MATLAB图像拼接。随着计算机在各个领域的广泛应用，为了得到宽视角、高分辨率图像，图像拼接技术逐渐成为计算机图形学、计算机视觉、模式识别等领域的研究热点，得到越来越多人的关注。图像拼接技术就是将数张有重叠部分的小视角图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅宽视角的无缝高分辨率图像，满足人们在各个领域研究的需要的技术。 图像拼接技术为图像降噪、视场(Field of View)扩展、模糊消除(Blur Removing)、空间解析(Spatial Resolution)和去除运动物体的动态范围(Dynamic Range)提供了可能性。

题目名称：MATLAB人脸识别门禁系统 课题介绍：该系统为基于MATLAB的门禁系统。建立一个GUI可视化界面，将疑似病例录入进人脸库，对其进行训练。测试的时候，采集一张全身照人脸图片，进行人脸定位，分割，和库内人脸进行对比，如果是库内人脸，则判定为疑似病例，GUI进行报警，包括文字和语音报警。如果不是库内人脸，则说明非疑似人员，可放行。

这个课题是用matlab做的多人场景的人脸识别。先预处理，人脸定位，分割，训练，PCA降维求出协方差矩阵，人脸特征值，然后每个测试的人脸分别进行矩阵求列，作差对比，结果最小的就是目标人脸，输出识别结果，这个设计有可视化GUI用户操作界面，是个创新类课题。欢迎交流。

基于MATLAB的模板匹配车牌识别系统。含界面GUI。完美运行。流程是：读取车牌，灰度，二值化，边缘检测，车牌定位，字符切割，车牌识别。每个步骤都非常详细的注释。可二次开发成出入库识别，库外车牌播报预警，停车计费等。

本课题为基于MATLAB HU不变矩的树叶识别系统。通过计算各种树叶的几何特征，判断树叶属于什么类型。本设计可识别灵叶，枫叶，梧桐叶等等几种。带有人机GUI界面，可语音播报结果。

一、课题题目：基于MATLA霍夫曼hough的指针识别系统 二、课题背景介绍 指针式仪表是检测工具中不可或缺的一种，其具有直观的读数指示，结构简单，抗干扰能力强等特点，在生产实践中被广泛的使用，为满足生产要求，仪表必需定期进行检定。目前，仪表检定主要由人工完成，由于仪表数量庞大，检定过程繁琐，同时存在仪表检定效率低，检定精度差等问题。因此，自动仪表检定具有重要意义。 三、运行GUI界面及示意图

一、课题名称 基于MATLAB的美图秀秀系统GUI设计 二、课题介绍 爱美之心，人皆有之。想不想利用MATLAB制作一款属于自己的美图秀秀或者PS呢。改系统就是利用MATLAB的GUI界面设计来设计一款具有美白，白平衡，磨皮等功能，另外还可以制作白底图，倒影，马赛克，浮雕等特效的功能。在GUI界面上可以调节参数，达到不同的效果。 三、GUI设计界面

一、课题名称： 基于MATLAB的人体行为姿势识别系统 二、算法介绍 本课题采用差影法的方法进行人体姿势的识别。背景差影法的原理就是：我们先在路口固定一个摄像头，将这个摄像头与电脑相连。电脑可以把拍到的车流视频保存，然后人为截取车型图片作为背景差影法处理的对象。这里要注意的是，我们首先要拍摄一张没有任何移动物体或者干扰的背景图，这样我们在进行背景差影法做图像处理时就可以尽量得来最理想的结果。然后，我们把存在背景的车型图和没有任何干扰的背景图做减法，就可以很方便的得到我们需要进行识别的车的一个基本的轮廓图。这个轮廓图才是我们最终需要的用来进行车型识别的核心。图像差分就是对图像进行减法，我们在用背景差影法来是被车型图片的时候，必须要注意到背景随晴雨天、光强度这些随时可能发生变化的条件而该改变。 三、GUI界面设计

一、课题题目：基于MATLAB的手写数字识别系统 二、课题介绍 手写数字识别是模式识别领域的一个重要分支，它研究的核心问题是：如何利用计算机自动识别人手写在纸张上的阿拉伯数字。手写体数字识别问题，简而言之就是识别出10个阿拉伯数字，由于数字的清晰程度或者是个人的写字习惯抑或是其他，往往手写体数字的性状、大小、深浅、位置会不大一样。手写体识别一般包括3个阶段：预处理、特征提取、分类识别。  手写数字识别前景广阔，广泛应用于表格中数字的识别、汽车牌照的数字自动识别和成绩单的识别等。实现数字的自动识别能够给人们的工作和生活带来很大的方便。对于该领域的研究具有重要的理论价值：  一方面，阿拉伯数字是唯一的被世界各国通用的符号，对手写数字识别的研究与文化背景无关，这样就为各国、各地区的研究工作者提供了一个自由平等的舞台，大家可以在这一领域施展才智，各抒己见。  另一方面，由于数字识别的类别数较少（只有0到9十个类别），有助于做深入分析及验证一些新的理论。这方面最明显的例子就是人工神经网络，相当一部分的人工神经网络模型都以手写数字识别作为具体的实验平台，验证理论的有效性，评价各种方法的优缺点。  数字识别的算法较多，当前运用较好的主流算法以统计、聚类和分类算法为主，如Bagging算法、支持向量机算法、神经网络等。手写数字识别难度在于：一、数字相似性大，但字形相差不大；二、数字虽然只有10种，但笔划简单，同一个数字写法差别大；三、手写数字存在断笔和毛刺，对识别造成影响。本文选择分类算法中的决策树算法、支持向量机算法、神经网络对MNIST数据集进行数字识别，并对分类效果进行比较分析。

一、课题题目 基于MATLAB的虫害检测系统 二、课题背景介绍 中国为农业大国，因此在农业病虫害防治等方面积累了丰富的经验，但在实际工作过程中也存在许多问题。如过于依赖传统经验，对突如而来的新型病虫害问题研究不够到位，如由于判断者主观上面的一些模糊，而带来整个病害的误判，并且不同的地区，由于病虫害的多样性以及一般的病虫害，其中大多数是由多种害虫和多种病原体的入侵引起的。 对于国外来说，农业病虫害也是他们所遇到的一个大问题，如苹果来说，可分为有机苹果、无机苹果、新西兰苹果等类别，来分类进行病虫害识别。如苹果黑星病、霉斑病、火疫病、苹果蚜虫、苹果木虱、苹果蠢蛾等等。 无论是国外还是国内病虫与病虫之间的组合，加上原有病虫的种类就非常的多，因此，病虫之间所有的组合的可能就非常的大，而这些都需要人工记住并且熟悉此种虫害的类别、在叶片上所呈现的图像是什么，这对于人工来说十分的困难，费时费力，而且不利于普遍推广。目前，病虫害的防治存在诸多问题，如总是使用化学农药来控制农业病虫害的频繁发生，尽管其特点是快速，有效，灵活，但由于应用数量的增加，农业成本有所提高，抗虫性也有所提高很难知道哪些病虫害是由不同的病虫害引起的。因此，对于计算机视觉的病虫害图像识别技术的研究与应用推广迫在眉睫，怎样在农业生产中应用信息技术，如何提高农业自动化水平是当前的研究方向。