一、速度更快的数字相机传输设备（论文文献综述）
罗德宁[1]（2021）在《大规模数据实时绘制关键技术研究》文中认为三维图形绘制在游戏娱乐、虚拟现实、科学计算可视化等众多领域有着广泛应用,而且在实时和真实方面的绘制要求越来越高。近年来,软硬件的计算性能得到了很大提升,但是面对数据规模的日益增长,大规模数据的实时绘制面临巨大挑战。本文主要针对体数据和地理地形数据的真实和实时绘制技术展开研究。对于精度高、体量大的体数据,三维可视化计算量大,同时增加光照计算更加重了计算负担。大规模地理地形数据一直存在如何高效处理和绘制的问题。同时,反走样技术在数据绘制中能够显着增强视觉效果,减少图像走样、闪烁,但会带来额外的绘制开销。数据规模的增长无疑加重了各种绘制技术的计算开销,即便是提高绘制性能的并行绘制技术在面绘制和体绘制上还存在诸多挑战。针对上述技术问题,本文的主要工作和创新点包括以下方面:（1）数据并行化体绘制及光照计算在基于切片和光线投射两种主流体绘制方法基础上,针对光照计算量大的问题展开性能可扩展研究。针对基于切片体绘制在多绘制遍全局光照计算效率低的问题,提出单绘制遍多切片（Multi-Slice Per Pass,MSPP）算法,从数据与算法并行层面提升绘制能力。在相同切片数量下,MSPP算法可以提高半角切片（Half-Angle Slicing）算法大约两倍的性能。针对光线投射体绘制采样复杂导致光照计算量大的问题,提出基于切片的光线投射（Slice-based Ray Casting,SBRC）方法提升绘制效率和效果。首先,以光源为视点逐切片绘制体数据的整个几何体切片的光照信息到光照衰减缓存。其次,在光线投射过程中,利用光照衰减缓存计算采样点的光照影响,包括体积阴影、软阴影及散射等效果计算。SBRC算法只需要一个绘制遍的时间开销,并且通过变化切片数量和每个切片的分辨率实现可扩展的绘制性能。实验表明,以上方法能够大幅提升体数据的绘制效率和效果,满足性能可扩展的体数据绘制要求。（2）大规模地形数据高效组织与绘制三维地理地形绘制主要包括地理数据组织和三维地形构建两个主要过程。为了使地形绘制发挥最佳性能,并且支持层次细节（Level of Detail,LOD）及Mipmap技术提升绘制性能,提出一种灵活的数字高程模型及数字正射影像经纬度范围一致的无缝划分策略,并对每一块地形瓦片采用分组、分段、四边形网格的组织方式,快速生成具有LOD高效调度的真实三维地形。实验表明,该方法能够快速构建性能可扩展的三维地形,减少绘制调用。（3）数据绘制中的反走样技术针对延迟着色阶段开启硬件反走样方法无法直接兼容的问题,提出子像素连续边界反走样（Sub-Pixel Reconstruction Continuous Edges,SRCE）方法。首先,开启多重采样反走样绘制场景到几何体缓存（Geometry Buffer,G-Buffer）。其次,在子像素上利用切比雪夫不等式通过概率统计检测边界像素,以及标识边界像素和普通像素减少着色线程一致性开销。再次,以#过滤方法从子像素上重构连续边界。最后,自适应着色边界像素进行反走样处理。SRCE方法使三维物体边缘的“阶梯”效应最小化,同时还可以结合后处理或时间反走样技术增强图形绘制效果。针对延迟着色技术与覆盖采样反走样（Coverage Sample Anti-Aliasing,CSAA）不兼容的问题,提出基于延迟着色技术的大场景反走样绘制架构。该架构能够针对不同绘制对象使用不同的反走样级别,减少延迟与卡顿,从而平衡效果与效率。实验表明,以上方法能够有效提高数据的绘制质量,同时平衡绘制性能。（4）大规模数据并行绘制虚拟化框架在主流并行绘制框架研究基础上,结合虚拟化技术设计了一种三维图形并行绘制虚拟化框架（Parallel Rendering Virtualized Framework,PRVF）,提高体绘制、面绘制及反走样技术在大规模数据上的算力结构并行绘制能力。以Equalizer作为并行绘制中间件,灵活组织并行绘制各功能模块,虚拟化各类绘制资源作为绘制单元,按需调度及管理。综上所述,本文研究体数据及地理地形数据在实时绘制方面的一系列关键技术问题,充分提高真实与实时绘制能力,通过从数据、算法和算力结构等并行层面有效提升大规模数据绘制的实用性。
李健凯[2]（2021）在《基于深度学习的视觉机器人垃圾分拣系统设计》文中研究说明随着我国经济和城镇化进程的快速发展,实现中国梦,完成伟大复兴的任务取得了关键性进展,但是环境问题也日益严重。2005年我国就提出“金山银山不如绿水青山,绿水青山就是金山银山”的科学论断,提高保护生态环境的意识,其中垃圾分类和处理是关键。我国仍采用流水线人工分拣的方式进行垃圾分类,这种传统方式存在自动化程度低,对人力劳动力需求大,环境恶劣和分拣效率低等问题,已无法满足日益增加的垃圾处理需求。随着我国逐渐在人工智能领域完成“弯道超车”和我国工业自动化水平的不断提高,自动化工厂的经验与技术不断提升。提出并完成一套利用机器视觉对垃圾进行无接触式分类检测并利用工业机器人实现自动化智能化垃圾分拣的系统具有可行性,同时该系统的研究具有很强的理论意义和重要的应用价值。首先,完成智能垃圾分拣系统的硬件搭建,包括工控机、工业机器人和工业相机等,并在工控机上搭建系统控制软件,完成机器人控制和系统各元件间调度。通过实验测试,完成对工业机器人的精准控制。其次,完成机器视觉算法,包括用于检测垃圾类别与定位的深度学习网络和用于检测垃圾姿态的图像处理算法。本文的深度学习采用SSD作为基础网络,对主干结构进行修改并增加注意力机制以提取更优的图像特征,利用特征金字塔的方式进行跨层式特征融合,使用于检测的特征图包含多元信息,采用更优的激活函数和损失函数,提高检测的准确性。利用传统数字图像处理简易,计算速度快和算力需求低的优势,对已定位到的垃圾进行姿态检测。实验结果表明,本文提出的机器视觉算法可以满足垃圾分拣的实际应用需求,机器人通过已知姿态信息可以大幅提高垃圾分拣的准确率和成功率。最后,提出一套系统标定的方法和系统协作控制策略。为了统一系统的世界坐标系,本文以传送带作为中间媒介,先完成传送带与工业相机的标定,再完成传送带与工业机器人的标定,从而完成工业相机与工业机器人的标定。为了满足智能垃圾分拣系统的实际使用需求,本文将控制软件,工业机器人控制和视觉算法计算分别用不同的线程完成,提高系统的易用性、可靠性、准确性和实时性。本文改进的深度学习算法相比于原始算法准确度提高了6.5%,姿态检测的平均误差为1.5°,提高了垃圾的自动化分拣水平,对垃圾处理和环境保护具有非常重要的意义,且本文的分拣模型在工业流水线中具有很高的移植性和扩展性。
贺笛[3]（2021）在《深度学习在钢板表面缺陷与字符识别中的应用》文中进行了进一步梳理钢铁生产技术是衡量一个国家工业发展水平的重要标准,相关产品如薄板、带钢、棒材被广泛应用于建筑、机械、船舶、汽车、军工、家电等制造行业。随着国民经济的发展,中国钢铁企业逐渐从扩产能向着智能化、精细化、高附加值的生产模式转变。钢板表面缺陷检测与字符识别系统作为保证钢材产品质量,实现智能化生产的重要技术手段,持续受到钢铁企业的重视和研究。目前,钢板表面缺陷检测系统主要应用于表面质量较好的冷轧带钢、镀锌板生产线,在中厚板、热轧带钢等表面相对复杂的生产线应用较少,主要原因是现有缺陷检测算法对于复杂缺陷图像的识别能力有限,识别结果易受图像背景影响,稳定性不足。字符识别系统在钢铁行业应用较晚,主要原因同样是字符识别算法鲁棒性不足,对于图像背景复杂、模式多样的钢板表面字符识别精度较低,无法满足企业要求。近年来,随着计算力的提升与大规模数据集的建立,深度学习方法以其较高的识别精度、良好的泛化能力受到了广泛的关注与研究。在训练样本充足的情况下,深度学习方法识别精度与鲁棒性均远超传统算法。因此,为了提升钢板表面缺陷检测系统与字符识别系统精度,本文主要对基于深度学习的钢板表面缺陷检测分类与字符识别算法进行研究。研究成果如下:（1）针对钢板表面缺陷图像类内差异性大、形态复杂等问题,提出了基于多尺度感受野、图像重构、特征降维的缺陷分类方法。该方法通过融合具有不同尺度感受野的特征图,实现了复杂钢板表面缺陷图像的表征。引入了图像重构误差,帮助预训练模型在目标域图像与源域图像存在明显特征差异的情况下,编码输入图像特征。引入了基于自编码器的特征降维结构,降低底层特征维数,提升网络的泛化能力。实验结果表明,本文所提方法在中厚板与热轧带钢表面缺陷图像分类中分别取得了 98.5%与95.7%的分类精度,相比于直接采用预训练模型进行训练分别提升2.2%与2.0%。（2）针对深度学习目标检测算法在钢板表面缺陷检测中召回率低、缺陷定位不准确、可解释性差等问题,提出了基于分类优先网络与分组卷积分类网络的缺陷检测算法。与传统先定位后分类的缺陷检测流程不同,分类优先网络首先采用分组卷积分类网络对缺陷图像进行分类,然后根据分类结果选择相应特征图组回归缺陷边界框。分组卷积分类网络采用互相独立的卷积层单独提取图像中每一类缺陷特征信息,实现了不同类别缺陷的特征分离。实验结果表明,分类优先网络特征图响应与原始图像中物体存在明显空间对应关系,更加有利于缺陷检测与定位。在中厚板、热轧板表面缺陷检测中取得了很好的识别效果。（3）针对钢板表面缺陷图像有标签样本少、无标签样本多的特点,提出了基于卷积自编码器与半监督对抗生成网络的缺陷分类方法CAE-SGAN。该方法首先在大量无标签缺陷图像中训练卷积自编码器,实现网络的无监督特征学习。然后保留卷积自编码器中的编码器作为对抗生成网络的判别器,修改判别器输出层,使其同时预测输入样本的真、假与类别信息,实现钢板表面缺陷图像的半监督学习。实验结果表明,CAE-SGAN能够充分的利用钢板表面无标签图像进行无监督特征学习,有效提升有标签缺陷样本的分类精度。特别是在有标签训练样本数据减少的情况下,CAE-SGAN方法相比于传统卷积神经网络具有更高的分类准确率。（4）针对钢铁企业对于高精度、低成本的钢板表面字符识别系统的要求,提出了基于MobileNet-v2的轻量化钢板表面字符识别网络。该网络采用MobileNet-v2作为骨干网络,提升网络计算速度、降低算法部署成本。提出了 Threshold Focal Loss（TFLs）损失函数,有针对性地降低简单样本损失函数,提升网络的鲁棒性与收敛速度。引入了字符随机排列、图像融合等多种数据增强方法,增加样本的复杂程度,提升网络对于复杂钢板表面字符图像的识别精度。引入了对抗攻击训练,有针对性的提升字符识别网络的鲁棒性。实验结果表明,本文所提的钢板表面字符识别算法,在方坯与圆棒端面字符识别中取得了 99.96%的图像整体识别率,很好的满足了企业对于高精度字符识别算法要求。
刘煜东[4]（2020）在《光场层析成像火焰三维温度场测量方法与系统研究》文中进行了进一步梳理燃烧广泛存在于能源动力、航空航天、冶金和化工等领域。准确可靠的火焰温度监测有利于提高燃烧效率、降低污染排放、保证生产安全。同时,火焰三维温度分布的准确测量既是燃烧过程机理研究的基础,也是燃烧装置设计的重要依据。基于火焰辐射光场成像的火焰温度场测量方法具有非侵入、响应时间短、系统简单、不需要信号发射装置等优点,获得了广泛关注。本文主要开展了基于光场层析成像的火焰三维温度场测量方法研究,为开发可靠的火焰三维温度场测量仪器提供了理论和技术基础。首先,介绍了火焰辐射的光场成像基本过程,发展了火焰辐射逆向光线追迹模型。结合火焰的辐射传输特性,提出了光场采样方向和位置特性的定量评价指标。分析了探测器像素、微透镜位置以及光场成像系统光学参数对光场采样特性的影响。在此基础上,提出了火焰辐射光场采样的优化方案,采集了轴对称和非轴对称火焰的辐射信息,并利用光场体重建方法重建了火焰温度分布。结果表明优化后的火焰辐射角度采样增大了23倍,非轴对称火焰的重建误差小于3%。针对光场体重建温度场空间分辨率低的问题,将光场重聚焦成像和光学分层成像技术相结合,开展了光场层析成像三维重建方法的研究。着重研究了光学分层重建断层辐射强度重建精度低的问题,分析了火焰发射率对温度重建精度的影响,进而提出了改进的光场层析成像温度场测量方法（Light Field Sectioning Pyrometry,LFSP）。发展了光场重聚焦图像的点扩散函数模型,据此分析了光场相机光学参数与深度分辨率和横向分辨率之间的关系,进而实现了对LFSP重建空间分辨率的定量评价与相机的参数优化。结果表明LFSP重建的横向分辨率和深度分别可以达到100μm和10mm,显着高于传统的光场体重建方法。在相机参数优化的基础上,设计并研制了光学参数可灵活调整的笼式光场相机,并对相机的装配精度、成像的渐晕与畸变、传感器的噪声与线性度等方面进行了分析与评估。开发了基于笼式光场相机的信息处理软件,具有相机拍摄参数控制、光场原始图像采集与解码、光场成像结果展示与存储等功能。在此基础上,对测量系统进行了参数标定与性能评估。结果表明:笼式光场相机的装配精度、成像特性及图像传感器性能均满足实验需求;LFSP测量系统的温度标定误差小于3%。为了验证LFSP的可行性,对乙烯扩散火焰和高温多相流进行了实验研究。对于乙烯扩散火焰实验,主要重建了层流、湍流、双峰等不同结构和流动特性下火焰的三维温度场,并与热电偶测量结果进行了比较与分析。结果表明:LFSP的测量结果与热电偶测温结果相吻合,具有较好的温度测量准确性;同时,LFSP具有较高的空间分辨率以及时间分辨率。对于高温多相流实验,根据对象特性改进了温度测量算法,将LFSP与粒子追踪测速技术相结合,同时测量了高温飞行颗粒的温度、速度参数,并与理论模型和实验现象进行了比较与分析。结果表明:飞行颗粒的温度变化趋势与理论模型一致,大量颗粒温度高于铁及氧化亚铁的熔点,这与形态观察中发现大量颗粒出现熔化的现象相一致。总的来说,实验结果证明了LFSP测量技术的可行性,具有广泛的应用前景。
路浩[5]（2020）在《基于机器视觉的碳纤维预浸料表面缺陷检测方法的研究》文中进行了进一步梳理碳纤维预浸料是由碳纤维、树脂基体和离型纸等,经过多道工序加工而成,具有强度高、寿命长、可塑性好和密度小的特点,在各行各业都有着广泛的应用。碳纤维预浸料在生产过程中,受生产工艺等各方面因素的影响,表面容易产生缺陷,这对产品质量会造成巨大的影响。目前,最常用的碳纤维复合材料无损检测方法,例如:超声波无损检测,具有很大的缺点,无法应用于产品实时检测。针对上述问题,本文基于机器视觉技术,对碳纤维预浸料表面缺陷的检测方法,进行了系统的研究。本文的主要研究内容如下:碳纤维预浸料表面缺陷检测平台的设计:根据碳纤维预浸料的生产工艺,确定检测平台的的功能要求;根据机器视觉的检测原理,对检测平台的硬件设计并搭建;最后对平台进行调试,采集高分辨率碳纤维预浸料表面图像。碳纤维预浸料表面缺陷图像的预处理:通过对检测平台采集的图像对比分析,确定图像中包含的干扰信息;通过对干扰信息分析,对图像进行去雾预处理:通过对预处理结果分析,确定最优图像预处理方法。碳纤维预浸料表面缺陷的检测:通过对缺陷的特征进行分析,以及对目标检测算法进行研究,设计本文的缺陷检测算法;完成检测算法模型的训练,并对检测结果统计分析。碳纤维预浸料表面缺陷检测平台的软件设计和实验研究:基于Python语言,综合人机工程学,对平台的软件架构和GUI操作界面进行设计;根据缺陷检测要求,对整机进行实验调试,验证预处理算法和检测算法的可靠性,以及平台的检测速度、精度和稳定性。最终实验结果表明,本文设计的碳纤维预浸料表面缺陷检测平台能满足实时性要求,检测方便,结果直观,长时间工作平稳。与人工检测相比较,漏检和误检现象大幅度降低。通过将平台标记缺陷与实际缺陷对比,平台缺陷检出率达97%以上,误检率不超过1%。
王炳琪[6]（2020）在《基于OCR技术的啤酒瓶盖喷码字符自动识别算法研究》文中研究表明随着经济的发展和生活水平逐渐提高,人们对于啤酒的需求也逐渐提升。啤酒的生产日期是衡量啤酒能否安全饮用的一个重要标准。啤酒生产厂家应该保证清晰地将啤酒瓶的生产日期等标识信息喷码在啤酒瓶盖上。如若出现喷码错误,不仅会受到相关管理部门的处罚,而且会影响品牌形象,严重的还会影响消费者的身体健康,因此啤酒出厂前对瓶盖的喷码信息进行识别和核验是一道重要的生产工序。现阶段依靠人力识别瓶盖喷码信息成本较高,压缩了企业的利润空间;识别速度慢,影响自动化生产线的生产效率;工人长时间重复做同一件事情容易产生疲劳感。针对这一问题,本文提出了一种基于光学字符识别（Optical Character Recognition,OCR）技术的啤酒瓶盖喷码字符自动识别算法,研究内容主要包括:（1）本文设计了啤酒瓶盖喷码图像的数据采集系统,由德国的IDS公司的UI-3080CP-M-GL高速工业相机、集成了图像采集卡的PC机和LED辅助光源构成,可以获得清晰的单通道啤酒瓶盖喷码图像。（2）针对啤酒瓶盖喷码图像中瓶盖边缘产生反光圆环且灰度值与字符区域接近,利用传统定位方法很难定位字符区域的问题。本文提出了使用U-Net语义分割网络对字符区域定位的方法。实验结果表明,U-Net语义分割网络的定位准确。（3）针对啤酒瓶盖喷码图像存在多种底纹且伴有小角度字符偏转的问题,本文使用由二值化、滤波、旋转矫正和字符分割四个步骤组成的喷码图像预处理流程对字符定位后的喷码图像进行处理,并提出了一种投影法与上轮廓法相结合的字符分割算法。在字符间不存在粘连时使用投影法进行分割,当字符间存在粘连时,得到字符图像的上轮廓,利用上轮廓的形状进行分割。实验表明本算法可以清晰完整分割出存在粘连的字符图像。（4）本文提出了两种改进的字符识别算法。（a）为了减少数据内部协变量的变化,提高网络的泛化能力,本文在卷积神经网络（convolutional neural network,CNN）中加入了批标准化（Batch Normalization,BN）层得到了一种改进的卷积神经网络。（b）为了减少训练时间,加快网络收敛速度,本文省略了 MobileNet中线性瓶颈的扩展层,生成了一种改进的MobileNet。实验表明,改进的卷积神经网络loss曲线收敛更快,提高了训练速度,并保持了良好的识别精度。改进的MobileNet大幅度缩减了网络的层数不仅提高了训练速度,同时也提高了识别精度。改进的MobileNet拥有比改进的卷积神经网络更高的识别精度。（5）本文确定了由U-Net字符定位过程和二值化、滤波、旋转矫正、字符分割四个步骤组成的喷码图像预处理过程以及改进的MobileNet字符识别过程组成的啤酒瓶盖喷码字符自动识别算法。实验表明,整幅图像的识别精度高达98.7%,整个过程消耗时间为0.8s。基于OCR技术的啤酒瓶盖喷码图像自动识别拥有较高的识别精度和识别效率。
刘甜[7]（2020）在《基于单次曝光的结构照明光场三维重建关键技术研究》文中提出光场三维重建技术在工业生产、生物医学、人工智能等领域具有重大的研究意义和广泛的应用前景。条纹投影轮廓术因其非接触、系统简单、测量精度高、速度快等优点,成为结构光场三维重建的代表技术之一。传统的结构照明光场三维重建方法使用工业相机采集变形的条纹结构光场,工业相机采集光场时,需要精确设计相机参数并且机械调焦,且拍摄的图片景深小,如果对焦不准确会导致重建结果产生误差。针对这一问题,本文提出了一种使用光场相机成像,再结合数字对焦技术采集光场,仅需单次曝光即可在不对焦情况下实现三维重建的方法。光场相机对比传统工业相机,其成本更低,无需机械调焦,使用计算成像的方法,对焦更准确,经过数字对焦处理后能得到更大的景深,即清晰的范围更大。本文首先简要介绍了三维重建技术研究的意义,简述几种典型的三维重建方法并分析了这些方法的优缺点。之后针对工业相机的成像问题,提出了一种基于单次曝光结构照明光场的三维重建方法,将数字对焦技术引入到三维重建之中,然后在此基础上进行研究。文章重点介绍了光场相机数字对焦的原理,使用清晰度评价函数定位对焦准确的光场图片。本文详细介绍了使用傅里叶变换轮廓术进行条纹分析的原理以及处理过程中可能存在的误差。就三维重建中的相位展开问题作了深入研究,总结比较了几种典型的相位展开算法。经过计算机模拟和具体的实验之后,结果表明,即使在采集到的光场对焦不准确的情况下,使用本文中提出的方法也能重建出物体的三维形貌。
袁锦飞[8]（2020）在《高速CMOS相机研究以及实现》文中进行了进一步梳理高速CMOS相机能够捕捉并记录人眼无法分辨的物体高速运动过程,在许多场合都需要对高速瞬态过程进行记录并研究。近年来高速成像系统的发展迅速,但是仍然存在帧频慢,动态范围窄,信噪比低等问题,无法确保在不同的环境下都能获得较好的图像,因此,研究一款帧频快,动态范围大、信噪比高的高速CMOS相机是很有必要的。本文以美国LUXIMA公司生产的LUX1310数字图像传感器为研究对象,分析了该款传感器的性能条件,以传感器的配置要求和需要达到的最终效果为目的,进而设计了一套硬件和软件框架,在此基础上,进行了图像校正算法和以Coax Press为基础的图像传输算法的研究,实现高速高质量成像的目的。实验结果表明,本文设计的高速CMOS相机可以在1000帧每秒的传输速度下,实时地传输图像分辨率为1280×1024的高质量图像数据。提出的图像传输算法可以使相机帧频高达1000FPS;提出的图像增益算法使相机的动态范围提高到了73d B;提出的图像校正算法使相机信噪比最高可达53d B。通过对该高速CMOS相机实现方法的研究,拓展了高速成像技术的应用领域。
尚进跃[9]（2020）在《基于DCT哈希的Splicing篡改检测和恢复》文中研究表明数字图像作为一种非常重要的信息载体,已经成为了生活中不可分割的一部分。但是,随着信息技术的发展和数字图像处理技术的不断提高,篡改图像大量地充斥互联网和各类媒体。篡改后的图像降低了图像的可信度,不仅影响了人们的日常生活,而且在军事、媒体和医学等领域也造成了不良后果。因此能够对图像的真实性和完整性进行判断的数字图像取证技术显得尤其重要。目前,图像篡改主要分为复制粘贴篡改和图像拼接篡改两大类型。本文针对图像拼接篡改这一篡改类型,在基于图像哈希技术的篡改检测算法的基础上,提出了一种基于DCT哈希的图像篡改检测算法。同时,对篡改图像进行了初步的恢复。具体研究内容如下:在JPEG压缩过程中,首先提取Y通道的DCT系数矩阵,然后对所提系数矩阵进行DCT以构造出图像哈希,最后将图像哈希嵌入压缩码流的文件头。在篡改检测时,首先通过篡改图像对应的压缩码流构造出篡改图像哈希,然后和嵌入的源图像哈希比较以进行初次检测。为了达到像素级检测的目的,本文在初次检测结果基础上提出了一个二次检测的算法。实验结果表明,所提算法不仅鲁棒性较好,而且构造的图像哈希长度较短,检测的准确率也提高了10%左右。最后,在基于水印技术的图像恢复算法原理上,本文通过将哈希用于水印信息,提出了一种基于哈希和水印技术的图像恢复算法。
周芮[10]（2020）在《基于Hi3519A的4K显微相机的设计与实现》文中研究说明随着显微相机在生命科学、文物修缮、工业制造等领域的应用越来越广泛,对其性能的要求也越来越高。目前,国内显微相机的研发与国外知名企业还有一定的差距;因此,本文基于Hi3519A平台研发一款拥有自主知识产权的高性能的4K显微相机,具有很大的研究价值。论文在相机硬件方面,完成了主控芯片、RAM、Flash、图像传感器等硬件的选型以及连接方式的设计。在相机软件方面,完成了从内核空间到用户空间的整体设计和功能开发。在相机视频流处理方面,从亮度、色彩、通透性和清晰度等四个维度分析了图像质量优化算法,并实现了适用于4K显微相机的图像质量优化算法。论文设计的相机视频预览支持HDMI和千兆以太网两种模式。其中HDMI模式不仅支持4K分辨率的显示屏,而且兼容1080P分辨率的显示屏,相机在该模式下可以自动识别HDMI显示器的EDID信息并自动切换至最佳输出分辨率;千兆以太网模式不仅支持相机通过网线直接连接电脑,还支持相机与电脑连到同一台路由器上实现图像数据的交互。论文采用Qt开发相机HDMI模式的图形用户界面,其中的测量功能极其丰富,图像比较、画中画等功能满足客户实际需求。论文设计的相机图像编解码支持分辨率为3840×2160的图像编解码和4K@60fps的视频编解码。图像编码时,支持保存缩略图和将所有测量信息融入图像中;图像解码时,优化了解码速度;视频解码时,实现的逐帧功能是本设计结合显微相机的应用领域需求而开发的特色功能,常用于显微镜下目标物体的瞬态变化分析。针对相机的自动曝光模块,论文对自动曝光策略进行优化,将最大曝光时间由原来的0.033秒扩大至7秒,同时提供了四种自动曝光策略供用户灵活选择,并利用灰度直方图进行客观分析,据此可自动调整图像亮度至适宜程度。针对相机的白平衡模块,论文利用Bayer数据校正R、G、B三通道的增益值,通过对数据的匹配校验,避免了由于数据错误而导致的时间浪费,增强了白平衡算法的鲁棒性。结合对图像U、V分量的平均值的客观分析和运行时间统计,证明了本文优化算法的高效性。针对相机的视频降噪模块,论文提出了基于曝光增益的3D降噪算法,并通过测试大量的静态场景与动态场景以及分析对应的PSNR值,证明优化算法在静态场景和动态场景均能实现良好的降噪效果。论文对相机的视频进行了边缘锐化,通过改进传统的反锐化掩模算法,根据ISO值的大小调节边缘锐化强度,并通过Tenengrad梯度函数的客观评价,证明了优化算法相比于传统的反锐化掩模算法锐化效果更好。
二、速度更快的数字相机传输设备（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、速度更快的数字相机传输设备（论文提纲范文）
（1）大规模数据实时绘制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 研究现状 |
| 1.2.1 体数据绘制 |
| 1.2.2 大规模地理地形绘制 |
| 1.2.3 反走样技术 |
| 1.2.4 GPU绘制 |
| 1.2.5 并行绘制 |
| 1.3 本文工作 |
| 1.4章节安排 |
| 第2章 性能挑战与评价方法 |
| 2.1 引言 |
| 2.2 性能瓶颈分析 |
| 2.2.1 多线程绘制 |
| 2.2.2 绘制瓶颈 |
| 2.2.3 数据规模 |
| 2.3 并行绘制性能 |
| 2.3.1 负载平衡 |
| 2.3.2 图像合成 |
| 2.3.3 图像解压缩 |
| 2.4 评价方法 |
| 2.4.1 时间复杂度 |
| 2.4.2 并行粒度 |
| 2.4.3 空间复杂度 |
| 2.4.4 绘制质量 |
| 2.5 本章小结 |
| 第3章 数据并行化体绘制及光照计算 |
| 3.1 引言 |
| 3.2 体绘制 |
| 3.2.1 体数据 |
| 3.2.2 体绘制方程 |
| 3.2.3 体绘制方法 |
| 3.3 体数据光照计算 |
| 3.3.1 体绘制全局光照 |
| 3.3.2 单绘制遍多切片MSPP算法 |
| 3.3.3 基于切片的光线投射SBRC算法 |
| 3.4 体绘制并行化 |
| 3.5 本章小结 |
| 第4章 大规模地形数据高效组织与绘制 |
| 4.1 引言 |
| 4.2 大规模地理地形数据 |
| 4.2.1 数字高程模型 |
| 4.2.2 数字正射影像 |
| 4.3 可伸缩三维地理地形绘制 |
| 4.3.1 算法概述 |
| 4.3.2 关键步骤及实现 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 数据绘制中的反走样技术 |
| 5.1 引言 |
| 5.2 反走样方法 |
| 5.2.1 走样原因 |
| 5.2.2 反走样基本思路 |
| 5.2.3 主流反走样方法 |
| 5.3 子像素连续边界反走样SRCE算法 |
| 5.3.1 算法概述 |
| 5.3.2 关键步骤及实现 |
| 5.3.3 实验结果与分析 |
| 5.4 一种大场景反走样绘制架构 |
| 5.4.1 算法概述 |
| 5.4.2 关键步骤及实现 |
| 5.4.3 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 大规模数据并行绘制虚拟化框架 |
| 6.1 引言 |
| 6.2 并行绘制 |
| 6.2.1 体系结构 |
| 6.2.2 数据与绘制资源 |
| 6.2.3 并行绘制框架 |
| 6.3 PRVF框架结构 |
| 6.3.1 绘制资源层 |
| 6.3.2 并行绘制虚拟化层 |
| 6.3.3 应用层 |
| 6.3.4 实验结果与分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 在读期间科研成果 |
| 致谢 |
（2）基于深度学习的视觉机器人垃圾分拣系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 垃圾自动化分类研究现状 |
| 1.2.2 目标识别与定位算法研究现状 |
| 1.3 研究工作与章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 智能垃圾分拣系统设计 |
| 2.1 智能垃圾分拣系统设计方案 |
| 2.2 智能垃圾分拣系统硬件选型 |
| 2.2.1 相机选型 |
| 2.2.2 镜头选型 |
| 2.2.3 编码器选型 |
| 2.2.4 工业机器人选型 |
| 2.2.5 机器人夹具选型 |
| 2.2.6 气动装置选型 |
| 2.2.7 传送带选型 |
| 2.2.8 工控机选型 |
| 2.3 智能垃圾分拣系统控制软件框架 |
| 2.4 本章小结 |
| 第三章 垃圾分拣系统的标定与联动 |
| 3.1 系统标定 |
| 3.1.1 相机与传送带标定 |
| 3.1.2 机器人与传送带标定 |
| 3.2 系统间通讯方式 |
| 3.2.1 相机与计算机间通信 |
| 3.2.2 工业机器人与计算机间通信 |
| 3.3 垃圾分拣系统多线程多元件联动 |
| 3.4 本章小结 |
| 第四章 垃圾分类中的定位与姿态检测算法 |
| 4.1 垃圾图像数据集的建立 |
| 4.2 基于SSD的垃圾目标检测算法 |
| 4.2.1 深度学习网络模型的结构框架 |
| 4.2.2 改进的主干结构 |
| 4.2.3 注意力机制 |
| 4.2.4 激活函数 |
| 4.2.5 损失函数 |
| 4.3 垃圾姿态检测算法 |
| 4.3.1 待检测区域提取 |
| 4.3.2 图像预处理 |
| 4.3.3 姿态检测 |
| 4.4 本章小结 |
| 第五章 垃圾分拣系统实验与验证 |
| 5.1 垃圾识别与定位实验 |
| 5.1.1 主干结构性能对比 |
| 5.1.2 垃圾检测网络性能对比 |
| 5.2 垃圾姿态检测实验 |
| 5.3 智能垃圾分拣系统测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）深度学习在钢板表面缺陷与字符识别中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 钢板表面缺陷检测系统研究现状 |
| 1.2.1 人工检测 |
| 1.2.2 涡流检测 |
| 1.2.3 漏磁检测 |
| 1.2.4 红外检测 |
| 1.2.5 机器视觉检测 |
| 1.3 钢板表面字符识别系统研究现状 |
| 1.4 钢板表面缺陷检测算法 |
| 1.5 钢板表面字符识别算法 |
| 1.6 深度学习 |
| 1.6.1 图像分类 |
| 1.6.2 目标检测 |
| 1.6.3 对抗生成网络 |
| 1.6.4 深度学习在钢板表面缺陷与字符识别中的应用 |
| 1.7 现有检测方法存在的问题 |
| 1.8 课题研究内容及论文结构 |
| 2 基于多尺度感受野与图像重构的缺陷分类网络 |
| 2.1 卷积神经网络 |
| 2.1.1 基本结构 |
| 2.1.2 训练方法 |
| 2.1.3 VGG |
| 2.1.4 GoogleNet |
| 2.1.5 DenseNet |
| 2.2 自编码器 |
| 2.3 迁移学习 |
| 2.4 多尺度感受野与特征重构网络 |
| 2.4.1 网络结构 |
| 2.4.2 训练方法与损失函数 |
| 2.5 实验数据 |
| 2.6 实验及结论 |
| 2.7 本章小结 |
| 3 基于分类优先网络的缺陷检测方法 |
| 3.1 YOLOv3目标检测网络 |
| 3.2 分组卷积分类网络 |
| 3.3 边界框回归网络 |
| 3.4 分类优先网络训练过程 |
| 3.5 实验数据 |
| 3.6 实验及结论 |
| 3.7 本章小结 |
| 4 基于自编码器与对抗生成网络的半监督学习方法 |
| 4.1 卷积自编码器 |
| 4.1.1 基本结构 |
| 4.1.2 数据增强方法 |
| 4.2 半监督对抗生成网络 |
| 4.3 CAE-SGAN |
| 4.4 实验数据 |
| 4.5 实验及结论 |
| 4.6 本章小结 |
| 5 深度学习方法在钢材表面字符识别中的应用 |
| 5.1 MobileNet |
| 5.2 TFLs损失函数 |
| 5.3 数据增强算法 |
| 5.4 对抗样本训练 |
| 5.5 实验数据 |
| 5.6 实验及结论 |
| 5.7 本章小结 |
| 6 总结 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）光场层析成像火焰三维温度场测量方法与系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 火焰温度测量技术的研究现状 |
| 1.2.1 接触式测温法 |
| 1.2.2 非接触式测温法 |
| 1.3 辐射法火焰温度测量技术 |
| 1.3.1 火焰辐射测温原理 |
| 1.3.2 辐射成像温度测量技术 |
| 1.3.3 光场成像火焰温度测量技术 |
| 1.3.4 光场成像火焰温度测量技术存在的问题 |
| 1.4 本文主要研究内容及组织结构 |
| 第二章 火焰辐射光场成像原理与光线采样特性研究 |
| 2.1 火焰辐射光场成像过程 |
| 2.1.1 火焰辐射光场成像原理 |
| 2.1.2 光场逆向追迹模型 |
| 2.2 火焰辐射的光场采样特性 |
| 2.2.1 表征光线 |
| 2.2.2 方向采样 |
| 2.2.3 空间采样 |
| 2.3 光场采样特性的影响分析 |
| 2.3.1 像素与火焰位置 |
| 2.3.2 微透镜放大率 |
| 2.3.3 微透镜焦距 |
| 2.3.4 主镜头放大率 |
| 2.3.5 主镜头焦距 |
| 2.4 光场采样优化及火焰温度体重建 |
| 2.4.1 光场相机辐射采样性能优化 |
| 2.4.2 火焰温度场三维体重建 |
| 2.5 本章小结 |
| 第三章 光场层析成像火焰三维温度场重建方法研究 |
| 3.1 火焰三维温度场的光场层析成像原理 |
| 3.2 光场重聚焦图像的等效性分析 |
| 3.2.1 火焰辐射光线传输过程的数学模型 |
| 3.2.2 光场重聚焦成像的数学模型 |
| 3.2.3 传统相机成像过程的数学模型 |
| 3.2.4 等效性分析 |
| 3.3 光场层析成像三维温度场测量方法 |
| 3.3.1 光场重聚焦方法 |
| 3.3.2 光学分层成像算法 |
| 3.3.3 辐射测温方法 |
| 3.4 本章小结 |
| 第四章 火焰三维温度场光场层析重建的空间分辨率研究 |
| 4.1 点扩散函数与重建空间分辨率 |
| 4.1.1 点扩散函数 |
| 4.1.2 深度分辨率 |
| 4.1.3 横向分辨率 |
| 4.2 火焰三维温度场光场层析重建 |
| 4.2.1 模拟条件设置 |
| 4.2.2 光场层析重建与点扩散函数的关系 |
| 4.3 光场相机参数对重建空间分辨率的影响 |
| 4.3.1 不同光场相机的重建空间分辨率分析 |
| 4.3.2 重建空间分辨率的优化 |
| 4.4 火焰重建的其他影响因素 |
| 4.5 本章小结 |
| 第五章 光场层析成像火焰三维温度场测量系统研究 |
| 5.1 笼式光场相机设计 |
| 5.1.1 总体设计 |
| 5.1.2 结构设计 |
| 5.1.3 组装与调试 |
| 5.1.4 图像校正 |
| 5.2 笼式光场相机成像性能评价 |
| 5.2.1 装配精度检测 |
| 5.2.2 笼式光场相机畸变特性 |
| 5.2.3 图像传感器噪声 |
| 5.2.4 图像传感器的线性度 |
| 5.3 光场层析成像火焰三维温度场测量系统 |
| 5.3.1 系统基本组件 |
| 5.3.2 系统功能测试 |
| 5.4 测量系统的实验标定 |
| 5.4.1 重聚焦深度标定 |
| 5.4.2 点扩散函数标定 |
| 5.4.3 辐射强度标定 |
| 5.5 本章小结 |
| 第六章 光场层析成像火焰三维温度场测量实验研究 |
| 6.1 乙烯扩散火焰温度测量实验系统及装置 |
| 6.1.1 乙烯扩散燃烧实验装置 |
| 6.1.2 热电偶火焰温度测量 |
| 6.2 实验结果及讨论 |
| 6.2.1 层流火焰 |
| 6.2.2 双峰火焰 |
| 6.2.3 湍流脉动火焰 |
| 6.3 本章小结 |
| 第七章 基于光场层析成像的高温气固两相流温度、速度测量实验 |
| 7.1 引言 |
| 7.2 测量方法的改进与验证 |
| 7.2.1 高温颗粒的温度测量 |
| 7.2.2 飞行速度测量 |
| 7.2.3 小球下落的验证实验 |
| 7.3 实验系统及装置 |
| 7.4 实验结果及讨论 |
| 7.4.1 单个高温金属颗粒的温度变化 |
| 7.4.2 高温金属颗粒的温度-速度分布 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文的主要结论 |
| 8.2 本文的创新点 |
| 8.3 展望与建议 |
| 参考文献 |
| 研究成果 |
| 致谢 |
（5）基于机器视觉的碳纤维预浸料表面缺陷检测方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第1章 绪论 |
| 1.1 课题研究背景、目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机器视觉缺陷检测技术 |
| 1.2.2 碳纤维预浸料缺陷检测技术 |
| 1.2.3 国内外研究现状综述与存在的问题 |
| 1.3 本文的主要研究内容 |
| 第2章 碳纤维预浸料表面缺陷检测平台的设计 |
| 2.1 引言 |
| 2.2 碳纤维预浸料表面缺陷特征分析和检测平台功能要求 |
| 2.3 碳纤维预浸料表面缺陷检测硬件平台搭建 |
| 2.3.1 检测原理设计 |
| 2.3.2 检测平台硬件设计与搭建 |
| 2.4 碳纤维预浸料表面缺陷图像采集 |
| 2.4.1 相机校准设计 |
| 2.4.2 图像数据采集 |
| 2.5 本章小结 |
| 第3章 碳纤维预浸料表面缺陷图像的预处理 |
| 3.1 引言 |
| 3.2 图像数据计算方法 |
| 3.3 基于大气光散射模型的图像去雾方法 |
| 3.3.1 基于暗通道先验法的图像去雾方法 |
| 3.3.2 基于深度学习的图像去雾方法 |
| 3.4 基于图像翻译的图像去雾方法 |
| 3.4.1 去雾思路设计 |
| 3.4.2 生成网络设计 |
| 3.4.3 判别网络设计 |
| 3.4.4 模型训练和结果分析 |
| 3.5 本章小结 |
| 第4章 碳纤维预浸料表面缺陷检测方法的设计 |
| 4.1 引言 |
| 4.2 目标检测算法 |
| 4.2.1 传统目标检测算法 |
| 4.2.2 基于深度学习的目标检测算法 |
| 4.3 基于YOLOv2的缺陷检测算法设计 |
| 4.3.1 图像特征提取分类 |
| 4.3.2 图像目标识别 |
| 4.3.3 非极大值抑制 |
| 4.3.4 边界框回归与损失函数 |
| 4.4 模型训练及分析 |
| 4.4.1 数据集制作与模型训练 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第5章 碳纤维预浸料表面缺陷检测平台的软件设计和实验研究 |
| 5.1 引言 |
| 5.2 碳纤维预浸料表面缺陷检测平台的软件设计 |
| 5.3 碳纤维预浸料表面缺陷检测平台的实验研究 |
| 5.3.1 实验设计 |
| 5.3.2 实验调试 |
| 5.3.3 实验结果及分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果和参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（6）基于OCR技术的啤酒瓶盖喷码字符自动识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 字符区域定位 |
| 1.3.2 字符切割 |
| 1.3.3 识别 |
| 1.4 本文创新点 |
| 1.5 论文的主要内容及安排 |
| 第2章 瓶盖喷码数据获取 |
| 2.1 数字图像采集系统 |
| 2.2 相机和镜头 |
| 2.2.1 工业相机 |
| 2.2.2 镜头 |
| 2.3 图像采集卡 |
| 2.4 光源 |
| 2.5 相机触发模式 |
| 2.6 采集系统参数 |
| 2.7 本章小结 |
| 第3章 卷积神经网络基本理论 |
| 3.1 卷积神经网络的结构 |
| 3.1.1 卷积层 |
| 3.1.2 激活函数 |
| 3.1.3 池化层 |
| 3.1.4 全连接层 |
| 3.2 卷积神经网络的训练 |
| 3.2.1 反向传播 |
| 3.2.2 随机梯度下降 |
| 3.3 本章小结 |
| 第4章 字符区域定位 |
| 4.1 深度残差网络 |
| 4.1.1 残差表示 |
| 4.1.2 残差学习 |
| 4.1.3 快捷恒等映射 |
| 4.1.4 网络结构 |
| 4.2 U型全卷积网络 |
| 4.2.1 全卷积网络 |
| 4.2.2 U-Net |
| 4.3 实验及分析 |
| 4.4 本章小结 |
| 第5章 字符图像处理 |
| 5.1 图像二值化 |
| 5.2 图像滤波 |
| 5.3 旋转矫正 |
| 5.3.1 最小外接矩形 |
| 5.3.2 确定旋转中心和旋转角度 |
| 5.3.3 旋转算法 |
| 5.4 字符分割 |
| 5.4.1 两排字符分割 |
| 5.4.2 无粘连字符分割 |
| 5.4.3 粘连字符分割 |
| 5.5 本章小结 |
| 第6章 字符识别 |
| 6.1 K-临近算法 |
| 6.2 卷积神经网络 |
| 6.2.1 网络结构 |
| 6.2.2 改进的CNN |
| 6.3 MobileNet |
| 6.3.1 深度可分离卷积 |
| 6.3.2 超参数 |
| 6.3.3 线性瓶颈 |
| 6.3.4 倒置残差 |
| 6.3.5 网络结构 |
| 6.3.6 改进的MobileNet |
| 6.4 实验及分析 |
| 6.5 本文实验及分析 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间参与的科研项目及发表的学术论文 |
| 致谢 |
（7）基于单次曝光的结构照明光场三维重建关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 条纹结构光三维重建的研究现状 |
| 1.3 几种光学三维重建技术介绍 |
| 1.4 论文的主要工作 |
| 2 光场信息采集 |
| 2.1 光场数字对焦 |
| 2.2 清晰度评价算法 |
| 2.3 本章小结 |
| 3 傅里叶变换轮廓术 |
| 3.1 傅里叶变换轮廓术的原理 |
| 3.2 测量高度限制 |
| 3.3 测量误差分析 |
| 3.4 本章小结 |
| 4 相位展开 |
| 4.1 相位展开技术的研究现状 |
| 4.2 相位展开算法具体讨论 |
| 4.3 本章小结 |
| 5 研究的具体实现 |
| 5.1 数字对焦及清晰度评价 |
| 5.2 计算机模拟三维重建 |
| 5.3 单次曝光实现三维重建 |
| 5.4 本章小结 |
| 6 总结及展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）高速CMOS相机研究以及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 高速成像概述 |
| 1.1.1 高速成像的基本概念 |
| 1.1.2 高速成像的发展 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国外高速成像技术发展现状 |
| 1.2.2 国内高速成像技术发展现状 |
| 1.3 研究背景及意义 |
| 1.4 论文章节安排 |
| 2 高速CMOS相机硬件设计 |
| 2.1 相机总体框架设计 |
| 2.1.1 相机设计要求 |
| 2.1.2 系统总体设计框架 |
| 2.2 传感器LUX1310 电路设计 |
| 2.2.1 特征介绍 |
| 2.2.2 供电电路设计 |
| 2.2.3 驱动电路设计 |
| 2.3 FPGA电路设计 |
| 2.3.1 芯片选择 |
| 2.3.2 供电电路设计 |
| 2.3.3 配置电路设计 |
| 2.3.4 时钟电路设计 |
| 2.3.5 Flash电路设计 |
| 2.4 CoaxPress接口电路设计 |
| 2.4.1 传输接口技术比较以及选型 |
| 2.4.2 接口电路设计 |
| 2.5 高速PCB设计 |
| 2.6 本章小结 |
| 3 高速CMOS相机软件设计 |
| 3.1 相机的工作流程图 |
| 3.2 LVDS数据采集与训练模块 |
| 3.2.1 数据采集 |
| 3.2.2 图像数据训练 |
| 3.3 图像数据处理 |
| 3.3.1 非均匀性校正 |
| 3.3.2 中值滤波 |
| 3.4 CoaxPress传输模块 |
| 3.4.1 传输协议逻辑信道 |
| 3.4.2 传输协议数据包格式 |
| 3.5 增益以及快门模块 |
| 3.5.1 增益控制 |
| 3.5.2 传感器快门控制 |
| 3.6 本章小结 |
| 4 高速CMOS相机的FPGA逻辑实现 |
| 4.1 相机系统逻辑框架 |
| 4.2 LVDS数据采集与训练模块 |
| 4.2.1 驱动时序控制 |
| 4.2.2 寄存器时序控制 |
| 4.2.3 LVDS数据采集与训练 |
| 4.3 图像数据处理 |
| 4.3.1 非均匀性校正 |
| 4.3.2 中值滤波 |
| 4.4 CoaxPress传输协议 |
| 4.5 增益与快门控制模块 |
| 4.6 本章小结 |
| 5 高速CMOS相机性能测试 |
| 5.1 相机硬件电路测试 |
| 5.2 图像采集测试 |
| 5.3 本章小结 |
| 6 结束语 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于DCT哈希的Splicing篡改检测和恢复（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 篡改检测 |
| 1.2.2 图像恢复 |
| 1.3 论文主要工作和组织结构 |
| 1.3.1 主要工作内容 |
| 1.3.2 论文组织结构 |
| 第2章 数字图像拼接篡改检测和恢复 |
| 2.1 数字图像拼接篡改检测方法 |
| 2.1.1 基于JPEG压缩的拼接篡改检测方法 |
| 2.1.2 基于设备属性的拼接篡改检测方法 |
| 2.1.3 基于图像属性的拼接篡改检测方法 |
| 2.1.4 基于哈希技术的拼接篡改检测方法 |
| 2.1.5 基于深度学习方法的拼接篡改检测方法 |
| 2.1.6 图像拼接篡改检测算法存在的问题 |
| 2.2 图像恢复方法介绍 |
| 2.2.1 基于水印技术的图像恢复 |
| 2.2.2 水印分类 |
| 2.2.3 水印特性 |
| 2.3 本章小结 |
| 第3章 基于DCT哈希的Splicing篡改检测 |
| 3.1 引言 |
| 3.2 所提出的基于DCT哈希的Splicing篡改检测算法 |
| 3.2.1 图像哈希的构造算法 |
| 3.2.2 拼接图像篡改检测算法 |
| 3.3 评价实验和对比分析 |
| 3.3.1 实验数据集选择 |
| 3.3.2 评价指标 |
| 3.3.3 哈希长度的选择 |
| 3.3.4 主观检测效果对比实验 |
| 3.3.5 F-measure对比实验 |
| 3.3.6 时间复杂度对比实验 |
| 3.3.7 哈希长度对比实验 |
| 3.3.8 鲁棒性对比实验 |
| 3.4 本章小结 |
| 第4章 基于水印技术的图像恢复 |
| 4.1 引言 |
| 4.2 图像恢复原理 |
| 4.3 所提出的基于哈希和水印技术的图像恢复算法 |
| 4.3.1 水印的生成和嵌入 |
| 4.3.2 篡改检测和恢复 |
| 4.4 评价实验和对比分析 |
| 4.4.1 评价指标 |
| 4.4.2 主观恢复结果及PSNR值对比实验 |
| 4.4.3 不同篡改率下PSNR值对比实验 |
| 4.4.4 图像恢复结果示例 |
| 4.5 本章小结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（10）基于Hi3519A的4K显微相机的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究现状 |
| 1.2.1 国内外4K显微相机的研究现状 |
| 1.2.2 相机的图像质量优化现状 |
| 1.3 课题研究内容 |
| 1.4 本论文结构安排 |
| 第2章 4K显微相机的硬件设计 |
| 2.1 硬件系统架构设计 |
| 2.2 主控模块 |
| 2.2.1 主控芯片 |
| 2.2.2 RAM |
| 2.2.3 Flash |
| 2.3 图像传感模块 |
| 2.4 HDMI模块 |
| 2.5 千兆以太网模块 |
| 2.6 USB模块 |
| 2.7 SD卡模块 |
| 2.8 串口模块 |
| 2.9 最终硬件电路与相机结构 |
| 2.10 本章小结 |
| 第3章 4K显微相机的软件设计 |
| 3.1 软件系统架构设计 |
| 3.2 基于Hi3519A的嵌入式开发环境搭建 |
| 3.2.1 安装交叉编译器 |
| 3.2.2 制作U-boot镜像文件 |
| 3.2.3 制作内核镜像文件 |
| 3.2.4 制作根文件系统镜像文件 |
| 3.2.5 烧写镜像文件 |
| 3.3 相机驱动及应用程序的实现 |
| 3.4 视频预览的软件实现 |
| 3.4.1 HDMI模式 |
| 3.4.2 千兆以太网模式 |
| 3.5 图像编解码的软件实现 |
| 3.5.1 编解码器及FFmpeg概述 |
| 3.5.2 存储设备检测的软件实现 |
| 3.5.3 图像编码的软件实现 |
| 3.5.4 图像解码的软件实现 |
| 3.6 图形用户界面设计 |
| 3.7 本章小结 |
| 第4章 4K显微相机的图像质量优化与实现 |
| 4.1 图像信号处理架构设计 |
| 4.2 自动曝光模块优化及实现 |
| 4.2.1 自动曝光算法的优化 |
| 4.2.2 实验结果与分析 |
| 4.3 白平衡模块优化及实现 |
| 4.3.1 白平衡算法的优化 |
| 4.3.2 实验结果与分析 |
| 4.4 锐化模块优化及实现 |
| 4.4.1 边缘锐化算法的优化 |
| 4.4.2 实验结果与分析 |
| 4.5 降噪模块优化及实现 |
| 4.5.1 3D降噪算法的优化 |
| 4.5.2 实验结果与分析 |
| 4.6 其他模块优化及实现 |
| 4.6.1 Gamma |
| 4.6.2 清晰度因子 |
| 4.6.3 CSC模块 |
| 4.7 综合测试 |
| 4.8 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
| 作者简历 |
| 在学期间所取得的科研成果 |
四、速度更快的数字相机传输设备（论文参考文献）
- [1]大规模数据实时绘制关键技术研究[D]. 罗德宁. 四川大学, 2021(01)
- [2]基于深度学习的视觉机器人垃圾分拣系统设计[D]. 李健凯. 天津工业大学, 2021(01)
- [3]深度学习在钢板表面缺陷与字符识别中的应用[D]. 贺笛. 北京科技大学, 2021(02)
- [4]光场层析成像火焰三维温度场测量方法与系统研究[D]. 刘煜东. 东南大学, 2020
- [5]基于机器视觉的碳纤维预浸料表面缺陷检测方法的研究[D]. 路浩. 山东大学, 2020(10)
- [6]基于OCR技术的啤酒瓶盖喷码字符自动识别算法研究[D]. 王炳琪. 青岛理工大学, 2020(02)
- [7]基于单次曝光的结构照明光场三维重建关键技术研究[D]. 刘甜. 华中科技大学, 2020(01)
- [8]高速CMOS相机研究以及实现[D]. 袁锦飞. 南京理工大学, 2020(01)
- [9]基于DCT哈希的Splicing篡改检测和恢复[D]. 尚进跃. 重庆邮电大学, 2020(02)
- [10]基于Hi3519A的4K显微相机的设计与实现[D]. 周芮. 浙江大学, 2020(02)