学位论文 > 优秀研究生学位论文题录展示

SOFM算法在图像识别中的应用研究

作　者: 王磊明
导　师: 王焱
学　校: 辽宁工程技术大学
专　业: 控制理论与控制工程
关键词: SOFM 杂草识别 图像分割 超绿特征
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 37次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像作为人类最重要的信息来源,有着直观性、易理解性。随着科学技术的发展,尤其是计算机和数字图像技术的发展,出现了很多新理论,新方法,新算法,新手段和新技术,而且在科学研究、农业监控、工业生产等方面得到了应用,对社会的发展,人们生活水平的提高都有很多的贡献。在精准农业尤其是大棚农业的相关管理中需要对生长作物的生长信息,进行有效地采集和提取,使用这些图像信息就可以用来对它的生长状况或者果实的采集,杂草的清除,各种营养的喷洒等进行控制。本文在总结国内外相关研究的基础上,以大棚植被图像为研究对象,重点研究图像的颜色特征,图像灰度特征,以及对于图像分类特征的提取及识别方法。针对在杂草图像分割方面的存在不足之处,结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型G-SOFM空间聚类模型。该方法通过在超绿特征的处理之后,使用超绿特征的灰度和归一化的两个特征向量,实现SOFM空间聚类。实验结果表明改进的G-SOFM方法比超绿特征分割平均提高20%。本算法结合后期形态学去噪后,识别正确率可达94%。文中还给出,在获取图像特征后,对其进行空间变换,然后对变换后的空间进行特征聚类,该算法提高了聚类效果,最后在嵌入式平台进行了可行性测试,结果表明算法具有可行性。

全文目录


致谢  5-6
摘要  6-7
Abstract  7-11
1 绪论  11-16
  1.1 图像识别的研究背景和意义  11-12
  1.2 嵌入式系统发展及其在图像采集系统中的应用  12-14
    1.2.1 嵌入式的发展  12-13
    1.2.2 嵌入式在精准农业上的应用  13-14
  1.3 面临的问题  14
  1.4 研究目的和主要工作  14-15
    1.4.1 研究目的和主要工作  14-15
  1.5 论文章节安排  15
  1.6 本章小结  15-16
2 图像识别中图像的前期处理和常用图像特征的研究  16-25
  2.1 图像的预处理  16-17
    2.1.1 线性滤波消除噪声及其效果分析  16-17
  2.2 图像特征的特点  17-19
    2.2.1 颜色特征  17-18
    2.2.2 纹理特征  18-19
    2.2.3 形状特征  19
  2.3 利用颜色特征分割彩色图像算法  19-21
    2.3.1 彩色空间介绍  19-21
  2.4 分割图像的后处理  21-23
    2.4.1 数学形态学算法  21-23
    2.4.2 形态滤波效果  23
  2.5 本章小结  23-25
3 图像模式识别算法  25-36
  3.1 统计方法  25-32
    3.1.1 支持向量机方法  26-30
    3.1.2 两类支持向量机分类器的实现  30-32
  3.3 构造方法DP 匹配  32
  3.4 基于神经元网络的识别算法  32-35
    3.4.1 SOFM 神经网络概述  32-33
    3.4.2 SOFM 神经网络结构介绍  33-34
    3.4.3 SOFM 神经网络学习算法  34-35
  3.5 本章小结  35-36
4 构造的自适应神经网络算法在杂草图像识别中的实现  36-44
  4.1 SOFM 代码中使用到的相关函数  36-38
  4.2 G-SOFM 算法的实现  38-43
    4.2.1 G-SOFM 算法  38-39
    4.2.2 G-SOFM 算法分类步骤如下  39-40
    4.2.3 K-SOFM 算法的实现  40
    4.2.4 不同参数的效果分析  40-43
  4.3 本章小结  43-44
5 嵌入式平台的介绍及算法在平台上的测试  44-53
  5.1 ARM 简介  44-45
  5.2 基于Windows CE 系统的图像采集结构  45-47
    5.2.1 Windows CE 的移植  45-46
    5.2.2 Boot Loader 的设计  46-47
  5.3 系统硬件设备驱动程序开发  47-50
    5.3.1 Windows CE 的驱动模型  47-48
    5.3.2 触摸屏驱动程序的开发  48-49
    5.3.3 USB 驱动程序的开发  49-50
  5.4 图像采集用户测试界面应用程序设计及分析  50-52
    5.4.1 测试界面程序的实现  50
    5.4.2 算法在硬件平台实现  50-51
    5.4.3 调试结果分析  51-52
  5.5 本章小结  52-53
结论  53-54
参考文献  54-58
作者简历  58-60
学位论文数据集  60-61

相似论文

  1. 森林防火系统中图像识别算法的研究,TP391.41
  2. 数字图像处理在集装箱检测中的应用研究,TP274.4
  3. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  4. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  5. 红外图像目标识别及跟踪技术研究,TP391.41
  6. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  7. 基于可视特征的彩色图像分割方法及应用研究,TP391.41
  8. 基于水平集区域分割的医学图像融合算法研究,TP391.41
  9. 基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
  10. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
  11. 基于视觉的类人足球机器人目标定位算法设计,TP391.41
  12. 复杂相变热图序列相变线提取算法研究,TP391.41
  13. 基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
  14. 肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
  15. 多尺度遥感图像分割算法研究与应用,TP391.41
  16. 基于Otsu算法与数学形态学的图像分割算法研究,TP391.41
  17. 肺部病灶感兴趣区域分割算法研究,TP391.41
  18. 基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
  19. 基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
  20. 指纹图像分割方法评价与半监督学习在指纹图像分割中的应用研究,TP391.41
  21. 基于水平集的医学图像分割方法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com