[数字图像处理]课程设计报告

1．课程设计目的

1、 提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方

法。

2、 熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。

2．课程设计内容及实现

2.1、二维快速傅立叶变换:

本项目的重点是:

这个项目的目的是开发一个2-D FFT程序“包”，将用于在其他几个项目。您的实现必须有能力：

(a) 乘以（-1），x + y的中心变换输入图像进行滤波。

(b) 一个真正的函数相乘所得到的（复杂的）的阵列（在这个意义上的实系数乘以变换的实部和虚部）。回想一下，对相应的元件上完成两幅图像的乘法。

(c) 计算傅立叶逆变换。

(d) 结果乘以（-1）x + y的实部。

(e) 计算频谱。

基本上，这个项目实现了图。4.5。如果您正在使用MATLAB ，那么您的傅立叶变换程序将不会受到限制，其大小是2的整数次幂的图像。如果要实现自己的计划，那么您所使用的FFT 例程可能被限制到2的整数次幂。在这种情况下，你可能需要放大或缩小图像到适当的大小，使用你的程序开发项目02-04

逼近：为了简化这个和以下的工程（除项目04-05），您可以忽略图像填充（4.6.3节）。虽然你的结果不会完全正确，将获得显着的简化，不仅在图像的大小，而且在需要裁剪的最终结果。由这种近似的原则将不会受到影响

结果如下：

主要代码

f=imread('Fig4.04(a).jpg');

H=imread('Fig4.04(a).jpg');

subplot(3,2,1);

imshow(f);

title('(a)原图像');

[M1,N1]=size(f);

f=im2double(f);

[M2,N2]=size(H);

H=im2double(H); %把灰度图像I1的数据类型转换成转换成双精度浮点类型 for x=1:M1

for y=1:N1

f(x,y)=(-1)^(x+y)*f(x,y); %用（-1）^(x+y)乘以输入图像, 来实现中心化变换

end

end

F=fft2(f); %使用函数fft2可计算傅立叶变换

subplot(3,2,3);

imshow(F);

title('(b)傅立叶变换的图像');

if(M2==1)&&(N2==1)

G=F(x,y)*H(x,y);

elseif((M1==M2)&&(N1==N2))

for x=1:M1

for y=1:N1

G(x,y)=F(x,y)*H(x,y);

end

end

else

error('输入图像有误','ERROR');

end %通过两个图像的乘法程序，实现对相应元素的相乘

g=ifft2(G);

subplot(3,2,4);

imshow(g);

title('(c)傅立叶逆变换的图像');

for x=1:M1

for y=1:N1

g(x,y)=(-1)^(x+y)*g(x,y);

end

end

g=real(g);

S=log(1+abs(F)); %计算傅立叶幅度谱并做对数变换

subplot(3,2,5);

plot(S); %二维图像显示幅度谱

title('(d)二维图像显示幅度谱');

Q=angle(F); %计算傅立叶变换相位谱

subplot(3,2,6);

plot(Q);

title('(e)二维图像显示相位谱'); %二维图像显示相位谱

结果截图

图1 傅里叶变换及频谱图

结果分析：

图1中（a ）是原始灰度图像，对原图进行傅里叶变换，用（-1）^(x+y)乘以输入图像, 来实现中心化变换得到（b ），（c ）为傅里叶变换的逆变换得到的图像。对应（d ）、（e ）分别为计算的幅度谱和相位谱。

2.2、傅立叶频谱和平均值

本项目的重点是:

(a) 下载图。 4.18（a ）和计算（居中）傅立叶频谱。

(b) 显示频谱。

(c) 使用（a ）中计算图像的平均值的结果

结果如下：

主要代码

%abs-取绝对值和复数幅度

%fft2-求二维离散傅立叶变换

I = imread('Fig4.11(a).jpg');

I1 = fft2(I);

X = fftshift(abs(I1)); %直流分量移到频谱中心

[m,n] = size(X);

Average_value = X(m/2+1,n/2+1)/(m*n) %平均值计算

I1 = abs(I1)*256/max(max(abs(I1))); %傅立叶谱图像

X = X*256/max(max(X)); %中心化的傅立叶谱图像'

subplot(1,3,1);

imshow(I);

title('(a)原图像');

subplot(1,3,2);

imshow(I1);

title('(b)傅立叶谱图像');

subplot(1,3,3);

imshow(X);

title ('(c)中心化的傅立叶谱图像');

结果截图

图 1 计算图像的频谱图并中心化

图3 平均值

结果分析：

图2中（a ）为原始图像，先对图像进行傅里叶变换得到（b ），然后移至频谱中心得到（c ），图3为图像的平均值的结果，此结果是在matlab 窗口中实现的。

2.3、低通滤波

本项目的重点是:

(a) 实现高斯低通滤波器式。 （4.3-7）。你必须能够指定大小，M×N 的，由此产

生的2D 功能。此外，你必须能够指定二维高斯函数的中心位置

(b) 下载图。4.11（一）[这个形象是同图。 4.18（a ）〕和低通滤波器中取得图。

4.18（三）

结果如下：

主要代码

I=imread('Fig4.11(a).jpg')

subplot(1,2,1);

imshow(I);

title('(a)原始图像');

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯低通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,2);

imshow(s); %显示高斯低通滤波处理后的图像 title('(b)高斯低通滤波(d0=30)');

结果截图

图 2 高斯低通实现的图像

结果分析：

图4中（a ）为原始图像，将原始图像经过高斯低通滤波，得到（b ），这里以标准差d0=15来分析图像。

2.4、使用一个低通图像高通滤波

本项目的重点是:

(a) 从原来的04-03项目减去你的形象得到锐化后的图像，如式。 （4.4-14）。你

会注意到，生成的图像并不像高斯高通图。 4.26。解释为什么会是这样

(b) 调整的方差高斯低通滤波器，直到图像相减得到的结果看起来类似于 图。

4.26（三）。解释你的结果

结果如下：

主要代码

I=imread('Fig4.11(a).jpg')

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯低通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,1);

imshow(s); %显示高斯低通滤波处理后的图像 title('(a)高斯低通滤波实现的图片');

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯高通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1-1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,2);

imshow(s); %显示高斯高通滤波处理后的图像 title('(b) 高斯高通滤波实现的图片');

结果截图

图 3 高通实现的图像

结果分析：

图5中（a ）为经过高斯低通处理的图像，将此图像经过高斯高通处理得到（b ）。

2.5、在频域的相关性

本项目的重点是:

下载图。 4.41（a ）及（b ）和重复例4.11获得图。 4.41（E ）。给（的x ，y ）的二维相关函数中的最大值的位置的坐标。有没有必要在图中绘制的档案中。 4.41（F ）

结果如下：

主要代码

clear;clc;

fa=imread('fig4.41(a).jpg');

fb=imread('fig4.41(b).jpg');

subplot(2,2,1);

imshow(fa);

title('(a)原始图像');

subplot(2,2,2);

imshow(fb);

title('(b)模板');

[A B]=size(fa);

[C D]=size(fb);

expfa=zeros(A+C-1,B+D-1);

expfb=zeros(A+C-1,B+D-1);

expfa(1:A,1:B)=fa;

expfb(1:C,1:D)=fb;

subplot(2,2,3);

imshow(expfa);

title('(c)图像延拓');

subplot(2,2,4);

imshow(expfb);

title('(d)图像延拓');

H=real(ifft2(fft2(expfa).*fft2(rot90(expfb,2),293,297)));%求相关性

figure;

imshow(H,[])

title('(e)两图像延拓之后的相关函数');

max(H(:)) %求取最大的相关值——因为是利用模板做的相关运算，值最大的地方最相关

thresh=21417100;%设置一个略低于最大相关值的阈值

figure;

imshow(H > thresh)%显示定位.

title('(f) 图像定位');

结果截图

图 4 两原始图像的延拓

图7 延拓之后图像

图8 图像定位

图 9 结果

结果分析：

图6中（a ）是图像，（b ）是模板。延拓后的图像如图6中的（c ）、（d ）所示。两延拓图像的空间域相关以图像形式显示与图7中的（e ）, 图8中的（f ）显示的是图像的定位图。

3．课程设计总结与体会

本次实验，通过使用MATLAB 中的图像处理工具箱中的函数，对每个图像处理函数的功能都有了深入了认识。了解了日常看到的图片为什么会有各种模糊问题，也知道了该如何解决一些基本的图像问题。希望下次能知道更多使用MA TLAB 来解决新的问题。

1．课程设计目的

1、 提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方

法。

2、 熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。

2．课程设计内容及实现

2.1、二维快速傅立叶变换:

本项目的重点是:

这个项目的目的是开发一个2-D FFT程序“包”，将用于在其他几个项目。您的实现必须有能力：

(a) 乘以（-1），x + y的中心变换输入图像进行滤波。

(b) 一个真正的函数相乘所得到的（复杂的）的阵列（在这个意义上的实系数乘以变换的实部和虚部）。回想一下，对相应的元件上完成两幅图像的乘法。

(c) 计算傅立叶逆变换。

(d) 结果乘以（-1）x + y的实部。

(e) 计算频谱。

基本上，这个项目实现了图。4.5。如果您正在使用MATLAB ，那么您的傅立叶变换程序将不会受到限制，其大小是2的整数次幂的图像。如果要实现自己的计划，那么您所使用的FFT 例程可能被限制到2的整数次幂。在这种情况下，你可能需要放大或缩小图像到适当的大小，使用你的程序开发项目02-04

逼近：为了简化这个和以下的工程（除项目04-05），您可以忽略图像填充（4.6.3节）。虽然你的结果不会完全正确，将获得显着的简化，不仅在图像的大小，而且在需要裁剪的最终结果。由这种近似的原则将不会受到影响

结果如下：

主要代码

f=imread('Fig4.04(a).jpg');

H=imread('Fig4.04(a).jpg');

subplot(3,2,1);

imshow(f);

title('(a)原图像');

[M1,N1]=size(f);

f=im2double(f);

[M2,N2]=size(H);

H=im2double(H); %把灰度图像I1的数据类型转换成转换成双精度浮点类型 for x=1:M1

for y=1:N1

f(x,y)=(-1)^(x+y)*f(x,y); %用（-1）^(x+y)乘以输入图像, 来实现中心化变换

end

end

F=fft2(f); %使用函数fft2可计算傅立叶变换

subplot(3,2,3);

imshow(F);

title('(b)傅立叶变换的图像');

if(M2==1)&&(N2==1)

G=F(x,y)*H(x,y);

elseif((M1==M2)&&(N1==N2))

for x=1:M1

for y=1:N1

G(x,y)=F(x,y)*H(x,y);

end

end

else

error('输入图像有误','ERROR');

end %通过两个图像的乘法程序，实现对相应元素的相乘

g=ifft2(G);

subplot(3,2,4);

imshow(g);

title('(c)傅立叶逆变换的图像');

for x=1:M1

for y=1:N1

g(x,y)=(-1)^(x+y)*g(x,y);

end

end

g=real(g);

S=log(1+abs(F)); %计算傅立叶幅度谱并做对数变换

subplot(3,2,5);

plot(S); %二维图像显示幅度谱

title('(d)二维图像显示幅度谱');

Q=angle(F); %计算傅立叶变换相位谱

subplot(3,2,6);

plot(Q);

title('(e)二维图像显示相位谱'); %二维图像显示相位谱

结果截图

图1 傅里叶变换及频谱图

结果分析：

图1中（a ）是原始灰度图像，对原图进行傅里叶变换，用（-1）^(x+y)乘以输入图像, 来实现中心化变换得到（b ），（c ）为傅里叶变换的逆变换得到的图像。对应（d ）、（e ）分别为计算的幅度谱和相位谱。

2.2、傅立叶频谱和平均值

本项目的重点是:

(a) 下载图。 4.18（a ）和计算（居中）傅立叶频谱。

(b) 显示频谱。

(c) 使用（a ）中计算图像的平均值的结果

结果如下：

主要代码

%abs-取绝对值和复数幅度

%fft2-求二维离散傅立叶变换

I = imread('Fig4.11(a).jpg');

I1 = fft2(I);

X = fftshift(abs(I1)); %直流分量移到频谱中心

[m,n] = size(X);

Average_value = X(m/2+1,n/2+1)/(m*n) %平均值计算

I1 = abs(I1)*256/max(max(abs(I1))); %傅立叶谱图像

X = X*256/max(max(X)); %中心化的傅立叶谱图像'

subplot(1,3,1);

imshow(I);

title('(a)原图像');

subplot(1,3,2);

imshow(I1);

title('(b)傅立叶谱图像');

subplot(1,3,3);

imshow(X);

title ('(c)中心化的傅立叶谱图像');

结果截图

图 1 计算图像的频谱图并中心化

图3 平均值

结果分析：

图2中（a ）为原始图像，先对图像进行傅里叶变换得到（b ），然后移至频谱中心得到（c ），图3为图像的平均值的结果，此结果是在matlab 窗口中实现的。

2.3、低通滤波

本项目的重点是:

(a) 实现高斯低通滤波器式。 （4.3-7）。你必须能够指定大小，M×N 的，由此产

生的2D 功能。此外，你必须能够指定二维高斯函数的中心位置

(b) 下载图。4.11（一）[这个形象是同图。 4.18（a ）〕和低通滤波器中取得图。

4.18（三）

结果如下：

主要代码

I=imread('Fig4.11(a).jpg')

subplot(1,2,1);

imshow(I);

title('(a)原始图像');

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯低通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,2);

imshow(s); %显示高斯低通滤波处理后的图像 title('(b)高斯低通滤波(d0=30)');

结果截图

图 2 高斯低通实现的图像

结果分析：

图4中（a ）为原始图像，将原始图像经过高斯低通滤波，得到（b ），这里以标准差d0=15来分析图像。

2.4、使用一个低通图像高通滤波

本项目的重点是:

(a) 从原来的04-03项目减去你的形象得到锐化后的图像，如式。 （4.4-14）。你

会注意到，生成的图像并不像高斯高通图。 4.26。解释为什么会是这样

(b) 调整的方差高斯低通滤波器，直到图像相减得到的结果看起来类似于 图。

4.26（三）。解释你的结果

结果如下：

主要代码

I=imread('Fig4.11(a).jpg')

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯低通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,1);

imshow(s); %显示高斯低通滤波处理后的图像 title('(a)高斯低通滤波实现的图片');

s=fftshift(fft2(I));

[M,N]=size(s); %分别返回s 的行数到M 中，列数到N 中 n=2; %对n 赋初值

%高斯高通滤波，这里以标准差d0=30来分析图像

d0=30; %初始化d0

n1=floor(M/2); %对M/2进行取整

n2=floor(N/2); %对N/2进行取整

for i=1:M

for j=1:N

d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j ）到傅立叶变换中心的距离 h=1-1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数

s(i,j)=h*s(i,j); %GLPF滤波后的频域表示

end

end

s=ifftshift(s); %对s 进行反FFT 移动

%对s 进行二维反离散的Fourier 变换后，取复数的实部转化为无符号8位整数

s=uint8(real(ifft2(s)));

%创建图形图像对象

subplot(1,2,2);

imshow(s); %显示高斯高通滤波处理后的图像 title('(b) 高斯高通滤波实现的图片');

结果截图

图 3 高通实现的图像

结果分析：

图5中（a ）为经过高斯低通处理的图像，将此图像经过高斯高通处理得到（b ）。

2.5、在频域的相关性

本项目的重点是:

下载图。 4.41（a ）及（b ）和重复例4.11获得图。 4.41（E ）。给（的x ，y ）的二维相关函数中的最大值的位置的坐标。有没有必要在图中绘制的档案中。 4.41（F ）

结果如下：

主要代码

clear;clc;

fa=imread('fig4.41(a).jpg');

fb=imread('fig4.41(b).jpg');

subplot(2,2,1);

imshow(fa);

title('(a)原始图像');

subplot(2,2,2);

imshow(fb);

title('(b)模板');

[A B]=size(fa);

[C D]=size(fb);

expfa=zeros(A+C-1,B+D-1);

expfb=zeros(A+C-1,B+D-1);

expfa(1:A,1:B)=fa;

expfb(1:C,1:D)=fb;

subplot(2,2,3);

imshow(expfa);

title('(c)图像延拓');

subplot(2,2,4);

imshow(expfb);

title('(d)图像延拓');

H=real(ifft2(fft2(expfa).*fft2(rot90(expfb,2),293,297)));%求相关性

figure;

imshow(H,[])

title('(e)两图像延拓之后的相关函数');

max(H(:)) %求取最大的相关值——因为是利用模板做的相关运算，值最大的地方最相关

thresh=21417100;%设置一个略低于最大相关值的阈值

figure;

imshow(H > thresh)%显示定位.

title('(f) 图像定位');

结果截图

图 4 两原始图像的延拓

图7 延拓之后图像

图8 图像定位

图 9 结果

结果分析：

图6中（a ）是图像，（b ）是模板。延拓后的图像如图6中的（c ）、（d ）所示。两延拓图像的空间域相关以图像形式显示与图7中的（e ）, 图8中的（f ）显示的是图像的定位图。

3．课程设计总结与体会

本次实验，通过使用MATLAB 中的图像处理工具箱中的函数，对每个图像处理函数的功能都有了深入了认识。了解了日常看到的图片为什么会有各种模糊问题，也知道了该如何解决一些基本的图像问题。希望下次能知道更多使用MA TLAB 来解决新的问题。


相关文章

  • 基带传输系统实验报告

    • 基于System view 的基带传输系统 学生姓名:林芳 指导老师:蔡春娥 摘要:本课程设计主要是为了进一步理解数字基带传输系统的构成及其工作原理,并能通过System View软件来实现对数字基带传输系统的仿真,且通过对各个元件的参数进 ...查看


  • 课程设计报告温度传感器

    • 单片机控制ADC0809模数转换及显示的设计 [摘要]传感器的作用是将不易检测的非电量信号转换为易于检测的电信号,如电压.电流.电荷等,为了实现系统自动化和智能化,就需要有中央处理器对外界信号进行分析并作出相应的处理,而CPU属于数字系统, ...查看


  • 数字化设计及仿真技术的阅读报告

    • <数字化设计及仿真技术>的阅读报 告 在对<数字化设计及仿真技术>这门课程的学习后,我感受最深的是其中的设计理念和设计思想,它们对我以后进一步学习这门课程特别是深入学习本课程有着很大的指导意义.本学期学习的<数 ...查看


  • 秀简易数字频率计设计1

    • 课程设计基本要求课程设计是工科学生十分重要的实践教学环节,通过课程设计,培养学生综 合运用先修课程的理论知识和专业技能,解决工程领域某一方面实际问题的能力. 课程设计报告是科学论文写作的基础,不仅可以培养和训练学生的逻辑归纳能力. 综合分析 ...查看


  • 车牌检测识别实验报告

    • <数字图像处理>课程设计报告 学院 专业 电子信息科学与技术 班级 XXXXXXXXXXXX 学生姓名学号 车牌检测识别 关键词:车牌定位,字符分割,字符识别 绪论: 随着我国的公路交通事业发展迅速,人工管理方式已经不能满着实际 ...查看


  • 基于窗函数设计的FIR带阻滤波系统

    • . <数字信号处理> 实验课程考核报告 数字滤波系统的MATLAB 实现与分析 --基于窗函数设计的FIR 带阻滤波系统 系 部: 专业班级: 姓 名: 学 号: 指导教师: [1**********] [1********** ...查看


  • 通信工程专业课程简介

    • 通信工程专业课程简介 专业核心课程: 信息论与编码原理.通信原理.电视原理.电磁场与电磁波.天线与电波传播 广播电视发送方向:数字电视技术.广播电视发送技术.数字广播技术 移动通信方向:移动通信.现代交换技术.移动电视技术 信息论与编码原理 ...查看


  • 2014数字电路课程设计报告格式模板

    • 五邑大学 题 目: 数字电路课程设计报告 院 系 专 业 学 号 学生姓名 指导教师 报告题目(三号宋字,粗体) 一. 题目的要求和意义(四号宋字,粗体) (小四号宋字)对课程设计内容做综述,介绍课程设计的目的和要求等内容. ---.. - ...查看


  • 东北大学全日制工程硕士研究生培养方案

    • 全日制工程硕士研究生培养方案 研究生院 二OO 九年七月 前言 为更好地适应国家经济建设和社会发展对高层次应用型人才的迫切需要,积极发展具有中国特色的专业学位教育,教育部自2009年起,扩大招收以应届本科毕业生为主的全日制硕士专业学位范围, ...查看


  • 电子信息类毕业设计课题

    • 电子信息类毕业设计课题 [电子通讯] 出租车计价系统 [过程控制] 基于单片机实现单回路智能调节.. [电子通讯] 脉冲数字频率计 [机床仪表] 仪表机床数控系统的设计(论文.. 磁流体发电论文 [电子通讯] 基于VC++6.0的PC 机与 ...查看


热门内容