本科畢業(yè)設(shè)計(jì)論文開(kāi)題報(bào)告書(shū)

1、 本科畢業(yè)設(shè)計(jì)（論文）開(kāi)題報(bào)告書(shū)題 目： 應(yīng)用統(tǒng)計(jì)分析在圖像識(shí)別中的應(yīng)用研究 指導(dǎo)教師： 專業(yè)班級(jí)： 學(xué) 號(hào)： 姓 名： 日 期： 一、選題的目的、意義伴隨著科學(xué)的進(jìn)步和社會(huì)的發(fā)展，人們已經(jīng)進(jìn)入了信息時(shí)代，需要在大量的信息中獲得具有科學(xué)價(jià)值的結(jié)果，因此統(tǒng)計(jì)方法越來(lái)越成為統(tǒng)計(jì)學(xué)中的一個(gè)不可或缺的分支，也成為人們必不可少的工具和手段。應(yīng)用統(tǒng)計(jì)分析是近年來(lái)發(fā)展迅速的統(tǒng)計(jì)方法之一，應(yīng)用于經(jīng)濟(jì)學(xué)、生物學(xué)、管理學(xué)、人口學(xué)、社會(huì)學(xué)等實(shí)質(zhì)性學(xué)科以及社會(huì)等各個(gè)領(lǐng)域，成為探索多元世界的有力工具。在圖像識(shí)別領(lǐng)域中，圖像特征的辨別、提取和分析起著十分重要的作用，在圖像提取時(shí)，只有相似的特征對(duì)圖像分析才更加有利，能使得

2、多元的統(tǒng)計(jì)分析方法更加便捷。基于圖像識(shí)別系統(tǒng)中的統(tǒng)計(jì)分析方法步驟大致可分為：數(shù)據(jù)信息的獲取、預(yù)處理、特征的提取和選擇、分類器設(shè)計(jì)和分類決策等等。應(yīng)用統(tǒng)計(jì)分析方法中可分為回歸分析、判別分析、相關(guān)分析等多種識(shí)別圖像、分析圖像的分析方法。它們之間相互存在獨(dú)特點(diǎn)以及制約點(diǎn)、協(xié)調(diào)點(diǎn)，僅僅利用一種分析方法不足以完全分析圖像的特征，多元的分析方法才會(huì)給需求者提供到更多的圖像信息，掌握更多的數(shù)據(jù)。因此在圖像識(shí)別領(lǐng)域，多元統(tǒng)計(jì)方法的應(yīng)用已經(jīng)成為分析圖像的主流方法。在統(tǒng)計(jì)分析方面以及圖像領(lǐng)域，MATLAB軟件作為國(guó)際科學(xué)界最具影響力、最具活力的科學(xué)計(jì)算軟件，在較早版本中，統(tǒng)計(jì)功能不是很強(qiáng)大，但自從MATLAB6

3、x版本開(kāi)始，由于統(tǒng)計(jì)工具箱的擴(kuò)充，其統(tǒng)計(jì)功能已直追任何其他專用的統(tǒng)計(jì)軟件，再加上MATLAB操作簡(jiǎn)單、語(yǔ)言簡(jiǎn)潔、具有強(qiáng)大的數(shù)據(jù)可視化能力以及良好的開(kāi)放性優(yōu)點(diǎn)，現(xiàn)在已經(jīng)是國(guó)內(nèi)外眾多統(tǒng)計(jì)學(xué)喜愛(ài)的分析數(shù)據(jù)工具，本課題就MATLAB軟件在應(yīng)用統(tǒng)計(jì)分析教學(xué)中的應(yīng)用進(jìn)行研究。應(yīng)用統(tǒng)計(jì)分析應(yīng)用于各個(gè)自然科學(xué)領(lǐng)域中，也廣泛應(yīng)用于日常生活之中，在圖像識(shí)別領(lǐng)域中，應(yīng)用統(tǒng)計(jì)分析方法就更值得深入探索，因此基于應(yīng)用統(tǒng)計(jì)分析的圖像識(shí)別研究才更有開(kāi)設(shè)的意義。二、本題的基本內(nèi)容本課題研究基于應(yīng)用統(tǒng)計(jì)分析在圖像識(shí)別中的應(yīng)用。系統(tǒng)回歸分析判別分析相關(guān)分析部分最小二乘回歸一元線性回歸非線性回歸多元回歸距離判別分析Fisher判別分

4、析Bayes判別分析典型相關(guān)分析應(yīng)用圖 像數(shù)據(jù)集如上圖所示，本課題為一個(gè)系統(tǒng)，在圖像識(shí)別中進(jìn)行應(yīng)用統(tǒng)計(jì)分析的應(yīng)用。系統(tǒng)可分為三模塊，即：回歸分析、判別分析以及相關(guān)分析。每個(gè)模塊又分為多種小方法，最終能夠基于Matlab設(shè)計(jì)并實(shí)現(xiàn)每個(gè)模塊規(guī)定好的分析方法?；貧w分析模塊可分為一元線性回歸、非線性回歸、多元回歸以及部分最小二乘回歸?；貧w分析（regression analysis)，是確定兩種或兩種以上變數(shù)間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法。回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只

5、包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。判別分析模塊可分為距離判別分析、Fisher判別分析、Bayes判別分析。判別分析是在分類確定的條件下，根據(jù)某一研究對(duì)象的各種特征值判別其類型歸屬問(wèn)題的一種多變量統(tǒng)計(jì)分析方法。其基本原理是按照一定的判別準(zhǔn)則，建立一個(gè)或多個(gè)判別函數(shù)，用研究對(duì)象的大量資料確定判別函數(shù)中的待定系數(shù)，并計(jì)算判別指標(biāo)。相關(guān)分析模塊則列出相信相關(guān)分析方法進(jìn)行分析。相關(guān)分析（correlation analysis），是研究現(xiàn)象之間

6、是否存在某種依存關(guān)系，并對(duì)具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。而典型相關(guān)分析（canonical correlation analysis）就是利用綜合變量對(duì)之間的相關(guān)關(guān)系來(lái)反映兩組指標(biāo)之間的整體相關(guān)性的應(yīng)用統(tǒng)計(jì)分析方法。它的基本原理是：為了從總體上把握兩組指標(biāo)之間的相關(guān)關(guān)系，分別在兩組變量中提取有代表性的兩個(gè)綜合變量U1和V1（分別為兩個(gè)變量組中各變量的線性組合），利用這兩個(gè)綜合變量之間的相關(guān)關(guān)系來(lái)反映兩組指標(biāo)之間的整體相關(guān)性。三個(gè)模塊看似相互獨(dú)立，但它們之間又相互存在獨(dú)特點(diǎn)、制約點(diǎn)以及協(xié)調(diào)點(diǎn)，最終達(dá)到三個(gè)模塊中每種方法都能夠在數(shù)據(jù)集中

7、實(shí)現(xiàn)，其中的一種或幾種應(yīng)用統(tǒng)計(jì)分析方法能夠應(yīng)用到已有的圖像識(shí)別中。三、完成期限和主要措施完成期限：1-3 周 查閱資料，文獻(xiàn)翻譯，撰寫(xiě)開(kāi)題報(bào)告；4 周 修改開(kāi)題報(bào)告，準(zhǔn)備開(kāi)題答辯；5-6 周 系統(tǒng)分析及系統(tǒng)方案詳細(xì)設(shè)計(jì)，給出系統(tǒng)個(gè)模塊設(shè)計(jì)框圖，繪制模塊流程圖；7-9 周 系統(tǒng)實(shí)現(xiàn)，實(shí)現(xiàn)系統(tǒng)各模塊基本功能；10 周 期中總結(jié)，準(zhǔn)備期中答辯；11-13 周 系統(tǒng)測(cè)試，對(duì)系統(tǒng)功能和性能分別測(cè)試，完善系統(tǒng)功能；14-15 周 系統(tǒng)驗(yàn)收，撰寫(xiě)畢業(yè)設(shè)計(jì)論文；16 周 準(zhǔn)備答辯PPT，進(jìn)行論文裝訂；17 周 畢業(yè)設(shè)計(jì)答辯。主要措施：在圖書(shū)館查閱文獻(xiàn)、期刊，網(wǎng)上搜集資料等。四、預(yù)期達(dá)到的目標(biāo)1、基于Matla

8、b設(shè)計(jì)并實(shí)現(xiàn)回歸分析（一元線性、非線性回歸、多元回歸、部分最小二乘回歸，選擇一種）。2、基于Matlab設(shè)計(jì)并實(shí)現(xiàn)判別分析（距離判別分析、Fisher判別分析、Bayes判別分析，選擇一種）。3、基于Matlab設(shè)計(jì)并實(shí)現(xiàn)相關(guān)分析（典型相關(guān)分析）方法。4、選擇一種或幾種應(yīng)用統(tǒng)計(jì)分析方法應(yīng)用到已有的圖像識(shí)別系統(tǒng)中，分析系統(tǒng)性能。五、主要參考文獻(xiàn)1馮三營(yíng). MATLAB軟件在多元統(tǒng)計(jì)分析教學(xué)中的應(yīng)用研究J. 洛陽(yáng)師范大學(xué)學(xué)報(bào)，2010，29（2）：23262胡巖峰，劉波，李峰，李立鋼，丘江. 一種基于統(tǒng)計(jì)分析的圖像變化檢測(cè)方法J. 光子學(xué)報(bào)，2005，34（1）：1461493陳珂，殷國(guó)富，羅小賓

9、. 基于統(tǒng)計(jì)特征聚類原理的圖像識(shí)別技術(shù)J. 四川大學(xué)學(xué)報(bào)，2003，35（3）：83864管建華. 基于統(tǒng)計(jì)方法的圖像識(shí)別系統(tǒng)研究J. 四川大學(xué)學(xué)報(bào)，2010，12（8）：9293、965孫寧，宋瑩，成偉明，趙春光. 二維典型相關(guān)分析在小樣本圖像識(shí)別上的應(yīng)用J. 計(jì)算機(jī)工程與應(yīng)用，2010，46（5）：1771806楊茂龍，孫權(quán)森，夏德深. 偏最小二乘回歸分析與特征融合在圖像識(shí)別中的應(yīng)用J. 計(jì)算機(jī)工程與應(yīng)用，2009，45（26）：187189、2157王娜，王克如，謝瑞芝，賴軍臣，明博，李少昆. 基于Fisher判別分析的玉米葉部病害圖像識(shí)別J. 中國(guó)農(nóng)業(yè)科學(xué)，2009，42（11）：38

10、3638428 張建明，楊麗瑞，王良民. 基于典型相關(guān)分析特征融合的人臉表情識(shí)別方法J. 計(jì)算機(jī)應(yīng)用，2008，28（3）：643646、6499顏軍，陳水利，吳云東. 基于模糊Bayes-Gauss判別法的遙感影像的聚類J.集美大學(xué)學(xué)報(bào)，2011，16（2）：15415810Point defect characterization in HAADF-STEM images using multivariate statistical analysis，Ultramicroscopy， 2011，111（ 3），251-25711Identification of chemical components in XPS spectra and images using multivariate statistical analysis methods，Journal of Electron Spectroscopy and Related Phenomena，2001，121（13），33-5512Multivariate image analysis