1、开题报告样板1

1、基于DSP实时针头检测方法研究目录一、选题依据、目的和意义3二、国内外研究现状3三、研究的主要内容7四、研究方案7五、拟解决的关键问题与创新点 10六、预期目标 11七、研究计划进度 11八、主要参考文献 11一、 选题依据、目的和意义由于医用针头的重复利用，大大的增加了像艾滋病等传染疾病的发生几率，所以，近年来，一次性医用针头已经逐渐在医用领域得到广泛的使用。因此医用针头的生产量也逐年上升。江西在医用针头的生产大约已经占据了全国医用针头生产的60%-70%。但厂家发现在医药针头的生产过程中，经常生产出不合格的次品针头。这些次品针头主要是由针头倒装和倒勾引起的，会对病人身体造成严重的伤害，必须

2、将它们筛选出来。常采用人工筛选的方法。而针头的自身特点比较纤细，加之成批量的生产。具工厂统计，每天要检查上十万根采血针。人由于受劳动强度的影响，容易造成视觉疲劳。所以微小尺寸的精确快速测量、形状匹配等人眼根本无法连续稳定地进行检测。人工检测的方式即浪费人力资源，而且效果相当的不理想。所以设计一个全自动的实时针头检测系统相当必要。基于厂家对针头检测自动化的需求，该课题利用基于DSP的视频采集处理技术来实现医用针头生产过程中的在线实时针头检测系统的设计。该检测系统可取代传统的人工检测方法，避免了由于人眼疲劳而造成的人为错误，可正确的、实时的检测出次品针头。从而提高了针头生产效率和生产的自动化程度，

3、同时节省了人力资源的投入成本。所以基于DSP的实时针头检测系统在医药针头的生产领域中有着巨大的前景。二、国内外研究现状数字图像处理技术在目标跟踪17、无接触式检测9、自动驾驶16、视频监控13等领域得到了广泛的应用。由于图像信息数据量大,实时图像处理要求图像处理系统必须具备有强大的运算功能。随着集成电路和嵌入式技术的发展,使得实时图像处理具有了硬件基础,并成为应用领域中一个研究热点。本课题的研究目标是以基于DM642的视频采集处理系统为平台，实现对针头实时采集及检测，其主要研究内容为基于DM642的视频采集技术、像素的边缘检测技术、自动阈值分割技术以及图形识别技术。目前，国内外学者在以上几个研

4、究领域取得了一些研究成果。2.1基于DM642的视频采集技术现阶段，对视频采集和实时处理的方法大致可分为三类:（1）、基于专用视频图像芯片的视频采集处理系统8。该采集处理系统其核心处理单元为专用图像芯片，该图像芯片决定系统的功能，其应用主要是针对某一类产品，如数码摄像机等，所以具有一定的局限性。（2）、基于PC机的视频采集处理系统1921。它最为普遍的就是基于视频采集卡获取数字化视频信息，通过运行相应的PC程序实现视频的采集、图像的处理与显示。一般由摄像机、图像采集卡、计算机构成。图像理解和处理算法全部以软件方式实现. 这是因为,实时数字图像处理信息量和计算量大,而大多数图像采集卡基于成本考虑

5、没有处理器和大容量的存储器,绝大部分任务必须依靠计算机才能胜任. 这种计算机参与的系统的应用场合受到很大限制,在工业或军事等复杂环境下应用极为不便。（3）、基于DSP的视频采集处理系统10。相对于前面两种视频采集系统而言，它是脱离计算机独立运行、集图像采集、处理等功能于一体,并易于满足图像处理中数据量大、运算复杂、实时性强等要求12。该视频采集系统可完成视频的实时采集、传输以及各种视频压缩算法和图像处理算法的实现，根据不同的应用，可以编制不同的图像处理程序13，所以具有更大的灵活性，并且设计与实现简单，硬件一般采用通用的设计，即“CCD+视频信号处理芯片+FPGA/CPLD+DSP”的模式实现

6、6。TI公司于2003年推出了一款面向视频/图像处理的高性能定点DSP芯片TMS320DM642 (简称DM642)6。其丰富的外围接口使得它近乎是一个多媒体嵌入式系统的单芯片硬件平台,它的完全可编程性,又使其能兼容正在发展的各种多媒体信号处理标准,构成通用的软件平台, 在此平台上可开发出各种图像系统10。DM642将VelociTI体系结构和超长指令(VLIW)结构二者完美结合,使得在一个指令周期能够并行执行8条指令,工作主频从600MHz到1.1GHz,其处理能力从4800MIPS到8800MIPS6,堪称业界最快的DSP。因此,它是视频图像处理与多媒体应用最为理想的硬件平台15, 具有广

7、阔的应用前景。2.2 边缘检测技术在过去的几十年，像素级边缘检测技术得到了长足的发展，主要可以分为以下四类22：（1）检测梯度的最大值法。如Canny算子、Log算子、Kirsch算子、Roberts算子、Prewitt算子和Sobel算子等都是先对原始图像中像素中的小邻域构造边缘检测算子，再进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阀值提取边界。由于这些算法涉及梯度的运算，因此均存在对噪声敏感、计算量大的缺点。（2）最小核值相似区方法。如SUSAN算法，该算法只对周边像素的灰度进行比较，不涉及梯度运算，因此其抗噪声能力强，运算量也比较小。（3）统计型方法。该

8、方法是利用假设检验来检测边缘，利用对二阶零交叉点的统计分析先得到图像中各个像素的边缘概率，进而得到边缘检测方案。（4）小波多尺度（多分辨率特性）边缘检测方法。2.3阈值分割技术图像阈值分割的方法很多,但目前很难找到适用于各种场合的分割方法。对于不同的图像需要采取不同的阈值分割的方法7。经典的阈值分割的方法大致分为以下几种18：（1）基于灰度直方图的阈值方法。包括直方图双峰法、迭代阈值法和最小误差法。这类方法目标与背景的灰度级有明显差别的图像,灰度图两波峰分别与图像中目标和背景相对应,波谷与只适用于图像边缘相对应。当分割阈值位于谷底时,图像分割可取得最好的效果。该方法简单易行,但是对于灰度直方图

9、中波峰不明显或波谷宽阔平坦的图像,使用该类方法效果较差。（2）自适应阈值法。自适应阈值方法也叫动态阈值方法,针对图像中有阴影、光照不均匀、各处的对比度不同、突发噪声等情况,整幅图像分割将没有合适的单一门限,因为单一的阈值不能兼顾图像各个像素的实际情况。这时,可以对图像按照坐标分块,对每一块分别选一阈值进行分割。（3）最大熵阈值分割法。熵是平均信息量的表征,通常利用图像的灰度分布密度函数定义图像的信息熵。图像中目标与背景可分割的交界处信息量(即熵)最大。最大熵法利用使图像取得最大熵的灰度值作为阈值可以对图像进行分割。（4）最大类间方差阈值分割法。(Ostu法)最大类间方差方法的思路是选取的最佳阈

10、值t应当使得不同类间的分离性最好。首先基于直方图计算各灰度级的发生概率, 并以阈值变量t将灰度级分为两类, 然后求出每一类的类内方差及类间方差,选取使得类间方差最大,类内方差最小的t作为最佳阈值。后来许多学者推出了许多改进后的Ostu法20，达到了更好的效果。针对不同的场合，阈值分割技术在国内外的研究中已经非常成熟了。2.4 图形识别技术规则几何图形的测量，如直线和圆的测量已有很多算法7,通常先采用M矩估计、标准Hough变换、改进的投票法Hough变换等进行噪声点的剔除，再进行拟合完成测量，其中最常用的拟合方法是最小二乘法。最具代表性几何图形测量方法有：基于基本几何元素的直线检测算法19。图

11、形识别技术已经在像目标跟踪、无接触式检测、自动驾驶、视频监控等生活、生产领域得到了广泛的应用。针头检测主要属于无接触式检测领域。目前，国内外在基于PC机的视频采集处理系统对医用针头装配检测2024方面有一定的研究。通过以上国内外研究现状分析可知，可采用基于DM642视频采集处理平台，利用TI 公司为开发DSP 的外设驱动模型提供的GIO的API接口函数（FVID）14，实现视频的实时捕获和显示。采用各种边缘检测法和阈值分割法实现视频图像的边缘检测和实现阈值分割，比对各种方法，选取较为理想的方法得到边缘信息。找到合适的方法实现针头检测。三、研究的主要内容本课题的研究目标是在基于DM642的视频实

12、时图像处理平台上，实现对被测物体视频图像实时获取，采集每一帧数据，经滤波、边缘检测和阈值分割等预处理，显示在电视机上。找到最佳的针头检测的方法，完成检测。并提供示范实例。研究内容有以下几点：（1）基于DM642的视频实时图像处理平台上实现视频实时捕获。（2）被测物体的视频数据的预处理。（3）针头检测的方法。l 针头倒装的检测方法l 针头倒勾的检测方法四、研究方案4.1 本项目研究方法和实验步骤本项目拟采取根据研究内容和目标，确定基于DM642视频处理平台的针头检测整体方案，并将其分为四大功能模块如图1所示。被测物体经CCD (Charge Cou2p led Device) 摄像头把采集到的模

13、拟视频信号输入到系统, 经过A /D (Digital/Analog) 转换成特定格式的数字视频信号后，经图像预处理，采用针头检测法后，送入电视上显示。通过多次实验不断完善DM642视频处理平台的针头检测系统的整体方案，并从理论上加以分析和保证，以达到理论与实验相结合的研究方法。被测物体视频数据流的采集及存储视频图像的预处理针头检测的方法视频图像的显示图1系统的功能模块图4.2 本项目研究的技术路线本项目的技术路线分如下三步：（1） 利用基于DM642的硬件平台，实现视频数据的采集。总体的硬件框图如图2所示。CCD A/D EMIFVP0VP2D/ADISPLAYFLASHSDRAM图2总体的

14、硬件框图被测物体经CCD (Charge Cou2p led Device) 摄像头把采集到的模拟视频信号输入到系统, 经过A /D (Digital/Analog) 转换成YCbCr4:2:2 的8 位ITU-R BT.656格式的数字视频信号后，利用TI公司为开发DSP 的外设驱动模型提供的GIO的API接口（FVID），将数据捕获存入视频采集口的FIFO中。采用EMDA模式将捕获的视频图像数据通过EMIF从FIFO中搬移至DSP外部存储器SDRAM或FLASH中，根据图像处理的方法，直接对这些数据做相应的处理即可完成图像的处理。处理完后，再采用EMDA模式将处理后的视频图像数据通过EMI

15、F从DSP外部存储器中搬移至视频显示口的FIFO中，通过D /A 转换成PAL ( Phase Alternating Line)全电视信号, 送入PAL监视器观察图像。（2） 拟先采用经典的像素级边缘检测算子，如Sobel、Laplacian、Log、Canny等，在视频图像上实现像素级边缘检测。以及采用各种阈值分割的方法，进行图像分割。比较各种方法的处理效果，选取最为理想的图像的方案。（3）对于针头检测的方法主要分两步：一、针头倒装检测。通过判断针头顶端部位黑点的个数，也可通过直线拟合得出交点偏离顶行的位置。即可判断出出针头是否倒装。二、针头倒勾检测。通过左右两边直线拟合，求出拟合后的两直

16、线的焦点，判断该交点与顶部黑点的偏离位置，设定一个范围，偏离位置超出该范围，则视为倒勾。4.3 本项目研究的可行性分析本项目研究的可行性分析如下：（1） 基于DM642视频处理平台外部扩展了存储器SDRAM和Flash, 分别用于程序运行和程序存储。系统通过控制视频编解码器完成视频的采集和输出, 构成硬件输入输出系统。系统核心处理器采用TMS320DM642，处理能力从4800MIPS到8800MIPS，完全可以满足视频图像的实时采集和处理。DM642 的片内的视频端口(VP0、VP1、VP2)可以用作视频捕获端口、视频显示端口、视频流传输端口。A/D和D/A采用Philips 公司的9 位视

17、频模数和数模转换芯片。可兼容PAL、NTSC、SECAM多种制式。利用TI 公司为开发DSP 的外设驱动模型提供的GIO的API接口（FVID），实现视频的实时捕获和显示。（2） 本课题先采用经典的像素级边缘提取，后采用阈值分割，实现图像的预处理。（3） 针对针头缺陷的两种特征，先检测针头是否倒装，再判断针头是否倒勾的方法即可实现针头的检测。（4） 综上所述，该方案有相当的前期研究基础、好的硬件研究平台，是切实可行的。五、拟解决的关键问题与创新点5.1拟解决的关键问题本项目的拟解决的关键问题如下：（1）快速、准确的找到针头的边缘信息。（2）找到针头倒装和倒勾的特征，采用适当的方法完成检测。5.

18、2 本项目的创新点本项目的创新点如下：设计了检测针头倒装和倒勾的方法，并将该方法与基于DSP图像处理平台相结合，运用于工业检测，并具有实时性。六、预期目标 本项目的预期目标如下：（1） 建立一套系统、稳定、智能和实时的针头检测方法。（2） 提供一个视频采集和针头检测软件包，并与相关硬件配合进行功能演示。（3） 在研究成果的基础上，撰写学术论文，并发表论文1篇。七、研究计划进度本项目的计划进度如下：2008年10月2008年12月：总体方案、原理和思路设计，将整体方案进行功能化、模块化。2009年01月2009年08月：研究各大模块和功能的具体算法及编程实现，算法仿真研究及撰写学术论文。2009

19、年09月2008年12月：完成总体功能的实现并形成演示软件包。2010年 01月2010年 04月：撰写毕业论文，准备答辩。八、主要参考文献1 Reference Frameworks for eXpressDSP Software: RF3,A Flexible, Multi-Channel, Multi-Algorithm, Static System Literature Number: spra793 April 20032 TMS320DM642 Video/Imaging Fixed-Point Digital Signal ProcessorData ManualLiteratu

20、re Number: SPRS200B July 2002 Revised May 20033 TMS320C6000 DSP Inter-Integrated Circuit (I2C) Module Reference GuideLiterature Number: SPRU175A October 20024 TMS320DM642 EVM OSD FPGA Users Guide Literature Number: SPRU295 June 20035 The TMS320DM642 Video Port Mini-Driver SPRA918A - August 20036 陈玉.

21、TMS320系列DSP硬件开发系统M. 清华大学出版社，2008：129-1577 陈兵旗,孙明.Visual C+ 实用图像处理专业教程M. 清华大学出版社，2004: 54-1218 侯雨石,陈永飞.数码相机原理与系统设计研究J.光学技术,2002,28(5)：452-4559 崔光照,邹玉炜.基于DM642的异性纤维分拣图像处理系统的研究J.电子器件,2007 ,30(5）:1741-1744 10 刘丹,孙丽云.基于DM642的视频处理系统设计J.微计算机信息,2007,23 (2):157-15911 宋乐,林玉池.基于DM642的红外图像处理系统的优化策略J.中国图象图形学报,20

22、07,12(10):1901190412 张锐,吴婉兰.DM642在数字图像处理系统中的应用J.计算机应用与软件.2008,25(1):211-21313 张海涛,蔡文寰.基于DM642 的图像处理系统设计及应用J.现代电子技术,2008,12(275):125-12814 臧博,吴裕斌,曹丹华.基于GIO/FVID的DSP视频处理驱动程序J.单片机与嵌入式应用,2006,8:27-2915 魏鹏,刘金清.基于DM642的远程视频监控的设计J.计算机与信息技术.2007,28: 52-5316 王光娟,詹永照.基于DM642的嵌入式疲劳驾驶监测系统的实现J.计算机应用,2007,27(10):

23、2612-261417 曹阳,艾勇.基于DM642 的信标光实时图像处理J.空间光通信,2007,(7):53-5518 郭臻,陈远知.图像阈值分割算法研究J.中国传媒大学学报,2008, 15(2):77-8219 陈永甜,赵春山,杨桄,张生.一种基于统计的图象边缘检测方法J.应用与光学,2000,21(1):32-3720 付忠良. 图像的阈值选取方法OTSU方法的推广J.计算机应用,2000,20(5)：37-3921 农光壹.采血针实时图像检测系统设计D.北京交通大学,2008 22 喻道远.基于图像检测的钻针光学自动检测系统研究D.上海交通大学,2007 23 熊芸.基于边缘提取的图像检测与分割技术D.电子科技大学,2006 24 柴本