导读:本文包含了棋子识别论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,卷积神经网络,二值图像滤波,深度学习
棋子识别论文文献综述
韩燮,赵融,孙福盛[1]（2019）在《基于卷积神经网络的棋子定位和识别方法》一文中研究指出中国象棋棋子定位采用的传统图像处理方法,复杂度高;识别棋子采用的传统文字识别方法,泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法,实现了棋子的快速定位,不需要二次修正位置;提出一种基于卷积神经网络的棋子识别方法,该方法可以应用于不同字体的棋子识别,在更换棋子的情况下,依然可以快速、准确地识别棋子。实验结果表明,该方法的定位误差为0.51 mm,平均定位时间0.212s,对4类字体的平均棋子识别准确率为98.59%左右,证实了该方法的有效性和实用性。(本文来源于《激光与光电子学进展》期刊2019年08期）
郭晓峰,王耀南,周显恩,钱珊珊[2]（2018）在《基于目标轮廓与骨架特征的棋子识别算法》一文中研究指出针对中国象棋机器人系统中棋子识别问题,提出了一种基于目标轮廓与骨架特征的棋子识别算法。首先,采用Hough圆检测进行棋子粗定位及预处理。随后,对单幅棋子图像进行形态学处理,提取最大面积轮廓,并利用其最小外接圆进行定位修正。最后,对定位修正后的棋子图像提取其外轮廓与内骨架,计算其Hu矩作为特征向量,并利用支持向量机(SVM)进行识别。以直径为25 mm的棋子为测试对象,利用象棋机器人采集图像进行测试,结果表明,棋子平均识别率在99%以上,平均识别时间为20 ms,完全满足现有象棋机器人需求。(本文来源于《电子测量与仪器学报》期刊2018年09期）
郭晓峰,王耀南,周显恩,尹阿婷,赵辉平[3]（2018）在《中国象棋机器人棋子定位与识别方法》一文中研究指出针对中国象棋机器人系统中棋子定位与识别问题,提出了一种基于最小外接圆二次定位的定位方法和一种旋转差分识别算法。首先,采用Hough圆检测进行粗定位获取棋子区域,并对棋子进行均值二值化处理。随后,对二值化图像进行形态学处理,提取最大面积轮廓,并利用其最小外接圆实现棋子二次精准定位。最后,对二次定位修正后的图像进行旋转差分识别。以直径为15 mm的棋子为测试对象,利用我们研制的象棋机器人采集图像进行测试,结果表明,棋子的定位精度为0.5 mm,平均定位时间为2.6 ms;在保证棋子识别正确率在98%以上的情况下,单个棋子平均全流程运算时间为10 ms,完全满足现有象棋机器人需求。(本文来源于《智能系统学报》期刊2018年04期）
曹国强,张京龙,尹航[4]（2017）在《基于凸包特征象棋棋子识别系统设计》一文中研究指出针对象棋棋子识别系统复杂度高且效率低的问题,提出了一种基于凸包特征象棋文字识别系统的设计方法。该方法根据背景减法提取运动目标,霍夫圆检测判定是否为棋子;利用颜色直方图区分棋子颜色,接着对文字形态学骨架化等预处理;根据凸包特征模型识别象棋文字。结果表明:此系统能够实现象棋棋子的识别任务,避免了棋子识别中文字倾斜和相机畸变等问题,识别正确性及效率明显提高,为特殊领域文字识别提供了新思路。(本文来源于《黑龙江大学自然科学学报》期刊2017年06期）
刘汉,宋鹏云,邵杰[5]（2017）在《动态比较识别棋子的方法》一文中研究指出为了实现围棋记谱方式以及人工数子的胜负判定方法,并将数字图像处理技术运用在围棋记谱以及胜负判定上。本文研究了利用数字图像处理技术对围棋图像进行精确快速处理的有效算法,结合OPENCV[1],PYTHON等辅助工具,对算法进行验证。实验结果表明,本文算法可以很好的处理光照不均匀的围棋图像并准确的获取围棋棋子的位置信息以及下棋顺序。(本文来源于《电脑迷》期刊2017年07期）
段云涛,李倩,申玮[6]（2015）在《基于视觉的人机交互下棋系统中棋子定位及识别技术研究》一文中研究指出随着人工智能和机器视觉的研究和发展,具有视觉功能的智能人机交互机器人已经成为目前研究的热点。论文首先介绍了一种智能人机交互下棋系统,其次详细说明该系统的棋子定位和棋子识别方法。其中,在棋子识别过程中,使用了BP神经网络来训练文件,实现棋子识别。棋子定位和识别是实现人机交互下棋的核心之一。(本文来源于《计算机与数字工程》期刊2015年08期）
娄联堂,钱磊,段汕,贺兴[7]（2014）在《基于视频图像理解的中国象棋棋子识别》一文中研究指出提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.(本文来源于《中南民族大学学报(自然科学版)》期刊2014年02期）
王殿君[8]（2013）在《基于视觉的中国象棋棋子识别定位技术》一文中研究指出针对象棋机器人下棋时要求识别正确、定位精确的要求,提出了一种基于视觉的中国象棋棋子识别定位技术解决方案。通过对校正后图像应用字符分割、Moravec算子提取字符特征和BP网络算法,实现了棋子的正确识别;把所识别棋子的图像坐标转换成实际棋盘坐标,实现了棋子的准确定位。定位试验结果表明:应用该解决方案的象棋机器人系统能正确识别所有棋子,棋子定位误差在1cm范围以内,最大误差百分比为5.468%,最小误差百分比为0.533%,可以较好地满足象棋机器人的定位要求。(本文来源于《清华大学学报(自然科学版)》期刊2013年08期）
棋子识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对中国象棋机器人系统中棋子识别问题,提出了一种基于目标轮廓与骨架特征的棋子识别算法。首先,采用Hough圆检测进行棋子粗定位及预处理。随后,对单幅棋子图像进行形态学处理,提取最大面积轮廓,并利用其最小外接圆进行定位修正。最后,对定位修正后的棋子图像提取其外轮廓与内骨架,计算其Hu矩作为特征向量,并利用支持向量机(SVM)进行识别。以直径为25 mm的棋子为测试对象,利用象棋机器人采集图像进行测试,结果表明,棋子平均识别率在99%以上,平均识别时间为20 ms,完全满足现有象棋机器人需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
棋子识别论文参考文献
[1].韩燮,赵融,孙福盛.基于卷积神经网络的棋子定位和识别方法[J].激光与光电子学进展.2019
[2].郭晓峰,王耀南,周显恩,钱珊珊.基于目标轮廓与骨架特征的棋子识别算法[J].电子测量与仪器学报.2018
[3].郭晓峰,王耀南,周显恩,尹阿婷,赵辉平.中国象棋机器人棋子定位与识别方法[J].智能系统学报.2018
[4].曹国强,张京龙,尹航.基于凸包特征象棋棋子识别系统设计[J].黑龙江大学自然科学学报.2017
[5].刘汉,宋鹏云,邵杰.动态比较识别棋子的方法[J].电脑迷.2017
[6].段云涛,李倩,申玮.基于视觉的人机交互下棋系统中棋子定位及识别技术研究[J].计算机与数字工程.2015
[7].娄联堂,钱磊,段汕,贺兴.基于视频图像理解的中国象棋棋子识别[J].中南民族大学学报(自然科学版).2014
[8].王殿君.基于视觉的中国象棋棋子识别定位技术[J].清华大学学报(自然科学版).2013