编者按：本指南介绍了朱宗晓老师为中南民族大学计算机科学学院2013届毕业生开列的毕业设计课题，内容包括课题背景、任务、难度系数、现有资源、附加要求等等。选择后面的题目意味着你愿意接受挑战并追求卓越。毕业设计的指导工作将依托少数民族语言文字信息处理实验室（9402）进行。“不打折扣、没有借口”是各位同学选择这些题目的先决条件，按时参加每周四在少数民族文字信息处理研究室举行的毕业设计工作进展汇报会并在会上做工作进展汇报是最基本的要求。本指南的电子版可在朱老师的博客主页http://www.sciencenet.cn/blog/danfouer.htm“实践指导”栏目中下载。

1. 基于结构的联机手写汉字识别方法研究

课题背景：
结构模式识别设法提取含有字符的结构特征及其组字规律，作为识别字符的主要依据。该方法是字符识别研究的主要方法，其主要出发点是字符的组成结构。识别时，利用字符结构信息及句法分析的方法进行识别。本课题拟从汉字的特点出发，对汉字联机手写识别的几个方面：文字输入、预处理、笔段识别、笔画识别、部首识别、字根识别、整体汉字的识别等方面进行深入研究。
现有资源：
a.  中科院汉字联机手写识别样本库；
b.  女书采集与教学演示系统（已获软件著作权）；
c.  基于结构的女书联机手写识别软件（已获软件著作权）。
课题任务：
    在现有基于结构的女书联机手写识别系统方法基础之上，结合联机手写汉字的特点，将女书联机手写识别特征提取方法加以改进，设计并实现一个实用的、识别率在95%以上、识别速度在200ms以内、容忍连笔、断笔的汉字联机手写识别系统。
难度系数：✪✪✪✪
附加要求：
    熟悉MFC，喜爱编程。
 
2. 基于统计的联机手写汉字识别方法研究

课题背景：
基于统计特征的联机手写汉字识别方法，属于汉字识别技术领域，其一般步骤为：
1、对处理的字符对象进行预处理。
2、利用改进的模式识别的特征提取算法对预处理完成的汉字进行特征提取，并利用算法进行特征压缩，并按一定格式生成待验证文件。
3、利用前期收集的样本（已有）训练出的字典对待验证文件进行验证。
现有资源：
a.  中科院脱机手写汉字识别样本库（训练样本）。
b.  彝文、女书、汉字脱机手写识别算法。
课题任务：
用所提供的汉字联机手写识别样本库、实验室前期彝文、女书、汉字脱机手写识别理论方法的基础上，研究并实现基于统计的联机手写汉字识别方法。
难度系数：✪✪✪
附加要求：
    熟悉MFC，喜爱编程。

3. 自然手写汉字文本分割算法研究

课题背景：
文字识别技术在近几十年来得到了飞速的发展与进步,但自然手写汉字文字的识别却还是一个没有攻克的难题.其主要原因是自然手写汉字文字的文本的字符交叉、粘连与弯曲等因素使得其分割技术成为一个巨大的挑战,而分割技术是文字识别技术的第一步也是最为重要的一步,能否研究出一种高效手写汉字文本分割算法是解决自然手写汉字识别难题的关键.
现有资源：
a.  针对彝文样本的切割程序三套
b.  针对女书样本的切割程序一套
c.  基于投影的自然手写汉字文本行分割源代码
d.  《中文手写体字符切分技术研究》本科毕业论文与源代码
e.  中科院CASIA-HWDB和哈工大HIT-MW手写样品数据库
f.  IEEE中相关论文数篇
课题任务：
    研究一种高效的手写汉字文本分割算法
难度系数：✪✪✪✪✪
附加要求：熟练C++和vs2010开发工具,热爱算法研究与Debug
   
4. 自然手写汉字识别算法研究

课题背景：
    汉字手写由于没有像印刷体一样统一的显示标准，因此与印刷体汉字的识别比较起来就具有一定的困难，现提供的资源是女书实验室基于统计学的方法改进的手写汉字识别算法，由于在开发初期，还没有获得比较好的识别结果，现在通过女书手写样本的结构特征识别研究发现，对字体结构特征的识别确认，可以对识别结果或进行比较好的修正。
现有资源：
1、基于统计学方法的汉字手写识别算法。
2、基于统计学少数民族文字识别算法。
3、结构特征提取算法。
课题任务：
1、理解现有资源中使用的模式识别算法，结构提取算法。
2、对切割好的文字图片进行识别，并输出识别结果。
3、对脱机汉字在输出识别结果前进行结构特征确认，从而修正识别结果，进而研究结构特征的确认是否可以提高识别正确率。
难度系数：✪✪✪✪✪
附加要求： 会使用VS2010，对算法和数据结构有一定的了解
       
 
5. 基于高斯混合模型（GMM）的自然手写汉字聚类算法研究

课题背景：
在自然手写汉字识别中，提高识别率是识别阶段的最终目的。然而相同字的字符样本数过多，样本写法差别较大，为后期字符识别带来困难，因此字符识别率也不是太高。而聚类分析能将相同字符划分成有用的簇，每个簇内的样本间具有较高相似性，不同簇的样本间相似度较差。所以较优的聚类算法对后期识别率的提高有着重要意义。在众多聚类算法中，高斯混合模型（GMM）是基于密度分布的算法。希望通过本毕业设计，能把该算法较完善的做出来，使之能对手写汉字有较好的识别效果。
课题任务：
a.   编写GMM聚类算法，并对其中未知参数进行设定及调整。
b.   对样本用该聚类算法进行聚类实验，并将聚类结果用于识别平台得最终识别率。
 
难度系数：✪✪✪
现有资源：
a.自然手写汉字识别平台;
b.字符样本特征文本;
c.K均值聚类算法程序一套
附加要求：    熟悉Matlab、C，喜爱编程

6. 基于CLIQUE的自然手写汉字聚类算法研究

课题背景：
    在自然手写汉字识别中，提高识别率是识别阶段的最终目的。然而相同字的字符样本数过多，样本写法差别较大，为后期字符识别带来困难，因此字符识别率也不是太高。传统的聚类算法对于大量的高维数据处理并不理想，所以高维数据聚类算法能针对这一点做出改进，更符合于手写汉字样本的训练和研究。在众多高维聚类算法中，CLIQUE聚类算法是基于网格的算法。希望通过本毕业设计，能较完善得完成该算法，使之能对手写汉字有较好的识别效果。
 
课题任务：
a.编写CLIQUE聚类算法，并对其中未知参数进行设定及调整。
b.对样本用该聚类算法进行聚类实验，并将聚类结果用于识别平台得最终识别率。
 
难度系数：✪✪✪✪
现有资源:
a.自然手写汉字识别平台;
b.字符样本特征文本;
c.K均值聚类算法程序一套
附加要求：熟悉Matlab、C，喜爱编程
 
7. 无人飞行器手势控制算法研究

课题背景：
在上一届的毕业设计中，刘凯同学利用JavaScript 应用程序开发接口实现了一个利用谷歌地球数据的飞行模拟器，通过键盘控制飞行的高度、方向、速度和机载相机拍摄角度。本科题希望通过摄像头识别用户手势，取代键盘进行飞行控制。为此，我们从网上下载了一个手势识别工程，该工程可以识别摄像头拍摄的10种手势。选择此课题的同学需要认真消化这两个VC工程，并将其有机的结合起来，方能顺利完成此课题。
 
课题任务：
通过手势识别控制Google 地球3D 地图应用程序中无人飞行器的飞行
难度系数：✪✪✪
现有资源:
1）《基于openCV的手势识别》工程实践项目技术论文及项目工程、源代码；
    2）《基于谷歌地球 API 的飞行模拟器的设计与实现》本科毕业论文，项目工程、源代码
            
附加要求：对VC++程序有一定经验，热衷于Debug

8. 无人飞行器寻迹导航算法研究

课题背景：Google Earth API的植入使得目标识别拥有了无穷无尽的样本库。目前，我已经建立了一个基于Google Earth API的无人飞行器研究平台，能够通过调用API函数控制Google Earth的视野，使之动态模拟从飞机上看到的景物。换句话说，这个飞机往哪飞是受程序控制的，本课题的要求，就是让飞机沿着道路，河流、海岸线这些典型而显著的曲线结构飞。为此，我开发了一种曲线结构探测器，能够实时探测出图像中的曲线结构。选择此课题的同学，需要利用曲线探测器探测出的曲线结构，控制飞行器沿着主要的道路，河流、海岸线进行飞行。

课题任务：控制GoogleEarth中无人飞行器沿着沿着道路，河流、海岸线这些典型而显著的曲线结构飞行
难度系数：✪✪✪✪
现有资源：1)曲线结构探测器动态连接库和头文件
          2) 基于Google Earth API的无人飞行器研究平台项目工程、源代码
附加要求：对VC++程序有一定经验，热衷于Debug

9. 电子发音扇的设计与实现

课题背景：电子录放音文化扇
课题任务：
难度系数：✪✪✪✪✪
现有资源
 
10.手写英文字母分类和聚类方法研究课题背景：英文字母分类和聚类
课题任务：
难度系数：✪✪✪✪✪
现有资源
 
11.  藏文样本分割算法设计与实现

课题背景：样本字符行列切割是进行印刷体文字识别的关键步骤。目前在《文字识别实验平台》中已有三种行列切割算法，但均是针对彝文、女书字符的切割算法，对藏文字符样本的切割效果并不理想。希望通过本毕业设计，能比较灵活的设置切割中的各种参数，使之能对中文有较好的切割效果。
课题任务：
c.   对样本用三种切割算法进行切割实验，弄懂三个切割算法。
d.   收集藏文样本，选择、修正切割算法。
e.   完成藏文样本的分割任务
难度系数：✪✪✪
现有资源：
g.  藏文字符集
h.  针对彝文样本的切割程序三套
i.  针对女书样本的切割程序一套
   
12.离散点采样方法的MATLAB实现

课题背景：离散点采样方法是一种快速进行图像分析的新方法，该方法同时考虑了基于目标区域和基于目标边界两类方法的优势，用阴采样图获取目标图像中目标的边界信息，用阳采样图获取目标图像中目标的区域信息，阴、阳采样图共同反映了图像中目标区域向目标边缘的过渡过程，同时采样半径可以根据目标尺寸的变化进行切换，使得计算速度大幅提高，对目标的尺寸变化也有较强的适应性。该方法现已申报国家发明专利。
现有资源：
a.  离散点采样方法专利说明书
b.  离散点采样方法C语言函数
c.  多个图像分析应用实例
 
课题任务：
a.  理解离散点采样方法相关C语言函数，绘制相关流程图；
b.  将全部离散点方法相关函数移植成Matlab语言。
难度系数：✪✪✪
附加要求： 熟悉Matlab、C，喜爱编程