《Visual C++數字圖像模式識別技術及工程實踐》是2003年人民郵電出版社出版的圖書，作者是張宏林。
基本介紹
- 書名：Visual C++數字圖像模式識別技術及工程實踐
- 作者：張宏林
- ISBN：9787115109514
- 頁數：478
- 定價：54.0
- 出版社：人民郵電出版社
- 出版時間：2003-2
- 裝幀：平裝
內容簡介,目錄,
內容簡介
本書介紹了模式識別和人工智慧中的基本理論以及相關的模型詳細講述貝葉斯決策、線性判別神經網路理論、隱馬爾可夫模型、聚類技術等。
給出模式識別中的一些經典問題的解決方案。
提供字元識別、筆跡鑑定、人臉檢測、車牌識別、印章識別以及遙感圖片、醫學圖片處理等問題的解決方法。
給出了完整的基於C/VisualC++6.0。
給出模式識別中的一些經典問題的解決方案。
提供字元識別、筆跡鑑定、人臉檢測、車牌識別、印章識別以及遙感圖片、醫學圖片處理等問題的解決方法。
給出了完整的基於C/VisualC++6.0。
目錄
第1章 緒論
1.1 模式和模式識別的概念
1.2 模式空間、特徵空間和類型空間
1.3 模式識別系統的構成
1.3.1 信息獲取
1.3.2 預處理
1.3.3 特徵提取和選擇
1.3.4 分類決策
1.4 物體的結構表示
1.5 圖片識別問題
第2章 模式識別中的基本決策方法
2.1 基於最小錯誤率的貝葉斯決策
2.2 分類器設計
2.2.1 多類情況
2.2.2 兩類情況
2.3 關於分類器的錯誤率
2.4 關於貝葉斯決策
2.5 線性判別函式的基本概念
2.6 設計線性分類器的主要步驟
2.7 Fisher線性判別
2.8 解決多類問題決策樹
2.8.1 決策樹的基本概念
2.8.2 決策樹設計的基本考慮
第3章 常用的模型和算法介紹
3.1 人工神經網路的發展簡史
3.2 人工神經元
3.2.1 神經元模型
3.2.2 幾種常用的作用函式
3.3 人工神經網路構成
3.3.1 基本模型
3.3.2 前向網路
3.4 人工神經網路的學習規則
3.4.1 Hebb學習規則
3.4.2 δ學習規則
3.5 BP網路
3.5.1 BP網路模型
3.5.2 輸入輸出關係
3.5.3 網路學習訓練
3.5.4 BP網路的設計問題
3.5.5 BP網路的限制與不足
3.5.6 BP算法的改進
3.6 BP算法的C語言實現及使用方法
3.7 用BP網路解決異或問題
3.8 標量量化
3.8.1 基本概念
3.8.2 均勻量化
3.8.3 非均勻量化
3.9 矢量量化
3.9.1 基本原理
3.9.2 失真測度
3.9.3 設計碼本
3.10 矢量量化算法的C語言實現
3.11 HMM基本思想
3.11.1 Markov鏈
3.11.2 HMM的概念
3.12 HMM基本算法
3.12.1 前向後向算法
3.12.2 Viterbi算法
3.12.3 Baum-Welch算法
3.13 基本HMM模型的C語言實現
3.13.1 數據結構和函式定義
3.13.2 一些基本工具
3.13.3 HMM結構的操作函式
3.13.4 前向後向算法
3.13.5 Viterbi算法
3.13.6 Baum-Welch算法
3.13.7 隨機數生成函式
3.13.8 序列操作函式
第4章 常用搜尋算法
4.1 狀態空間法
4.1.1 狀態（State）
4.1.2 問題的狀態空間（State Space）
4.2 盲目搜尋算法
4.2.1 寬度優先搜尋
4.2.2 深度優先搜尋
4.3 啟發式搜尋算法
4.3.1 搜尋深度、啟發函式和評價函式
4.3.2 A算法和A*算法
4.4 A*算法類的實現
4.5 數碼遊戲（Eight-Puzzle）簡介
4.6 關於8數碼遊戲解的存在性討論
4.6.1 問題的表達
4.6.2 問題的轉化與證明
4.7 算法設計
4.8 程式實現
4.8.1 程式創建步驟
4.8.2 數據結構和函式定義
4.8.3 各種算法的實現
4.8.4 可視化的實現
4.9 黑白棋簡介
4.9.1 黑白棋規則
4.9.2 黑白棋基本戰術
4.10 算法設計
4.10.1 博弈算法基礎
4.10.2 Alpha-Beta剪枝
4.10.3 估值函式
4.10.4 開局及終局
4.11 程式實現
4.11.1 程式創建步驟
4.11.2 程式代碼
第5章 在線上字元識別
5.1 漢字識別的歷史和現狀
5.2 在線上字元識別原理框圖
5.2.1 統計決策方法
5.2.2 句法結構方法
5.3 基於筆畫及筆畫特徵二級分類的在線上漢字識別
5.3.1 筆畫的分類
5.3.2 筆畫識別前的噪聲處理
5.3.3 筆畫方向碼合併處理及筆畫識別
5.3.4 筆畫間特徵量的定義及識別
5.3.5 整字匹配的距離準則
5.4 基於活動模板引導的子結構的識別
5.4.1 系統模型
5.4.2 活動模板子結構的構造
5.4.3 子結構引導的結構匹配
5.5 實例之在線上手寫數字識別
5.5.1 難點及特徵的選取
5.5.2 相應的預處理及模板的建立
5.5.3 程式的實現
5.6 實例之在線上手寫數字、英文字元及漢字識別
第6章 脫機字元識別
6.1 印刷體漢字的識別
6.1.1 印刷體漢字的基本知識
6.1.2 漢字的行切割和字切割
6.1.3 文字的歸一化
6.1.4 基於統計量的特徵
6.2 基於置信度分析和多信息融合的手寫數字識別方法
6.2.1 多種特徵和多種分類器
6.2.2 集成方法
6.2.3 預處理
6.3 其他手寫數字識別方法簡介
6.3.1 基於支持向量機（SVM）的方法
6.3.2 偽二階隱馬爾可夫模型套用於手寫數字識別
6.3.3 基於骨架特徵順序編碼的識別方法
6.4 手寫數字識別實例之模板匹配法
6.4.1 點陣圖的讀寫
6.4.2 細化算法
6.4.3 特徵提取與識別
6.4.4 程式實現
6.5 手寫數字識別實例之Fisher線性判別
6.5.1 USPS資料庫
6.5.2 Fisher判別程式
6.6 數字識別實例之神經網路法
第7章 線上簽名鑑定
7.1 時間彎折算法
7.1.1 時間彎折的概念
7.1.2 時間彎折的限制
7.1.3 時間彎折的DP方法
7.1.4 DTW方法的擴充和變形
7.1.5 模板的建立
7.1.6 算法的實現
7.2 簽名分段算法
7.3 自回歸分析
7.4 在線上簽名可以利用的特徵
7.5 基於特徵函式法的在線上簽名鑑定
7.5.1 系統框圖
7.5.2 預處理
7.5.3 特徵提取
7.5.4 特徵匹配
7.6 線上簽名鑑定系統實例
7.6.1 簽名數據的輸入
7.6.2 一些結構的定義
7.6.3 方向分布的計算
7.6.4 檔案數據的讀取
7.6.5 預處理函式
7.6.6 識別算法
7.6.7 保存和打開模板
第8章 離線簽名鑑定
8.1 離線簽名鑑定的方法
8.1.1 距離匹配變換
8.1.2 形狀特徵
8.1.3 紋理特徵
8.2 偽動態特徵
8.3 總結
第9章 人臉的檢測與定位
9.1 人臉檢測方法綜述
9.1.1 基於知識的自頂向下的方法
9.1.2 基於人臉特徵的自底向上的方法
9.1.3 模板匹配的方法
9.1.4 基於人臉外觀的方法
9.2 基於膚色的人臉檢測算法
9.2.1 色彩空間與色彩空間的聚類
9.2.2 膚色模型
9.2.3 人臉區域分割
9.2.4 膚色模型在人臉檢測的後期驗證中的套用
9.3 人臉特徵的檢測
9.3.1 候選特徵的提取
9.3.2 雙眼和嘴巴的定位
9.3.3 雙眼和嘴巴的輪廓提取
9.4 人臉檢測與定位實例
9.4.1 人臉區域的檢測
9.4.2 眼睛的標定
9.4.3 鼻子的確定
9.4.4 嘴的確定
9.4.5 主程式的其他一些代碼
第10章 車牌識別技術
10.1 系統簡介
10.1.1 車牌定位技術綜述
10.1.2 車牌字元識別技術綜述
10.2 車牌圖像定位與分割算法
10.2.1 車牌圖像的特點及識別難點
10.2.2 邊緣提取算法
10.2.3 Hough變換提取直線
10.2.4 車牌檢測的要點
10.2.5 算法流程
10.3 車牌字元的識別
10.3.1 二值化
10.3.2 傾斜度的校正
10.3.3 大小歸一化
10.3.4 匹配識別字元
第11章 印章識別
11.1 偽印章的製作及人工防偽技術
11.1.1 常用偽造印章的方法及其特徵
11.1.2 真假印章印文的檢驗
11.2 自動印章識別系統的設計
11.2.1 預處理
11.2.2 特徵的提取
11.3 算法實現
第12章 圖像的紋理分析方法
12.1 紋理分析概念
12.2 空間灰度層共現矩陣
12.3 紋理能量測量
12.4 紋理的結構分析方法和紋理梯度
12.4.1 紋理的結構分析方法
12.4.2 紋理梯度
12.5 遙感圖像的紋理分析
12.5.1 雲類的自動識別
12.5.2 颱風的自動識別
12.6 細胞圖像的彩色紋理分析
12.6.1 紋理的彩色分布特徵描述
12.6.2 紋理彩色特徵
12.6.3 細胞圖像處理
12.7 Visual C++套用實例
12.7.1 灰度共現矩陣類
12.7.2 幾個回響函式
參考文獻
1.1 模式和模式識別的概念
1.2 模式空間、特徵空間和類型空間
1.3 模式識別系統的構成
1.3.1 信息獲取
1.3.2 預處理
1.3.3 特徵提取和選擇
1.3.4 分類決策
1.4 物體的結構表示
1.5 圖片識別問題
第2章 模式識別中的基本決策方法
2.1 基於最小錯誤率的貝葉斯決策
2.2 分類器設計
2.2.1 多類情況
2.2.2 兩類情況
2.3 關於分類器的錯誤率
2.4 關於貝葉斯決策
2.5 線性判別函式的基本概念
2.6 設計線性分類器的主要步驟
2.7 Fisher線性判別
2.8 解決多類問題決策樹
2.8.1 決策樹的基本概念
2.8.2 決策樹設計的基本考慮
第3章 常用的模型和算法介紹
3.1 人工神經網路的發展簡史
3.2 人工神經元
3.2.1 神經元模型
3.2.2 幾種常用的作用函式
3.3 人工神經網路構成
3.3.1 基本模型
3.3.2 前向網路
3.4 人工神經網路的學習規則
3.4.1 Hebb學習規則
3.4.2 δ學習規則
3.5 BP網路
3.5.1 BP網路模型
3.5.2 輸入輸出關係
3.5.3 網路學習訓練
3.5.4 BP網路的設計問題
3.5.5 BP網路的限制與不足
3.5.6 BP算法的改進
3.6 BP算法的C語言實現及使用方法
3.7 用BP網路解決異或問題
3.8 標量量化
3.8.1 基本概念
3.8.2 均勻量化
3.8.3 非均勻量化
3.9 矢量量化
3.9.1 基本原理
3.9.2 失真測度
3.9.3 設計碼本
3.10 矢量量化算法的C語言實現
3.11 HMM基本思想
3.11.1 Markov鏈
3.11.2 HMM的概念
3.12 HMM基本算法
3.12.1 前向後向算法
3.12.2 Viterbi算法
3.12.3 Baum-Welch算法
3.13 基本HMM模型的C語言實現
3.13.1 數據結構和函式定義
3.13.2 一些基本工具
3.13.3 HMM結構的操作函式
3.13.4 前向後向算法
3.13.5 Viterbi算法
3.13.6 Baum-Welch算法
3.13.7 隨機數生成函式
3.13.8 序列操作函式
第4章 常用搜尋算法
4.1 狀態空間法
4.1.1 狀態（State）
4.1.2 問題的狀態空間（State Space）
4.2 盲目搜尋算法
4.2.1 寬度優先搜尋
4.2.2 深度優先搜尋
4.3 啟發式搜尋算法
4.3.1 搜尋深度、啟發函式和評價函式
4.3.2 A算法和A*算法
4.4 A*算法類的實現
4.5 數碼遊戲（Eight-Puzzle）簡介
4.6 關於8數碼遊戲解的存在性討論
4.6.1 問題的表達
4.6.2 問題的轉化與證明
4.7 算法設計
4.8 程式實現
4.8.1 程式創建步驟
4.8.2 數據結構和函式定義
4.8.3 各種算法的實現
4.8.4 可視化的實現
4.9 黑白棋簡介
4.9.1 黑白棋規則
4.9.2 黑白棋基本戰術
4.10 算法設計
4.10.1 博弈算法基礎
4.10.2 Alpha-Beta剪枝
4.10.3 估值函式
4.10.4 開局及終局
4.11 程式實現
4.11.1 程式創建步驟
4.11.2 程式代碼
第5章 在線上字元識別
5.1 漢字識別的歷史和現狀
5.2 在線上字元識別原理框圖
5.2.1 統計決策方法
5.2.2 句法結構方法
5.3 基於筆畫及筆畫特徵二級分類的在線上漢字識別
5.3.1 筆畫的分類
5.3.2 筆畫識別前的噪聲處理
5.3.3 筆畫方向碼合併處理及筆畫識別
5.3.4 筆畫間特徵量的定義及識別
5.3.5 整字匹配的距離準則
5.4 基於活動模板引導的子結構的識別
5.4.1 系統模型
5.4.2 活動模板子結構的構造
5.4.3 子結構引導的結構匹配
5.5 實例之在線上手寫數字識別
5.5.1 難點及特徵的選取
5.5.2 相應的預處理及模板的建立
5.5.3 程式的實現
5.6 實例之在線上手寫數字、英文字元及漢字識別
第6章 脫機字元識別
6.1 印刷體漢字的識別
6.1.1 印刷體漢字的基本知識
6.1.2 漢字的行切割和字切割
6.1.3 文字的歸一化
6.1.4 基於統計量的特徵
6.2 基於置信度分析和多信息融合的手寫數字識別方法
6.2.1 多種特徵和多種分類器
6.2.2 集成方法
6.2.3 預處理
6.3 其他手寫數字識別方法簡介
6.3.1 基於支持向量機（SVM）的方法
6.3.2 偽二階隱馬爾可夫模型套用於手寫數字識別
6.3.3 基於骨架特徵順序編碼的識別方法
6.4 手寫數字識別實例之模板匹配法
6.4.1 點陣圖的讀寫
6.4.2 細化算法
6.4.3 特徵提取與識別
6.4.4 程式實現
6.5 手寫數字識別實例之Fisher線性判別
6.5.1 USPS資料庫
6.5.2 Fisher判別程式
6.6 數字識別實例之神經網路法
第7章 線上簽名鑑定
7.1 時間彎折算法
7.1.1 時間彎折的概念
7.1.2 時間彎折的限制
7.1.3 時間彎折的DP方法
7.1.4 DTW方法的擴充和變形
7.1.5 模板的建立
7.1.6 算法的實現
7.2 簽名分段算法
7.3 自回歸分析
7.4 在線上簽名可以利用的特徵
7.5 基於特徵函式法的在線上簽名鑑定
7.5.1 系統框圖
7.5.2 預處理
7.5.3 特徵提取
7.5.4 特徵匹配
7.6 線上簽名鑑定系統實例
7.6.1 簽名數據的輸入
7.6.2 一些結構的定義
7.6.3 方向分布的計算
7.6.4 檔案數據的讀取
7.6.5 預處理函式
7.6.6 識別算法
7.6.7 保存和打開模板
第8章 離線簽名鑑定
8.1 離線簽名鑑定的方法
8.1.1 距離匹配變換
8.1.2 形狀特徵
8.1.3 紋理特徵
8.2 偽動態特徵
8.3 總結
第9章 人臉的檢測與定位
9.1 人臉檢測方法綜述
9.1.1 基於知識的自頂向下的方法
9.1.2 基於人臉特徵的自底向上的方法
9.1.3 模板匹配的方法
9.1.4 基於人臉外觀的方法
9.2 基於膚色的人臉檢測算法
9.2.1 色彩空間與色彩空間的聚類
9.2.2 膚色模型
9.2.3 人臉區域分割
9.2.4 膚色模型在人臉檢測的後期驗證中的套用
9.3 人臉特徵的檢測
9.3.1 候選特徵的提取
9.3.2 雙眼和嘴巴的定位
9.3.3 雙眼和嘴巴的輪廓提取
9.4 人臉檢測與定位實例
9.4.1 人臉區域的檢測
9.4.2 眼睛的標定
9.4.3 鼻子的確定
9.4.4 嘴的確定
9.4.5 主程式的其他一些代碼
第10章 車牌識別技術
10.1 系統簡介
10.1.1 車牌定位技術綜述
10.1.2 車牌字元識別技術綜述
10.2 車牌圖像定位與分割算法
10.2.1 車牌圖像的特點及識別難點
10.2.2 邊緣提取算法
10.2.3 Hough變換提取直線
10.2.4 車牌檢測的要點
10.2.5 算法流程
10.3 車牌字元的識別
10.3.1 二值化
10.3.2 傾斜度的校正
10.3.3 大小歸一化
10.3.4 匹配識別字元
第11章 印章識別
11.1 偽印章的製作及人工防偽技術
11.1.1 常用偽造印章的方法及其特徵
11.1.2 真假印章印文的檢驗
11.2 自動印章識別系統的設計
11.2.1 預處理
11.2.2 特徵的提取
11.3 算法實現
第12章 圖像的紋理分析方法
12.1 紋理分析概念
12.2 空間灰度層共現矩陣
12.3 紋理能量測量
12.4 紋理的結構分析方法和紋理梯度
12.4.1 紋理的結構分析方法
12.4.2 紋理梯度
12.5 遙感圖像的紋理分析
12.5.1 雲類的自動識別
12.5.2 颱風的自動識別
12.6 細胞圖像的彩色紋理分析
12.6.1 紋理的彩色分布特徵描述
12.6.2 紋理彩色特徵
12.6.3 細胞圖像處理
12.7 Visual C++套用實例
12.7.1 灰度共現矩陣類
12.7.2 幾個回響函式
參考文獻
