基于空调风管清洁装置的图像处理系统的研究

摘要

现今，中央空调的使用给人们的生活带来了很大的便利，但是由于中央空调通风管道的清洗不足，其污染状况已严重威胁到人们的健康。所以人们迫切要求对中央空调通风管道进行有效的清洗，于是空调风管清洁机器人应运而生。
　　 对于清洁机器人的工作来说，其机器视觉部分起到了至关重要的作用。在空调管道这样一个特殊的环境里，若机器人视觉效果不佳，工作人员很可能就会作出错误的判断和操作。所以本文主要对机器视觉中嵌入式图像处理系统进行研究。根据机器视觉部分的性能要求，重点研究了空调风管内壁图像的去噪和压缩编码算法，以保证图像具有较高的质量，且能实时地传输、显示。
　　 去噪部分是在小波变换的理论基础上，分析了传统小波阈值去噪算法及其存在的不足，提出了收缩函数的改进方法和新的阈值选取方法。改进的收缩函数是一种基于单调平滑的log10(())的非线性函数，它克服了传统收缩函数的间断性和偏差性问题。对于收缩阈值的选取，是根据小波系数相关性程度的不同，在不同的相关性范围内采用不同的阈值，使收缩阈值具有更强的自适应性。图像压缩编码部分是在分析比较EZW编码、SPIHT编码和SPECK编码的基础上，对其中性能稍高的SPECK算法进行了改进。在小波分解后，调整对S块和I块的编码顺序，避免了原SPECK交叉调用的问题，降低了算法复杂度。另外，在对S块的扫描排序过程中，引入最大值链表LMP，有效解决了重复扫描的问题，使算法运行效率得以提高。
　　 以上方法都通过实验验证了它们的有效性和优越性。改进的去噪算法去噪能力更强且能更多地保留图像的细节。改进的压缩编码算法具有运行时间短，压缩比高的特点。经过此编码算法作用后恢复出的图像具有更高的质量，符合本课题实时高效传输的要求。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外风管清洁装置的研究现状

1．3 嵌入式实时图像处理的研究现状

1．4 本文的主要工作

1．5 本章小结

第二章 清洁装置系统及图像的小波分析基础

2．1 清洁装置系统

2．1．1 控制子系统

2．1．2 机器视觉子系统

2．1．3 其他辅助设备

2．1．4 清洁装置的操作系统uClinux

2．2 机器视觉对图像处理的性能要求

2．3 图像处理器简介

2．4 小波分析理论基础

2．4．1 小波的定义

2．4．2 多尺度分析

2．4．3 小波变换的基本思想

2．5 本章小结

第三章 空调风管内壁图像的去噪

3．1 常见的噪声类别

3．2 小波阈值去噪方法

3．3 收缩函数

3．3．1 传统的收缩函数及其不足

3．3．2 改进的收缩函数

3．4 收缩阈值

3．4．1 传统的阈值选取

3．4．2 改进的阈值

3．5 风管内壁图像去噪实验

3．6 本章小结

第四章 空调风管内壁图像的压缩编码

4．1 EZW编码

4．1．1 EZW算法思想

4．1．2 零树表示

4．1．3 EZW算法描述

4．2 SPIHT编码

4．2．1 SPIHT算法描述

4．2．2 SPIHT算法的具体步骤

4．3 SPECK编码

4．3．1 SPECK算法描述

4．3．2 SPECK算法的编码步骤

4．4 EZW、SPIHT、SPECK算法比较

4．5 改进的SPECK编码算法

4．5．1 偏移处理

4．5．2 处理顺序的优化

4．5．3 引入最大值链表

4．5．4 改进后的算法实现

4．6 风管内壁图像压缩编码实验

4．7 本章小结

第五章 空调风管清洁装置的软件设计

5．1 主程序流程

5．2 机器视觉系统软件设计

5．3 控制系统软件设计

5．4 人机交互界面设计

5．5 本章小结

第六章 总结与展望

6．1 研究工作总结

6．2 后期工作展望

参考文献

发表论文和科研情况说明

致谢