一、嵌入式CCD视频图像采集系统（论文文献综述）
黄璋[1]（2021）在《光学玻璃力学特性的智能化测量方法研究》文中提出针对现有光学玻璃相关力学参数人工测量过程较为复杂、智能化程度较低等问题,提出了光学玻璃力学参数的智能化测量方法,主要研究内容如下:一是提出了一种利用计算机图像处理技术快速测量小样品光学平板玻璃力学特性的方法。首先利用接触力学理论和牛顿环干涉理论,理论推导出测量光学玻璃力学特性的解析式;其次利用图像处理技术的优势,通过摄像头拍摄牛顿环干涉图像,基于MFC框架设计开发了牛顿环图像采集和力学特性计算的软件,实现牛顿环干涉图像中心黑斑半径的自动化测量;最后根据光学玻璃力学特性与牛顿环干涉图像中心黑斑半径及牛顿环中心应力之间的关联关系,实现小样品光学玻璃力学特性的快速测量。实验结果表明,在应力31.17N～55.11N范围内,光学玻璃弹性模量的测量相对误差不超过±8.8%;在应力55.11N～71.07N范围内,光学玻璃弹性模量的测量相对误差不超过±16%。二是开展了基于嵌入式系统的光学玻璃力学特性测量应用研究。首先是搭建嵌入式系统硬件平台,选用x210v3开发板,内核版本号为Cortex-A8,处理器芯片是S5PV210,摄像头选用USB接口的CMOS摄像头,网卡芯片为DM9000,以及配置所需要的OTG接口、串口等。其次是嵌入式系统软件设计,建立交叉编译工具链编译出ARM端所需要的程序;U-Boot移植用来初始化硬件设备和引导加载Linux内核;Kernel移植用来配置软件驱动所需要的开发环境和挂载根文件系统的;构建根文件系统用来对后续软件开发所需要不同功能的文件以及库进行存储的;搭建tftp服务器和nfs服务器进行文件的下载和传输;搭建ARM Qt开发环境进行图形化用户界面的开发,编译和安装OpenCV库以及其依赖库进行图像处理。然后是视频图像数据采集模块,基于V4L2和OpenCV设计出牛顿环视频图像采集程序,对于所采集到的YUYV格式的图像进行格式转换到RGB24以便于牛顿环视频图像显示,在Qt下设计出基于V4L2和OpenCV的牛顿环视频图像显示和光学玻璃力学特性的计算界面。最后是功能测试,对基于嵌入式系统下光学玻璃力学特性的开发环境和系统功能进行测试,验证了其系统设计的可行性。
翟浩原[2]（2021）在《基于嵌入式平台及双光谱成像的可用于电力自动巡航检测的系统研究》文中研究表明随着我国基础建设的快速发展,电网已经遍布我国的绝大多数地区。高压输电线路上的绝缘子等部件因常年暴露在外而经受各种自然界的侵蚀,常常会出现破损、老化等问题,继而对电力系统产生不必要的损失。而由于我国国土面积十分辽阔,许多输电线路都架设在山川、沼泽等地形十分复杂的地方,且往往处于几十米到上百米的高空,这些因素都对电力巡检提出了相当大的考验。传统的人工电力巡检方法因为其极低的巡检效率、高昂的人工成本以及极高的安全隐患,已经渐渐的不能满足当前的电力巡检需求。由于无人机在飞行时可快速的飞过各种复杂地形,且可以完全实现巡检人员的远程作业,无人机电力巡检方法在工作效率、人工成本以及安全性上要远远的高于传统的人工电力巡检方法。对此,本文以输电线路的异常电晕放电原理为理论基础,以海思半导体公司的嵌入式处理器为平台,设计并研发了基于嵌入式系统及双光谱成像的可用于电力自动巡检的系统。（1）针对绝缘子异常电晕放电的情况,本文提出了针对日盲区紫外光图像的电晕放电位置检测方法。通过二值化分割、形态学滤波、连通域标记等图像处理算法对日盲区紫外光的光斑图像进行离散光斑的抑制,并提出了电晕放电情况判断流程,来进一步排除掉微弱放电情况时的紫外光光斑图像,最后计算出电晕放电的大致位置,并标记在可见光通道的图像上。不仅如此,本文利用图像处理的方法直接将可见光与日盲区紫外光的图像进行融合,使放电的情况更加直观的反映在可见光通道的图像上。最后在搭建的嵌入式平台上进行实验证明,电晕放电位置检测功能以及双光谱图像融合功能具有十分优秀的实时性以及抗干扰能力,其中电晕放电位置检测每帧的运算时间为:无目标时1.5ms左右,存在目标时16.5ms到18ms之间。图像融合每帧的运算时间为4.0ms到4.9ms之间。（2）针对电力巡检中的目标识别问题,本文提出了针对绝缘子及输电杆塔的目标识别方法,利用YOLOv3网络模型,对绝缘子的图片以及电力铁塔的图片进行了训练,然后通过模型转换成功的移植到了海思嵌入式平台,并针对嵌入式平台处理能力不足的问题,设计了针对嵌入式平台优化的目标识别功能。最后通过在搭建的嵌入式平台上进行实验证明,视频输出的帧率为每秒25帧,目标识别框体刷新速率为每秒12帧。该功能的输电杆塔识别准确率为90.27%,绝缘子识别准确率为93.44%。（3）针对当前电力巡检领域的需求,本文设计了双模式的系统基础框架。该系统利用双光谱图像采集系统分别对可见光以及日盲区紫外光进行采集,视频信号在嵌入式系统中以两种不同的方式进行处理和输出。第一种方式为MIPI液晶屏可视化输出,用于手持模式下的使用,第二种方式为经H.264编码后利用以太网进行输出,用于未来无人机负载模式时与无人机进行通信。
王艳杰[3]（2020）在《便携式耳鼻喉科通用接口电子内窥镜图像处理器设计与实现》文中研究指明电子内窥镜系统是微创医学的重要装备,其图像处理器设计是核心关键技术,也是研究热点。随着集成电路及嵌入式软件系统的发展,图像处理器向着更通用、更高数据吞吐率、更便携的方向发展。以耳鼻喉科对电子内窥镜系统的需求为例,急诊时需要方便接入多种内窥镜,出诊时需要系统轻便易携带。因此,能同时接入电子鼻咽喉镜、麻醉喉镜等多种电子内窥镜的便携式图像处理器成为设计重点。本文对已有产品性能特点和未来发展趋势进行分析,提出了 一种便携式耳鼻喉科通用接口电子内窥镜图像处理器的设计方案,克服了常规内窥镜系统笨重、不灵活、扩展性差的弊端,具有重要研究意义和应用价值。本论文采用先进的28nm HKMG低功耗工艺制作的ARM架构嵌入式平台,以及新版Linux 3.4.39内核对上述临床医学需求进行方案设计。所选平台具有小尺寸、低功耗、视频处理能力强的特性,适合实现便携式医用电子内窥镜图像处理器。在通用视频输入接口设计方面,本文针对主流的DVP、MIPI、USB接口图像传感器,研发了高效率的视频流软件架构及驱动软件,设计了专用视频流框架,为实现视频的高速低延迟处理,设计了多硬件共用视频缓冲区的方案,实现了多种视频输出接口的软件设计。综上,论文实现了高清720p、200万像素及500万像素多种图像传感器的接入,以及视频实时显示、冻结、拍照、录像、回放、照片浏览、文件管理等功能,以触摸屏控制的方式实现人机交互。本系统所实现的双屏显示功能,也符合现行主流电子内窥镜图像处理器的使用方式。最后,在满足系统通用输入接口及实时图像处理的设计目标基础上,进一步探索了图像分辨率损失度和编码比特率,以及编码帧率的关系,在系统延迟性、图像压缩质量、图像解码还原度等方面做了优化,并对评价内窥镜系统的其他重要参数进行了定量测试分析。本文针对便携式耳鼻喉科电子内窥镜图像处理器的临床医学需求,研发了基于嵌入式处理器的开源驱动模型,并实现了图像压缩的进一步优化,这为未来驱动框架、系统软件和像质分析等相关研究工作的进一步开展打下了良好的基础。
任永平[4]（2019）在《反无人机系统中目标探测跟踪技术研究》文中提出反无人机系统广泛应用于反恐治安、空中管制及隐私安全等方面,现有的反无人机系统主要着眼于防御和攻击需求,因其体积庞大,在移动作战过程中易于暴露自己,而且在遮挡情况下误警率较高。本论文针对局部低空防务需求,开展小型化、高精度的反无人机目标探测跟踪系统研究,以小型四旋翼无人机为研究目标,结合视觉注意机制开发目标检测方法,对叶簇背景设计目标跟踪与轨迹预测算法,并借助于达芬奇硬件平台进行验证。主要研究内容包括以下四个方面:1)设计光电成像技术方案。通过分析探测器的作用距离,研究像元尺寸和分辨率之间的关系与目标在光学系统中的成像过程,并结合探测器的光谱响应特性,完成探测系统的器件选型,构建了适用于低空反无人机目标探测跟踪系统的光电成像技术方案。2)开展无人机目标检测方法研究。通过分析对比3类经典的显着性检测模型,研究了色彩空间模型及小波函数特性,综合考虑图像的局部和全局对比度特征,改进了基于小波分析的显着性检测方法。实验结果表明,在XYZ色彩空间sym2小波显着性检测方法的精确率、召回率和F值均高于其他5种小波。3)设计了目标跟踪及轨迹预测算法。基于滤波技术和遮挡判别策略,对叶簇场景下目标遭受全局遮挡而产生的跟踪漂移问题,引入了融合卡尔曼滤波的时空上下文跟踪算法。实验结果表明,改进算法的平均成功率相对于原算法提高了 14.9%,中心位置误差精度提高了 6.8个像素。4)研究了嵌入式算法移植技术。以DM6446达芬奇平台的软件架构为基础,搭建了系统运行环境。根据算法设计流程,依次配置并生成了算法的Codec包、DSP服务器以及Codec引擎,开发了基于时空上下文目标跟踪算法的应用程序。经验证嵌入式目标跟踪系统的处理速度最低为13帧/s。通过实验验证,本论文构建的反无人机目标探测跟踪系统实现了系统的小型化设计,同时达到了提高跟踪成功率和目标定位精度的预期目标,在低空防务需求中具有重要的工程意义。
蔡蓬勃[5]（2019）在《矿用救援机器人音视频采集系统的研究与设计》文中研究表明煤矿事故发生后,井下环境错综复杂,气温升高,爆炸性混合物浓度增大,环境极其不稳定,随时都可能发生冒顶和二次爆炸事故,救援队员贸然进入事故现场实施救援会对救援人员生命安全构成巨大威胁。因此,研发可以替代救援人员进入事故现场探测环境的矿用救援机器人对救援工作具有重要意义。课题来源于重庆多朋科技有限公司的ZRK矿用救援机器人横向课题。本文针对ZRK救援机器人定制设计一套音视频采集系统,以满足井下黑暗环境机器人的视觉和听觉需求,采集井下音视频数据并回传至救援指挥中心,为制定救援方案提供重要参考依据。通过对系统的需求分析,对比不同的方案,最终选用了以S5PV210为平台的音视频采集方案。矿用救援机器人音视频采集系统以模块化思想设计,由处理器单元、视频单元、音频单元、通信单元和供电单元等组成。针对井下实际情况,视频单元采用高灵敏度、大尺寸1/2MCCD摄像头搭配波长为850nm的第三代点阵式红外LED的主动视频采集技术实现低照度视频采集,选用低功耗的TVP5150视频编码芯片对摄像头输出的PAL制式电视信号进行模数转化和亮色分离,输出标准的ITU-R BT601数字视频信号供S5PV210处理器压缩和远传;音频单元选用WM8960音频编解码器对电容式驻极采集的模拟电信号进行采样、量化和编码,通过IIS接口将数字音频数据传送给S5PV210处理器处理。供电单元设计了反接、瞬态抑制、过流和过压保护电路,采用“Buck+LDO”的方式实现电压的转换,降低功耗,提高系统稳定性。系统提供USB接口、串口和以太网/WIFI接口,方便数据的上传、下载和远传。系统电路安全按照本质安全技术原理设计,满足矿用电气设备的防爆要求。系统测试结果表明,本文设计的音视频采集系统功耗小于7.5W,能够实现一般环境及全黑环境下的音视频的采集、处理、存储和远传,黑暗环境下可视距20m,满足矿用救援机器人音视频采集系统的设计目标,具有一定的实用价值。
黄梦龙[6]（2019）在《基于ARM Cortex-A53的图像处理系统研究》文中指出随着科技的不断进步,数字图像处理的应用已经普及到千家万户,使人们的生活变得越来越便捷。早期实现的图像处理系统均是基于桌面PC机,而其图像处理系统存在较多约束,主要依赖于软件操作,且便携性较差。本文采用基于Cortex-A53架构的S5P6818处理器以及Linux实时操作系统,构建实时图像处理系统,该系统能够进行实时图像采集、图像处理以及运动目标检测与跟踪等功能,同时可以实现联网,易于携带。论文在图像处理系统及图像处理算法方面的研究工作如下:（1）根据系统功能以及开发成本的需求,对各硬件模块选型。系统以X6818bv3开发板为核心连接外围硬件模块,构建系统硬件平台。（2）图像处理系统移植了uboot、Linux操作系统、根文件系统以及视频服务器等软件,建立了系统运行软件平台,保证系统应用程序的正常执行,实现图像采集和图像处理的功能。（3）图像处理系统的应用程序可分为图像采集和图像处理两部分。在Qt Creator集成开发环境中编写图形界面程序,实现视频图像显示、jpeg图像保存、图像增强以及边缘检测等功能,并且增添了远程监控功能。（4）本文针对传统的ViBe算法在前景检测过程中存在光照变化敏感以及检测率较低等问题,提出了基于ViBe算法的改进算法,并选取样本进行对比,算法在视频图像运动目标的检测过程中能够有效解决检测率低的问题,且对不同的光照强度具有较好的抑制性。图像处理系统包括软硬件平台的搭建以及应用程序的设计。论文的研究内容为基于ARM图像处理系统平台的搭建及其应用奠定了坚实的理论和技术基础。图41幅,表1个,参考文献64篇。
蒋平帆[7]（2019）在《生物视觉计算模型的硬件实现技术研究》文中研究指明随着科技的不断发展,视频已经作为重要的信息载体应用于各个领域。但是摄像头在采集视频图像的过程中非常容易受到外界环境的干扰,使得视频图像质量下降,不能清晰地呈现出图像信息,从而对后续的图像处理以及分析带来不利影响。伴随着生物视觉科学的发展,基于生物视觉机理的仿生智能算法可以很好的解决这类图像问题,但是目前该类算法大多在PC机上进行实验仿真,便携度低、效率低,并且没能很好地应用到实际生产生活中。目前,半导体技术和硬件电路工艺正在高速发展,市面上涌现出许多高性能的芯片和硬件平台,如何将生物视觉计算模型应用在小型硬件平台上,并且能够对低质量的视频图像进行实时增强处理将具有非常重要的实际意义。本文首先介绍了视网膜中的主要结构和两条视觉信息通路:垂直信息通路和水平信息通路,根据视网膜中两条信息通路对视觉信息的处理机制,建立一个适当模型,用来实时增强逆光或者弱光等情况下拍摄的低质量视频图像。根据目前存在的一些芯片和硬件平台的特点,本文分别选择了基于ARM的嵌入式硬件平台和基于FPGA的硬件平台来实现本文提出的生物视觉计算模型。对于ARM平台,本文采用NVIDIA公司生产的Jetson-TX2硬件嵌入式平台来实现算法模型,利用Linux内核中V4L2多媒体框架搭建一个对摄像头实时采集的视频图像进行实时处理的框架,然后将生物视觉计算模型移植到该框架中,最终在基于ARM的硬件平台上实现对视频图像的实时增强处理。对于FPGA硬件平台,本文采用Altera公司生产的高性能芯片,利用Verilog硬件描述语言设计了视频图像实时增强处理系统的电路与逻辑框架。针对FPGA特殊的计算特点以及内部架构,本文对算法模型进行合理的量化处理。由于电路中存在一定的热噪声,所以对视频图像进行生物视觉计算模型处理之后,还对视频图像进行了中值滤波。最后利用SignalTapII逻辑分析仪检测本系统中视频图像的输出时间,结果表明本系统能够对低质量的视频图像进行实时增强处理。
张坚[8]（2019）在《基于机器视觉的移动机器人定位系统设计》文中研究说明随着科学技术的快速发展,基于视觉传感器的定位方式,以其灵活性、高精度、快速性、非接触等独特优势,正慢慢成为解决移动机器人自主定位问题的主流。然而,国内移动机器人视觉定位系统的应用水平较低,并存在准确性、鲁棒性、实时性不足的问题。针对以上研究现状,本文从应用的角度出发,设计了一种基于Apriltag标签的单目视觉定位方案。首先利用Opencv在Windows上完成算法的设计与实现;然后,使用CCS对图像处理算法进行移植与优化;最终在嵌入式DSP平台DM8148上实现视觉定位功能,具体工作如下:一、依据系统的性能需求与工作场景,本文确定了基于点特征的单帧单目视觉定位方案。并完成标签确定、相机选型、DSP选型等工作,实现系统的硬件搭建。二、分析视觉定位的理论依据,构建闭环坐标系系统,并详细研究了P4P算法的定位原理。分别利用Zhang算法和Tasi算法完成对相机内参数和手眼参数的标定工作。三、对比多种滤波算法的特点后,使用高斯滤波算法完成图像预处理。在对边缘点进行梯度聚类后,利用加权最小二乘法拟合线段,快速实现了边缘线段的亚像素级检测。利用深度优先算法搜索构成四边形的线段序列,并计算线段交点来提取角点。在对四边形完成解码识别后,利用P4P算法实现定位,并设计“相对世界坐标系”实验分析系统的定位精度。四、利用C语言化、Emcv移植、Opencv重写等方法对图像处理算法进行移植,并从组件层面、C层面、汇编层面对算法进行优化,最终在嵌入式DSP平台实现基于机器视觉的移动机器人定位。
周勇[9]（2018）在《嵌入式居家监视系统的研究与设计》文中研究表明视频监视已成为人们生活中的重要组成部分。随着计算机技术、网络技术、图像处理技术的不断发展,视频监视系统逐渐向多功能集成化、网络管理化、操作便捷人性化等方面融合。顺应物联网技术的发展,嵌入式应用在智能家居中日益深入,针对居家安防设计出低成本、易操作、网络化的视频监视系统市场前景广阔。本文采用S3C2440A核心处理器,并搭载嵌入式Linux操作系统,对居住家庭内部区域进行视频监视的研究与设计。首先对系统核心处理器进行了选型,然后围绕核心处理器,对存储电路、外设接口电路、温湿度检测模块电路、气体检测模块电路以及电源电路、进行了分析设计。以系统硬件为基础,并基于Red Hat交叉编译平台,针对具体的S3C2440A核心处理器型号,对U-Boot、Linux内核、Yaffs根文件系统进行了相应的修改、配置、编译生成了对应的可执行镜像文件,然后将生成的镜像文件依次加载到S3C2440A的主控板中,构建了Linux操作系统。并在操作系统基础上对DM9000网卡驱动、摄像头驱动进行了开发移植,完成了系统软件平台的搭建。为实现用户与S3C2440A主控板之间的人机交互:（1）基于B/S架构,采用HTML网页编程技术,对Web网页主界面进行设计;采用Java Applet应用程序,对网页中动态视图的交互操作进行设计;采用CGI技术,对网页中用户安全认证登录进行设计。由HTML、Java Applet以及CGI三大技术,完成了系统Web网页的视频监视。（2）基于B/S架构,采用V4L2接口驱动、TCP/IP传输协议、JPEG压缩技术,对室内监视区域进行了视频图像数据的采集、传输、压缩处理,并通过mjpg-streamer视频服务器对视频数据进行最终处理,将处理后的视频数据流通过网线传送到PC机浏览器中,完成了居家有线网络视频监视的设计。（3）通过S3C2440A主控板的USB接口,接入AR9271无线网卡模块,并移植相关驱动程序,完成了手机用户或PC机用户通过Wi Fi网络登录浏览器,对家庭内部区域进行无线视频监视。本文设计的具有B/S模式的嵌入式网络监视系统,用户能够通过web浏览器,方便的对居家环境进行监视,对室内区域进行实时监视。系统采用可移植性强的Linux操作系统开发完成,在系统基础上进行扩展,可方便的实现智能家居系统。本系统对居家安防监视系统具有实际的参考意义。
孙刚[10]（2018）在《基于DSP的医用视频采集与传输系统的研究与设计》文中进行了进一步梳理随着当今社会的发展,科学技术已经渗透到了各个领域,极大便利了人们的生活,尤其是将科技应用于医疗中,对人们的健康更是有着非常重要的意义。手术视频作为医疗中重要的教学、总结和交流手术经验的资料,能够完整清晰保存下来显得尤为重要,然而现有的设备中经常会出现视频得不到很好的采集、存储和传输的问题,甚至存在运动模糊等情况。针对以上问题,本文设计了基于DSP的高清视频采集与传输系统。该系统能实现1080P高清视频的采集,并针对医疗手术视频采集过程中产生的运动模糊图像进行去模糊的算法研究。本设计所做的工作主要如下:首先,通过对当前流行的几种视频采集与传输系统的比较,介绍了 Hi3516A芯片,进而通过传感器的选择,确定了以Hi3516A+IMX302为核心的系统架构,最终通过此架构,给出了系统的整体设计方案。其次,为满足设计要求,搭建了基于DSP的整体硬件平台,设计部分分成四大模块,分别为电源模块,视频输入模块,视频核心处理模块和视频传输模块。其中,电源模块主要是针对各个模块所需要的电源进行设计,通过不同芯片的电平转换,满足各个模块不同的电源需求;输入模块主要是对索尼公司的IMX302 CMOS传感器与Hi3516A芯片的接口进行设计;核心的处理模块是以Hi3516A芯片为核心,对其外围的电路进行扩展设计,主要包括对JTAG调试模块,存储模块,时钟复位模块以及USB模块的设计;视频传输模块中通过选用HDMI接口,用来实现可传输无压缩的高质量及高速的1080p高清视频。然后,针对系统软件方面,通过安装Hi3516A的SDK,完成对系统的嵌入式交叉编译环境的搭建,进而完成了对U-boot的编译、Linux内核的移植、根文件系统的制作以及整个软件环境的设计。最后对整个软硬件环境进行搭建,完成了整个视频采集与传输系统的系统设计。最后,针对医疗视频产生的运动模糊问题,通过实验分析比较三种运动去模糊算法,最终选择RL复原法;通过对小波去噪分析的实验与分析,最后确定了先以小波阈值去噪然后通过RL迭代复原的算法作为医疗视频去运动模糊的整体算法方案。
二、嵌入式CCD视频图像采集系统（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、嵌入式CCD视频图像采集系统（论文提纲范文）
（1）光学玻璃力学特性的智能化测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状及发展趋势 |
| 1.2.1 光学玻璃弹性模量测量方法研究现状 |
| 1.2.2 光学玻璃弯曲刚度测量方法研究现状 |
| 1.2.3 光学玻璃泊松比测量方法研究现状 |
| 1.2.4 研究进展 |
| 1.3 论文主要研究内容及章节安排 |
| 2 系统整体设计方案及实现框架 |
| 2.1 设计方案 |
| 2.2 实现框架 |
| 3 应用牛顿环测量光学玻璃力学特性的研究 |
| 3.1 牛顿环测量原理 |
| 3.2 接触力学理论及其在牛顿环测量方面的应用 |
| 3.3 光学玻璃力学特性测量公式推导 |
| 3.3.1 光学平板玻璃弹性模量测量公式推导 |
| 3.3.2 光学平板玻璃弯曲刚度测量公式推导 |
| 3.3.3 光学平板玻璃泊松比测量公式推导 |
| 3.4 光学玻璃力学特性智能化测量的实验装置 |
| 3.5 光学玻璃力学特性智能化测量的实验研究 |
| 3.5.1 测量牛顿环光干涉图样的黑斑像素面积 |
| 3.5.2 标定图像单位像素对应的实际长度值 |
| 3.5.3 牛顿环光干涉图像中心黑斑半径的测量 |
| 3.5.4 通过计算机获取标准牛顿环的图像 |
| 3.6 光学玻璃力学特性测量的实验数据 |
| 3.7 实验结果分析 |
| 4 光学玻璃力学特性的嵌入式系统研究 |
| 4.1 嵌入式系统概述 |
| 4.1.1 嵌入式系统简介 |
| 4.1.2 嵌入式系统的特点 |
| 4.1.3 嵌入式系统的结构 |
| 4.2 系统开发环境介绍 |
| 4.2.1 硬件开发环境 |
| 4.2.2 软件开发环境 |
| 4.3 嵌入式系统硬件平台 |
| 4.3.1 硬件平台总体架构 |
| 4.3.2 处理器芯片的选取 |
| 4.3.3 硬件结构分析 |
| 5 嵌入式系统下牛顿环图像采集及数据处理设计 |
| 5.1 嵌入式系统软件设计 |
| 5.1.1 交叉编译环境的搭建 |
| 5.1.2 U- Boot移植 |
| 5.1.3 Kernel移植 |
| 5.1.4 根文件系统构建 |
| 5.1.5 tftp服务器和nfs服务器的搭建 |
| 5.1.6 ARM Qt开发环境搭建 |
| 5.1.7 Qt Creater |
| 5.1.8 OpenCV库的移植 |
| 5.2 基于V4L2 的视频图像采集系统 |
| 5.2.1 V4L2 简介 |
| 5.2.2 V4L2 视频图像采集 |
| 5.3 基于V4L2和OpenCV的牛顿环视频采集系统的设计 |
| 5.4 图像格式的转换 |
| 5.5 Qt下牛顿环视频采集和计算界面的实现 |
| 5.6 功能测试 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）基于嵌入式平台及双光谱成像的可用于电力自动巡航检测的系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景和意义 |
| 1.2 国内外研究现状概述 |
| 1.2.1 无人机电力巡检国内外研究现状 |
| 1.2.2 多传感器电力巡检国内外研究现状 |
| 1.2.3 针对输电线路的目标识别国内外研究现状 |
| 1.3 论文研究内容及组织架构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文组织架构 |
| 1.4 本章小结 |
| 2 针对日盲区紫外光图像的电晕放电位置检测方法 |
| 2.1 架空输电设备的异常电晕放电原理 |
| 2.2 日盲区紫外光图像的预处理 |
| 2.2.1 日盲区紫外光图像的二值化分割 |
| 2.2.2 日盲区紫外光图像的形态学滤波 |
| 2.3 日盲区紫外光二值图像的连通域标记 |
| 2.4 电晕放电情况的判断流程 |
| 2.5 日盲区紫外光图像的质心求取 |
| 2.6 日盲区紫外光图像电晕放电位置检测方法的实现及硬件加速 |
| 2.7 双光谱图像融合设计与实现 |
| 2.8 本章小结 |
| 3 针对绝缘子及输电杆塔的目标识别方法 |
| 3.1 基于深度学习的目标识别原理 |
| 3.1.1 卷积神经网络 |
| 3.1.2 YOLOv3算法 |
| 3.2 针对嵌入式平台优化的绝缘子及输电杆塔目标识别方法 |
| 3.2.1 针对卷积特征图的上采样实现 |
| 3.2.2 YOLOv3模型的训练与移植 |
| 3.2.3 模型的读取与系统参数初始化 |
| 3.2.4 基于NNIE模块的目标识别线程的设计与实现 |
| 3.2.5 基于VGS模块的目标标记线程的设计与实现 |
| 3.3 本章小结 |
| 4 双模式电力巡检设备基础框架设计 |
| 4.1 双光谱图像采集系统的设计 |
| 4.2 嵌入式开发平台的选择 |
| 4.3 双模式电力巡检设备多媒体模块的设计 |
| 4.3.1 双光谱视频信号的采集 |
| 4.3.2 手持模式下人机交互界面的实现 |
| 4.3.3 手持模式下视频信号的可视化输出 |
| 4.3.4 无人机负载模式下视频信号的编码 |
| 4.3.5 无人机负载模式下视频信号的以太网输出 |
| 4.4 本章小结 |
| 5 实验验证与结果分析 |
| 5.1 实验平台的搭建以及实验内容的设计 |
| 5.1.1 实验平台的搭建 |
| 5.1.2 实验内容的设计 |
| 5.2 实验验证 |
| 5.2.1 实验准备 |
| 5.2.2 视频融合效果及运算速度实验验证 |
| 5.2.3 电晕放电位置检测效果验证 |
| 5.2.4 针对输电杆塔及绝缘子的目标识别实验验证 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（3）便携式耳鼻喉科通用接口电子内窥镜图像处理器设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 2 系统方案与硬件设计 |
| 2.1 系统结构介绍 |
| 2.2 采集前端方案 |
| 2.3 处理后端方案 |
| 2.3.1 基于DSP的后端处理方案 |
| 2.3.2 基于FPGA的后端处理方案 |
| 2.3.3 基于ARM的后端处理方案 |
| 2.4 系统硬件设计 |
| 2.4.1 MIPI输入接口电路设计 |
| 2.4.2 LVDS显示接口电路设计 |
| 2.5 本章小结 |
| 3 开发环境搭建与系统总体软件设计 |
| 3.1 开发环境搭建 |
| 3.2 软件总体设计 |
| 3.3 系统各部分界面展示及功能介绍 |
| 3.4 本章小结 |
| 4 系统软件功能设计 |
| 4.1 系统驱动分析与设计 |
| 4.1.1 Linux设备驱动总述 |
| 4.1.2 Linux设备驱动模型 |
| 4.1.3 触摸屏与按键驱动的设计与实现 |
| 4.1.4 摄像头IIC驱动的设计与实现 |
| 4.1.5 ION驱动实现与分析 |
| 4.1.6 视频显示有关驱动分析 |
| 4.2 视频流架构设计 |
| 4.2.1 系统专用视频流框架设计 |
| 4.2.2 视频共用缓冲区设计 |
| 4.3 视频采集显示与冻结功能的实现 |
| 4.4 视频编解码与拍照功能的实现 |
| 4.4.1 H.264标准及VPU介绍 |
| 4.4.2 视频H.264编码功能实现 |
| 4.4.3 视频H.264解码功能实现 |
| 4.4.4 JPEG拍照功能实现 |
| 4.5 双屏显示功能的实现 |
| 4.6 本章小结 |
| 5 系统性能测试与分析 |
| 5.1 系统不同接口镜头成像效果测试 |
| 5.2 双屏显示效果测试 |
| 5.3 系统显示时延测试与分析 |
| 5.4 系统编解码性能测试 |
| 5.4.1 编码耗时测试 |
| 5.4.2 图像还原度之分辨率测试 |
| 5.4.3 图像还原度之色差测试 |
| 5.5 摄像系统关键性能评估 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（4）反无人机系统中目标探测跟踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外反无人机系统及技术研究现状 |
| 1.2.2 运动目标检测研究现状 |
| 1.2.3 运动目标跟踪研究现状 |
| 1.3 论文研究内容及章节安排 |
| 2 光电成像目标探测跟踪系统构建 |
| 2.1 系统技术指标及总体方案 |
| 2.1.1 光电成像探测跟踪系统技术指标 |
| 2.1.2 光电成像探测跟踪系统总体方案 |
| 2.2 光电成像探测跟踪系统硬件构成 |
| 2.2.1 探测器选取 |
| 2.2.2 主控制器选取 |
| 2.2.3 显示单元选取 |
| 2.3 本章小结 |
| 3 基于视觉注意机制的目标检测技术 |
| 3.1 视觉注意机制概述 |
| 3.2 经典显着性检测模型 |
| 3.2.1 基于局部对比度的检测模型 |
| 3.2.2 基于全局对比度的检测模型 |
| 3.2.3 基于局部和全局对比结合的检测模型 |
| 3.3 基于小波分析的目标显着性检测模型 |
| 3.3.1 CIE XYZ色彩空间模型 |
| 3.3.2 小波函数特性 |
| 3.3.3 显着图解算模型 |
| 3.4 显着性检测结果分析 |
| 3.4.1 定性分析 |
| 3.4.2 定量分析 |
| 3.5 本章小结 |
| 4 目标跟踪及轨迹预测技术 |
| 4.1 时空上下文目标跟踪算法 |
| 4.1.1 空间上下文模型 |
| 4.1.2 时空上下文目标跟踪策略 |
| 4.1.3 实验结果分析 |
| 4.2 融合Kalman滤波的时空上下文算法 |
| 4.2.1 遮挡判别策略 |
| 4.2.2 轨迹预测算法 |
| 4.2.3 改进的STC目标跟踪算法 |
| 4.2.4 实验结果及分析 |
| 4.3 评价指标 |
| 4.4 本章小结 |
| 5 基于嵌入式框架的目标探测跟踪技术 |
| 5.1 DM6446 软件架构及开发环境搭建 |
| 5.1.1 软件架构 |
| 5.1.2 系统开发环境搭建 |
| 5.1.3 软件开发流程 |
| 5.2 STC算法Codec包封装及生成 |
| 5.2.1 STC算法库封装 |
| 5.2.2 配置生成Codec Package |
| 5.3 配置并生成DSP服务器 |
| 5.3.1 DSP服务器和DSP/BIOS配置 |
| 5.3.2 生成DSP Server |
| 5.4 ARM端应用程序开发 |
| 5.4.1 配置集成Engine |
| 5.4.2 应用程序多线程设计 |
| 5.5 实验搭建及结果分析 |
| 5.5.1 实验环境搭建 |
| 5.5.2 实验结果及分析 |
| 5.6 本章小结 |
| 6 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（5）矿用救援机器人音视频采集系统的研究与设计（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 矿用救援机器人国内外发展现状 |
| 1.2.2 视频采集系统发展现状 |
| 1.3 本文主要内容与章节安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文章节安排 |
| 2 关键技术研究 |
| 2.1 ARM嵌入式技术 |
| 2.1.1 ARM嵌入式简介 |
| 2.1.2 Cortex-A8 内核和S5PV210 处理器 |
| 2.2 视频采集技术 |
| 2.2.1 低照度视频采集 |
| 2.2.2 图像传感器 |
| 2.2.3 辅助光源 |
| 2.2.4 模拟视频信号采集原理 |
| 2.2.5 ITU-R BT601/656 标准 |
| 2.3 音频采集技术 |
| 2.3.1 音频采集原理 |
| 2.3.2 数字音频接口 |
| 2.4 本质安全技术 |
| 2.4.1 本质安全技术概述 |
| 2.4.2 最小点燃能量和临界点燃曲线 |
| 2.4.3 简单电路的本质安全设计方法 |
| 2.5 本章小结 |
| 3 音视频采集系统总体设计 |
| 3.1 救援机器人平台介绍 |
| 3.2 系统需求分析 |
| 3.3 系统总体方案设计 |
| 3.4 本章小结 |
| 4 音视频采集系统硬件设计与实现 |
| 4.1 核心板及外围接口输出 |
| 4.2 低照度视频采集硬件设计与实现 |
| 4.2.1 摄像头选型 |
| 4.2.2 基于TVP5150 视频编解码电路 |
| 4.2.3 辅助光源与照度采集电路 |
| 4.3 音频采集硬件设计与实现 |
| 4.3.1 驻极体话筒接口与选型 |
| 4.3.2 基于WM8960 音频电路 |
| 4.4 其他功能单元硬件设计与实现 |
| 4.4.1 显示器件选型与接口电路 |
| 4.4.2 存储单元接口电路 |
| 4.4.3 通信单元设计与实现 |
| 4.4.4 复位电路 |
| 4.4.5 串口与USB接口电路 |
| 4.5 供电电路的本质安全设计与实现 |
| 4.5.1 保护电路设计 |
| 4.5.2 本质安全型Buck供电电路设计 |
| 4.5.3 本质安全型LDO电路设计 |
| 4.6 印制电路板的本质安全设计 |
| 4.6.1 印制电路板布局 |
| 4.6.2 印制电路板上的印制线 |
| 4.7 本章小结 |
| 5 系统测试 |
| 5.1 电气性能测试 |
| 5.2 系统功能测试 |
| 5.3 系统性能参数测试结果 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 课题总结 |
| 6.2 课题展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于ARM Cortex-A53的图像处理系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 论文章节结构 |
| 2 系统总体设计 |
| 2.1 系统功能分析 |
| 2.2 系统整体开发流程 |
| 2.3 系统硬件选型 |
| 2.4 系统软件选型 |
| 2.4.1 嵌入式操作系统的选择 |
| 2.4.2 引导加载程序的选择 |
| 2.5 本章小结 |
| 3 系统硬件平台搭建 |
| 3.1 X6818bv3 开发板简介 |
| 3.2 X6818bv3 开发板硬件资源 |
| 3.3 系统外围电路 |
| 3.3.1 电源管理模块 |
| 3.3.2 串口电路 |
| 3.3.3 SD卡模块 |
| 3.3.4 USB接口电路 |
| 3.3.5 LCD液晶屏与触摸屏接口 |
| 3.4 摄像头选型 |
| 3.5 本章小结 |
| 4 运动目标的检测与跟踪 |
| 4.1 预处理 |
| 4.2 运动检测 |
| 4.2.1 ViBe背景建模方法 |
| 4.2.2 ViBe算法的改进 |
| 4.2.3 前景检测后处理 |
| 4.2.4 质心特征提取 |
| 4.3 运动目标跟踪 |
| 4.4 运动动态模型 |
| 4.5 卡尔曼滤波跟踪 |
| 4.6 本章小结 |
| 5 系统软件平台搭建与应用程序设计 |
| 5.1 系统软件平台搭建流程 |
| 5.2 tftp及 ckermit安装配置 |
| 5.3 构建交叉编译环境 |
| 5.4 uboot移植 |
| 5.5 Linux内核配置与移植 |
| 5.6 根文件系统制作与nfs服务器搭建 |
| 5.7 Qt的安装与移植 |
| 5.7.1 宿主机Qt的安装 |
| 5.7.2 ARM版本Qt的编译与移植 |
| 5.8 OpenCV函数库移植 |
| 5.9 mjpg-streamer视频服务器移植 |
| 5.9.1 mjpg-streamer简介 |
| 5.9.2 视频服务器与客户端的通信 |
| 5.9.3 mjpg-streamer移植 |
| 5.10 系统应用程序设计 |
| 5.10.1 应用程序总体框架设计 |
| 5.10.2 主窗口设计 |
| 5.10.3 Qt多线程编程 |
| 5.10.4 视频图像显示 |
| 5.10.5 视频图像的保存 |
| 5.11 图像处理的实现 |
| 5.11.1 图像灰度化 |
| 5.11.2 图像二值化处理 |
| 5.11.3 图像平滑 |
| 5.11.4 图像增强 |
| 5.11.5 图像的边缘检测 |
| 5.12 宿主机应用程序测试 |
| 5.13 本章小结 |
| 6 系统测试 |
| 6.1 系统自启动 |
| 6.2 视频图像采集测试 |
| 6.3 图像处理算法测试 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者攻读学位期间发表学术论文清单 |
| 致谢 |
（7）生物视觉计算模型的硬件实现技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文内容和结构 |
| 第二章 生物视觉计算模型生理基础 |
| 2.1 视网膜基本结构 |
| 2.2 视网膜垂直通路 |
| 2.2.1 光感受器 |
| 2.2.2 双极细胞 |
| 2.2.3 神经节细胞 |
| 2.3 视网膜水平通路 |
| 2.3.1 水平细胞 |
| 2.3.2 无长突细胞 |
| 2.4 本章小结 |
| 第三章 生物视觉计算模型的ARM实现 |
| 3.1 ARM实现系统总体方案 |
| 3.1.1 Jetson-TX2 的简单介绍 |
| 3.1.2 Video For Linux2 框架 |
| 3.2 生物视觉计算模型 |
| 3.2.1 算法分析 |
| 3.2.2 算法仿真 |
| 3.3 生物视觉计算模型的Jetson-TX2 实现 |
| 3.3.1 摄像头输入图像格式选择 |
| 3.3.2 Jetson-TX2 视频图像处理开发流程 |
| 3.3.3 系统实现结果与分析 |
| 3.4 本章小结 |
| 第四章 生物视觉计算模型的FPGA实现 |
| 4.1 系统总体方案设计 |
| 4.2 视频输入模块 |
| 4.2.1 OV5640 摄像头模组 |
| 4.2.2 OV5640与FPGA进行通信 |
| 4.3 像素整合模块 |
| 4.4 视频缓存模块 |
| 4.5 视频图像格式转换模块 |
| 4.5.1 YUV图像格式与RGB格式 |
| 4.5.2 YUV422转RGB888 |
| 4.6 生物视觉计算模型的FPGA实现 |
| 4.6.1 水平细胞处理 |
| 4.6.2 归一化处理 |
| 4.6.3 双极细胞处理 |
| 4.6.4 中值滤波模块 |
| 4.7 视频输出模块 |
| 4.7.1 VGA简介 |
| 4.7.2 VGA显示模块 |
| 4.8 系统实现结果与分析 |
| 4.9 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的成果 |
（8）基于机器视觉的移动机器人定位系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景与来源 |
| 1.1.1 研究背景及意义 |
| 1.1.2 课题来源与功能需求 |
| 1.2 移动机器人视觉定位的国内外研究现状 |
| 1.3 主要研究内容与结构 |
| 1.4 本文的结构安排 |
| 2 单目视觉定位系统总体设计 |
| 2.1 系统定位方案概述 |
| 2.2 视觉系统定位方案设计 |
| 2.2.1 定位方案确定 |
| 2.2.2 单目定位系统的人工标签 |
| 2.2.3 视觉定位系统图像处理流程 |
| 2.3 单目视觉定位系统组成 |
| 2.3.1 移动机器人平台 |
| 2.3.2 视觉系统硬件组成 |
| 2.4 本章小结 |
| 3 单目视觉系统的定位原理与标定的实现 |
| 3.1 单目视觉定位基本原理 |
| 3.1.1 坐标系定义与转换 |
| 3.1.2 相机模型 |
| 3.2 定位算法原理 |
| 3.3 参数标定 |
| 3.3.1 相机内参数标定 |
| 3.3.2 机器人手眼标定 |
| 3.4 本章小节 |
| 4 单目视觉定位系统图像处理算法设计 |
| 4.1 图像滤波 |
| 4.1.1 图像噪声 |
| 4.1.2 图像滤波算法原理 |
| 4.1.3 图像滤波实验与分析 |
| 4.2 标签的边缘线段提取 |
| 4.2.1 霍夫边缘直线提取原理 |
| 4.2.2 标准霍夫变换直线检测实验与分析 |
| 4.2.3 累计概率霍夫变换直线检测实验与分析 |
| 4.2.4 聚类拟合式边缘检测算法 |
| 4.3 边缘四边形提取 |
| 4.3.1 四边形提取方法 |
| 4.3.2 边缘四边形提取实验 |
| 4.4 标签的识别以及定位实现 |
| 4.4.1 角点像素坐标提取 |
| 4.4.2 标签的解码识别 |
| 4.4.3 定位实现 |
| 4.5 定位系统实验 |
| 4.5.1 定位系统功能实验 |
| 4.5.2 定位系统性能实验 |
| 4.6 本章小节 |
| 5 基于嵌入式DSP平台的视觉定位算法实现 |
| 5.1 DM8148 介绍 |
| 5.2 开发环境搭建 |
| 5.2.1 CCS集成开发环境 |
| 5.2.2 SYS/BIOS系统 |
| 5.2.3 基于SYS/BIOS开发软件环境搭建 |
| 5.3 算法的移植 |
| 5.3.1 C++程序的C语言实现 |
| 5.3.2 EMCV移植 |
| 5.4 算法的优化 |
| 5.5 本章小结 |
| 6 总结 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）嵌入式居家监视系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 视频监视系统的发展 |
| 1.2.1 本地模拟信号监视系统 |
| 1.2.2 基于PC机的数字监视系统 |
| 1.2.3 嵌入式的网络视频监视系统 |
| 1.3 国内外研究现状 |
| 1.4 课题研究内容及论文结构安排 |
| 第二章 系统硬件平台设计 |
| 2.1 系统设计方案 |
| 2.1.1 系统硬件设计方案 |
| 2.1.2 系统软件设计方案 |
| 2.2 嵌入式处理器的选型 |
| 2.3 摄像头选型 |
| 2.4 存储电路设计 |
| 2.4.1 SDRAM设计 |
| 2.4.2 Flash存储设计 |
| 2.5 外设接口电路设计 |
| 2.5.1 以太网接口电路设计 |
| 2.5.2 摄像头接口电路设计 |
| 2.5.3 USB接口电路设计 |
| 2.5.4 串口电路设计 |
| 2.5.5 JTAG接口电路设计 |
| 2.6 温湿度检测模块电路设计 |
| 2.7 气体检测模块电路设计 |
| 2.8 报警模块电路设计 |
| 2.9 电源及复位电路设计 |
| 2.10 本章小结 |
| 第三章 系统软件平台的搭建 |
| 3.1 嵌入式系统选择 |
| 3.2 嵌入式Linux系统环境搭建 |
| 3.2.1 嵌入式交叉编译环境的搭建 |
| 3.2.2 U-Boot移植 |
| 3.2.3 Linux内核移植 |
| 3.2.4 YAFFS文件系统的移植 |
| 3.3 设备驱动开发 |
| 3.3.1 DM9000网卡驱动程序设计 |
| 3.3.2 摄像头驱动程序设计 |
| 3.4 本章小结 |
| 第四章 监视系统应用程序设计 |
| 4.1 基于B/S模式的网页界面控制设计 |
| 4.1.1 HTML网页编程设计 |
| 4.1.2 Java Applet应用程序设计 |
| 4.1.3 CGI编程设计 |
| 4.2 基于B/S模式的视频监视设计 |
| 4.2.1 视频采集设计 |
| 4.2.2 视频压缩设计 |
| 4.2.3 视频网络传输设计 |
| 4.3 无线WiFi视频监视设计 |
| 4.3.1 AR9271 无线WiFi模块 |
| 4.3.2 AR9271无线网卡驱动分析及移植 |
| 4.4 本章小结 |
| 第五章 系统测试 |
| 5.1 web网页监视界面测试 |
| 5.1.1 测试准备 |
| 5.1.2 网络通路及Boa服务器测试 |
| 5.1.3 web监视测试 |
| 5.2 视频监视测试 |
| 5.3 WiFi无线监视测试 |
| 5.4 本章小结 |
| 第六章 总结 |
| 参考文献 |
| 附录一 缩略语对照表 |
| 附录二 部分原理图 |
| 附录三 S3C2440A部分管脚分配 |
| 附录四 部分程序代码 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（10）基于DSP的医用视频采集与传输系统的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的背景 |
| 1.2 国内外研究现状 |
| 1.3 课题内容与论文结构 |
| 2 系统的整体方案 |
| 2.1 核心处理器的搭配和选择 |
| 2.2 Hi3516A简介 |
| 2.3 图像传感器技术介绍及选型 |
| 2.4 系统的整体设计方案 |
| 2.5 本章小结 |
| 3 系统的硬件设计 |
| 3.1 视频输入模块的设计 |
| 3.2 电源模块电路设计 |
| 3.3 视频核心处理模块 |
| 3.4 视频传输模块 |
| 3.5 设计结果 |
| 3.6 本章小结 |
| 4 系统软件平台及系统环境的搭建 |
| 4.1 软件开发环境的搭建 |
| 4.2 U-boot |
| 4.3 嵌入式linux内核 |
| 4.4 根文件系统的制作 |
| 4.5 媒体处理软件的开发 |
| 4.6 实验环境的搭建 |
| 4.7 本章小结 |
| 5 医疗视频图像去模糊算法应用 |
| 5.1 运动图像模糊的退化分析 |
| 5.2 运动图像模糊的退化模型 |
| 5.3 运动模糊图像复原的算法 |
| 5.4 小波分析去噪 |
| 5.5 整体算法实现 |
| 5.6 医疗视频去模糊的实验结果及评价 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的学术成果和获奖情况 |
四、嵌入式CCD视频图像采集系统（论文参考文献）
- [1]光学玻璃力学特性的智能化测量方法研究[D]. 黄璋. 西安科技大学, 2021(02)
- [2]基于嵌入式平台及双光谱成像的可用于电力自动巡航检测的系统研究[D]. 翟浩原. 浙江大学, 2021(09)
- [3]便携式耳鼻喉科通用接口电子内窥镜图像处理器设计与实现[D]. 王艳杰. 浙江大学, 2020(02)
- [4]反无人机系统中目标探测跟踪技术研究[D]. 任永平. 西安工业大学, 2019(03)
- [5]矿用救援机器人音视频采集系统的研究与设计[D]. 蔡蓬勃. 西安科技大学, 2019(01)
- [6]基于ARM Cortex-A53的图像处理系统研究[D]. 黄梦龙. 西安工程大学, 2019(02)
- [7]生物视觉计算模型的硬件实现技术研究[D]. 蒋平帆. 电子科技大学, 2019(01)
- [8]基于机器视觉的移动机器人定位系统设计[D]. 张坚. 南京理工大学, 2019(06)
- [9]嵌入式居家监视系统的研究与设计[D]. 周勇. 广西科技大学, 2018(03)
- [10]基于DSP的医用视频采集与传输系统的研究与设计[D]. 孙刚. 山东科技大学, 2018(03)