33 results
Search Results
Now showing 1 - 10 of 33
Item 影像穩定化技術在智慧型運輸系統的應用(國立臺灣師範大學研究發展處, 2002-04-??-) 梁祐銘; 陳世旺; 廖弘源; You-Ming Liang, Sei-Wang Chen, and H. Y. Mark Liao本論文針對影像視覺在智慧型運輸系統的應用，提出影像穩定化(image stabilization) 的技術。本研究主要目的在補償固定型交通監控系統之攝影器材因晃動而造成不穩的影像序列。在固定型影像穩定化技術中，可以分成三步驟：運動的估算(motion estimation)，總體運動的分析(global motion analysis)及影像的補償(image compensation)。我們提出k 階投射比對(k-order projection matching)方法，結合方塊比對(block matching)來作運動的估算，前者可以解決當影像含有小角度旋轉的時候，仍可精確地估測運動速度；在第二步驟中我們利用仿射運動模組(affine motion model)來作整體運動的分析，以解決影像含有位移及旋轉的情形；最後利用運動模組的反轉換來還原不穩的影像序列。利用模擬影像及真實影像的實驗結果皆顯示本文所提的技術之可應用性。Item 整合探索學習與概念圖在網頁化教學與學習之研究(I)(2001-07-31) 張國恩; 宋曜廷; 陳世旺本文提出一個Web-based合作探究學習系統，以全球資訊網(World Wide Web, WWW)為知識探究來源，利用探究性問題去引導學生思考以進行探究，再利用概念構圖法讓學生去建構屬於自己的知識，並且在學習過程中，讓學習者溝通彼此所收集到的證據、學習者的個人想法以及所建立的個人概念圖，達到互助合作、資訊分享的目的。為了有效整合探究學習策略、合作學習策略與概念圖知識表徵法於WWW上，本文也提出適用於網路上的合作探究學習模式及學習活動。針對所提出的合作探究學習模式及學習活動，本文設計實驗以探討學生在網路上的合作探究學習之學習歷程。Item 屬性化概念圖的模糊評量(中華民國科學教育學會, 1998-03-01) 張國恩; 林水成; 潘宏明; 陳世旺; Chang, Kuo-En; Lin, Shui-Cheng; Pan, Hung-Ming; Chen, Sei-Wang一張概念圖是由許多命題（propositions）所組成，而每個命題包括兩個概念（concepts）及他們之間的聯結語，因此一張概念圖描述著某一知識內容中概念問的相互連結關係。然而不同的概念與聯結語在一知識主題（knowledge domain）中扮演著不同的角色，其重要性當然會有所不同。因此本文提出一種屬性化概念圖（attributed concept map）的觀念，也就是對概念圖中每一概念及聯結語給予一權值代表其重要性。假設專家或老師已經建構好一張屬性化概念圖，我們稱它為專家概念圖。我們提出一種以模糊集合理論為基礎的評量方式（或稱模糊評量）。將學生建構的概念圖與專家概念圖比對，來評估學生對某一知識主題的了解程度。實驗顯示以屬性化概念圖為主的模糊評量在合理性、穩定性上均有顯著的改進，結果也顯示此方法是可行的。Item Automatic Urban Road Segmentation(國立臺灣師範大學研究發展處, 2006-10-??-) 鍾允中; 王俊明; 張祥利; 陳世旺; Yun-Chung Chung, Jung-Ming Wang, Shyang-Lih Chang, and Sei-Wang Chen自動都市馬路區塊擷取於電腦視覺影像處理的應用上是非常重要的，舉例而言，交通流量偵測、交通監控、以及事件偵測等都需要這項技術為基礎。自動都市馬路區塊擷取可以提供影像中有效的路面區域，避免物件偵測程式浪費不需要的運算於非路面區域，並且可以減少錯誤偵測的發生。本論文中所提出自動都市馬路區塊擷取方法使用了模糊與陰影集（fuzzy-shadowed sets）的方法來自動判斷路面的區域。本論文所提出的方法包括以下四個主要步驟：背景自動產生、前景物的偵測、背景黏貼法、路面定位。由實驗的結果中顯示，本論文所提出的方法在許多實際路面影像處理應用上都有良好的結果。Item 測驗化知識診斷系統-以類神經網路製作(1995-07-01) 張國恩; 陳世旺本論文使用類神經網路結構建置迷失概念診斷系統,系統能根據學生的反應來判斷學生的迷失概念。學生答錯問題,可能是有單一迷失概念,亦有可能有多重迷失概念;對於多重迷失概念的區分,系統能決定最恰當的題目來輔助判斷。至於診斷迷失概念所採用的方法,本論文有提出一套新的見解,新理論的思考角度跟以往的理論不同,另外亦說明了新理論的實施細節。為了考驗新理論是否真的能夠提高診斷迷失概念的功效,本論文選擇測試的領域是基本電學。首先分析基本電學領域的迷失概念,並且設計適當的題目,使題目之間的診斷功能相異。然後讓一些高中生作這些題目,根據學生的答案,以面談的方式來確認學生真正的迷失概念。本論文基本上是設計出一個以類神經網路為架構的通用迷失概念診斷系統,亦即能針對各種不同領域來動態調整神經元數目。系統會根據特定領域的迷失概念集合而自動產生每一層的神經元,然後訓練產生各個神經元間的神經鍵值,這對於通用性而言是很有幫助的。Item A Vision-Based Traffic Light Detection System at Intersections(國立臺灣師範大學研究發展處, 2002-04-??) 鍾允中; 王俊明; 陳世旺; Yun-Chung Chung, Jung-Ming Wang, and Sei-Wang Chen十字路口紅綠燈自動偵測系統為發展以視覺為基礎之道路交通違規偵測系統之重要基礎，例如闖紅燈違規、紅燈違規左右轉或暫停於禁止臨時停車位置等違規都需要紅綠燈的資訊。這類型的視覺系統由於是架設於室外開放的環境，因此必須要能夠克服天氣、陰影、光線明亮度變化以及架設位置不固定等相關的問題。我們希望能夠研究出一個以視覺為基礎之十字路口紅綠燈自動偵測系統，可以提供紅綠燈的訊息資料，而不需與紅綠燈控制信號箱有實體的連線，本系統所偵測的紅綠燈訊號即可配合其他智慧型交通運輸系統(ITS)做後續處理。本系統首先產生背景影像，並藉以判斷明亮度值—分辨白天或黑夜。其次採用HSI彩色模式配合模糊Morphology技術處理來取得可能的紅綠燈位置。配合空間與時間上的限制條件，將不合理的候選區域去除，即可將紅綠燈的位置、大小與轉換時間偵測出來。Item 電腦化概念圖在科學學習上之應用研究(I)(1999-07-01) 張國恩; 陳世旺; 宋德忠Item Automatic Urban Road Segmentation(國立臺灣師範大學研究發展處, 2006-10-??) 鍾允中; 王俊明; 張祥利; 陳世旺; Yun-Chung Chung, Jung-Ming Wang, Shyang-Lih Chang, and Sei-Wang Chen自動都市馬路區塊擷取於電腦視覺影像處理的應用上是非常重要的，舉例而言，交通流量偵測、交通監控、以及事件偵測等都需要這項技術為基礎。自動都市馬路區塊擷取可以提供影像中有效的路面區域，避免物件偵測程式浪費不需要的運算於非路面區域，並且可以減少錯誤偵測的發生。本論文中所提出自動都市馬路區塊擷取方法使用了模糊與陰影集（fuzzy-shadowed sets）的方法來自動判斷路面的區域。本論文所提出的方法包括以下四個主要步驟：背景自動產生、前景物的偵測、背景黏貼法、路面定位。由實驗的結果中顯示，本論文所提出的方法在許多實際路面影像處理應用上都有良好的結果。Item 高速公路上鄰近移動車輛之動向偵測(國立臺灣師範大學研究發展處, 2002-10-??-) 陳佳珮; 方珮瑤; 陳世旺; Chia-Pei Chen, Chiung-Yao Fang, and Sei-Wang Chen本篇主要為應用影像技術在偵測在高速公路上鄰近車輛的動向。系統主要分為三個部份：感覺分析器（sensory analyzer）、知覺分析器（perceptual analyzer）與概念分析器(conceptual analyzer)。感覺分析器可找出影像中移動的物體，主要為鄰近的車輛；知覺分析器則是利用STA (spatial-temporal attention)類神經網路模組繪出移動的鄰近車輛之移動方向，也就是注意力圖像(attention maps)，並將所得到的注意力圖像分割為五個視窗，以便偵測到不同位置的障礙物；概念分析器則是針對各個視窗分別利用CART (configurable adaptive resonance theory) 類神經網路來做分類。最後利用決策產生器模組中的模糊理論整合各個CART類神經網路的分類以輸出分類結果。在實驗結果中，我們提出數個例子以驗證我們的方法。Item 漸進式交通標誌辨識系統(國立臺灣師範大學研究發展處, 2002-10-??) 顏珮珊; 方瓊瑤; 陳世旺; Pei-Shan Yen, Chiung-Yao Fang , and Sei-Wang Chen本文主要目的在發展一套以人類視覺系統的形態辨識過程為基礎的漸進式交通標誌辨識系統，當系統接收到車載型攝影機拍攝到的連續影像時，交通標誌偵測模組立即被啟動，以模擬人類透過注意力集中的方式，很快且正確地偵測出影像中交通標誌的所在位置並分辨出它的種類（如紅色禁止標誌、紅色警告標誌等），然後交給辨識模組進行辨識的工作。但是，交通標誌偵測模組偵測出影像中的交通標誌時，此時交通標誌可能因距離車子還很遠，導致影像特徵不足而使交通標誌辨識模組無法做出最正確的辨識。因此，本系統先以僅有的物件特徵對交通標誌做粗略的猜測，同時系統繼續搜集更多的影像特徵，不斷地修正錯誤的猜測，直到辨識出交通標誌的類別為止。實驗結果證實這個辨識方法不但具可行性及擴充性，亦可套用在其它辨識方面的應用。