致谢 | 第1-6页 |
摘要 | 第6-7页 |
Abstract | 第7-11页 |
1 绪论 | 第11-19页 |
·研究背景和意义 | 第11-12页 |
·国内外的研究现状 | 第12-17页 |
·利用颜色特征识别 | 第14-15页 |
·利用形状特征识别 | 第15页 |
·利用纹理特征识别 | 第15-16页 |
·嵌入式系统在精准农业上的应用 | 第16-17页 |
·研究目的和主要工作 | 第17-18页 |
·论文章节安排 | 第18页 |
·本章小结 | 第18-19页 |
2 基于 ARM 的图像处理及识别系统方案 | 第19-27页 |
·ARM(Advanced RISC Machines)简介 | 第19-20页 |
·基于 Windows CE 系统的图像采集结构 | 第20-22页 |
·Windows CE 的移植性 | 第20-21页 |
·Boot Loader 的设计 | 第21-22页 |
·系统硬件设备驱动程序开发 | 第22-24页 |
·Windows CE 的驱动模型 | 第22-23页 |
·显示屏驱动程序的开发 | 第23-24页 |
·USB 驱动程序的开发 | 第24页 |
·用户测试界面应用程序设计 | 第24-26页 |
·测试界面应用程序的实现方法 | 第24-25页 |
·算法在硬件平台实现 | 第25-26页 |
·调试结果分析 | 第26页 |
·本章小结 | 第26-27页 |
3 图像预处理和图像处理算法 | 第27-37页 |
·图像的预处理 | 第27-28页 |
·线性滤波消除噪声 | 第27-28页 |
·图像特征的特点 | 第28-30页 |
·颜色特征 | 第28-29页 |
·纹理特征 | 第29页 |
·形状特征 | 第29-30页 |
·利用颜色特征分割彩色图像算法 | 第30-32页 |
·彩色空间简介 | 第30-32页 |
·分割图像的后处理 | 第32-36页 |
·形态学处理方法 | 第32-35页 |
·区域标记处理算法 | 第35页 |
·形态滤波效果 | 第35-36页 |
·本章小结 | 第36-37页 |
4 G-SOFM 算法 | 第37-51页 |
·图像识别方法 | 第37-38页 |
·利用颜色特征分割植物与背景的方法 | 第38-39页 |
·形状特征及其参数 | 第39-40页 |
·基于神经元网络的识别算法 | 第40-43页 |
·SOFM 神经网络概述 | 第40-41页 |
·SOFM 神经网络结构简介 | 第41-42页 |
·SOFM 神经网络学习算法 | 第42-43页 |
·SOFM 算法在图像识别中的应用 | 第43-46页 |
·SOFM 代码的相关函数 | 第44-46页 |
·G-SOFM 算法 | 第46-50页 |
·G-SOFM 算法简介 | 第46页 |
·G-SOFM 算法的实现过程 | 第46-47页 |
·K-SOFM 算法的实现过程 | 第47页 |
·不同参数的效果分析 | 第47-50页 |
·本章小结 | 第50-51页 |
结论 | 第51-52页 |
参考文献 | 第52-56页 |
作者简历 | 第56-58页 |
学位论文数据集 | 第58-59页 |