基于ARM平台的神经网络符号识别的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题概述 | 第9-10页 |
| ·选题意义 | 第10页 |
| ·模式识别研究现状 | 第10-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第2章 系统的软硬件平台设计 | 第14-22页 |
| ·系统总体设计方案 | 第14-16页 |
| ·系统功能分析 | 第14页 |
| ·系统主要结构 | 第14-15页 |
| ·系统的开发流程 | 第15-16页 |
| ·嵌入式硬件设备 | 第16-19页 |
| ·ARM 处理器 | 第16-17页 |
| ·图像采集设备 | 第17页 |
| ·数据存储模块 | 第17-19页 |
| ·嵌入式操作系统 | 第19页 |
| ·跨平台编程环境 Qt | 第19-22页 |
| ·嵌入式 GUI | 第19-20页 |
| ·选择 Qt 的原因 | 第20-22页 |
| 第3章 模式识别与图像预处理 | 第22-32页 |
| ·模式识别系统 | 第22-23页 |
| ·图像预处理 | 第23-32页 |
| ·图像格式 | 第24-25页 |
| ·图像灰度化 | 第25-27页 |
| ·图像增强 | 第27-28页 |
| ·图像二值化 | 第28-29页 |
| ·图像分割 | 第29-30页 |
| ·图像归一化处理 | 第30-32页 |
| 第4章 神经网络识别 | 第32-52页 |
| ·神经网络概述 | 第32-34页 |
| ·典型的神经网络模型及学习算法 | 第34-37页 |
| ·BP 神经网络 | 第37-44页 |
| ·BP 算法说明 | 第37-39页 |
| ·BP 算法基本流程 | 第39-40页 |
| ·BP 网络结构设计 | 第40-44页 |
| ·BP 网络训练与识别 | 第44-50页 |
| ·BP 网络训练 | 第44-48页 |
| ·BP 网络识别与再训练 | 第48-50页 |
| ·识别度阈值处理 | 第50-52页 |
| 第5章 系统实现 | 第52-58页 |
| ·开发平台搭建 | 第52-53页 |
| ·Linux 交叉开发 | 第53-55页 |
| ·Linux 摄像头挂载 | 第55-57页 |
| ·图片采集与应用 | 第57-58页 |
| 第6章 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
