基于ARM的G-SOFM圖像識別算法研究和應(yīng)用.pdf

1、隨著計算機技術(shù)和數(shù)字圖像技術(shù)的發(fā)展,出現(xiàn)了很多新方法、新理論、新算法、新手段和新技術(shù),并且已經(jīng)被廣泛應(yīng)用于科學(xué)研究、農(nóng)業(yè)監(jiān)控、工業(yè)生產(chǎn)等方面,促進了社會的發(fā)展和人們生活水平的提高。特別是在大棚農(nóng)業(yè)的相關(guān)管理中需要對作物的生長信息進行有效地采集和提取,使用采集和提取的圖像信息就可以對它的生長狀況、果實的采集、雜草的清除及各種營養(yǎng)的噴灑等進行有效地控制。本文在總結(jié)一些相關(guān)知識的基礎(chǔ)上,重點研究圖像特征、圖像灰度特征以及對于圖像分類特征的提取

2、及識別方法。針對雜草圖像分割方面存在精確度不高的不足,結(jié)合超綠特征分割算法和SOFM網(wǎng)絡(luò),構(gòu)造出一種圖像識別模型G-SOFM空間聚類模型。該方法通過在超綠特征的處理之后,使用超綠特征的灰度和歸一化兩個特征向量,實現(xiàn)SOFM空間聚類。實驗結(jié)果表明,改進的G-SOFM方法比超綠特征分割方法平均提高百分之二十。本算法結(jié)合后期形態(tài)學(xué)去噪后,識別正確率高達百分之九十以上。文中還給出,在獲取圖像特征后,對其進行空間變換,然后對變換后的空間進行特征聚