基本介紹
內容簡介,圖書目錄,
內容簡介
《Visual C++數字圖像模式識別技術詳解》內容包括11章：緒論、Visual c++數字圖像處理基礎、圖像特徵、統計模式識別、模式識別決策方法及實現，以及人臉檢測與特徵點定位、汽車牌照識別、腦部醫學影像診斷、印刷體漢字識別、手寫體數字識別、運動圖像分析共6個數字圖像模式識別套用實例。系統地介紹了數字圖像模式識別技術的基本概念和理論、基本方法和算法，並將圖像模式識別的基礎理論與Visual C++軟體實踐相結合。
《Visual C++數字圖像模式識別技術詳解》條理清晰、系統全面、由淺入深、實例引導、貼近實用。全書基於數字圖像模式識別技術的基本流程，結合實例詳細講解相關基本概念、理論以及幾種典型實踐和套用，內容翔實、實踐性強，其特色在於重點強調了怎樣通過開發新代碼來增強這些軟體工具。另外，《Visual C++數字圖像模式識別技術詳解》還配有完整的實例代碼光碟，便於學習。
《Visual C++數字圖像模式識別技術詳解》可作為普通高等院校計算機、自動化等相關專業數字圖像模式識別技術方面的本科生教材，也可作為相關工程技術人員的學習參考用書。
圖書目錄
前言
第1章 緒論
1.1 數字圖像處理概述
1.1.1 數字圖像獲取
1.1.2 圖像顯示與存儲
1.1.3 數字圖像檔案
1.1.4 數字圖像處理
1.2 模式識別基本概念
1.2.1 模式和模式識別的概念
1.2.2 模式空間、特徵空間和類別空間
1.2.3 模式識別系統的組成
1.2.4 數字圖像模式識別
1.3 實踐拓展
第2章 Visual C++數字圖像處理基礎
2.1 Visual C++編程方法
2.1.1 面向對象編程
2.1.2 MFC類
2.1.3 程式框架
2.1.4 集成開發環境
2.1.5 生成多文檔應用程式
2.2 Visual C++數字圖像處理
2.2.1 BMP圖像檔案
2.2.2 點陣圖檔案讀取
2.2.3 圖像增強
2.2.4 圖像形態學處理
2.2.5 圖像分割
2.3 實踐拓展
第3章 圖像特徵
3.1 統計特徵
3.2 幅值特徵
3.3 幾何特徵
3.3.1 位置與方向
3.3.2 周長
3.3.3 面積
3.3.4 長軸與短軸
3.3.5 距離
3.4 形狀特徵
3.4.1 多邊形描述
3.4.2 曲線描述
3.4.3 標記
3.4.4 矩形度
3.4.5 圓形度
3.4.6 不變矩
3.4.7 偏心率
3.5 紋理特徵
3.5.1 紋理
3.5.2 紋理分析
3.6 實踐拓展
第4章 統計模式識別
4.1 統計模式識別的研究內容
4.2 特徵的提取與選擇
4.2.1 特徵評判標準——類別可分性判據
4.2.2 特徵選擇及分支界定法
4.2.3 特徵提取及主分量分析
4.3 模式分類
4.3.1 最小錯誤率的貝葉斯決策
4.3.2 感知器分類器
4.3.3 近鄰分類器
4.4 模式聚類
4.4.1 模式相似性測度和聚類準則
4.4.2 層次聚類法
4.4.3 c-均值算法
4.5 實踐拓展
第5章 模式識別決策方法及實現
5.1 人工神經網路
5.1.1 神經網路基本原理
5.1.2 誤差反向傳播算法
5.1.3 BP網路的設計
5.1.4 BP算法的C語言實現
5.2 隱馬爾可夫模型
5.2.1 隱馬爾可夫概念
5.2.2 隱馬爾可夫模型基本算法
5.2.3 隱馬爾可夫模型的C語言實現
5.3 決策樹
5.3.1 決策樹的基本概念
5.3.2 決策樹的設計
5.3.3 決策樹的C語言實現
5.4 模板匹配
5.4.1 模板匹配概念
5.4.2 Hausdorff距離
5.4.3 基於改進的Hausdorff距離的模板匹配算法
5.4.4 模板匹配的C語言實現
5.5 實踐拓展
第6章 人臉檢測與特徵點定位
6.1 人臉檢測方法
6.1.1 基於膚色的檢測方法
6.1.2 其他人臉檢測方法
6.2 人臉檢測實例
6.2.1 系統設計
6.2.2 膚色相似度計算
6.2.3 人臉輪廓提取
6.2.4 人臉定位
6.2.5 臉內輪廓提取
6.2.6 眼睛定位
6.2.7 鼻子定位
6.2.8 嘴部定位
6.3 實踐拓展
第7章 汽車牌照識別
7.1 系統概述
7.2 車牌定位
7.2.1 車牌顏色識別
7.2.2 車牌形狀識別
7.2.3 車牌紋理識別
7.2.4 車牌傾斜校正
7.2.5 車牌定位及提取
7.3 車牌字元分割
7.3.1 車牌二值化
7.3.2 去除框線
7.3.3 字元分割
7.4 車牌字元識別
7.4.1 字元歸一化
7.4.2 字元細化
7.4.3 除噪
7.4.4 字元模板匹配
7.5 實踐拓展
第8章 腦部醫學影像診斷
8.1 醫學影像自動診斷
8.2 腦部醫學影像的特徵提取
8.2.1 灰度共生矩陣
8.2.2 腦CT圖像紋理特徵提取實例
8.3 腦部醫學影像分類器設計
8.3.1 神經網路分類器的訓練
8.3.2 腦CT圖像分類器訓練實例
8.3.3 分類器評估
8.4 實踐拓展
第9章 印刷體漢字識別
9.1 印刷體漢字的特徵提取
9.1.1 漢字特徵的分類
9.1.2 常用的漢字特徵
9.2 印刷體漢字的分類器設計
9.2.1 統計模式識別
9.2.2 結構模式識別
9.2.3 統計模式識別與結構模式識別的結合
9.2.4 人工神經網路
9.3 印刷體漢字識別實例
9.3.1 系統設計
9.3.2 圖像預處理
9.3.3 文本區域處理
9.3.4 多特徵提取
9.3.5 多分類器集成
9.4 實踐拓展
第10章 手寫體數字識別
10.1 系統概述
10.2 手寫體數字圖像的預處理
10.2.1 圖像的二值化
10.2.2 圖像反色
10.3 手寫體數字的特徵提取
10.4 手寫體數字的識別
10.5 實踐拓展
第11章 運動圖像分析
11.1 運動圖像分析概述
11.1.1 運動的分類
11.1.2 運動圖像分析內容
11.2 運動目標檢測與跟蹤實例
11.2.1 系統設計
11.2.2 運動目標檢測
11.2.3 運動目標跟蹤
11.3 實踐拓展
附錄A 圖像處理子函式代碼——灰度變換
附錄B 圖像處理子函式代碼——幾何變換
附錄C 圖像處理子函式代碼——空域增強
附錄D 圖像處理子函式代碼——頻域增強
附錄E 圖像處理子函式代碼——形態學
附錄F 圖像處理子函式代碼——圖像分割
參考文獻
