1、.說(shuō)明：在撰寫(xiě)論文時(shí)，分為硬件組、軟件組，我在列提綱時(shí)，每一組提綱比較類(lèi)似，但大家沒(méi)必要局限于這個(gè)框架，可以根據(jù)自己的課題自由發(fā)揮。對(duì)于篇幅的要求，正文部分至少40頁(yè)（不包括摘要提綱及附錄部分）。對(duì)于上述兩個(gè)小組，每一個(gè)小組有2-3位同學(xué)負(fù)責(zé)以后的論文初期格式審查、材料整理等輔助工作，硬件組（石耀東、楊園園）、軟件組（李劍楠、郭杰、陳芳芳），每位同學(xué)一定要把畢設(shè)指導(dǎo)老師書(shū)寫(xiě)正確。最后希望大家認(rèn)真完成論文撰寫(xiě)工作，給自己4年的本科學(xué)習(xí)畫(huà)上一個(gè)圓滿(mǎn)的句號(hào)；同時(shí)預(yù)祝大家順利完成畢業(yè)答辯及以后工作順利、前程似錦。一、硬件組模板超聲波避障小車(chē)設(shè)計(jì)與實(shí)現(xiàn)（胡莉）1. 緒論1.1選題背景與意義1.2國(guó)內(nèi)外研

2、究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 研究?jī)?nèi)容2. 總體方案設(shè)計(jì)2.1 方案選擇2.2 總體方案設(shè)計(jì)3. 硬件設(shè)計(jì)3.1 總體硬件設(shè)計(jì)3.2 最小系統(tǒng)設(shè)計(jì)3.3 驅(qū)動(dòng)模塊3.4 檢測(cè)模塊3.5 顯示模塊4. 軟件設(shè)計(jì)4.1主程序設(shè)計(jì)4.2 控制模塊4.3 顯示模塊4.4。模塊5. 系統(tǒng)調(diào)試5.1 調(diào)試總體思路5.2 各模塊調(diào)試5.3 調(diào)試總結(jié)6. 總結(jié)及展望致謝參考文獻(xiàn)附錄附錄1：元器件清單附錄2：硬件電路圖附錄3：程序附錄4：實(shí)物圖片智能嬰兒車(chē)設(shè)計(jì)與實(shí)現(xiàn)（樊亞明）1. 緒論1.1選題背景與意義1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 研究?jī)?nèi)容2. 總體方案設(shè)計(jì)2.1 方案選擇2.2 總體方案設(shè)計(jì)3. 硬件設(shè)計(jì)

3、3.1 總體硬件設(shè)計(jì)3.2 最小系統(tǒng)設(shè)計(jì)3.3 。模塊3.4 。模塊3.5 。模塊4. 軟件設(shè)計(jì)4.1 主程序設(shè)計(jì)4.2 。模塊4.3 。模塊4.4 。模塊5. 系統(tǒng)調(diào)試及結(jié)果5.1 調(diào)試總體思路5.2 各模塊調(diào)試5.3 調(diào)試總結(jié)6. 總結(jié)及展望致謝參考文獻(xiàn)附錄附錄1：元器件清單附錄2：硬件電路圖附錄3：程序附錄4：實(shí)物圖片. v.基于DSP的語(yǔ)音錄放系統(tǒng)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)（楊園園）1. 緒論1.1選題背景與意義1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 研究?jī)?nèi)容2. 總體方案設(shè)計(jì)2.1 方案選擇2.2 總體方案設(shè)計(jì)3. 硬件設(shè)計(jì)3.1 總體硬件設(shè)計(jì)3.2 最小系統(tǒng)設(shè)計(jì)3.3 。模塊3.4 。模塊3.5

4、 。模塊4. 軟件設(shè)計(jì)4.1 主程序設(shè)計(jì)4.2 系統(tǒng)初始化4.3 中斷服務(wù)4.4 DMA5. 系統(tǒng)調(diào)試及結(jié)果5.1 調(diào)試總體思路5.2 各模塊調(diào)試5.3 調(diào)試總結(jié)6. 總結(jié)及展望致謝參考文獻(xiàn)附錄附錄1：元器件清單附錄2：硬件電路圖附錄3：程序基于DSP的圖像采集與顯示硬件系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)（馬記陽(yáng)）1. 緒論1.1選題背景與意義1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 研究?jī)?nèi)容2. 總體方案設(shè)計(jì)2.1 方案選擇2.2 總體方案設(shè)計(jì)3. 硬件設(shè)計(jì)3.1 總體硬件設(shè)計(jì)3.2 最小系統(tǒng)設(shè)計(jì)3.3 。模塊3.4 。模塊3.5 。模塊4. 軟件設(shè)計(jì)4.1 主程序設(shè)計(jì)4.2 系統(tǒng)初始化4.3 圖像采集4.4 圖像

5、顯示5. 系統(tǒng)調(diào)試及結(jié)果5.1 調(diào)試總體思路5.2 各模塊調(diào)試5.3 調(diào)試總結(jié)6. 總結(jié)及展望致謝參考文獻(xiàn)附錄附錄1：元器件清單附錄2：硬件電路圖附錄3：程序基于FPGA的AES算法設(shè)計(jì)與實(shí)現(xiàn)1. 緒論1.1選題背景與意義1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 研究?jī)?nèi)容2. 總體方案設(shè)計(jì)2.1 方案選擇2.2 總體方案設(shè)計(jì)3. 硬件設(shè)計(jì)3.1 總體硬件設(shè)計(jì)3.2 最小系統(tǒng)設(shè)計(jì)3.3 。模塊3.4 。模塊3.5 。模塊4. 軟件設(shè)計(jì)4.1 主程序設(shè)計(jì)4.2 加密模塊4.3 解密模塊4.4 密鑰擴(kuò)展5. 系統(tǒng)調(diào)試及結(jié)果5.1 調(diào)試總體思路5.2 各模塊調(diào)試5.3 調(diào)試總結(jié)6. 總結(jié)及展望致謝參考文獻(xiàn)

6、附錄附錄1：元器件清單附錄2：硬件電路圖附錄3：程序一、軟件組模板基于VC+的圖像處理基礎(chǔ)算法實(shí)現(xiàn)1. 緒論1.1 選題背景及意義1.2 數(shù)字圖像處理的發(fā)展與應(yīng)用1.3 本文完成的工作2 開(kāi)發(fā)工具與技術(shù)簡(jiǎn)介2.1 開(kāi)發(fā)工具的選擇2.2 Visual C+ .NET簡(jiǎn)介3. 圖像編程基礎(chǔ)3.1 數(shù)字圖像3.2 Windows位圖3.3 CImage類(lèi)3.4圖像的加載，顯示與存儲(chǔ)4圖像處理算法及實(shí)現(xiàn)4.1 顏色處理（多種顏色處理算法，給出算法公式、思路、核心代碼解釋及實(shí)驗(yàn)結(jié)果）4.2 幾何處理4.3 鄰域處理4.4 噪聲模擬5. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于VC+的圖象壓縮編碼算法實(shí)現(xiàn)1.

7、 緒論1.1 選題背景及意義1.2 圖像壓縮技術(shù)發(fā)展與應(yīng)用（介紹已有的圖像壓縮算法）1.3 本文完成的工作2 開(kāi)發(fā)工具與技術(shù)簡(jiǎn)介2.1 開(kāi)發(fā)工具的選擇2.2 Visual C+ .NET簡(jiǎn)介3. 圖像編程基礎(chǔ)3.1 數(shù)字圖像3.2 Windows位圖3.3 CImage類(lèi)3.4圖像的加載，顯示與存儲(chǔ)4 圖像壓縮算法及實(shí)現(xiàn)4.1 算法整體流程4.2 。4.3 。4.4 。4.5 實(shí)驗(yàn)結(jié)果及分析5. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于DSP的圖像壓縮算法設(shè)計(jì)與實(shí)現(xiàn)1. 緒論1.1 選題背景及意義1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)（介紹圖像壓縮算法的發(fā)展、壓縮算法的硬件實(shí)現(xiàn)方法、基于DSP的圖像壓縮

8、算法的發(fā)展?fàn)顩r及優(yōu)點(diǎn)）1.3 本文完成的工作2 開(kāi)發(fā)工具與技術(shù)簡(jiǎn)介2.1 開(kāi)發(fā)工具的選擇2.2 CCS(集成開(kāi)發(fā)環(huán)境)簡(jiǎn)介（可以選用CCS2.0作為開(kāi)發(fā)環(huán)境） 介紹開(kāi)發(fā)環(huán)境進(jìn)行軟件開(kāi)發(fā)的過(guò)程，包括中斷，內(nèi)存分配等。3 圖像壓縮算法及其DSP實(shí)現(xiàn)3.1 算法整體流程3.2 。3.3 。3.4 。3.5 實(shí)驗(yàn)結(jié)果及分析4. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于PCA+LDA人臉識(shí)別算法實(shí)現(xiàn)1. 緒論1.1 選題背景及意義1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)1.3 人臉識(shí)別的優(yōu)勢(shì)與難點(diǎn)1.4 常用的人臉數(shù)據(jù)庫(kù)1.5 本文完成的工作2. 基于PCA人臉特征提取2.1 K-L變換理論2.2 基于PCA的人臉

9、特征提取3. LDA基礎(chǔ)理論4. PCA+LDA人臉識(shí)別算法實(shí)現(xiàn)4.1 算法整體流程4.2 。4.3 。4.4 。4.5 實(shí)驗(yàn)結(jié)果及分析5. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于Adaboosting的實(shí)時(shí)人臉檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1. 緒論1.1 選題背景及意義1.2人臉檢測(cè)研究進(jìn)展1.3人臉檢測(cè)方法的性能評(píng)價(jià)1.3 本文完成的工作2. 基于Attentional cascade的算法架構(gòu)2.1 算法基本思想2.2 訓(xùn)練算法基本原理2.3 訓(xùn)練算法框架3. Adaboosting分類(lèi)器選擇方法3.1 基于特征的簡(jiǎn)單分類(lèi)器原型3.2 積分圖概念3.3 Adaboost算法思想4. 基于Adaboo

10、sting的實(shí)時(shí)人臉檢測(cè)系統(tǒng)設(shè)計(jì)4.1 算法整體流程4.2 。4.3 。4.4 。4.5 實(shí)驗(yàn)結(jié)果及分析5. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于脆弱水印的圖像篡改檢測(cè)及自恢復(fù)算法實(shí)現(xiàn)1. 緒論1.1 選題背景及意義1.2國(guó)內(nèi)外研究概況1.3脆弱自恢復(fù)水印算法性能評(píng)價(jià)標(biāo)準(zhǔn)1.4 本文完成的工作2. 基于脆弱水印的圖像篡改檢測(cè)及自恢復(fù)算法思想2.1 算法基本思想2.2 水印嵌入2.3 水印提取及篡改檢測(cè)2.4 圖像自恢復(fù)3. 算法實(shí)現(xiàn)及實(shí)驗(yàn)結(jié)果3.1 算法實(shí)現(xiàn)流程3.2 水印嵌入實(shí)現(xiàn)3.3 水印提取及篡改檢測(cè)實(shí)現(xiàn)3.4 圖像自恢復(fù)實(shí)現(xiàn)3.5 實(shí)驗(yàn)結(jié)果及分析4. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序在

11、線教育系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1 概述1.1 研究背景及意義1.2 網(wǎng)絡(luò)教育的現(xiàn)狀及發(fā)展（國(guó)內(nèi)、國(guó)外的，進(jìn)而引出在線教育系統(tǒng)的優(yōu)點(diǎn)及能提供的功能）1.3 本人工作2 系統(tǒng)開(kāi)發(fā)技術(shù)環(huán)境及關(guān)鍵技術(shù)2.1 ASP技術(shù)2.2 Dreamweaver2.3 IIS技術(shù)2.4 Access 數(shù)據(jù)庫(kù)技術(shù)3 系統(tǒng)的規(guī)劃與功能設(shè)計(jì)3.1 系統(tǒng)設(shè)計(jì)思想3.2 系統(tǒng)需求與功能設(shè)計(jì)分析3.3 后臺(tái)數(shù)據(jù)庫(kù)分析與設(shè)計(jì)3.4 頁(yè)面設(shè)計(jì)4 系統(tǒng)的具體技術(shù)實(shí)現(xiàn)4.1 后臺(tái)數(shù)據(jù)庫(kù)的配置4.2 前臺(tái)頁(yè)面設(shè)計(jì)與開(kāi)發(fā)4.3 后臺(tái)頁(yè)面設(shè)計(jì)與開(kāi)發(fā)5 系統(tǒng)的測(cè)試與維護(hù)5.1 系統(tǒng)的安裝5.2 系統(tǒng)的測(cè)試5.3 系統(tǒng)的維護(hù)6. 總結(jié)及展望致謝參考文獻(xiàn)附

12、錄：程序基于分塊LBP相似度的織物瑕疵檢測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)1 概述1.1 研究背景及意義1.2 國(guó)內(nèi)外研究狀況（主要論述目前已有的織物疵點(diǎn)檢測(cè)算法）1.3 本人工作2 LBP(局部二值模式)介紹2.1基本LBP算法2.2旋轉(zhuǎn)不變LBP算子2.3一致模式LBP算子2.4旋轉(zhuǎn)不變一致模式LBP算子3 算法實(shí)現(xiàn)3.1 算法整體流程3.2 圖像讀取、分塊及隨機(jī)塊選取3.3 各類(lèi)LBP算子實(shí)現(xiàn)3.4 相似度比較3.5 實(shí)驗(yàn)結(jié)果及分析4. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于改進(jìn)自適應(yīng)閾值的織物瑕疵檢測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)1 概述1.1 研究背景及意義1.2 國(guó)內(nèi)外研究狀況（主要論述目前已有的織物疵點(diǎn)檢測(cè)算法）1.3 本人工作2基于改進(jìn)自適應(yīng)閾值的織物瑕疵檢測(cè)算法2.1算法思路2.2 織物圖像預(yù)處理（給出目前已有的預(yù)處理方法，詳細(xì)介紹我們采用的低通濾波器方法）2.3自適應(yīng)閾值分割算法2.4形態(tài)學(xué)濾波3 算法實(shí)現(xiàn)3.1 算法整體流程3.2 織物圖像預(yù)處理實(shí)現(xiàn)3.3 自適應(yīng)閾值分割算法實(shí)現(xiàn)3.4 形態(tài)學(xué)濾波實(shí)現(xiàn)3.5 實(shí)驗(yàn)結(jié)果及分析4. 總結(jié)及展望致謝參考文獻(xiàn)附錄：程序基于方向?yàn)V波和數(shù)據(jù)融合的織物缺陷圖像插值算法設(shè)計(jì)與實(shí)現(xiàn)1 概述1.1