基于ARM的G-SOFM圖像識(shí)別算法研究和應(yīng)用.pdf

1、隨著計(jì)算機(jī)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(jìn)了社會(huì)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(duì)作物的生長(zhǎng)信息進(jìn)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(duì)它的生長(zhǎng)狀況、果實(shí)的采集、雜草的清除及各種營(yíng)養(yǎng)的噴灑等進(jìn)行有效地控制。本文在總結(jié)一些相關(guān)知識(shí)的基礎(chǔ)上,重點(diǎn)研究圖像特征、圖像灰度特征以及對(duì)于圖像分類(lèi)特征的提取

2、及識(shí)別方法。針對(duì)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(shí)別模型G-SOFM空間聚類(lèi)模型。該方法通過(guò)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(gè)特征向量,實(shí)現(xiàn)SOFM空間聚類(lèi)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)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(shí)別正確率高達(dá)百分之九十以上。文中還給出,在獲取圖像特征后,對(duì)其進(jìn)行空間變換,然后對(duì)變換后的空間進(jìn)行特征聚