导读:本文包含了实时图像处理论文开题报告文献综述、选题提纲参考文献，主要关键词:图像处理,门阵列,实时,图像,害虫,可编程,特征。
实时图像处理论文文献综述写法
[1]（2019）在《图像处理功能完全集成在控制系统中——在PLC环境中编写机器视觉实时解决方案》一文中研究指出到目前为止,工业图像处理通常与传统控制技术还是分开的。它主要由专业工程师使用专用的工具和编程语言在专用的PC或智能相机上实现。但是以这种方式生成的图像处理解决方案不仅在工程和技术支持方面需要投入相当大的人力物力,而且它们几乎不可能与传统的工业控制系(本文来源于《国内外机电一体化技术》期刊2019年06期）
罗博峰[2]（2019）在《一种通过图像处理的实时车速计算改进模型》一文中研究指出车速检测是保证交通安全的重要手段。动态特征速度检测可以有效地分析汽车驾驶特性和交通流,有助于开发智能交通系统。雷达测速仪和激光测速仪成本相对较高,精度不够,只能测量一瞬间的速度。因此提出一种结合车辆特征点识别的快速图像车速检测方法。首先,筛选出车上的特征点,用一定的跟踪方式跟踪该点,再对获取到的图像进行逆透视变换,通过一定比例关系换算出实际速度。该系统实现了车辆速度的实时检测,有助于智能交通系统的研究。(本文来源于《计算机时代》期刊2019年10期）
蔡红维,谢福锋,甘朝虹[3]（2019）在《基于实时图像处理的运载火箭飞行特征事件判别方法研究》一文中研究指出随着数字图像处理技术的不断发展,实时图像处理成为可能;为了实时掌握运载火箭飞行状态,快速准确地判断飞行过程中运载火箭特征事件的发生情况,提出了一种基于实时图像处理的运载火箭飞行特征事件判别方法,作为辅助判别手段;同时,也给出了从图像传输、处理、判别方法一整套流程和方法;该方法能够实现50ms精度量级的事件判别能力,能够满足运载火箭实时飞行指挥决策需要,也可作为当前判别飞行特征事件的一种有效的辅助手段。(本文来源于《计算机测量与控制》期刊2019年09期）
李莉[4]（2019）在《EMCCD实时图像处理系统设计及FPGA实现研究》一文中研究指出在实时图像处理系统中,如何能够在有限时间中处理大量的数据信息,并且有效满足系统实时性需求,是需要人们尽快解决的问题。基于此,本文就满足系统模块化的设计思想需求,提出了基于EMCCD实时图像处理系统设计,将DSP和FPGA作为核心器件,实现相应硬件电路设计,并且在实时图像处理系统中使用高要求的跟踪算法。通过实验结果表示,设计的实时图像处理系统功能及性能能够满足预期需求,实用且可靠。(本文来源于《电子设计工程》期刊2019年13期）
孙增光,王士军,周永鑫,张临松,陈伟[5]（2019）在《基于图像处理的焊缝实时跟踪技术研究》一文中研究指出为了提高焊接产品质量及生产效率,改善工人恶劣的劳动条件,运用视觉传感器采集焊缝图像,实时传送至计算机中进行图像处理。提出了焊缝实时跟踪系统的原理,设计了合理的焊接机构。选用ABB IRB1410弧焊机器人,用RobotStudio软件建立了机器人焊接工作站。通过灰度线性拉伸法处理图像后,焊缝轮廓清晰,对比度明显提高。利用图像骨架法准确提取到焊缝中心线,设计了焊缝实时处理系统,可以快速地处理图像。在机器人焊接时,控制焊枪始终与焊缝中心对齐,即可以实现焊缝实时跟踪焊接。实验结果表明,得到的图像处理流程可靠,方法准确且适应性强,设计的焊缝实时跟踪系统应用广泛。(本文来源于《制造技术与机床》期刊2019年05期）
李文瑞[6]（2019）在《不同光照下基于ZYNQ的嵌入式实时图像处理》一文中研究指出数字图像处理系统主要通过计算机对图像进行处理,其中图像特征提取作为图像分割、图像匹配、目标跟踪和计算机视觉等复杂图像处理的前提与基础,一直是人们关注的热点。目前的嵌入式图像特征提取大都是采用PC机+图像采集卡的纯软件形式进行处理,在处理图像特征提取算法过程中需要花费很多时间,性价比不高。之后采用单核ARM、FPGA、DSP之间的组合导致系统复杂,未收到很好的效果。基于以上一系列的问题,本文使用Zynq芯片开发板,提出了一种全新的嵌入式图像特征提取系统思路。Zynq开发板结合了FPGA+ARM处理器,采用软件和硬件两者结合的方式进行图像特征提取的嵌入式系统处理,完成一系列实时图像处理系统设计的开发,Zynq利用FPGA并行处理的能力实现Sobel算法的处理,在ARM中移植了基于Debian9的嵌入式Linux操作系统,主要完成与FPGA的数据交互工作,完成对整个系统的控制功能。具体操作如下:(1)本文对图像特征提取进行边缘检测处理,根据系统实时性要求以及算法复杂程度上考虑选择Sobel算法作为本系统边缘检测算法,并且根据Zynq芯片技术,利用HLS高级综合工具将其算法打包成可以在嵌入式图像处理系统中应用的IP核;(2)本文采用外接OV5640摄像头在FPGA中实现图像采集,利用VIVADO工具构建基于Sobel IP核的硬件平台,本硬件平台最终目的实现图像采集、图像处理以及HDMI高清显示于一体的嵌入式系统;(3)在嵌入式硬件平台基础上,移植基于Debian9的Linux操作系统,最终实现了图像实时图像处理。文章最后在MZ7XA开发板上进行了系统的测试与分析,将搭建的应用程序从SD卡进行启动后实现了实时图像采集处理,然后采用静态方式分析对比了软硬件系统处理结果,对于同一幅1280*720的图像进行处理,本系统处理时间约为3.4ms,而软件处理时间为33.2ms,本系统在图像处理耗时方面是纯软件处理的10倍左右,所以在实际工程应用中本文构建的嵌入式图像处理系统具有很大的参考价值,最后分析了不同光照对于图像采集处理的结果有一定影响,只有合理的控制光照度,图像处理才可以有更佳的效果。(本文来源于《陕西师范大学》期刊2019-05-01）
罗慧[7]（2019）在《基于图像处理的储粮低密度虫害实时监测系统的研究》一文中研究指出我国粮食产量和库存连续多年保持高位,尽管国库储粮损失率维持较低水平,但由于储粮基数大,储粮损失依然十分严重。储粮害虫是造成储粮损失的主要原因之一,充分了解仓储害虫情况,是采集合理防治措施的基础。建立基于图像处理的储粮低密度虫害实时监测系统,对实时掌握仓储害虫情况,在低密度虫害感染阶段及时采取防治措施具有很高的实用价值。而目前对于此类系统研究较少,已有监测系统存在系统复杂、监测端移动性不足以及监测缺乏针对性等问题。本文采用云服务与Web技术,搭建基于图像处理的储粮低密度虫害实时监测系统,通过研究图像采集、图像处理与识别计数、云服务器搭建以及Web应用开发等问题,提高了系统监测的针对性,解决了目前监测系统复杂和监测端移动性不足的问题。本文的研究内容与主要结果如下:(1)储粮低密度虫害实时监测系统总体框架设计:依据监测系统的性能与功能需求,采用硬件终端、云服务器和Web客户端搭建系统总体框架,并将系统功能细分为图像采集、图像处理与识别计数、云服务器以及Web客户端四个模块。图像采集以及图像处理与识别计数功能在硬件终端实现,数据由无线网络传至云服务器存储;云服务器与硬件终端进行数据交换并响应Web客户端的请求,使用云存储与云数据库实现图像数据与其它数据的分离存储;Web客户端通过与用户的交互,允许用户登录后进行粮仓监管与参数设置等操作。(2)储粮低密度虫害实时监测系统的硬件设计与实现:选用树莓派3代B+型与第二代诱捕器组成系统硬件终端,用于害虫诱捕、图像采集、图像处理与识别计数。通过对第一代诱捕器的摄像头模块、光源位置、背景颜色与外形尺寸等方面的优化,制作的第二代诱捕器在树莓派控制下能采集到害虫轮廓清晰、明暗均匀、无谷物背景的高质量害虫图像。根据系统总体框架设计,对比不同型号树莓派参数,选用具有双频无线网卡(2.4 GHz/5.0 GHz)和最高CUP频率的树莓派3代B+型控制诱捕器,实现图像采集与处理以及数据传输。(3)储粮低密度虫害实时监测系统的软件设计与实现:以系统硬件为基础,系统软件实现了图像采集、图像处理与识别计数、云服务器以及Web客户端四个模块的功能。使用Fswebcam与Python实现树莓派控制诱捕器采集图像,并通过调整摄像头的亮度、对比度、高光度、伽马和饱和度参数值,采集到了视觉效果良好的害虫图像。通过Python调用OpenCV函数,比较了不同灰度化、滤波和阈值分割算法对害虫图像的处理效果,确定了剪裁、G分量灰度化、中值滤波、直方图双峰法阈值分割、闭运算的图像处理流程,利用害虫、芒、草籽的离心率差异实现了对害虫的计数。以亚马逊云服务的弹性计算云(Elastic Compute Cloud,EC2)作为云服务器的搭建平台,通过采用简单存储服务(Simple Storage Service,S3)与部署MongoDB数据库,实现图像数据与其它数据的分离式存储;通过Node.js搭建JavaScript运行环境,采用JavaScript作为服务器端脚本语言。Web客户端采用Angular构架搭建,通过组件、服务和模块的设置,结合超文本标记语言(Hyper Text Markup Language,HTML)与层迭样式表(Cascading Style Sheets,CSS),实现了Web客户端各页面的显示与功能,Web客户端与服务器端的数据交换采用JSON格式。(4)储粮低密度虫害监测系统测试结果与分析:通过灵敏度、捕捉率和计数准确率等指标评价了该系统对低密度虫害储粮的监测效果。系统在不同低密度虫害感染浓度的储粮中,捕获第一头害虫的最长时间为46.9 min,仅占总监测时长的3.25%;对单一赤拟谷盗感染的储粮害虫捕捉率为61.98%~71.53%,对混合虫害感染的害虫捕捉率为42.71%~47.92%,捕捉的害虫数与虫粮害虫总数间存在明显的线性关系;对害虫图像计数准确率为92.48%,在害虫数量少时计数准确率高,随着害虫数量的增多,系统计数准确率降低。以上结果表明系统对低密度虫害监测具有较高的灵敏度,捕捉率无显着差异,可以通过诱捕的害虫数量来估计虫粮中的害虫总数,且计数具有较高的准确率。(本文来源于《江苏大学》期刊2019-05-01）
邱鹏[8]（2019）在《电子荧光内窥镜实时图像处理系统》一文中研究指出目前,手术切除作为治疗癌症的主要方案,正朝着微创、精准的方向发展。电子内窥镜是微创手术的重要观察手段之一,其相较于传统的纤维内镜能够帮助医生更容易的观察到深处病灶及器官表面特征。但在微创肿瘤切除手术中,医生仅仅依赖于内窥镜所提供的视觉信息来辨别肿瘤,这导致对于颜色和形态都与正常组织相似的微小肿瘤病灶被遗漏。利用荧光分子成像是一种新的成像方案,其原理是通过荧光剂标记肿瘤细胞来增加病变组织与正常组织的对比。由于以该成像原理实现的系统或体积过大,或操作不便,多用于开放式手术或医学研究中。因此,本文设计了一种单传感器分时采集彩色背景图像和荧光图像,并实时进行图像融合的处理系统,为荧光分子材料与电子内窥镜成像系统的结合提供了一种实现方案。该系统选用光纤导光的LED作为白光光源,根据光源开关状态区分亮、暗场。使用图像传感器输出的VSYNC信号,同步图像采集与光源开关。在帧间隙更改摄像头的曝光及增益,使拍摄的图片在亮暗场下具有合适的亮度和清晰度。FPGA将采集的亮、暗图像写入到DDR2的对应存储空间中。通过缓存控制及合成算法得到标记与正常组织差异性较高的融合图像,并将其写入到3号存储空间,最后,使用标准的VGA时序将图像数据输出至显示器。图像融合的阈值选取采用OTSU算法与手动调节相结合的半自动方式,不仅使阈值随荧光剂亮度的降低而改变,又可以灵活地抵消阈值计算的误差。与传统的多传感器成像系统相比,本系统减小了图像采集端的结构,消除了匹配误差。与传统的单传感器成像系统相比,其光源自动切换并实时融合的方式,使得医生能够在观察到正常组织纹理细节的同时能够定位标记组织的位置。最后对系统进行荧光剂标记功能和实时性测试的实验。结果表明:通过调节亮度阈值参数和亮度增益参数,本系统能够有效显示标记区域的纹理,突出标记区域的轮廓,实现了荧光区域标记功能,并且融合图像可以稳定流畅的输出。(本文来源于《合肥工业大学》期刊2019-04-01）
宋词[9]（2018）在《基于FPGA的实时图像处理的研究》一文中研究指出近年来,多媒体应用逐渐普及,与之相应的图像处理技术也得到了相应提升,被广泛应用于各行各业。图像处理技术的种类有许多,但由于处理实时图像过程中需要的运算量较大,因此需要运用一些专用的硬件对其进行处理。FPGA所拥有的特点比较适用于处理实时图像。笔者首先分析了当前FPGA的实时图像处理应用现状,其次探析了FPGA的特点、设计原理和处理模型,最后研究了FPGA硬件设计中的重点问题。(本文来源于《信息与电脑(理论版)》期刊2018年24期）
朱炎均[10]（2018）在《基于Xilinx Zynq的软硬件协同设计的实时图像处理系统》一文中研究指出软硬件技术的不断进步,促使图像处理系统被广泛应用于工业自动化、安全、健康和交通控制领域。为了完成各个系统的功能,这些应用中的最重要的也是最具有挑战性的要求是系统的实时性。现场可编程门阵列(Field Programmable Gate Arrary:FPGA)具备并行结构,硬件上能够高速并行处理数据而被广泛应用于这些系统,但是系统的功能丰富的应用软件是基于中央处理单元(Central Processing Unit:CPU)或微控制器单元(Micro-controller Unit:MCU)开发的顺序执行的程序,在处理大量数据的计算时,会带来明显的时间延迟。可编程片上系统(System on Programmable Chip:SOPC)的发展,单片芯片内集成了FPGA和MCU内核,降低了系统的软硬件协同设计的难度,设计者合理划分软硬件对应的功能,能够提高系统的实时性。系统功能的软硬件协同设计是系统实时性能提升的保障。针对国内外的典型图像处理系统的问题,本文设计基于Zynq SoC的实时图像处理系统。完成灰度转化和卷积运算的软硬件协同设计,并且应用在图像上实现如边缘检测、锐化和模糊处理上。系统实现了320*240图像的实时灰度转换、边缘检测、模糊和锐化处理。本文设计的卷积协处理器通过内置的锁相环工作频率在150 MHz,单帧图像像素为76800(320*240),单像素/时钟周期率下,一帧图像的处理时间约为0.51 mS,对应的的协处理器的图像处理能力能够高达近2000 FPS(帧/秒),但是采用了基于地址映射的高级扩展接口(Advanced Extensible Interface:AXI)总线,传输一帧图像需要25mS,因此系统能够完成40 FPS的实时吞吐量。本文主要工作包括:1、根据功能和系统的性能要求设计了软硬件协同处理的总体框架,系统可以由叁级流水实现:图像采集(操作系统),图像处理(硬件算法)和图像输出(硬件)。值得指出的是,本文采用了FGPA中的视频图像阵列(Video Graphics Array:VGA)控制模块来输出最终的图像,同样功能也可以采用操作系统下调用系统软件内的显示驱动来实现。两种方式都是非常成熟完备的技术,所以文中并没有展开。2、软件上采用C设计了基于Linux下视频库下的软件来从USB摄像头获取视频图像信息。避免了基于FPGA的纯硬件处理来自USB摄像头的视频图像,不需要对视频源设计特定的硬件接口驱动,简化了电路的设计,加快系统的设计周期,更增加了系统的灵活性。当然,视频图像信息也可以预先存在SD卡,Zedboard有SD卡槽。3、基于硬件实现的图像处理算法,本文设计了图像协处理器模块(Inter Process Communication:IPC)来实现加速,图像存储模块(Image Memory:IM)分别存储原始图像和处理后的图像信息,系统从IM读取原始图像的像素信息,处理后再写回IM。图像存储控制器(Image Memory Controller:IMC)双向沟通IPC和IM。特别是,针对IPC中的卷积运算,详细探讨了3*3卷积,3*3卷积元和多种5*5卷积功能的算法硬件结构。4、本文搭建了图像处理系统的实验平台,系统基于Zedboard+USB摄像头+显示器,摄像头的图像信息通过Zedboad上的Zynq SoC处理后,送显示器实时显示。获取的数据为进一步的技术改进方向提供了直接的依据。(本文来源于《南京邮电大学》期刊2018-11-14）
实时图像处理论文开题报告范文
（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：
车速检测是保证交通安全的重要手段。动态特征速度检测可以有效地分析汽车驾驶特性和交通流,有助于开发智能交通系统。雷达测速仪和激光测速仪成本相对较高,精度不够,只能测量一瞬间的速度。因此提出一种结合车辆特征点识别的快速图像车速检测方法。首先,筛选出车上的特征点,用一定的跟踪方式跟踪该点,再对获取到的图像进行逆透视变换,通过一定比例关系换算出实际速度。该系统实现了车辆速度的实时检测,有助于智能交通系统的研究。
（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。
实时图像处理论文参考文献
[1]..图像处理功能完全集成在控制系统中——在PLC环境中编写机器视觉实时解决方案[J].国内外机电一体化技术.2019
[2].罗博峰.一种通过图像处理的实时车速计算改进模型[J].计算机时代.2019
[3].蔡红维,谢福锋,甘朝虹.基于实时图像处理的运载火箭飞行特征事件判别方法研究[J].计算机测量与控制.2019
[4].李莉.EMCCD实时图像处理系统设计及FPGA实现研究[J].电子设计工程.2019
[5].孙增光,王士军,周永鑫,张临松,陈伟.基于图像处理的焊缝实时跟踪技术研究[J].制造技术与机床.2019
[6].李文瑞.不同光照下基于ZYNQ的嵌入式实时图像处理[D].陕西师范大学.2019
[7].罗慧.基于图像处理的储粮低密度虫害实时监测系统的研究[D].江苏大学.2019
[8].邱鹏.电子荧光内窥镜实时图像处理系统[D].合肥工业大学.2019
[9].宋词.基于FPGA的实时图像处理的研究[J].信息与电脑(理论版).2018
[10].朱炎均.基于XilinxZynq的软硬件协同设计的实时图像处理系统[D].南京邮电大学.2018