当前位置:首页 > 工业技术
Visual C++数字图像模式识别典型案例详解
Visual C++数字图像模式识别典型案例详解

Visual C++数字图像模式识别典型案例详解PDF电子书下载

工业技术

  • 电子书积分:16 积分如何计算积分?
  • 作 者:冯伟兴,梁洪,王臣业编著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2012
  • ISBN:9787111389194
  • 页数:548 页
图书介绍:本书详解了数字图像模式识别技术中的部分典型案例,全书共分3篇14章,第一篇分2章介绍了数字图像模式识别基础知识及其经典识别方法;第二篇分10章从不同角度介绍了多个典型的数字图像模式识别案例;第三篇则系统全面地介绍了2个数字图像模式识别案例的详细设计思路及其实现过程。本书打破了传统程序类书籍的讲解方法,将编程思路和编程过程与所附代码有机结合在一起,分层次分模块地予以讲解。同时,以图解的方式讲解程序的运行过程和结果,并通过提示、技巧和注意的方式指导读者对重点注意项的阅读,从而使读者迅速理解所讲述内容。本书内容翔实、排列紧凑、安排合理、图解清楚、讲解透彻、案例丰富实用,能够使用户快速、全面地掌握数字图像模式识别的各种应用技术。它既可以作为高等院校的数字图像模式识别相关学科的教材,也可作为工程技术人员及读者自学的参考书。
《Visual C++数字图像模式识别典型案例详解》目录

第一篇 基础篇 1

第1章 数字图像模式识别 1

1.1数字图像处理概述 1

1.1.1数字图像获取 2

1.1.2图像显示与存储 2

1.1.3数字图像文件 2

1.1.4数字图像处理 5

1.2模式识别基本概念 6

1.2.1模式和模式识别的概念 6

1.2.2模式空间、特征空间和类别空间 6

1.2.3模式识别系统的组成 7

1.2.4数字图像模式识别的基本过程 8

1.3 Visual C+++数字图像处理类 9

1.3.1 Visual C++++编程方法 9

1.3.2 Visual C++++数字图像处理类 17

第2章 模式识别实现方法 38

2.1统计模式识别 38

2.1.1特征的提取与选择 38

2.1.2模式分类 45

2.1.3模式聚类 50

2.2经典模式识别决策方法及实现 54

2.2.1人工神经网络 54

2.2.2隐马尔可夫模型 63

2.2.3决策树 79

2.2.4模板匹配 88

2.2.5支持向量机 90

第二篇 案例篇 98

第3章 一维条形码识别系统 98

3.1系统介绍 98

3.2核心技术原理 99

3.2.1常用的条形码编码规则 99

3.2.2预处理过程——二值化 103

3.2.3译码过程——平均值法 104

3.3系统结构与流程 104

3.3.1系统总体结构 105

3.3.2二值化算法流程 105

3.3.3平均值法算法流程 105

3.4编程实现 106

3.4.1二值化算法 106

3.4.2平均值法 107

3.5运行效果 117

第4章 基于模糊聚类的图形识别系统 118

4.1系统介绍 118

4.2核心技术原理 119

4.2.1图像的标识及特征提取 119

4.2.2模式相似性测量 121

4.2.3模糊理论基本概念 124

4.2.4模糊聚类分析 136

4.3系统结构与流程 137

4.3.1系统总体结构 137

4.3.2图像标识及特征提取算法流程 138

4.3.3计算模糊距离算法流程 138

4.3.4模糊聚类算法流程 139

4.4编程实现 140

4.4.1图像的标识及特征提取 140

4.4.2计算模糊距离 145

4.4.3模糊聚类 147

4.5运行效果 153

第5章 人脸检测系统 156

5.1系统介绍 156

5.2核心技术原理 157

5.2.1彩色图像空间 157

5.2.2人脸肤色相似度计算 158

5.2.3人脸识别与分割 160

5.3系统结构与流程 161

5.3.1系统总体结构 161

5.3.2人脸肤色相似度算法流程 162

5.3.3人脸识别与分割算法流程 162

5.4编程实现 163

5.4.1人脸肤色相似度比较 163

5.4.2人脸识别与分割 168

5.5运行效果 172

第6章 人脸定位系统 174

6.1系统介绍 174

6.2核心技术原理 174

6.2.1人脸轮廓提取 175

6.2.2眼睛识别与定位 176

6.2.3鼻子识别与定位 176

6.2.4嘴部识别与定位 176

6.3系统结构与流程 177

6.3.1系统总体结构 177

6.3.2人脸定位 177

6.3.3人脸内轮廓提取 178

6.3.4眼睛定位 180

6.3.5鼻子定位 180

6.3.6嘴部定位 181

6.4编程实现 182

6.4.1人脸位置定位 183

6.4.2人脸内轮廓提取 186

6.4.3眼睛定位 189

6.4.4鼻子定位 196

6.4.5嘴部定位 200

6.5运行效果 205

第7章 灰度车牌定位系统 207

7.1系统介绍 207

7.2核心技术原理 208

7.2.1车牌图像预处理 208

7.2.2车牌定位 215

7.3系统结构与流程 216

7.3.1系统总体结构 216

7.3.2图像灰度化算法流程 216

7.3.3直方图均衡化算法流程 217

7.3.4图像平滑算法流程 218

7.3.5图像二值化算法流程 218

7.3.6图像小颗粒去噪算法流程 219

7.3.7车牌定位算法流程 222

7.4编程实现 222

7.4.1图像预处理 222

7.4.2车牌定位 232

7.5运行效果 239

第8章 脑部CT图像辅助诊断系统 241

8.1系统介绍 241

8.2核心技术原理 242

8.2.1脑部CT图像特点分析 242

8.2.2脑部CT图像预处理——分段线性拉伸 243

8.2.3医学CT图像特征提取 244

8.2.4脑部CT图像分类与辅助诊断 246

8.3系统结构与流程 249

8.3.1系统总体结构 249

8.3.2分段线性拉伸算法流程 250

8.3.3灰度共生矩阵算法流程 250

8.3.4 BP神经网络算法流程 251

8.4编程实现 252

8.4.1分段线性拉伸 253

8.4.2特征提取 254

8.4.3分类器训练 260

8.5运行效果 263

8.5.1系统操作步骤 263

8.5.2实验结果及分析 265

第9章 手写体数字识别系统 267

9.1系统介绍 267

9.2核心技术原理 268

9.2.1手写体数字图像校正 268

9.2.2手写体数字网格特征 269

9.2.3手写体数字识别 270

9.3系统结构与流程 270

9.3.1系统总体结构 271

9.3.2手写体数字图像校正 271

9.3.3手写体数字网格特征 273

9.3.4手写体数字识别 273

9.4编程实现 274

9.4.1手写体数字图像校正 274

9.4.2手写体数字网格特征 280

9.4.3手写体数字识别 285

9.5运行效果 287

第10章 指纹识别的预处理 289

10.1系统介绍 289

10.2核心技术原理 289

10.2.1指纹图像场及其计算 290

10.2.2指纹图像的分割 294

10.2.3指纹图像的均衡 296

10.2.4指纹图像的收敛 298

10.2.5指纹图像的平滑 302

10.2.6指纹图像的智能增强 304

10.2.7指纹图像骨架的提取准备 306

10.2.8指纹图像骨架的细化提取 308

10.3系统结构与流程 309

10.3.1系统总体结构 309

10.3.2指纹图像方向场计算算法流程 309

10.3.3指纹图像的分割算法流程 310

10.3.4指纹图像的均衡算法流程 310

10.3.5指纹图像的收敛算法流程 311

10.3.6指纹图像的平滑算法流程 311

10.3.7指纹图像的智能增强算法流程 312

10.3.8指纹图像的骨架提取准备算法流程 312

10.3.9指纹图像的骨架细化算法流程 313

10.4编程实现 315

10.4.1指纹图像方向场计算 315

10.4.2指纹图像的分割 317

10.4.3指纹图像的均衡 318

10.4.4指纹图像的收敛 320

10.4.5指纹图像的平滑 323

10.4.6指纹图像的智能增强 324

10.4.7指纹图像的智能二值化 327

10.4.8指纹图像的骨架细化 331

10.5运行效果 336

第11章 指纹图像特征提取系统 339

11.1系统介绍 339

11.2核心技术原理 339

11.2.1指纹特征定义及分类 340

11.2.2指纹特征点的提取 340

11.2.3指纹伪特征点及其去除方法 343

11.3系统结构与流程 344

11.3.1系统总体结构 344

11.3.2指纹特征端点、叉点的提取算法流程 344

11.3.3指纹特征奇异点提取算法流程 345

11.3.4去除伪指纹特征点算法流程 345

11.4编程实现 347

11.4.1指纹图像端点提取 347

11.4.2指纹图像叉点提取 348

11.4.3指纹图像奇异点提取 349

11.4.4指纹图像伪特征点去除 353

11.5运行效果 365

第12章 指纹图像比对系统 366

12.1系统介绍 366

12.2核心技术原理 366

12.2.1指纹图像“柔性”配准 367

12.2.2指纹图像匹配 368

12.3系统结构与流程 372

12.3.1系统总体结构 372

12.3.2指纹图像配准算法流程 373

12.3.3指纹图像匹配算法流程 373

12.3.4指纹图像比对算法流程 374

12.4编程实现 374

12.4.1指纹图像匹配 375

12.4.2指纹图像全局比对 379

12.5运行效果 389

第三篇 拓展篇 390

第13章 彩色汽车牌照识别系统 390

13.1系统概述 390

13.1.1汽车牌照定位 391

13.1.2汽车牌照字符分割 392

13.1.3汽车牌照字符识别 393

13.2系统结构与流程 393

13.3汽车牌照定位 393

13.3.1汽车牌照特征 394

13.3.2汽车牌照区域识别思路 395

13.3.3汽车牌照区域粗定位 396

13.3.4汽车牌照区域精定位 410

13.3.5汽车牌照倾斜校正 412

13.3.6汽车牌照提取 415

13.4汽车牌照分割 421

13.4.1汽车牌照二值化 421

13.4.2去除边框 427

13.4.3字符分割 427

13.5汽车牌照字符识别 428

13.5.1字符图像预处理 429

13.5.2字符模板匹配 432

第14章 中文印刷体文档识别系统 437

14.1系统概述 437

14.1.1中文印刷体文档识别研究现状 437

14.1.2中文印刷体文档识别结构与流程 441

14.1.3中文印刷体文档识别中的难点 441

14.2中文印刷体文档图像预处理 442

14.2.1中文印刷体文档图像特点 442

14.2.2二值化处理 443

14.2.3平滑去噪 446

14.2.4倾斜校正 448

14.3版面分析 455

14.3.1版面结构 455

14.3.2版面分析方法 456

14.3.3版面理解 466

14.3.4版面重构 474

14.4印刷体汉字识别 474

14.4.1文本区域预处理 475

14.4.2印刷体汉字的特征提取 479

14.4.3印刷体汉字的识别 486

14.5公式的定位与提取 490

14.5.1印刷体文档公式的特点 491

14.5.2基于投影的公式定位和提取 491

14.5.3基于Parzen窗的独立行公式定位和提取 493

14.5.4基于字符宽度中心矩的公式定位和提取 495

14.5.5基于汉字拒识的内嵌公式定位和提取 500

14.6公式字符分割与识别 502

14.6.1公式字符的特点 502

14.6.2公式字符的分割 503

14.6.3公式字符的识别 509

14.7公式结构分析与表示 517

14.7.1公式结构分析的难点 517

14.7.2公式结构分析前的字符预处理 519

14.7.3公式结构分析方法 519

14.7.4公式结构表示方法 528

14.8图表处理 534

14.8.1文档中图形图像的表示与处理 535

14.8.2文档中表格的分析与识别 537

参考文献 548

相关图书
作者其它书籍
返回顶部