毕设的车牌图像数据库 包括各类场景总计6000左右张图像数据 如停车场，卡口，电子抓拍、天桥等位置 可进行车牌定位检测，车牌字符分割，车牌字符识别等相关研究

UCI Folio Leaf 是不同种类树叶的图片数据集，包含 32 中不同的树叶种类，每类 20 张左右的图像。

模式识别高分课程设计，利用BP神经网络对0-9的手写数字图像数据进行分类。 图像数据存放在Img的文件夹中，0-9每个数字各有55个样本，共550个图像样本数据。文件中的all_data.mat是为了对这些图像数据全部提取到MATLAB的工作区中，以便于MATLAB对数据的处理。载入后是一个4维的900×1200×10×55的阵列，900×1200为每一张图像的尺寸/分辨率，10指的是为0-9的10类图像，55是每一类的样本数目； 代码中有详细注释，整个过程分为：①载入图像数据；②裁剪图像的无效信息；③特征选择和提取；④特征预处理；⑤划分数据集；⑥网络训练；⑦网络测试；⑧用户验证过程 网络经多次测试后对训练样本和测试样本的分类准确率均在95%以上，MATLAB自建BP神经网络，代码每个过程都有注释详解，有利于读者对BP神经网络有更好的把握。 在用户验证过程中，向客户提供验证端口，读者在读懂代码的基础上，可以继续在此做一个UI界面或者接口，作为课程设计的话将会更加完善。

手指静脉识别技术促使了多光谱手指静脉图像采集的进一步发展。对于多光谱手指静脉采集系统而言,获得更加合理的光源控制电路,设计出更加合理的光源光路结构形式已经变得非常重要。因此本设计以这两个关键点为目标,对现有的采集系统进行了优化改进。首先从设计硬件电路出发,优化了光源控制电路;同时对采集装置外壳进行了重新设计,并改善了光源光路结构形式,建立了新的多光谱手指静脉成像系统,然后在硬件的基础上对其相应的软件支持进行完善,最后搭建成新的采集系统,通过详细的比较实验,验证了本文设计的有效性。

基于MATLAB的口罩识别系统（详细注释，界面，答疑）

本项目从生活细节出发，将计算机视觉应用在饭堂人数检测上，结合软硬件设施：算法基于深度卷积神经网络模型，硬件基于树莓派 RaspberryPi3 Model B，终端为 Web APP 或者公众号平台，学生可以通过终端获取饭堂人数密度热力图。

The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。

LabelMe 12-50k 数据集是一个物体识别数据集，总共包含 50000 张 JPEG 格式的图片，其中 40000 张为训练数据，10000张为测试数据，图像均从 LabelMe 网站中提取得到。每张图像分辨率为 256x256 大小。其中 50% 的图片在中心位置有一个物体，该物体属于类别总数为12类中的一类。其余 50% 图片为随机选取的图片中的一块随机区域。

结合二维离散小波变换（2DDWT）和二维非负矩阵分解（2DNMF）两者的优点, 提出了一种新的人脸识别融合算法2DDWT 2DNMF。首先利用小波变换把人脸图像分解成四个子块频带区域, 并对三个高频子块进行图像融合, 然后对低频子块和融合图像进行二维非负矩阵分解以提取特征, 进而对特征数据进行加权处理。ORL和YALE人脸数据库中的识别实验表明, 与PCA、SVD、NMF以及2DDWT NMF算法相比, 新融合算法能有效缩短训练时间和提高识别率。

基于Django框架，涉及停车费计算，用户管理，车牌识别（百度云） 功能: [1]用户管理，可增加月卡，季卡，半年卡，年卡，临时停车等 [2]可配置停车场停车位数据，可在线看数据 [3]图像识别车牌号 2. 修改数据库配置 修改：`Park/settings.py` 这个文件里面的 `DATABASES` ```python DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME': 'park', # 修改为自己的数据库 'HOST': '127.0.0.1', # 自己的数据库地址 'POST': '3306', 'USER': 'root', 'PASSWORD': '123456', } } ``` 4. 配置停车位 ```bash # 这是初始化100个停车位 python manage.py configure_park 100 # 这是增加100个停车位