Visual C++数字图像模式识别技术详解PDF电子书下载

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