本文關(guān)鍵詞：高校網(wǎng)上閱卷系統(tǒng)的研究與開發(fā)

  更多相關(guān)文章： 網(wǎng)上閱卷 圖像處理 傾斜校正 圖像配準 客觀題識別

【摘要】：國內(nèi)以考試作為知識掌握水平的鑒定手段,并以考試的形式選拔人才。高校網(wǎng)上閱卷系統(tǒng)是將傳統(tǒng)閱卷流程與新興技術(shù)相結(jié)合而形成的一種閱卷方式,它將數(shù)字圖像處理技術(shù)與計算機網(wǎng)絡(luò)技術(shù)相結(jié)合,其以較高的閱卷公平公正性、較低的試卷評分誤差、方便的閱卷過程監(jiān)控、高效的閱卷速度、有利于試卷存儲和管理等特點為考試領(lǐng)域帶來重大變革,從而得到了社會的廣泛關(guān)注與支持。高校網(wǎng)上閱卷系統(tǒng)的主要功能是將數(shù)字試卷圖像存入指定的位置,再識別并獲取相應的圖像信息,提取出試卷圖像中包含的考生個人信息及考生試卷答案信息。本文對已存在的網(wǎng)上閱卷系統(tǒng)進行了綜合分析,并著重關(guān)注了其在運行過程中出現(xiàn)的各種異常情況,結(jié)合用戶的需要,提出一種適合高校的網(wǎng)上閱卷方式,此方式在提高閱卷速度的基礎(chǔ)上不僅降低主觀因素對試卷評分的影響,而且使閱卷人員在閱卷時具有更靈活的空間。本文分析比較了網(wǎng)上閱卷系統(tǒng)涉及到的計算機圖像處理技術(shù)。對各種傾斜檢測算法、邊緣檢測算法、圖像匹配算法的優(yōu)勢與不足進行了比較系統(tǒng)的分析。對考生試卷的傾斜角檢測采用初檢測與深度檢測相結(jié)合的方法。初檢測主要針對傾斜程度較小的試卷圖像進行處理,深度檢測主要處理一些出現(xiàn)嚴重偏差的試卷圖像。此種方法以傾斜檢測的準確度作為首要目標,并兼顧檢測速度。在考生試卷與標準試卷進行匹配的過程中,采用粗匹配與精匹配相結(jié)合的方法。在粗匹配過程中出現(xiàn)的嚴重偏差試卷會進行重新定位處理,以保證處理精度。在客觀題識別過程中,通過在識別范圍內(nèi)檢測選項邊緣,確定選項位置,并且計算選項區(qū)域像素值,從而實現(xiàn)客觀題答案的識別。在閱卷結(jié)束后,系統(tǒng)會自動對成績進行匯總,并且顯示成績明細,做到及時反饋學生學習以及教師教學情況。
【關(guān)鍵詞】：網(wǎng)上閱卷 圖像處理 傾斜校正 圖像配準 客觀題識別
【學位授予單位】：石家莊鐵道大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：G434;TP391.41
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 課題研究背景與意義8-9
• 1.2 網(wǎng)上閱卷的研究與發(fā)展現(xiàn)狀9-11
• 1.3 論文的主要研究內(nèi)容11-12
• 1.4 論文結(jié)構(gòu)安排12-14
• 第二章 試卷圖像的預處理14-21
• 2.1 引言14
• 2.2 去噪14-17
• 2.3 二值化17-20
• 2.4 本章小結(jié)20-21
• 第三章 圖像傾斜校正21-41
• 3.1 引言21
• 3.2 圖像邊緣檢測21-27
• 3.2.1 圖像邊緣檢測步驟21-22
• 3.2.2 圖像的邊緣檢測方法22-26
• 3.2.3 幾種圖像邊緣檢測算法的效果比較26-27
• 3.3 幾種傾斜角經(jīng)典檢測方法27-31
• 3.3.1 傾斜角度檢測方法27-31
• 3.3.2 傾斜檢測效果比較31
• 3.4 傾斜檢測算法流程31-34
• 3.5 圖像旋轉(zhuǎn)校正34-38
• 3.5.1 圖像旋轉(zhuǎn)34-36
• 3.5.2 圖像的插值36-38
• 3.6 試卷圖像傾斜校正算法流程38-40
• 3.7 本章小結(jié)40-41
• 第四章 試卷圖像配準41-53
• 4.1 圖像匹配42-48
• 4.1.1 基于特征的圖像匹配方法42-43
• 4.1.2 常用的幾種主要的圖像特征43
• 4.1.3 基于灰度圖像的匹配算法43-47
• 4.1.4 圖像匹配算法的比較47-48
• 4.2 試卷圖像模板匹配算法流程48-50
• 4.3 試卷圖像信息識別50-52
• 4.3.1 標準試卷信息識別51
• 4.3.2 考生試卷信息識別51-52
• 4.4 本章小結(jié)52-53
• 第五章 系統(tǒng)設(shè)計與開發(fā)53-65
• 5.1 系統(tǒng)應用需求53-55
• 5.2 功能分析55-57
• 5.3 系統(tǒng)流程與設(shè)計57-60
• 5.4 系統(tǒng)部分界面展示60-64
• 5.5 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 參考文獻67-72
• 致謝72-73
• 個人簡歷、在學期間的研究成果及發(fā)表的學術(shù)論文73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 任麗莉;封建;陳丹;;對偏光圖像的預處理分析[J];長春師范學院學報(自然科學版);2008年02期

2 韓曉勇;張海軍;;中巴資源衛(wèi)星-02星CCD圖像條紋噪聲消除方法研究[J];南陽師范學院學報;2009年03期

3 張大治;;規(guī)定放大率刑事檢驗圖像的快速制作方法[J];四川警察學院學報;2010年02期

4 張靜娜;邱明國;李懿;桑林瓊;王莉;張曄;;圖像空域增強實驗教學方法研究[J];中國科教創(chuàng)新導刊;2014年07期

5 陳杏連;;淺淡用Photoshop選擇圖像的技巧[J];職業(yè);2011年S1期

6 陳俊紅;劉霞;;淺析Photoshop中圖像的選取方法[J];教育教學論壇;2013年16期

7 李志煥;吳福全;陳君;崔祥霞;;基于新型螺旋相位濾波器提高圖像邊緣增強對比度的方法[J];泰山學院學報;2012年06期

8 魯靜;吳士泓;;標清電視圖像轉(zhuǎn)為高清電視圖像的插值算法[J];湖北第二師范學院學報;2011年08期

9 唐琴;董建國;皮智謀;;炭素材料X射線圖像的小波融合增強方法研究[J];湖南工業(yè)職業(yè)技術(shù)學院學報;2006年01期

10 李婷雪;;基于亮度守恒假設(shè)的火災圖像運動特征提取[J];沈陽大學學報(自然科學版);2013年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域濾除方法[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術(shù)年會論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅(qū)動板[N];電子報;2003年

8 ;令挑剔的人也刮目相看[N];中國電子報;2001年

9 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計算機報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術(shù)研究[D];國防科學技術(shù)大學;2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學技術(shù)大學;2014年

3 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學;2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學;2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2014年

6 楊小義;圖像特征識別算法及其在聾人視覺識別中的應用研究[D];重慶大學;2015年

7 王玉明;SAR圖像地雷場檢測技術(shù)研究[D];國防科學技術(shù)大學;2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學;2015年

9 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學;2014年

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 鄭露萍;圖像二階微分特征提取及人臉識別應用研究[D];昆明理工大學;2015年

2 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學;2015年

3 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學;2015年

4 王雨婷;基于林火圖像特征的火險識別系統(tǒng)研究與設(shè)計[D];東北林業(yè)大學;2015年

5 胡海鋒;基于激光散斑圖像的零件表面粗糙度測量[D];南京信息工程大學;2015年

6 王鑫;基于CT圖像的肺結(jié)節(jié)檢測方法研究[D];長春工業(yè)大學;2015年

7 何建斌;基于IPCS的醫(yī)學圖像網(wǎng)絡(luò)考試系統(tǒng)的設(shè)計與研究[D];廣東技術(shù)師范學院;2015年

8 宋小潞;基于大氣物理模型的單幅圖像去霧算法研究[D];華南理工大學;2015年

9 盧永樂;基于查找表的圖像逆半調(diào)模板選擇方法研究[D];湖南工業(yè)大學;2015年

10 武翔宇;基于圖像的接觸網(wǎng)支柱檢測與編號識別[D];西南交通大學;2015年

，

本文編號：599882