2 指標(biāo)評估面癱的實現(xiàn) |
| 3.2.1 開眼度 |
| 3.2.2 張口度 |
| 3.3 指標(biāo)評估面癱的有效性分析 |
| 3.3.1 相關(guān)性分析 |
| 3.3.2 十折交叉驗證 |
| 3.4 本章小結(jié) |
| 第4章 面癱的鏡像康復(fù)訓(xùn)練 |
| 4.1 通用三維人臉模型的建立 |
| 4.2 個性化三維人臉模型的建立 |
| 4.2.1 個性化形狀建模的訓(xùn)練與擬合 |
| 4.2.2 真實感虛擬人臉的紋理建模 |
| 4.3 虛擬人臉模型的表情動畫合成 |
| 4.4 鏡像視覺生物反饋 |
| 4.5 康復(fù)評估指標(biāo)反饋 |
| 4.6 本章小結(jié) |
| 第5章 總結(jié)與展望 |
| 5.1 論文的創(chuàng)新點總結(jié) |
| 5.2 不足與展望 |
| 參考文獻(xiàn) |
| 指導(dǎo)老師學(xué)術(shù)評語 |
| 答辯委員會決議書 |
| 致謝 |
| 攻讀碩士學(xué)位期間的研究成果 |
（4）3D打印技術(shù)在校園的應(yīng)用（論文提綱范文）
| 引言 |
| 1 3D技術(shù)進(jìn)校園的需求分析 |
| 2 3D技術(shù)在教育行業(yè)的發(fā)展動態(tài) |
| 3 3D技術(shù)進(jìn)校園的可能存在的問題及解決途徑 |
| 4 3D打印技術(shù)進(jìn)校園的應(yīng)用 |
| 4.1 與地理學(xué)科相結(jié)合 |
| 4.2 與美術(shù)學(xué)科相結(jié)合 |
| 4.3 與數(shù)學(xué)學(xué)科相結(jié)合 |
| 5 結(jié)語 |
（5）基于虛擬儀器的單目視覺測量系統(tǒng)關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 引言 |
| 1.2 視覺測量技術(shù)研究現(xiàn)狀 |
| 1.3 基于虛擬儀器的視覺測量系統(tǒng)研究現(xiàn)狀 |
| 1.3.1 基于虛擬儀器的視覺測量系統(tǒng)集成研究現(xiàn)狀 |
| 1.3.2 基于虛擬儀器的視覺測量系統(tǒng)軟件開發(fā)研究現(xiàn)狀 |
| 1.4 研究意義和主要研究內(nèi)容 |
| 1.4.1 研究意義 |
| 1.4.2 主要研究內(nèi)容 |
| 第二章 基于虛擬儀器的單目視覺測量系統(tǒng)集成技術(shù) |
| 2.1 引言 |
| 2.2 單目視覺測量系統(tǒng)需求分析 |
| 2.3 基于虛擬儀器的單目視覺測量系統(tǒng)體系結(jié)構(gòu) |
| 2.4 基于虛擬儀器的單目視覺測量系統(tǒng)硬件集成技術(shù) |
| 2.5 基于虛擬儀器的單目視覺測量系統(tǒng)軟件集成技術(shù) |
| 2.6 本章小結(jié) |
| 第三章 單目視覺測量系統(tǒng)攝像機(jī)標(biāo)定技術(shù) |
| 3.1 引言 |
| 3.2 成像模型 |
| 3.3 張正友攝像機(jī)標(biāo)定方法 |
| 3.3.1 攝像機(jī)標(biāo)定原理 |
| 3.3.2 攝像機(jī)標(biāo)定過程 |
| 3.4 攝像機(jī)標(biāo)定參數(shù)評價方法 |
| 3.5 本章小結(jié) |
| 第四章 基于虛擬儀器的單目視覺測量系統(tǒng)軟件開發(fā)技術(shù) |
| 4.1 引言 |
| 4.2 基于COM組件的混合編程技術(shù) |
| 4.2.1 COM組件技術(shù)分析 |
| 4.2.2 COM組件技術(shù)實現(xiàn) |
| 4.3 基于XML的數(shù)據(jù)管理技術(shù) |
| 4.3.1 XML技術(shù)分析 |
| 4.3.2 XML技術(shù)實現(xiàn) |
| 4.4 本章小結(jié) |
| 第五章 基于虛擬儀器的單目視覺測量系統(tǒng)集成與實現(xiàn) |
| 5.1 引言 |
| 5.2 基于虛擬儀器的單目視覺測量系統(tǒng)硬件集成 |
| 5.3 基于虛擬儀器的單目視覺測量系統(tǒng)軟件實現(xiàn) |
| 5.3.1 系統(tǒng)軟件設(shè)計 |
| 5.3.2 系統(tǒng)軟件開發(fā) |
| 5.4 本章小結(jié) |
| 第六章 實驗與測試 |
| 6.1 引言 |
| 6.2 單目視覺測量系統(tǒng)攝像機(jī)標(biāo)定實驗 |
| 6.2.1 實驗描述 |
| 6.2.2 實驗結(jié)果與分析 |
| 6.3 基于虛擬儀器的單目視覺測量系統(tǒng)功能測試 |
| 6.3.1 測試方法及流程 |
| 6.3.2 測試過程及結(jié)果 |
| 第七章 結(jié)論與展望 |
| 7.1 結(jié)論 |
| 7.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 作者及導(dǎo)師簡介 |
| 附件 |
（6）基于知識網(wǎng)絡(luò)的計算機(jī)科學(xué)領(lǐng)域發(fā)展分析（論文提綱范文）
| 0 引言 |
| 1 研究方法 |
| 1.1數(shù)據(jù)收集方法 |
| 1.2 理論基礎(chǔ) |
| 1.2.1因子分析法 |
| 1.2.2系統(tǒng)聚類分析 |
| 1.2.3凝聚子群分析 |
| 2 研究過程 |
| 2.1高頻關(guān)鍵詞 |
| 2.2 共詞分析 |
| 2.2.1多元分析法 |
| 2.2.2社會網(wǎng)絡(luò)分析 |
| 2.3分類結(jié)果比較、分析 |
| 3 結(jié)束語 |
（7）基于虛擬儀器的淡水魚在線品質(zhì)分級系統(tǒng)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 研究目的和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 農(nóng)產(chǎn)品大小和重量分級研究現(xiàn)狀 |
| 1.2.2 魚肉新鮮度檢測研究現(xiàn)狀 |
| 1.2.3 農(nóng)產(chǎn)品在線分級研究現(xiàn)狀 |
| 1.3 研究內(nèi)容和目標(biāo) |
| 1.4 技術(shù)路線 |
| 1.5 本章小結(jié) |
| 2 淡水魚在線品質(zhì)分級系統(tǒng)的硬件設(shè)計 |
| 2.1 淡水魚品質(zhì)分級系統(tǒng)總體設(shè)計方案 |
| 2.2 系統(tǒng)機(jī)械結(jié)構(gòu)設(shè)計 |
| 2.2.1 支架的選材 |
| 2.2.2 傳動方案的確定 |
| 2.2.3 鏈輪選型 |
| 2.2.4 稱重裝置 |
| 2.3 系統(tǒng)檢測平臺搭建 |
| 2.3.1 近紅外光譜采集平臺搭建 |
| 2.3.2 重量檢測平臺搭建 |
| 2.3.3 分級執(zhí)行裝置構(gòu)建 |
| 2.3.4 運動控制平臺搭建 |
| 2.4 本章小結(jié) |
| 3 淡水魚在線品質(zhì)分級系統(tǒng)的軟件設(shè)計 |
| 3.1 軟件平臺 |
| 3.1.1 虛擬儀器及LabVIEW |
| 3.1.2 MSP430單片機(jī)開發(fā)環(huán)境 |
| 3.2 運動控制模塊設(shè)計 |
| 3.2.1 串口通訊 |
| 3.2.2 LabVIEW軟件中串口通訊程序設(shè)計 |
| 3.2.3 下位機(jī)運動控制 |
| 3.3 光譜采集模塊設(shè)計 |
| 3.3.1 光譜采集基本原理 |
| 3.3.2 光譜儀初始化 |
| 3.3.3 光譜儀參數(shù)設(shè)置 |
| 3.3.4 保存暗光譜與參考光譜 |
| 3.3.5 光譜采集 |
| 3.3.6 光譜采集參數(shù)設(shè)定 |
| 3.3.7 光譜采集距離 |
| 3.4 重量檢測模塊設(shè)計 |
| 3.4.1 DAQ信號采集 |
| 3.4.2 信號前處理 |
| 3.4.3 傳感器校正 |
| 3.4.4 重量保存 |
| 3.5 品質(zhì)分級模塊設(shè)計 |
| 3.5.1 分級算法設(shè)計 |
| 3.5.2 分級軟件設(shè)計 |
| 3.6 本章小結(jié) |
| 4 基于虛擬儀器的淡水魚在線品質(zhì)分級系統(tǒng)試驗研究 |
| 4.1 重量檢測 |
| 4.1.1 重量檢測材料與方法 |
| 4.1.2 重量模型建立 |
| 4.1.3 重量模型評價 |
| 4.2 淡水魚新鮮度檢測 |
| 4.2.1 新鮮度檢測材料與方法 |
| 4.2.2 樣本TVBN的測定 |
| 4.2.3 新鮮度模型建立 |
| 4.2.4 近紅外光譜樣本集劃分 |
| 4.2.5 近紅外光譜預(yù)處理方法 |
| 4.2.6 建模方法研究 |
| 4.2.7 模型優(yōu)化 |
| 4.2.8 新鮮度模型評價 |
| 4.3 本章小結(jié) |
| 5 結(jié)論與展望 |
| 5.1 主要研究結(jié)論 |
| 5.2 展望 |
| 參考文獻(xiàn) |
| 附錄 |
| 致謝 |
（8）基于計算機(jī)視覺的農(nóng)作物病害檢測系統(tǒng)的研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 課題背景及研究意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國外現(xiàn)狀 |
| 1.2.2 國內(nèi)現(xiàn)狀 |
| 1.3 課題來源及研究目的 |
| 1.4 論文主要工作及結(jié)構(gòu)安排 |
| 2 總體方案設(shè)計 |
| 2.1 農(nóng)作物病害檢測分級標(biāo)準(zhǔn) |
| 2.2 相關(guān)理論知識 |
| 2.2.1 計算機(jī)視覺技術(shù) |
| 2.2.2 虛擬儀器技術(shù) |
| 2.3 系統(tǒng)總體方案設(shè)計 |
| 2.3.1 設(shè)計需求 |
| 2.3.2 方案確定 |
| 2.4 本章小結(jié) |
| 3 病害檢測相關(guān)圖像處理算法的研究 |
| 3.1 檢測算法總體處理流程 |
| 3.2 圖像預(yù)處理算法的研究 |
| 3.2.1 圖像變換 |
| 3.2.2 圖像增強(qiáng) |
| 3.2.3 圖像分割 |
| 3.3 特征檢測算法的研究 |
| 3.3.1 形狀檢測算法 |
| 3.3.2 顏色檢測算法 |
| 3.3.3 紋理檢測算法 |
| 3.3.4 特征數(shù)據(jù)歸一化 |
| 3.4 本章小結(jié) |
| 4 檢測系統(tǒng)設(shè)計與實現(xiàn) |
| 4.1 軟件開發(fā)平臺 |
| 4.1.1 LabVIEW 簡介 |
| 4.1.2 IMAQ Vision 簡介 |
| 4.2 系統(tǒng)軟件的結(jié)構(gòu)與功能 |
| 4.2.1 圖像采集與顯示 |
| 4.2.2 圖像預(yù)處理與識別 |
| 4.2.3 數(shù)據(jù)管理 |
| 4.2.4 網(wǎng)絡(luò)通信 |
| 4.3 系統(tǒng)整體實現(xiàn) |
| 4.4 本章小結(jié) |
| 5 結(jié)論與展望 |
| 5.1 工作總結(jié) |
| 5.2 研究展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄 |
| 攻讀學(xué)位期間參與的科研項目 |
（9）基于LabVIEW機(jī)器視覺的產(chǎn)品檢測平臺設(shè)計與應(yīng)用（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 產(chǎn)品檢測概述及機(jī)器視覺簡介 |
| 1.2 基于機(jī)器視覺的產(chǎn)品檢測技術(shù)研究應(yīng)用 |
| 1.3 研究方法與內(nèi)容 |
| 1.4 本章小結(jié) |
| 第二章 機(jī)器視覺技術(shù) |
| 2.1 機(jī)器視覺概述 |
| 2.2 機(jī)器視覺的分類 |
| 2.3 機(jī)器視覺的特點與應(yīng)用 |
| 2.4 基于機(jī)器視覺的產(chǎn)品檢測系統(tǒng) |
| 2.5 本章小結(jié) |
| 第三章 虛擬儀器技術(shù)與 LabVIEW |
| 3.1 虛擬儀器技術(shù)的定義與特點 |
| 3.2 虛擬儀器的構(gòu)建技術(shù) |
| 3.2.1 硬件組成 |
| 3.2.2 軟件結(jié)構(gòu) |
| 3.3 基于虛擬儀器的機(jī)器視覺系統(tǒng) |
| 3.3.1 機(jī)器視覺與虛擬儀器相結(jié)合的必然性 |
| 3.3.2 基于虛擬儀器的機(jī)器視覺檢測系統(tǒng)的組成 |
| 3.4 LabVIEW 編程軟件及其應(yīng)用 |
| 3.4.1 LabVIEW 的工作原理 |
| 3.4.2 LabVIEW 的特點 |
| 3.4.3 基于 LabVIEW 的虛擬儀器設(shè)計方法 |
| 3.5 本章小結(jié) |
| 第四章 基于 LabVIEW 機(jī)器視覺的檢測平臺總體設(shè)計 |
| 4.1 檢測平臺的功能要求 |
| 4.2 檢測平臺的總體結(jié)構(gòu) |
| 4.3 檢測平臺的硬件組成 |
| 4.3.1 數(shù)字?jǐn)z像機(jī) |
| 4.3.2 光學(xué)鏡頭 |
| 4.3.3 圖像采集卡 |
| 4.3.4 光源 |
| 4.4 系統(tǒng)軟件選擇 |
| 4.4.1 應(yīng)用軟件開發(fā)平臺的選擇 |
| 4.4.2 NI 視覺開發(fā)軟件 |
| 4.5 系統(tǒng)抗干擾技術(shù) |
| 4.6 本章小結(jié) |
| 第五章 產(chǎn)品檢測平臺的應(yīng)用軟件設(shè)計與評價 |
| 5.1 系統(tǒng)軟件的設(shè)計思想及流程 |
| 5.2 系統(tǒng)自檢模塊 |
| 5.3 參數(shù)設(shè)置模塊 |
| 5.3.1 邊緣檢測算法控制參數(shù)的設(shè)置 |
| 5.3.2 模板匹配控制參數(shù)的設(shè)置 |
| 5.4 圖像采集程序的設(shè)計 |
| 5.5 圖像分析處理與檢測模塊 |
| 5.5.1 圖像預(yù)處理模塊 |
| 5.5.2 區(qū)域定位模塊 |
| 5.5.3 系統(tǒng)單位標(biāo)定模塊 |
| 5.5.4 尺寸測量模塊 |
| 5.5.5 模板匹配檢測模塊 |
| 5.6 系統(tǒng)檢測結(jié)果與影響因素分析 |
| 5.7 本章小結(jié) |
| 總結(jié)與展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的研究成果 |
| 致謝 |
| 附錄 |
（10）虛擬儀器在數(shù)字圖像視覺系統(tǒng)中的應(yīng)用（論文提綱范文）
| 1 虛擬儀器及視覺與運動模塊 |
| 1.1 基于虛擬儀器的視覺系統(tǒng) |
| 1.2 研究現(xiàn)狀 |
| 2 虛擬儀器在視覺系統(tǒng)中的應(yīng)用 |
| 2.1 視覺系統(tǒng)的硬件部分 |
| 2.2 視覺系統(tǒng)的軟件部分 |
| 2.2.1 完成圖像的噪聲處理 |
| 2.2.2 圖像的分析與識別 |
| 2.2.3 結(jié)果的輸出與分析 |
| 3 結(jié)束語 |
四、基于虛擬儀器的計算機(jī)視覺系統(tǒng)的研究（論文參考文獻(xiàn)）
- [1]計算光學(xué)成像：何來，何處，何去，何從？[J]. 左超,陳錢. 紅外與激光工程, 2022
- [2]基于Qt的增強(qiáng)現(xiàn)實可視化儀表界面設(shè)計[D]. 于浩. 青島理工大學(xué), 2020(02)
- [3]基于計算機(jī)視覺的面癱動態(tài)評估與鏡像康復(fù)的方法研究[D]. 馮佳玲. 深圳大學(xué), 2020(10)
- [4]3D打印技術(shù)在校園的應(yīng)用[J]. 徐嘉貞. 數(shù)碼世界, 2020(04)
- [5]基于虛擬儀器的單目視覺測量系統(tǒng)關(guān)鍵技術(shù)研究[D]. 王晶. 北京化工大學(xué), 2019(06)
- [6]基于知識網(wǎng)絡(luò)的計算機(jī)科學(xué)領(lǐng)域發(fā)展分析[J]. 邱均平,劉寧. 情報雜志, 2016(03)
- [7]基于虛擬儀器的淡水魚在線品質(zhì)分級系統(tǒng)研究[D]. 李鵬. 華中農(nóng)業(yè)大學(xué), 2013(03)
- [8]基于計算機(jī)視覺的農(nóng)作物病害檢測系統(tǒng)的研究[D]. 張芳. 陜西科技大學(xué), 2013(S2)
- [9]基于LabVIEW機(jī)器視覺的產(chǎn)品檢測平臺設(shè)計與應(yīng)用[D]. 文家昌. 華南理工大學(xué), 2012(01)
- [10]虛擬儀器在數(shù)字圖像視覺系統(tǒng)中的應(yīng)用[J]. 呂國皎,唐婷. 成都電子機(jī)械高等?？茖W(xué)校學(xué)報, 2011(03)
標(biāo)簽：虛擬儀器論文; 機(jī)器視覺系統(tǒng)論文; 計算機(jī)視覺論文; 圖像融合論文; 電腦論文;