基于卟啉化学传感器的气体检测系统算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·引言 | 第8页 |
| ·气体检测系统概述 | 第8-13页 |
| ·电子鼻系统介绍 | 第9-10页 |
| ·常用气敏传感器阵列介绍 | 第10-12页 |
| ·卟啉化学传感器阵列 | 第12-13页 |
| ·气体检测应用研究现况 | 第13-15页 |
| ·模式识别方法介绍 | 第15-18页 |
| ·论文主要研究内容和意义 | 第18-19页 |
| ·本文研究目的 | 第18页 |
| ·本文研究内容 | 第18-19页 |
| 2 基于卟啉化学传感器的气体检测系统设计 | 第19-31页 |
| ·卟啉化学传感器阵列的工作原理 | 第19-21页 |
| ·金属卟啉的化学性质 | 第19-20页 |
| ·金属卟啉传感器阵列的识别过程 | 第20-21页 |
| ·气体检测平台 | 第21-22页 |
| ·系统功能需求分析 | 第22-25页 |
| ·检测分析系统设计 | 第25-31页 |
| ·开发平台和开发环境 | 第25页 |
| ·软件系统设计 | 第25-31页 |
| 3 图像信号采集 | 第31-38页 |
| ·图像采集模块设计 | 第31页 |
| ·CMOS 摄像头 | 第31-33页 |
| ·CMOS 摄像头基本原理 | 第31-32页 |
| ·CMOS 摄像头重要指标 | 第32-33页 |
| ·图像采集应用程序 | 第33-38页 |
| ·VFW 体系结构 | 第33-35页 |
| ·图像采集实现 | 第35-38页 |
| 4 传感器图像信号预处理 | 第38-47页 |
| ·图像几何校正 | 第38-40页 |
| ·图像灰度化处理 | 第40-42页 |
| ·RGB 色彩模型 | 第40-41页 |
| ·灰度图像 | 第41页 |
| ·灰度化处理 | 第41-42页 |
| ·图像滤波 | 第42-47页 |
| ·常用的图像滤波技术 | 第42-44页 |
| ·基于数学形态学的滤波方法 | 第44-45页 |
| ·滤波结果及分析 | 第45-47页 |
| 5 敏感点识别与特征提取 | 第47-68页 |
| ·图像分割技术 | 第47-54页 |
| ·基于阈值的分割 | 第49-51页 |
| ·基于边缘的分割 | 第51-53页 |
| ·基于区域的分割 | 第53-54页 |
| ·图像分割技术在敏感点识别中的应用分析 | 第54-57页 |
| ·结合网格划分的区域分割算法 | 第57-62页 |
| ·网格划分 | 第57页 |
| ·基于投影图像的自动网格划分 | 第57-61页 |
| ·区域敏感点分割 | 第61页 |
| ·图像分割结果及分析 | 第61-62页 |
| ·图像特征提取 | 第62-68页 |
| ·有效区域选择 | 第62-64页 |
| ·图像特征信息提取 | 第64-65页 |
| ·特征提取结果及分析 | 第65-68页 |
| 6 基于神经网络的特征识别 | 第68-77页 |
| ·人工神经网络 | 第68-72页 |
| ·人工神经网络概述 | 第69-70页 |
| ·BP 神经网络 | 第70-72页 |
| ·神经网络在信号识别中的应用 | 第72-74页 |
| ·多网络识别 | 第72-73页 |
| ·响应特征量化 | 第73-74页 |
| ·仿真与实验 | 第74-77页 |
| ·气体定性识别 | 第74-75页 |
| ·气体定量识别 | 第75-77页 |
| 7 总结与展望 | 第77-79页 |
| ·全文总结 | 第77页 |
| ·研究与展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录 | 第83页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第83页 |
| B. 专利申请 | 第83页 |
| C. 参加的科研项目 | 第83页 |
