声明
致谢
摘要
1 绪论
1.1 引言
1.2 课题研究背景
1.3 相关技术研究现状
1.3.1 图像处理技术与软测量方法相结合的研究现状
1.3.2 软测量技术应用于嵌入式平台的研究现状
1.4 主要贡献和创新点
1.5 章节安排
1.6 本章小结
2 DaVinci软硬件平台的搭建
2.1 硬件选型及方案设计
2.1.1 设计要求
2.1.2 徼控制器选型
2.1.3 硬件方案设计
2.2 ARM靖软件平台搭建
2.2.1 Uboot移植
2.2.2 MontaVista Linux内核移植
2.2.3 文件系统构建
2.3 DSP端软件平台搭建
2.3.1 DSP/BIOS配置
2.3.2 双核开发环境的搭建
2.4 平台测试
2.5 本章小结
3 软件整体架构与实现
3.1 整体软件架构
3.2 ARM端软件架构实现
3.2.1 图像采集模块
3.2.2 图像处理模块
3.2.3 图像显示模块
3.2.4 多模块间同步与通信
3.2.5 Qt界面的实现
3.2.6 Qt界面和图像的双重显示
3.3 ARM和DSP端双核通信
3.3.1 基于Codec Engine框架的程序设计
3.3.2 CMEM
3.3.3 DSPLink
3.4 DSP端软件实现
3.4.1 xDAIS和xDM算法标准
3.4.2 铜成分软测量算法框架
3.5 软件框架测试
3.6 本章小结
4 铜块图像ROI自动提取算法的研究与实现
4.1 ROI提取算法简介
4.2 图象预处理
4.2.1 灰度图提取
4.2.2 图像滤波
4.2.3 边缘图提取
4.3 单一背景下的ROI提取
4.4 问题抽象
4.5 HS多高斯模型的建立
4.5.1 HSV颜色空间
4.5.2 HS多高斯模型
4.5.3 模型建立
4.6 复杂背景下的SBRE方法
4.7 结果分析
4.8 本章小结
5 ROI质量检测与特征提取
5.1 铜块ROI特征分析
5.2 纹理特征分析
5.2.1 纹理特征简介
5.2.2 LBP特征分析
5.2.3 VAR特征分析
5.2.4 灰度方差特征分析
5.2.5 质量检测分析
5.3 颜色特征提取
5.4 本章小结
6 铜成分软测量模型的研究与实现
6.1 软测量模型分析
6.2 ε-SVR方法
6.2.1 ε-SVR模型
6.2.2 建模步骤
6.2.3 参数选择
6.3 S-GMR方法
6.3.1 高斯混合模型(GMM)
6.3.2 EM方法
6.3.3 基于高斯混合模型的回归(GMR)
6.3.4 S-GMR
6.3.5 建模步骤
6.4 回归模型实验比较与分析
6.5 S-GMR在DaVinci平台上的实现
6.6 本章小结
7 总结与展望
7.1 总结
7.2 展望
参考文献
作者攻读硕士学位期间的科研成果