1. 研究目的
本研究旨在开发一种高效、准确的烟盒特征获取算法，利用图像识别技术自动识别和提取烟盒图像的关键特征信息。
这将为以下目的提供技术支持：
1.自动售烟机监管:自动识别售卖香烟的种类，判断是否符合相关规定，防止非法销售行为。
4. 研究的方法与步骤
本研究将采用以下方法和步骤：
1.文献调研与分析:广泛查阅国内外相关文献，了解烟盒特征获取、图像识别、机器学习等领域的最新研究进展，为本研究提供理论基础和技术参考。
2.数据集构建:收集和整理各种品牌的烟盒图像，建立一个规模较大、类型较为全面的烟盒图像数据集。
对图像进行标注，区分不同品牌、类型，为算法训练和测试提供数据基础。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.针对烟盒图像特点的预处理算法优化:针对烟盒图像的光照不均、背景复杂等问题，研究和改进现有的图像预处理算法，例如结合自适应直方图均衡化和Retinex理论的图像增强算法，提高烟盒图像的质量，增强算法的鲁棒性。
2.多特征融合的烟盒图像识别方法:研究和提取多种烟盒图像特征，例如颜色特征、纹理特征和形状特征，并采用合适的特征融合方法，例如基于主成分分析(PCA)的特征降维和特征选择，提高识别精度。
3.基于深度学习的烟盒图像识别模型构建:尝试使用深度学习算法，例如卷积神经网络(CNN)，构建端到端的烟盒图像识别模型，自动学习特征，并进行识别，探索深度学习在烟盒图像识别领域的应用潜力。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.张旭东,王晓华,胡卫明,等.融合多特征的卷烟图像识别[J].计算机应用,2018,38(S2):226-230.
2.李晓峰,王耀南,毛建旭.基于机器视觉的香烟图像识别与特征提取[J].计算机工程与应用,2017,53(16):173-178.
3.王海亮,王文剑,张凯.基于卷积神经网络的卷烟图像识别[J].计算机工程与设计,2019,40(03):750-754.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
