基于机器视觉的稻米品质检测研究及其DSP实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状及本文应用 | 第14-16页 |
| ·机器视觉的国内外研究现状 | 第14-16页 |
| ·本文应用 | 第16页 |
| ·本文主要研究内容及结构安排 | 第16-18页 |
| 第二章 稻米的数字图像处理基础算法研究 | 第18-34页 |
| ·相关基础知识概述 | 第18-21页 |
| ·机器视觉基本介绍 | 第18-19页 |
| ·数字图像处理基本介绍 | 第19-21页 |
| ·稻米图像处理基础算法研究 | 第21-33页 |
| ·彩色图像的灰度化 | 第22-23页 |
| ·灰度变换公式 | 第22页 |
| ·稻米图像仿真结果 | 第22-23页 |
| ·图像滤波算法 | 第23-26页 |
| ·图像滤波算法 | 第24-25页 |
| ·稻米图像仿真结果 | 第25-26页 |
| ·边缘检测算法 | 第26-28页 |
| ·边缘检测算子 | 第26-28页 |
| ·稻米图像仿真结果 | 第28页 |
| ·图像分割算法 | 第28-33页 |
| ·图像分割算法 | 第29-32页 |
| ·稻米图像仿真结果 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 碎米和黄粒米的检测 | 第34-52页 |
| ·基于极坐标的碎米检测 | 第34-43页 |
| ·极坐标和直角坐标的关系 | 第35-37页 |
| ·极坐标介绍 | 第35页 |
| ·极坐标和直角坐标的关系 | 第35-37页 |
| ·极坐标系下的型心计算 | 第37-38页 |
| ·型心计算方法 | 第37-38页 |
| ·稻米图像仿真结果 | 第38页 |
| ·极坐标系下的目标边界检测 | 第38-39页 |
| ·边界检测算法 | 第38-39页 |
| ·稻米图像仿真结果 | 第39页 |
| ·基于极坐标的碎米检测 | 第39-43页 |
| ·区域初始极坐标方向确定 | 第39-40页 |
| ·碎米检测算法 | 第40-42页 |
| ·稻米图像仿真结果 | 第42-43页 |
| ·碎米检测小结 | 第43页 |
| ·基于色度直方图的黄粒米检测 | 第43-51页 |
| ·常用颜色模型介绍 | 第44-48页 |
| ·RGB 颜色模型 | 第44-45页 |
| ·HSI 颜色模型 | 第45-46页 |
| ·XYZ 颜色模型 | 第46-47页 |
| ·CMYK 颜色模型 | 第47页 |
| ·YUV 颜色模型 | 第47-48页 |
| ·基于色度直方图的黄粒米检测 | 第48-51页 |
| ·黄粒米检测算法 | 第48-50页 |
| ·稻米图像仿真结果 | 第50-51页 |
| ·黄粒米检测小结 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于机器视觉的稻米品质检测系统 | 第52-79页 |
| ·DSP 开发介绍 | 第52-59页 |
| ·如何选择 DSP 处理器 | 第52-54页 |
| ·DSP 开发流程介绍 | 第54-55页 |
| ·CCS 环境介绍 | 第55-59页 |
| ·系统平台介绍 | 第59-63页 |
| ·整体系统结构 | 第59-61页 |
| ·图像分析平台介绍 | 第61-63页 |
| ·图像分析系统的实现 | 第63-70页 |
| ·图像分析系统框架 | 第64-65页 |
| ·图像分析系统实现 | 第65-70页 |
| ·视频采集模块 | 第65-66页 |
| ·视频驱动模块 | 第66-69页 |
| ·图像处理模块 | 第69-70页 |
| ·整体算法流程 | 第70页 |
| ·图像分析系统的优化 | 第70-77页 |
| ·板级优化 | 第71-72页 |
| ·算法级优化 | 第72-74页 |
| ·程序级优化 | 第74-75页 |
| ·优化结果及分析 | 第75-77页 |
| ·图像分析系统实现结果 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-84页 |
| 个人简介 | 第84-85页 |
