Visual C++数字图像模式识别技术详解PDF|Epub|txt|kindle电子书版本网盘下载

Visual C++数字图像模式识别技术详解PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　数字图像处理概述1

1.1.1　数字图像获取1

1.1.2　图像显示与存储1

1.1.3　数字图像文件2

1.1.4　数字图像处理4

1.2　模式识别基本概念5

1.2.1　模式和模式识别的概念5

1.2.2　模式空间、特征空间和类别空间5

1.2.3　模式识别系统的组成5

1.2.4　数字图像模式识别7

1.3　实践拓展7

第2章　Visual C＋＋数字图像处理基础9

2.1　Visual C＋＋编程方法9

2.1.1　面向对象编程9

2.1.2　MFC类12

2.1.3　程序框架14

2.1.4　集成开发环境16

2.1.5　生成多文档应用程序19

2.2　Visual C＋＋数字图像处理23

2.2.1　BMP图像文件23

2.2.2　位图文件读取25

2.2.3　图像增强33

2.2.4　图像形态学处理43

2.2.5　图像分割48

2.3　实践拓展51

第3章　图像特征53

3.1　统计特征53

3.2　幅值特征55

3.3　几何特征56

3.3.1　位置与方向56

3.3.2　周长57

3.3.3　面积57

3.3.4　长轴与短轴58

3.3.5　距离58

3.4　形状特征59

3.4.1　多边形描述59

3.4.2　曲线描述59

3.4.3　标记60

3.4.4　矩形度60

3.4.5　圆形度60

3.4.6　不变矩61

3.4.7　偏心率62

3.5　纹理特征62

3.5.1　纹理63

3.5.2　纹理分析63

3.6　实践拓展64

第4章　统计模式识别65

4.1　统计模式识别的研究内容65

4.2　特征的提取与选择66

4.2.1　特征评判标准——类别可分性判据66

4.2.2　特征选择及分支界定法67

4.2.3　特征提取及主分量分析68

4.3　模式分类71

4.3.1　最小错误率的贝叶斯决策71

4.3.2　感知器分类器73

4.3.3　近邻分类器74

4.4　模式聚类75

4.4.1　模式相似性测度和聚类准则76

4.4.2　层次聚类法77

4.4.3　c-均值算法77

4.5　实践拓展79

第5章　模式识别决策方法及实现80

5.1　人工神经网络80

5.1.1　神经网络基本原理80

5.1.2　误差反向传播算法83

5.1.3　BP网络的设计85

5.1.4　BP算法的C语言实现86

5.2　隐马尔可夫模型89

5.2.1　隐马尔可夫概念89

5.2.2　隐马尔可夫模型基本算法90

5.2.3　隐马尔可夫模型的C语言实现94

5.3　决策树104

5.3.1　决策树的基本概念104

5.3.2　决策树的设计106

5.3.3　决策树的C语言实现107

5.4　模板匹配112

5.4.1　模板匹配概念113

5.4.2　Hausdorff距离113

5.4.3　基于改进的Hausdorff距离的模板匹配算法113

5.4.4　模板匹配的C语言实现114

5.5　实践拓展115

第6章　人脸检测与特征点定位117

6.1　人脸检测方法117

6.1.1　基于肤色的检测方法117

6.1.2　其他人脸检测方法119

6.2　人脸检测实例120

6.2.1　系统设计120

6.2.2　肤色相似度计算122

6.2.3　人脸轮廓提取125

6.2.4　人脸定位127

6.2.5　脸内轮廓提取131

6.2.6　眼睛定位134

6.2.7　鼻子定位142

6.2.8　嘴部定位145

6.3　实践拓展148

第7章　汽车牌照识别151

7.1　系统概述151

7.2　车牌定位152

7.2.1　车牌颜色识别153

7.2.2　车牌形状识别159

7.2.3　车牌纹理识别165

7.2.4　车牌倾斜校正165

7.2.5　车牌定位及提取166

7.3　车牌字符分割172

7.3.1　车牌二值化172

7.3.2　去除边框178

7.3.3　字符分割178

7.4　车牌字符识别178

7.4.1　字符归一化179

7.4.2　字符细化179

7.4.3　除噪180

7.4.4　字符模板匹配180

7.5　实践拓展184

第8章　脑部医学影像诊断185

8.1　医学影像自动诊断185

8.2　脑部医学影像的特征提取187

8.2.1　灰度共生矩阵187

8.2.2　脑CT图像纹理特征提取实例188

8.3　脑部医学影像分类器设计195

8.3.1　神经网络分类器的训练195

8.3.2　脑CT图像分类器训练实例196

8.3.3　分类器评估201

8.4　实践拓展201

第9章　印刷体汉字识别203

9.1　印刷体汉字的特征提取203

9.1.1　汉字特征的分类203

9.1.2　常用的汉字特征204

9.2　印刷体汉字的分类器设计205

9.2.1　统计模式识别205

9.2.2　结构模式识别206

9.2.3　统计模式识别与结构模式识别的结合207

9.2.4　人工神经网络207

9.3　印刷体汉字识别实例207

9.3.1　系统设计207

9.3.2　图像预处理210

9.3.3　文本区域处理212

9.3.4　多特征提取220

9.3.5　多分类器集成221

9.4　实践拓展237

第10章　手写体数字识别239

10.1　系统概述239

10.2　手写体数字图像的预处理241

10.2.1　图像的二值化241

10.2.2　图像反色242

10.3　手写体数字的特征提取244

10.4　手写体数字的识别251

10.5　实践拓展255

第11章　运动图像分析257

11.1　运动图像分析概述257

11.1.1　运动的分类257

11.1.2　运动图像分析内容258

11.2　运动目标检测与跟踪实例258

11.2.1　系统设计258

11.2.2　运动目标检测264

11.2.3　运动目标跟踪268

11.3　实践拓展273

附录A　图像处理子函数代码——灰度变换276

附录B 图像处理子函数代码——几何变换282

附录C 图像处理子函数代码——空域增强290

附录D 图像处理子函数代码——频域增强298

附录E 图像处理子函数代码——形态学310

附录F　图像处理子函数代码——图像分割317

参考文献331