图书明细

图书信息

书名：Visual C++数字图像模式识别典型案例详解

作者：冯伟兴梁洪王臣业

出版社：机械工业出版社

出版时间：2012-8-3

ISBN：9787111389194

丛书名：VC技术详解

^_^资料下载^_^

内容简介

图书目录

前言 
第一篇 基 础 篇 
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 
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 
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

【关闭窗口】