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 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 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 6
1.2.4 数字图像模式识别 7
1.3 实践知识拓展 8
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 10
2.1.2 MFC类 12
2.1.3 程序框架 14
2.1.4 集成开发环境 17
2.1.5 生成多文档应用程序 20
2.2 Visual C＋＋数字图像处理 25
2.2.1 BMP图像文件 25
2.2.2 位图文件读取 27
2.2.3 图像增强 36
2.2.4 图像形态学处理 46
2.2.5 图像分割 50
2.3 实践知识拓展 53
第3章 图像特征 55
3.1 统计特征 55
3.2 幅值特征 57
3.3 几何特征 59
3.3.1 位置与方向 59
3.3.2 周长 59
3.3.3 面积 60
3.3.4 长轴与短轴 60
3.3.5 距离 61
3.4 形状特征 61
3.4.1 多边形描述 61
3.4.2 曲线描述 62
3.4.3 标记 62
3.4.4 矩形度 63
3.4.5 圆形度 63
3.4.6 不变矩 64
3.4.7 偏心率 65
3.5 纹理特征 65
3.5.1 纹理 66
3.5.2 纹理分析 66
3.6 实践知识拓展 67
第4章 统计模式识别 68
4.1 统计模式识别主要研究内容 68
4.2 特征的提取与选择 69
4.2.1 特征评判标准——类别可分性判据 69
4.2.2 特征选择及分支界定法 71
4.2.3 特征提取及主分量分析 72
4.3 模式分类 75
4.3.1 最小错误率的贝叶斯决策 75
4.3.2 感知器分类器 77
4.3.3 近邻分类器 78
4.4 模式聚类 79
4.4.1 模式相似性测度和聚类准则 80
4.4.2 层次聚类法 81
4.4.3 c-均值算法 81
4.5 实践知识拓展 83
第5章 模式识别决策方法及实现 84
5.1 人工神经网络 84
5.1.1 神经网络基本原理 85
5.1.2 误差反向传播算法 87
5.1.3 BP网络的设计 89
5.1.4 BP算法的C语言实现 90
5.2 隐马尔可夫模型 92
5.2.1 隐马尔可夫概念 93
5.2.2 隐马尔可夫模型基本算法 94
5.2.3 隐马尔可夫模型的C语言实现 98
5.3 决策树 107
5.3.1 决策树的基本概念 107
5.3.2 决策树的设计 109
5.3.3 决策树的C语言实现 110
5.4 模板匹配 116
5.4.1 模板匹配概念 116
5.4.2 Hausdorff距离 116
5.4.3 基于改进的Hausdorff距离的模板匹配算法 116
5.4.4 模板匹配的C语言实现 117
5.5 支持向量机 118
5.5.1 支持向量机理论 118
5.5.2 支持向量机模型的建立 121
5.5.3 支持向量机模型的特点 123
5.5.4 支持向量机在Visual C＋＋环境中的实现 123
5.6 实践知识拓展 124
第6章 人脸检测与特征点定位 126
6.1 人脸检测方法 126
6.1.1 基于肤色的检测方法 126
6.1.2 其他人脸检测方法 128
6.2 人脸检测实例 129
6.2.1 系统设计 129
6.2.2 肤色相似度计算 131
6.2.3 人脸轮廓提取 135
6.2.4 人脸定位 137
6.2.5 脸内轮廓提取 141
6.2.6 眼睛定位 144
6.2.7 鼻子定位 152
6.2.8 嘴部定位 155
6.3 实践知识拓展 158
第7章 汽车牌照识别 161
7.1 系统概述 161
7.2 车牌定位 163
7.2.1 车牌颜色识别 164
7.2.2 车牌形状识别 170
7.2.3 车牌纹理识别 175
7.2.4 车牌倾斜校正 176
7.2.5 车牌提取 177
7.3 车牌字符分割 182
7.3.1 车牌二值化 182
7.3.2 去除边框 188
7.3.3 字符分割 188
7.4 车牌字符识别 188
7.4.1 字符归一化 189
7.4.2 字符细化 189
7.4.3 除噪 190
7.4.4 字符模板匹配 190
7.5 实践知识拓展 194
第8章 脑部医学影像诊断 196
8.1 医学影像自动诊断 196
8.2 脑部医学影像的特征提取 198
8.2.1 灰度共生矩阵 198
8.2.2 脑CT图像纹理特征提取实例 199
8.3 脑部医学影像分类器设计 206
8.3.1 脑部医学影像分类器设计 206
8.3.2 脑CT图像分类器训练实例 208
8.3.3 分类器评估 212
8.4 实践知识拓展 213
第9章 印刷体汉字识别 215
9.1 印刷体汉字的特征提取 215
9.1.1 汉字特征的分类 215
9.1.2 常用的汉字特征 216
9.2 印刷体汉字的分类器设计 218
9.2.1 统计模式识别 218
9.2.2 结构模式识别 219
9.2.3 统计模式识别与结构模式识别的结合 219
9.2.4 人工神经网络 219
9.3 印刷体汉字识别实例 220
9.3.1 系统设计 220
9.3.2 图像预处理 222
9.3.3 文本区域处理 225
9.3.4 多特征提取 233
9.3.5 多分类器集成 233
9.4 实践知识拓展 248
第10章 手写体数字识别 251
10.1 系统概述 251
10.2 手写体数字图像的预处理 253
10.2.1 图像的二值化 253
10.2.2 图像反色 255
10.3 手写体数字的特征提取 257
10.4 手写体数字的识别 264
10.5 实践知识拓展 267
第11章 一维条形码识别 269
11.1 一维条形码 269
11.2 一维条形码图像的预处理 272
11.3 一维条形码图像的特征提取和识别 272
11.3.1 条码的组成 272
11.3.2 EAN-13码的构造 273
11.3.3 一维条形码特征提取和识别实例 276
11.4 实践知识拓展 283
第12章 运动图像分析 286
12.1 运动图像分析 286
12.1.1 运动的分类 287
12.1.2 图像分析内容 287
12.2 运动目标检测与跟踪实例 287
12.2.1 系统设计 288
12.2.2 运动目标检测 294
12.2.3 运动目标跟踪 298
12.3 实践知识拓展 303
附录 图像处理子函数代码 306
参考文献 353