| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 数字识别的发展过程与现状 | 第8-9页 |
| 1.3 数字识别系统在嵌入式设备上的发展状况 | 第9页 |
| 1.4 论文结构与创新 | 第9-10页 |
| 1.4.1 论文组织结构 | 第9-10页 |
| 1.4.2 论文创新点 | 第10页 |
| 1.5 本章小结 | 第10-11页 |
| 第二章 数字识别技术 | 第11-20页 |
| 2.1 数字识别技术概述 | 第11页 |
| 2.2 图像预处理 | 第11-17页 |
| 2.2.1 灰度化 | 第11-12页 |
| 2.2.2 二值化 | 第12-13页 |
| 2.2.3 平滑去噪 | 第13-15页 |
| 2.2.4 倾斜修正 | 第15-16页 |
| 2.2.5 归一化 | 第16-17页 |
| 2.3 特征值提取 | 第17-18页 |
| 2.4 图像识别 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 数字识别算法的改进 | 第20-32页 |
| 3.1 传统BP神经网络识别算法 | 第20-23页 |
| 3.1.1 人工神经网络概述 | 第20-21页 |
| 3.1.2 BP神经网络 | 第21-23页 |
| 3.2 基本人工蜂群算法 | 第23-25页 |
| 3.3 改进的人工蜂群算法 | 第25-29页 |
| 3.3.1 搜索方式的改进 | 第26-27页 |
| 3.3.2 跟随蜂选择概率的改进 | 第27-28页 |
| 3.3.3 改进的人工蜂群算法的BP神经网络中的运用 | 第28-29页 |
| 3.4 MATLAB仿真验证试验 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于ARM的软硬件平台搭建 | 第32-42页 |
| 4.1 嵌入式系统概述 | 第32-33页 |
| 4.2 嵌入式系统平台搭建 | 第33-37页 |
| 4.3 图形用户界面 | 第37-40页 |
| 4.4 Open CV视觉库 | 第40-42页 |
| 4.5 本章小结 | 第42页 |
| 第五章 移动机器人中的数字识别系统 | 第42-57页 |
| 5.1 基于V4L2的图像采集 | 第44-48页 |
| 5.2 数字识别系统的实现 | 第48-53页 |
| 5.2.1 图像预处理 | 第48-50页 |
| 5.2.2 特征值提取 | 第50-51页 |
| 5.2.3 神经网络训练 | 第51-52页 |
| 5.2.4 图片识别 | 第52-53页 |
| 5.3 系统测试与分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 工作总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士学位期间发表学术论文 | 第61-62页 |
| 致谢 | 第62页 |