義守大學資訊工程學系學位論文
義守大學,正常發行
選擇卷期
- 學位論文
為了因應與日俱增的多媒體資料，人們不斷探討如何有效對多媒體資料進行管理與檢索。過去相關研究大多著重在二維影像及三維模型上，但隨著日益增加的RGB-D 影像資料，檢索方法仍顯得有所不足，因而開發相關檢索技術以利於搜尋已是刻不容緩的工作。本研究即以Kinect 感測裝置所取得的RGB-D 影像為來源，探討如何從點雲資料萃取同時具備色彩與幾何之特徵，並以此為基礎設計新的物件檢索方法。為了展現執行成效，實際建立測試平台以驗證其實際成效。
- 學位論文
影像分割技術是電腦視覺最重要的基礎之一，舉凡圖像檢索、圖形辨識、機器視覺等領域，要先有好的分割技術才能有效進行後續的檢索與辨識工作。傳統的影像分割方法主要根據影像中的彩色資訊為基礎，但隨著平價RGB-D攝影機日益普及，讓我們有了新的影像分割方式。本文採用Kinect攝影機所得到的彩色與深度資訊搭配來進行影像分割，首先對彩色影像進行初步分割，接著使用彩色搭配深度資訊來作鄰近區塊的合併以得到最終的分割成果。藉由深度資訊來彌補以往只單靠顏色作分割的不足，並得到效果合宜的成果。
- 學位論文
單向雜湊函數在實際應用上有著相當多的用途，例如能夠將使用者通行碼以其產生之訊息摘要並加以保護儲存，也可在資料儲存與傳輸上能夠確保資料的完整性。常用之單向雜湊函數多有安全疑慮，在MD5與SHA-0陸續被破解，以及SHA-1也出現理論上的破解後，雖然美國國家標準局隨後推出SHA-2，但SHA-2與上述雜湊函數所使用的結構函數相似，因此NIST透過雜湊函數競賽在2012年10月選出了Keccak，並在2015年8月發布新型單向雜湊函數SHA-3。本論文探討SHA-3之內部狀態與結構並利用NIST亂數測試標準檢測SHA-2與SHA-3之訊息摘要的安全性，分析不同亂數測試的結果，並依照雪崩效應定義檢測兩者所產生之訊息摘要的結果。SHA-2與SHA-3皆通過統計測試之檢測，而在雪崩效應之檢測方面，經過統計後皆呈現常態分布。雖然SHA-2因為結構上有疑慮但經過實驗檢測後還是具有一定的安全性，而SHA-3屬於較新的雜湊函數，在經過同樣的實驗檢測後，同樣具有相當的安全性。
- 學位論文
Grain串流加密家族是屬於輕量級的串流加密，能在有限的硬體環境中實現，它是歐洲 eSTREAM 最終入選3個硬體面向實現的串流加密演算法之一。主要設計理念是基於兩個移位暫存器和一個非線性輸出函數組成，因此可以透過增加額外的硬體，提升執行速度。 本論文針對其兩個版本Grain 和Grain-128加以探討，並透過NIST SP 800-22a亂數統計測試驗證其串流金鑰的隨機性。 Grain 除了較無法抵抗窮舉攻擊之外，在亂數測試標準中有未通過的現象，這也表示他的隨機性較有疑慮，Grain-128 則通過所有測試，證明其安全性也相對較高。
- 學位論文
施行了二十多年的全民健康保險制度，如今因為財務困難，以及其衍生的相關問題，而面臨了某種程度的困境。「全民健康保險研究資料庫」收納了全民健康保險自民國84年開辦以來，全國百分之九十以上民眾的所有就醫資料。因此，本研究以中央健康保險署委託國家衛生研究院建置之「全民健康保險研究資料庫」為研究材料，採用「階層線性模式（Hierarchical Linear Modeling, HLM）」的概念，對全民健康保險醫療費用進行分析，列舉影響全民健康保險醫療費用的因素，進行迴歸分析，進而提供減少醫療資源浪費的相關建議，以及做為日後制定相關改革政策時的參考。 首先自國家衛生研究院建置之「全民健康保險研究資料庫」中「2010年承保抽樣歸人檔」、「門診處方及治療明細檔」、「2013年基本資料檔」、「專科醫師證書主檔」及「醫事人員基本資料」等檔案擷取研究資料，再以Microsoft Access 2010進行「全民健康保險研究資料庫」文字檔資料之轉檔，以IBM SPSS Statistics 20進行初步之統計分析，最後以HLM 7.0進行迴歸分析。使用之HLM分析模型包括：零模型、以平均數為結果的迴歸模型、隨意係數迴歸模型、以截距與斜率為結果的迴歸模型、以及追蹤性研究的階層線性模式分析模型。 本研究建構之模型，包含醫師及病患兩階層，並分別列舉醫師及病患的特質（例如：年齡、性別）作為預測變項，進行階層線性模式分析。研究結果發現，病患層級的年齡與性別，以及醫師層級的年齡、執業科別與執業狀況，對門診醫療費用的給付點數有顯著的影響。並藉此提出相關建議，例如：對特定族群宣導相關的健康促進活動，或是對醫師的養成教育實施一些精進的措施，希望能減少不必要醫療費用支出，使有限的醫療資源能夠獲得最大的效益。
- 學位論文
相機校正在影像處理與電腦視覺領域的相關議題中一直扮演著重要的角色，常見的校正方法分為內部校正以及外部校正，兩種皆是為了取得相機的參數，用在影像變形還原，常應用在機器手臂、測量距離等。藉由相機外部參數轉換將真實3D世界座標上的座標資訊轉換成相機影像座標，接著用內部參數將相機影像座標轉換成影像座標，成為一張2D平面影像，而取得這些相機參數屬於最佳化問題，因此我們希望結合粒子群最佳化演算法，提升校正的效果。 本論文參考Open CV 提供的相機校正演算法，實驗的相機是使用約170˚廣角鏡頭相機SJCAM-SJ4000，我們對棋盤格校正板拍攝實驗所需的測試用圖，再分別找出影像中的棋盤格角點座標即我們所謂影像座標，與我們預設的世界座標下去計算出實驗相機之相機參數，含內部參數 、鏡片扭曲參數 、外部參數 ，我們欲使用粒子群最佳化演算法對於這些參數再進行估算，現階段我們考慮先針對鏡片扭曲參數進行估算，期望可以得到較佳的參數使校正後的結果與原始結果相比會有改善。
- 學位論文
隨著科技的發展，相機的類型及應用變的更多元，而為了拍攝較大的範圍，許多應用上會選擇使用有廣角類型鏡頭的相機，但其取得的影像往往有較嚴重的徑向形變，若要採用這些影像做進一步的應用，如計算物體距離等等，其結果可能就會受到形變的影響。所以影像校正是必要的，其技術近年也一直是熱門的研究議題，但目前的校正成果仍可做進一步改善，尤其是在影像四周部分。 本篇論文內容主要即是使用粒子群最佳化演算法(PSO)微調相機校正中的影像校正參數，以Python程式使用套件OpenCV裡的相機校正系列指令，就可計算出內部參數、外部參數、形變資料等等相機參數，而其中用來重建影像的位置映射矩陣(Mapx、Mapy)就是PSO的調整目標；而在考慮廣角鏡頭的特性下，我們假設影像僅受徑向形變影響，根據其特性及一些實驗顯示，我們可利用極座標轉換使PSO調整目標的維度降低，並且在這個方法下，我們可只對影像四周形變較為嚴重的地方進行調整，目前實驗結果皆可降低一般用來評估相機校正成果的Re-projection Error值。
- 學位論文
近年來，無人飛行載具（Unmanned Aerial Vehicle，UAV）發展蓬勃，從早期的軍事應用，到現今已廣泛用於民生用途，將各式各樣的工作及任務交由無人飛行載具必為一股趨勢。無人飛行載具不須駕駛員，所以他能在環境較為險惡的地方執行飛行任務。在軍事上，無人飛行載具可用來偵查、監視、導航等用途。而在民間則能用來收集氣象資料、交通巡邏、噴灑農藥等任務。不過使用無人飛行載具執行任務時，還是需要駕駛員操控遙控器甚至還要有一名拍攝手來協助機上攝影機的控制及拍攝。 目前在飛機上的自動飛行主要都是依賴全球定位系統（Global Positioning System，GPS）不過這種感測器與影像資訊無關，必須事先知道任務目標的座標資訊才能進行設定，無法在飛行中自動辨認目標進行追蹤。所以本研究的目的則是將物件追蹤的技術應用在無人飛行載具上，由機上攝影機所拍攝的影像中自動搜尋一個已知顏色及形狀的特定目標。本研究使用HSV色彩空間描述目標之顏色特性，以顏色過濾符合條件的像素，之後再使用區塊偵測（Blob Detection）算出目標物之重心，再以遠端遙控或使用機載上樹莓派進行追蹤。其中研究範圍還有包含無人飛行載具與地面控制站以及影像傳輸之連結，使之能於地面控制站顯示資料及對無人飛行載具進行控制。
- 學位論文
因應我國近年來國人口快速老化趨勢、長期照顧需求人口數劇增，國發會於2012年所公布推估人口統計資料中顯示， 2018年時台灣65歲以上老年人口將占總人口數比例約14.6%，在2025年將達20%，約屆2040年時，比例將達到30%。因為在照護資源開發的急迫性及需求性，政府於 104年5月制定「長期照顧服務法」(衛生福利部網站)，朝向多元發展、普及可負擔之服務，保障接受服務者與照顧者尊嚴及權益。 為整合各類長照服務內容、人員管理、機構管理、被照護者權益等資源，使失能者得到更適當的照護與保護。本研究利用文獻計量學的方法，將收錄橫跨33000多種期刊及資料回溯時間為1900年之久的Web of Science資料庫，依據期刊名、關鍵字、摘要及全文資料，進行文獻探勘，利用Citespace及VOSviewer的聚類分析技術（Cluster analysis）和製圖（Mapping）功能，透過國家、機構、作者引文關係及作者及文獻、期刊的共被引關係、關鍵詞共現關係分析，以向量空間模型來展現長期照護的知識結構和内在的變化，改善傳統文獻計量技術，以更豐富的視角、絢爛的色彩、清晰的圖形呈現研究結果。並將整體的及各節點間關係權重，透過聚類算法（Cluster）與整合資料庫中文獻數據，以多樣化的映射技術和數據分析功能，後製成圖樣化的形式。 研究結果透過知識可視化圖譜分析，展示長期照護領域的核心作者與先驅作者之間的相互關係，熱門的研究主題之學術結構和發展狀況，並顯示出長期照護研究領域在不同時期的發展歷程及變化。本研究提供了對長期照顧政策的目標及推動原則之瞭解，以利長期照護專業人員掌握前趨研究領域的全景樣貌，最後提出因應管理之道及相關資源配置之參考。
- 學位論文
傳統的立體影像生成經常使用多台彩色攝影機拍攝而成，隨著各式各樣深度擷取設備的上市，使用彩色與深度影像成為立體影像生成的另一途徑。在生成過程中，容易因視點遮蔽或反射材質等問題而產生空洞。本研究以RGB-D攝影機取得彩色與深度影像為基礎，探討生成立體影像之技術並對空洞進行填補。首先深度影像經過前處理後，將深度影像與彩色影像採用深度繪圖法，分別生成左右眼影像。接著，將左右眼影像運用改良後的修補方法修復空洞，並利用頭戴顯示器觀看修補後的左右眼影像，以驗證其立體成效。