基于达芬奇技术的水声图像处理研究

摘要

随着科技的进步和需求的增加，小平台图像声纳逐渐成为声纳一族的重要成员，而实时的声学图像处理则是其中的关键技术。在整个图像处理过程中，图像分割和边缘检测是重要环节，是图像识别的前提和基础。本文着重从实时性及图像分割这两个方面入手，对声图像处理进行研究实现。
　　 由于灰度是声学图像的主要特性，因此基于灰度阈值的图像分割技术和基于灰度梯度的边缘检测技术可以用于声学图像的处理。本文采用了最大类间方差法进行灰度阈值的选取，它的基本思想是利用图像的灰度直方图，将目标和背景的灰度分为两个部分，使两部分方差最大来动态地确定图像的分割阈值。本文采用了Sobel和Prewitt方法进行边缘检测，它的基本思想是利用边缘灰度的突变性，将灰度梯度最大的像素作为边缘保存下来。除此之外，还对图像进行中值滤波和对比度增强的图像质量增强处理。
　　 为了实现实时图像处理，本文选用了达芬奇技术。该项技术的核心是TI公司最新推出的高性能多核处理器，它集成了DSP的高速运算功能和ARM的控制功能。另外，达芬奇技术还包含了大量的接口及存储器等外围设备。达芬奇技术的这些优势使它适合于大规模的视频、图像处理。本文要在该技术平台上实现对声学图像的实时处理。

目录

文摘

英文文摘

第1章 绪论

1.1 论文选题的背景及意义

1.2 图像声纳及其实现平台与算法的发展状况

1.2.1 图像声纳的发展状况

1.2.2 水声图像处理平台的发展状况

1.2.3 水声图像处理方法的发展状况

1.3 本论文的设计思想

1.4 论文研究的内容

第2章 达芬奇处理器的结构与功能

2.1 TMS320DM6446概述

2.2 DSP子系统

2.2.1 概述

2.2.2 TMS320C64x+的CPU特点

2.2.3 存储器组织

2.3 ARM子系统

2.3.1 概述

2.3.2 存储器组织

2.4 DM6446总线共享

2.4.1 DM6446总线共享机制

2.4.2 EDMA3控制器

2.4.3 EDMA3参数RAM

2.5 ARM与DSP的交互

2.5.1 ARM与DSP的系统集成

2.5.2 ARM与DSP的合作方式

2.6 内外部通信接口

2.6.1 通用异步收发器(UART0/1/2)

2.6.2 内部集成电路(I2C)模块

2.7 视频处理子系统

2.7.1 视频处理前端(VPFE)

2.7.2 视频后端(VPBE)

2.8 本章小结

第3章 适于水声图像处理的算法分析

3.1 声学图像的特点及处理方法分析

3.2 基于灰度阈值的区域分割原理

3.2.1 阈值化区域分割原理

3.2.2 最大类间方差法

3.3 基于灰度梯度的边缘检测

3.3.1 边缘性质的描述

3.3.2 基于微分的边缘检测

3.3.3 改进的Sobel算子与Prewitt算子

3.4 图像滤波

3.4.1 移动平均法

3.4.2 中值滤波

3.5 图像增强

3.5.1 对比度增强

3.5.2 自动对比度增强

3.6 本章小结

第4章 算法与平台的结合与实现

4.1 实时图像处理的实现

4.1.1 ARM核的作用与程序设计

4.1.2 DSP核的作用与程序设计

4.1.3 处理流程

4.1.4 实时图像处理结果分析

4.2 声学图像处理的实现

4.2.1 MATLAB与DSP的链接

4.2.2 实时数据通道RTDX

4.2.3 处理流程

4.2.4 声学图像处理结果分析

4.3 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致 谢