Visual C++數(shù)字圖像模式識(shí)別技術(shù)詳解（第2版）

前言
第1章 緒論
1.1 數(shù)字圖像處理概述
1.1.1 數(shù)字圖像獲取
1.1.2 圖像顯示與存儲(chǔ)
1.1.3 數(shù)字圖像文件
1.1.4 數(shù)字圖像處理
1.2 模式識(shí)別基本概念
1.2.1 模式和模式識(shí)別的概念
1.2.2 模式空間、特征空間和類別空間
1.2.3 模式識(shí)別系統(tǒng)的組成
1.2.4 數(shù)字圖像模式識(shí)別
1.3 實(shí)踐知識(shí)拓展
第2章 Visual C++數(shù)字圖像處理基礎(chǔ)
2.1 Visual C++編程方法
2.1.1 面向?qū)ο缶幊?br />2.1.2 MFC類
2.1.3 程序框架
2.1.4 集成開發(fā)環(huán)境
2.1.5 生成多文檔應(yīng)用程序
2.2 Visual C++數(shù)字圖像處理
2.2.1 BMP圖像文件
2.2.2 位圖文件讀取
2.2.3 圖像增強(qiáng)
2.2.4 圖像形態(tài)學(xué)處理
2.2.5 圖像分割
2.3 實(shí)踐知識(shí)拓展
第3章 圖像特征
3.1 統(tǒng)計(jì)特征
3.2 幅值特征
3.3 幾何特征
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 形狀特征
3.4.1 多邊形描述
3.4.2 曲線描述
3.4.3 標(biāo)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 紋理特征
3.5.1 紋理
3.5.2 紋理分析
3.6 實(shí)踐知識(shí)拓展
第4章 統(tǒng)計(jì)模式識(shí)別
4.1 統(tǒng)計(jì)模式識(shí)別主要研究?jī)?nèi)容
4.2 特征的提取與選擇
4.2.1 特征評(píng)判標(biāo)準(zhǔn)——類別可分性判據(jù)
4.2.2 特征選擇及分支界定法
4.2.3 特征提取及主分量分析
4.3 模式分類
4.3.1 最小錯(cuò)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(cè)度和聚類準(zhǔn)則
4.4.2 層次聚類法
4.4.3 c-均值算法
4.5 實(shí)踐知識(shí)拓展
第5章 模式識(shí)別決策方法及實(shí)現(xiàn)
5.1 人工神經(jīng)網(wǎng)絡(luò)
5.1.1 神經(jīng)網(wǎng)絡(luò)基本原理
5.1.2 誤差反向傳播算法
5.1.3 BP網(wǎng)絡(luò)的設(shè)計(jì)
5.1.4 BP算法的C語言實(shí)現(xiàn)
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(shí)現(xiàn)
5.3 決策樹
5.3.1 決策樹的基本概念
5.3.2 決策樹的設(shè)計(jì)
5.3.3 決策樹的C語言實(shí)現(xiàn)
5.4 模板匹配
5.4.1 模板匹配概念
5.4.2 Hausdorff距離
5.4.3 基于改進(jìn)的Hausdorff距離的模板匹配算法
5.4.4 模板匹配的C語言實(shí)現(xiàn)
5.5 支持向量機(jī)
5.5.1 支持向量機(jī)理論
5.5.2 支持向量機(jī)模型的建立
5.5.3 支持向量機(jī)模型的特點(diǎn)
5.5.4 支持向量機(jī)在Visual C++環(huán)境中的實(shí)現(xiàn)
5.6 實(shí)踐知識(shí)拓展
第6章 人臉檢測(cè)與特征點(diǎn)定位
6.1 人臉檢測(cè)方法
6.1.1 基于膚色的檢測(cè)方法
6.1.2 其他人臉檢測(cè)方法
6.2 人臉檢測(cè)實(shí)例
6.2.1 系統(tǒng)設(shè)計(jì)
6.2.2 膚色相似度計(jì)算
6.2.3 人臉輪廓提取
6.2.4 人臉定位
6.2.5 臉內(nèi)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(shí)踐知識(shí)拓展
第7章 汽車牌照識(shí)別
7.1 系統(tǒng)概述
7.2 車牌定位
7.2.1 車牌顏色識(shí)別
7.2.2 車牌形狀識(shí)別
7.2.3 車牌紋理識(shí)別
7.2.4 車牌傾斜校正
7.2.5 車牌提取
7.3 車牌字符分割
7.3.1 車牌二值化
7.3.2 去除邊框
7.3.3 字符分割
7.4 車牌字符識(shí)別
7.4.1 字符歸一化
7.4.2 字符細(xì)化
7.4.3 除噪
7.4.4 字符模板匹配
7.5 實(shí)踐知識(shí)拓展
第8章 腦部醫(yī)學(xué)影像診斷
8.1 醫(yī)學(xué)影像自動(dòng)診斷
8.2 腦部醫(yī)學(xué)影像的特征提取
8.2.1 灰度共生矩陣
8.2.2 腦CT圖像紋理特征提取實(shí)例
8.3 腦部醫(yī)學(xué)影像分類器設(shè)計(jì)
8.3.1 腦部醫(yī)學(xué)影像分類器設(shè)計(jì)
8.3.2 腦CT圖像分類器訓(xùn)練實(shí)例
8.3.3 分類器評(píng)估
8.4 實(shí)踐知識(shí)拓展
第9章 印刷體漢字識(shí)別
9.1 印刷體漢字的特征提取
9.1.1 漢字特征的分類
9.1.2 常用的漢字特征
9.2 印刷體漢字的分類器設(shè)計(jì)
9.2.1 統(tǒng)計(jì)模式識(shí)別
9.2.2 結(jié)構(gòu)模式識(shí)別
9.2.3 統(tǒng)計(jì)模式識(shí)別與結(jié)構(gòu)模式識(shí)別的結(jié)合
9.2.4 人工神經(jīng)網(wǎng)絡(luò)
9.3 印刷體漢字識(shí)別實(shí)例
9.3.1 系統(tǒng)設(shè)計(jì)
9.3.2 圖像預(yù)處理
9.3.3 文本區(qū)域處理
9.3.4 多特征提取
9.3.5 多分類器集成
9.4 實(shí)踐知識(shí)拓展
第10章 手寫體數(shù)字識(shí)別
10.1 系統(tǒng)概述
10.2 手寫體數(shù)字圖像的預(yù)處理
10.2.1 圖像的二值化
10.2.2 圖像反色
10.3 手寫體數(shù)字的特征提取
10.4 手寫體數(shù)字的識(shí)別
10.5 實(shí)踐知識(shí)拓展
第11章 一維條形碼識(shí)別
11.1 一維條形碼
11.2 一維條形碼圖像的預(yù)處理
11.3 一維條形碼圖像的特征提取和識(shí)別
11.3.1 條碼的組成
11.3.2 EAN-13碼的構(gòu)造
11.3.3 一維條形碼特征提取和識(shí)別實(shí)例
11.4 實(shí)踐知識(shí)拓展
第12章 運(yùn)動(dòng)圖像分析
12.1 運(yùn)動(dòng)圖像分析
12.1.1 運(yùn)動(dòng)的分類
12.1.2 圖像分析內(nèi)容
12.2 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤實(shí)例
12.2.1 系統(tǒng)設(shè)計(jì)
12.2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)
12.2.3 運(yùn)動(dòng)目標(biāo)跟蹤
12.3 實(shí)踐知識(shí)拓展
附錄　圖像處理子函數(shù)代碼
參考文獻(xiàn)