資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
4 results
Search Results
Item 以Fuzzy C-Means硬體架構為基礎之快速影像分割之研究(2010) 張嘉晏; Chia-Yen Chang本論文根據文獻[6]將FCM演算法m值設定為2之硬體架構延伸於適用所有m值的FCM演算法硬體架構。此架構以管線化實現，並且具有平行計算的能力。在論文中我們使用查表法(lookup table)與泰勒展開式，推導出開根號計算之硬體電路，以減少根號運算時所耗費的硬體資源。此外，本論文將模糊分群演算法應用於影像分割的處理，並將FCM演算法之硬體架構延伸至FCM with spatial constraint演算法上，以改善雜訊影響影像分割的結果，以及保有硬體架構平行計算之優點。由實驗結果顯示，所提出的硬體架構能夠快速並有效的將模糊分群演算法應用在影像分割的處理。Item 由RGB-D影像資訊產生多視角立體電影用之影像(2014) 劉貞佑; Chen-Yu Liu目前3D顯示技術已是很成熟的技術，然而目前可用的3D內容來源有限，造成推廣難度較高，即便用戶有經濟能力購買高檔3D影音設備也受限于可用的數位內容不夠多，讓3D功能等同虛設。本研究提出的將RGB+D 影像轉換成3D立體內容影像即為了舒緩部分立體內容不足的問題。 近年來有許多關於如何產生3D立體影像的研究，而從事這類研究，無可避免常會面臨到深度資訊估測以及產生新視角影像後修補的問題。深度估測的方式很多，有人工判斷、有根據深度線索判斷或是使用深度攝影機取得，人工判斷及根據深度線索判斷都相較耗時，尤其根據深度線索做判斷誤差的機率也較高。而深度攝影機則避免了深度資訊取得的困難，其誤差也較根據深度線索判斷來的低。然而使用深度攝影機取得的影像會有一個很大的問題，依照拍攝的情景不同，其影像可能會有不同程度的深度影像破洞，而深度資訊的完整及精準度直接影響了立體內容的好壞，因此需要對深度影像做合理的填補。而影像填補在過去亦有許多研究，主要考慮了顏色、紋理結構等因素，本研究使用兩種方式作處理，第一種是利用矩陣完整化技術的修補方式;第二種是使用以影像分割為基礎的修補方式，其中矩陣完整化是依據影像本身低rank的性質對影像做合理的填補，而基於影像分割的修補方式則是考慮顏色跟空間上位置的關係對影像作分割後再做填補。 實驗結果顯示我們的立體內容深度層次感相較於2D轉3D的立體內容明顯更佳，且相較于2D轉3D的技術，我們的研究使用的是深度攝影機所取得的深度資訊，因此深度資訊具有較低的誤差，產生出的立體影像能給予觀看者更好的立體感受。Item 雨天路面偵測系統(2015) 李亦鈞; Li, Yi-Chun由於駕駛車輛安全性問題，駕駛輔助系統相關技術在距今約二十多年前開始被重視與開發，透過攝影機架設在車輛內以視覺式的方式分析車輛前方道路的狀況來輔助駕駛人。其中路面偵測技術在先進駕駛輔助系統中扮演重要的角色，因為該技術不僅能提供正確的路面區域、道路形狀及標線位置，還能將諸多前方道路資訊提供給其他的駕駛輔助系統使用。 路面偵測技術已經逐漸的成熟，但是較少研究者針對雨天偵測路面系統進行開發與研究。透過整理近年的路面偵測文獻發現，幾乎所有研究都會先透過邊緣偵測相關技術讓系統得知影像中何處是正確的路面區域，以便進行路面顏色特徵擷取並執行路面偵測。而也有部分的文獻是先直接手動給予路面區塊，進行路面顏色特徵的擷取並初步的偵測出路面，再利用邊緣偵測技術進行改善。可以發現邊緣偵測技術對於找出路面位置有莫大的幫助，但是一旦道路標線或路面邊界模糊不清時，便無法達到效果。 因此本研究提出的雨天路面偵測系統主要是透過log chromaticity space、sensor sharpening matrix transform以及watershed segmentation來進行雨天路面偵測，不需要透過邊緣偵測技術且會自動採樣合適的路面區塊作為系統訓練的依據。首先，系統一開始時必須先確定自動擷取的region of interest (ROI)是路面區域，接著才進行road feature extraction，透過執行log chromaticity space、sensor sharpening matrix transform及projection and thresholding各步驟後便可以將整張影像與ROI具有相似顏色的像素視為同一類，最後再結合watershed segmentation影像分割技術來改善誤判。 最後實驗的部分，本研究針對小雨、中雨、中大雨三種雨勢以及數種道路形狀進行實驗，實驗結果呈現出，對於較遠的車輛、較大的雨勢以及過度曝光的路面經常會產生誤判，但若是實驗場景中有著充足的光線以及道路上的車輛都有色彩鮮明的顏色，路面偵測的結果都能產生很高的正確率。Item 以俯視視訊從事行人計數(2005) 李立楷; Li-Kai Lee在本論文中，我們提出一個以俯視視訊為基礎之行人計數系統。在本系統中，使用俯視視訊來代替傳統的紅外線或柵門進行行人計數，最大的優點是不影響行人通行，且因為行人區塊不易重疊，而使計數效果更為準確。系統架構主要由行人偵測以及行人計數兩方面所組成：在行人偵測方面，應用以K-mean為基礎的影像分割技術來擷取行人區塊，可以使系統應用較不受光線所影響；在行人計數方面，採用graph matching技術，同時整合區塊本身及區塊間的特徵進行追蹤，使追蹤結果較可信賴，最後根據區塊的移動路徑以及區塊面積修正計數的結果。最後的實驗結果顯示，本系統在光線不斷變化或行人通過數量較多時，仍可以進行有效的計數。