《数字图像处理》期末课程报告要求

---

 

可选题目：

第一档（难度系数1.0）：

1.图像去噪（脉冲噪声和高斯噪声）（点击下载测试图片）

2.图像边缘检测（点击下载测试图片）

第二档（难度系数1.05）：

3.图像分割、感兴趣区域ROI提取（https://www.robots.ox.ac.uk/~vgg/data/pets/ ）

4.图像压缩（点击下载测试图片）

5.图像去模糊/复原 （https://www.kaggle.com/kwentar/blur-dataset ）

第三档（难度系数1.1）：

6.图像数字水印、去水印技术（点击下载测试图片）

7.车牌检测、识别（https://github.com/ofeeler/LPR ）

8.指纹识别（https://www.kaggle.com/ruizgara/socofing ）

第四档（难度系数1.15）：

9.基于深度学习的图像检测/识别（https://www.kaggle.com/c/open-images-2019-object-detection ）

请从上述题目中选择一个方向作为课程报告的主要研究内容。技术发展和现状部分，可通过校园网在校图书馆访问电子数据库( 知网，IEEE/IET Electronic Library等）以及互联网资源，查阅相关题目研究方向的发展和现状。方法比较部分，请选择建议的数据库、已提供的数据集进行评估（PSNR，或SSIM），在课程报告中请详细描述。

---

课程报告必须包括以下几个部分:

1.标题

2.技术背景与应用

3.同类方法介绍

4.核心算法细节描述

5.实验结果展示与分析

6.结论

1）请在Blackboard上提交电子版报告（中、英文皆可，PDF格式）；2）需附件相关代码实现；3）请勿直接贴源代码到报告中。

课程报告样例（点击下载）

---

评分标准：

1.    课程报告撰写规范，结构完整，叙述详细，语言表达准确，排版合理，无抄袭痕迹；30%

2.    查阅资料的情况，描述技术发展现状论述；10%

3.    所选择题目方向的各种方法介绍；20%

4.    对所选择的题目方向是否能选择合理的处理方法，方案是否可行，能否合理运用数字图像处理知识进行分析和解决问题，能否运用图，表，数值等形式进行论证和验证； 40%

---

考试成绩=报告得分*难度系数，最高分为100分。

报告提交日期:2020.07.03, 23:59:59