| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·选题的背景及意义 | 第11-12页 |
| ·ARM 与手写体识别技术的应用与发展 | 第12-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第2章 手写体数字识别系统的硬件基础及底层软件开发 | 第15-30页 |
| ·开发平台整体结构 | 第15页 |
| ·手写体数字识别系统的硬件基础 | 第15-21页 |
| ·硬件系统的整体结构 | 第15-16页 |
| ·S3C2410 芯片特点 | 第16-18页 |
| ·液晶及触摸屏的硬件基础 | 第18-20页 |
| ·JTAG 接口 | 第20-21页 |
| ·手写体数字识别系统的软件基础 | 第21-30页 |
| ·操作系统的分类及比较 | 第21-24页 |
| ·搭建系统移植编程环境 | 第24页 |
| ·移植最小化的Linux 内核 | 第24-26页 |
| ·挂载文件系统 | 第26-27页 |
| ·触摸屏加载与调试 | 第27-28页 |
| ·准备功能层软件开发 | 第28-30页 |
| 第3章 手写体数字识别系统图像预处理的研究与实现 | 第30-44页 |
| ·跨平台编程环境Qt | 第30-32页 |
| ·图像预处理程序总体框架 | 第32-34页 |
| ·数字图像的读取 | 第34页 |
| ·转换位深度 | 第34-37页 |
| ·图像平滑及去噪 | 第37-39页 |
| ·字符细化 | 第39-41页 |
| ·图像裁切及拉伸 | 第41-42页 |
| ·完成图像预处理模块 | 第42-44页 |
| 第4章 手写体数字识别算法的研究与实现 | 第44-58页 |
| ·手写体识别技术的常用算法 | 第44-45页 |
| ·神经网络应用于手写体识别的原理 | 第45-51页 |
| ·神经网络的基本原理 | 第45-46页 |
| ·人工神经网络的数学基础 | 第46-48页 |
| ·BP 神经网络的原理 | 第48-51页 |
| ·使用BP 神经网络实现数字字符识别逻辑 | 第51-55页 |
| ·Matlab 中BP 神经网络的生成 | 第51-52页 |
| ·Matlab 中样本数据的读取 | 第52-53页 |
| ·训练算法的选择 | 第53-54页 |
| ·其他参数的选择 | 第54-55页 |
| ·训练神经网络 | 第55页 |
| ·BP 神经网络的数字字符识别功能验证 | 第55-58页 |
| ·神经网络对已知样本的响应 | 第55-56页 |
| ·神经网络对未知样本的响应 | 第56-58页 |
| 第5章 Matlab 与Qt 联合编程实现手写体数字识别 | 第58-68页 |
| ·Matlab 与Qt 联合编程的技术路线 | 第58-59页 |
| ·将BP 网络转换成C/C++代码 | 第59-61页 |
| ·由BP 网络生成ModelSim 模型 | 第59页 |
| ·修改ModelSim 模型 | 第59-60页 |
| ·由ModelSim 模型生成C++代码 | 第60-61页 |
| ·将代码嵌入Qt 主程序 | 第61-63页 |
| ·Qt 与Matlab 代码的冲突问题 | 第61-62页 |
| ·Matlab 生成的主要代码模块 | 第62-63页 |
| ·修改并加入到Qt 主程序重新编译 | 第63页 |
| ·移植主程序到ARM-Linux 平台上 | 第63-64页 |
| ·切换输入为触摸屏动作 | 第64-68页 |
| ·将触摸屏映射成鼠标 | 第64-65页 |
| ·抓取笔画动作生成图像 | 第65-66页 |
| ·修改及连接所有模块 | 第66-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录A 攻读学位期间发表的论文 | 第73-74页 |
| 附录B 攻读学位期间参与的科研工作 | 第74-75页 |
| 附录C 部分程序源代码 | 第75-83页 |
| 致谢 | 第83页 |