首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于FPGA的数字图像处理的研究

摘要第1-6页
ABSTRACT第6-13页
1 绪论第13-23页
   ·本文的选题背景及意义第13-14页
   ·国内外研究现状第14-21页
     ·图像增强的研究现状第14页
     ·图像分割的研究现状第14页
     ·遗传算法的研究现状第14-16页
     ·蚁群算法的研究现状第16-18页
     ·FPGA 的研究现状第18-21页
   ·作者的主要工作第21页
   ·本文的组织结构第21-23页
2 邻域图像处理FPGA 实现原理第23-31页
   ·图像处理的特征分析第23-24页
   ·邻域处理算法及其数据结构第24-28页
   ·邻域图像的FPGA 实现原理第28-31页
     ·基本原理与系统结构第28-29页
     ·邻域图像帧存储体的实现第29-31页
3 基于FPGA 和遗传算法的图像增强第31-65页
   ·图像增强综述第31-32页
     ·空域增强第31页
     ·频域增强第31-32页
   ·遗传算法基本理论第32-36页
     ·遗传算法常用术语第32-33页
     ·遗传算法基本要素第33-34页
     ·标准遗传算法及流程图第34-35页
     ·标准遗传算法有关参数的确定第35-36页
   ·基于遗传算法的图像增强第36-40页
     ·典型图像增强变换函数第36-37页
     ·利用遗传算法优化非线性变换函数的参数第37页
     ·实验结果及其分析第37-40页
   ·基于遗传算法的FPGA 实现的硬件架构第40-42页
   ·各个功能模块设计与实现第42-59页
     ·控制模块设计与实现第42-45页
     ·随机数模块设计与实现第45-48页
     ·存储器模块设计与实现第48-50页
     ·适应度模块设计与实现第50-53页
     ·初始化模块设计与实现第53-55页
     ·选择模块设计与实现第55-56页
     ·交叉变异模块设计与实现第56-58页
     ·存储模块设计与实现第58-59页
   ·仿真实验及结果分析第59-65页
4 基于FPGA 和蚁群算法的图像分割第65-101页
   ·图像分割综述第65-66页
   ·蚁群算法基本理论第66-69页
     ·蚁群算法的生物学基础第66-67页
     ·蚁群算法的基本思想第67-68页
     ·蚁群算法的优缺点第68-69页
   ·基于蚁群算法的图像分割第69-75页
     ·阈值法图像分割第69-71页
     ·利用蚁群算法优化图像分割的阈值第71-73页
     ·实验结果及其分析第73-75页
   ·基于蚁群算法的FPGA 实现的硬件架构和工作原理第75-78页
   ·各功能模块设计与实现第78-95页
     ·控制模块的设计与实现第78-81页
     ·随机数模块的设计与实现第81页
     ·存储器模块的设计与实现第81-83页
     ·蚂蚁下一步节点集查找模块设计与实现第83-85页
     ·蚂蚁下一步节点选择模块设计与实现第85-87页
     ·蚂蚁状态更新模块设计与实现第87-89页
     ·蚂蚁信息素更新模块设计与实现第89-92页
     ·最优阈值模块设计与实现第92-95页
   ·仿真试验及结果分析第95-101页
     ·各模块的功能仿真第95-101页
5 总结与展望第101-103页
   ·总结第101页
   ·后继工作展望第101-103页
参考文献第103-107页
致谢第107-108页
作者简介及读研期间主要科研成果第108-109页

论文共109页,点击 下载论文
上一篇:基于嵌入式技术车载设备电气监控系统研究
下一篇:图像识别技术在大空间建筑火灾探测中的应用