開(kāi)題報(bào)告-基于51單片機(jī)的教室智能照明控制系統(tǒng).doc

《開(kāi)題報(bào)告-基于51單片機(jī)的教室智能照明控制系統(tǒng).doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《開(kāi)題報(bào)告-基于51單片機(jī)的教室智能照明控制系統(tǒng).doc（8頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

山 東 科 技 大 學(xué) 本科畢業(yè)設(shè)計(jì)（論文）開(kāi)題報(bào)告 基于51單片機(jī)的教室智能照明控制系統(tǒng) 學(xué) 院 名 稱 電子通信與物理學(xué)院 專業(yè)班級(jí) 電子信息科學(xué)與技術(shù)12級(jí)2班 學(xué)生姓名 時(shí)東陽(yáng) 學(xué) 號(hào) 201201050519 指 導(dǎo) 教 師 王雪琴 填表時(shí)間：2016 年 3月30 日 填表說(shuō)明 1.開(kāi)題報(bào)告作為畢業(yè)設(shè)計(jì)（論文）答辯委員會(huì)對(duì)學(xué)生答辯資格審查的依據(jù)材料之一。 2.此報(bào)告應(yīng)在指導(dǎo)教師指導(dǎo)下，由學(xué)生在畢業(yè)設(shè)計(jì)（論文）工作前期完成，經(jīng)指導(dǎo)教師簽署意見(jiàn)、相關(guān)系主任審查后生效。 3.學(xué)生應(yīng)按照學(xué)校統(tǒng)一設(shè)計(jì)的電子文檔標(biāo)準(zhǔn)格式，用A4紙打印。裝訂在左側(cè)。 4.參考文獻(xiàn)不少于8篇，其中應(yīng)有適當(dāng)?shù)耐馕馁Y料（一般不少于2篇）。 5.開(kāi)題報(bào)告作為畢業(yè)設(shè)計(jì)（論文）資料，與畢業(yè)設(shè)計(jì)（論文）一同存檔。 設(shè)計(jì)（論文） 題目 基于51單片機(jī)的教室智能照明控制系統(tǒng) 設(shè)計(jì)（論文） 類型（劃“√”） 工程設(shè)計(jì) 應(yīng)用研究 開(kāi)發(fā)研究 基礎(chǔ)研究 其它 √ 一、 本課題的研究目的和意義 隨著科技的發(fā)展，和人們的生活水平不斷提高，居住環(huán)境的改善備受關(guān)注，于是家居智能化的快速興起，滿足人們對(duì)舒適，安全，便捷以及節(jié)能環(huán)保的時(shí)尚生活的追求?，F(xiàn)階段人類社會(huì)的進(jìn)步越來(lái)越依賴于對(duì)能源的開(kāi)發(fā)與利用，然而人們對(duì)能源無(wú)盡的需求量和有限的能源數(shù)量形成了不可抗拒的矛盾,能源匱乏不僅是我國(guó)所面臨的危機(jī)，更是世界所面臨的嚴(yán)峻考驗(yàn)。在建筑物中，電能的消耗占百分之六十至百分之九十左右，其中照明的占用量是總電量的百分之十至百分之十二，并且按照預(yù)測(cè)，隨著建筑物保溫隔熱性能的提高以及其他供暖以及供冷措施的利用，照明用電占用比例還會(huì)上升，因此，涌現(xiàn)出了各種技術(shù)類型的廠家，市場(chǎng)上也出現(xiàn)了各種類型，別具特色的智能開(kāi)關(guān)產(chǎn)品，智能照明系統(tǒng)也應(yīng)運(yùn)而生。 要實(shí)現(xiàn)照明節(jié)能主要有兩種方法，一種是選用高效照明光源或燈具，如節(jié)能燈。在保證照明質(zhì)量的前提下，降低照明用電量的根本措施就在于提高照明設(shè)備的效率，即提高光源與燈具的效率；另一種是在現(xiàn)有照明燈具的基礎(chǔ)上照明節(jié)能控制策略，即在充分研究照明對(duì)象的需求上，通過(guò)優(yōu)化照明系統(tǒng)的運(yùn)行來(lái)達(dá)到節(jié)能的效果。在照明燈具方面，大學(xué)教室多采用熒光燈，采用直接照明的方式，比較滿足現(xiàn)有的需求，所以本課題著重論述后面一種方法，改進(jìn)照明控制策略和運(yùn)行方式。 本設(shè)計(jì)主要是針對(duì)目前高校教學(xué)樓教室的電能資源浪費(fèi)嚴(yán)重，教室資源利用不合理，用電設(shè)備控制和教學(xué)管理不足的現(xiàn)狀，設(shè)計(jì)了教學(xué)樓節(jié)能控制系統(tǒng)，以達(dá)到高校教室用電設(shè)備的合理使用，節(jié)約電能以及改善教學(xué)管理的目的。 二、 本課題的主要研究?jī)?nèi)容（提綱） 1、傳統(tǒng)Snake模型的研究 針對(duì)本課題和自己的實(shí)際情況，首先我對(duì)Kass提出的Snake算法進(jìn)行研究，了解Snake算法的基本思想，深入分析該算法如何在圖像分割中實(shí)現(xiàn)。 2、傳統(tǒng)Snake模型的實(shí)現(xiàn) 了解了Snake模型的基本思想，有了算法基礎(chǔ)就可以將算法用程序?qū)崿F(xiàn)。使用MATLAB工具，將算法思想通過(guò)程序?qū)崿F(xiàn)，并且通過(guò)軟件進(jìn)行仿真。 3、研究Snake算法存在的缺陷 在實(shí)現(xiàn)傳統(tǒng)Snake算法的同時(shí)，仿真研究Snake算法在收斂過(guò)程中存在的缺陷。 4、對(duì)Snake算法進(jìn)行改進(jìn)研究并實(shí)現(xiàn) 針對(duì)在仿真過(guò)程中出現(xiàn)的缺陷，從某一方面入手，尋找該缺陷出現(xiàn)的原因并提出改進(jìn)的算法。 三、 文獻(xiàn)綜述（國(guó)內(nèi)外研究情況及其發(fā)展） 自20世紀(jì)70年代，圖像分割算法就開(kāi)始受到人們的高度重視，各種算法層出不窮。但是，大部分算法都有自己的針對(duì)性和適用范圍，目前尚無(wú)通用分割理論。結(jié)合處理策略，又可以分為串行分割算法和并行分割算法。根據(jù)處理對(duì)象，分割算法大體分為以下幾種： 基于閾值的分割方法，閾值法的基本思想是基于圖像的灰度特征來(lái)計(jì)算一個(gè)或多個(gè)灰度閾值，并將圖像中每個(gè)像素的灰度值與閾值相比較，最后將像素根據(jù)比較結(jié)果分到合適的類別中。因此，該類方法最為關(guān)鍵的一步就是按照某個(gè)準(zhǔn)則函數(shù)來(lái)求解最佳灰度閾值。 基于邊緣的分割方法，所謂邊緣是指圖像中兩個(gè)不同區(qū)域的邊界線上連續(xù)的像素點(diǎn)的集合，是圖像局部特征不連續(xù)性的反映，體現(xiàn)了灰度、顏色、紋理等圖像特性的突變。通常情況下，基于邊緣的分割方法指的是基于灰度值的邊緣檢測(cè)，它是建立在邊緣灰度值會(huì)呈現(xiàn)出階躍型或屋頂型變化這一觀測(cè)基礎(chǔ)上的方法。使用一階導(dǎo)數(shù)的極值與二階導(dǎo)數(shù)的過(guò)零點(diǎn)來(lái)確定邊緣，具體實(shí)現(xiàn)時(shí)可以使用圖像與模板進(jìn)行卷積來(lái)完成。 基于圖論的分割方法，此類方法把圖像分割問(wèn)題與圖的最小割（min cut）問(wèn)題相關(guān)聯(lián)。首先將圖像映射為帶權(quán)無(wú)向圖G=，圖中每個(gè)節(jié)點(diǎn)N∈V對(duì)應(yīng)于圖像中的每個(gè)像素，每條邊∈E連接著一對(duì)相鄰的像素，邊的權(quán)值表示了相鄰像素之間在灰度、顏色或紋理方面的非負(fù)相似度。而對(duì)圖像的一個(gè)分割s就是對(duì)圖的一個(gè)剪切，被分割的每個(gè)區(qū)域C∈S對(duì)應(yīng)著圖中的一個(gè)子圖。而分割的最優(yōu)原則就是使劃分后的子圖在內(nèi)部保持相似度最大，而子圖之間的相似度保持最小?；趫D論的分割方法的本質(zhì)就是移除特定的邊，將圖劃分為若干子圖從而實(shí)現(xiàn)分割。目前所了解到的基于圖論的方法有GraphCut，GrabCut和Random Walk等。 基于能量泛函的分割方法，該類方法主要指的是活動(dòng)輪廓模型（active contour model）以及在其基礎(chǔ)上發(fā)展出來(lái)的算法，其基本思想是使用連續(xù)曲線來(lái)表達(dá)目標(biāo)邊緣，并定義一個(gè)能量泛函使得其自變量包括邊緣曲線，因此分割過(guò)程就轉(zhuǎn)變?yōu)榍蠼饽芰糠汉淖钚≈档倪^(guò)程，一般可通過(guò)求解函數(shù)對(duì)應(yīng)的歐拉(Euler．Lagrange)方程來(lái)實(shí)現(xiàn)，能量達(dá)到最小時(shí)的曲線位置就是目標(biāo)的輪廓所在。按照模型中曲線表達(dá)形式的不同，活動(dòng)輪廓模型可以分為兩大類：參數(shù)活動(dòng)輪廓模型和幾何活動(dòng)輪廓模型。 而針對(duì)Snake模型，很多學(xué)者都致力于改進(jìn)傳統(tǒng)Snake模型，并取得了一定成果?？偟膩?lái)說(shuō)，大部分的改進(jìn)研究工作可分為兩個(gè)方面：改進(jìn)圖像外力，擴(kuò)大力場(chǎng)捕捉范圍，可以更好地解決傳統(tǒng)Snake模型對(duì)初始輪廓敏感以及難以收斂進(jìn)凹陷邊界等問(wèn)題；改進(jìn)最小化能量過(guò)程中的解析算法，有助于改善收斂速度和數(shù)值穩(wěn)定性；基于拓?fù)湫缘母倪M(jìn)，提高Snake模型的拓?fù)渥赃m應(yīng)能力。 四、 擬解決的關(guān)鍵問(wèn)題 1、傳統(tǒng)Snake算法的程序?qū)崿F(xiàn)是研究Snake改進(jìn)的關(guān)鍵，只有對(duì)傳統(tǒng)Snake模型的實(shí)現(xiàn)和仿真，才能進(jìn)一步對(duì)模型深入改進(jìn)。 2、針對(duì)Snake的實(shí)現(xiàn)仿真，進(jìn)一步提出改進(jìn)算法是本次研究的核心問(wèn)題和難點(diǎn)。 五、 研究思路和方法 針對(duì)本次研究，首先進(jìn)行Snake算法的理解與實(shí)現(xiàn)。根據(jù)已有的理論，通過(guò)MATLAB編程實(shí)現(xiàn)，并且通過(guò)仿真實(shí)現(xiàn)簡(jiǎn)單圖像的分割。 在MATLAB實(shí)現(xiàn)與仿真的過(guò)程中，發(fā)現(xiàn)Snake模型在圖像分割過(guò)程中存在的問(wèn)題，進(jìn)一步深入分析存在這些缺陷的原因。在這過(guò)程通過(guò)分析分割后圖片的特點(diǎn)得到Snake模型的缺陷。 根據(jù)發(fā)現(xiàn)的問(wèn)題，從某一個(gè)方面著手分析問(wèn)題的原因，提出問(wèn)題的解決方案。可以從多方面分析Snake模型，比如收斂的程度、收斂的速度、占用的存儲(chǔ)空間大小等。針對(duì)具體的一個(gè)問(wèn)題，從問(wèn)題產(chǎn)生的實(shí)質(zhì)出發(fā)，分析問(wèn)題出現(xiàn)的原因，提出解決該問(wèn)題的方案。 六、 本課題的進(jìn)度安排 5-6周：查閱關(guān)于圖像分割和Snake模型的相關(guān)資料，查找圖像分割的各種算法，查閱Snake模型的各種改進(jìn)算法。將查閱的各種論文和資料整理歸類，為之后的研究做準(zhǔn)備。 7-8周：在這期間主要學(xué)習(xí)圖像分割的基本理論和分析Snake模型的算法，理解Snake算法的基本思想，以及他在圖像分割中的應(yīng)用。為之后的Snake算法實(shí)現(xiàn)做理論上的準(zhǔn)備。 9-10周：通過(guò)之前對(duì)Snake模型的理解，根據(jù)他的算法進(jìn)行MATLAB編程實(shí)現(xiàn)。結(jié)合相關(guān)文獻(xiàn)，將Snake算法實(shí)現(xiàn)，并進(jìn)行簡(jiǎn)單的圖像分割。實(shí)現(xiàn)傳統(tǒng)的Snake模型，為之后的發(fā)現(xiàn)其缺陷和改進(jìn)缺陷提供借鑒，是對(duì)其進(jìn)行改進(jìn)的重要步驟。 11-13周：分析在圖像分割后圖像的特點(diǎn)，對(duì)比原圖分析算法的缺陷。查閱資料了解缺陷產(chǎn)生的原因，結(jié)合之前對(duì)Snake模型的理解，針對(duì)一個(gè)方面提出改進(jìn)的方法，并進(jìn)行實(shí)現(xiàn)。 14-15周：結(jié)合自己的分析研究和實(shí)現(xiàn)寫此次研究的論文，注意結(jié)合已有的研究成果，體現(xiàn)自己研究的創(chuàng)新方面。 16周：查找自己論文中的缺陷和需要補(bǔ)充的方面，通過(guò)查詢資料，補(bǔ)充完善自己的研究，實(shí)現(xiàn)查漏補(bǔ)缺。 七、 參考文獻(xiàn) [1]Kass M,Witkit A,Terzopoulous D.Snake:active contour models.In:Brady IM,Rosenfied A eds.Proceedings of the 1st International conference on computer Vision.London[J].IEEE Computer Society Press,1987,259-268. [2]Xu Chen-yang,PrinceJL.Gradient vector flow.a new external force for snakes[A].In:Proceedings of the 1997 Conference on Computer Vision Pattern Recogniton[C],Los Alamitos,California,USA,1997:66-71. [3]Chambolle A.Image segmentation by variational methods:Mumford and Shah functional and the discrete approximations[J].Society for Industrial and Applied Mathematics,1995,55(3):827-863. [4]Rafael C. Gonzalez，Richard E.Woods，阮秋琦，阮宇智譯.數(shù)字圖像處理.北京：電子工業(yè)出版社，2001. [5]章毓晉.圖像分割[M].北京：科學(xué)出版社，2001，1-7,1 [6]程佩青.數(shù)字信號(hào)處理教程[M]，北京：清華大學(xué)出版社，2003. [7]游亞素，揚(yáng)靜.圖像邊緣檢測(cè)技術(shù)的發(fā)展與現(xiàn)狀.電子科技導(dǎo)報(bào)，1995,2（8）：25-28. [8]呂明忠，羅鵬，高敦岳.一種具有向心力的新型Snake算法[J].微電子學(xué)與計(jì)算機(jī)，2001,18（4）：39-43. 指導(dǎo)教師意見(jiàn) 指導(dǎo)教師（簽名）： 年 月 日 所在系（所）意見(jiàn) 負(fù)責(zé)人（簽章）： 年 月 日