Visual C++數字圖像模式識別技術詳解（第2版） ( 簡體 字) |
| 作者：馮偉興 賀 波 王臣業 等編著 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 34892
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：2/1/2013 |
| 頁數：350 |
| 光碟數：1 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 |
| ISBN：9787111407638 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：作為一門實用而綜合性的邊緣學科，數字圖像模式識別技術研究的內容主要包括圖像變換、圖像增強、圖像特征提取、圖像識別，以及運動圖像分析等。本書將以實踐為導向，以實用為目標來介紹這些重要的數字圖像模式識別技術。在介紹數字圖像模式識別技術基礎理論及算法原理的同時，重點介紹如何用Visual C++實現這些典型及常用算法，并結合實際應用介紹作者所在實驗室近年來研究總結出來的一些經典案例，盡量做到理論、應用與實際編程緊密結合，使讀者掌握用Visual C++進行圖像模式識別技術編程的基本方法和技巧。
本書內容豐富、層次清晰，所介紹的內容具有較強的實踐性和應用性。在學完本書之后，相信讀者能夠在充分了解數字圖像模式識別技術基礎理論和經典算法的基礎上，掌握進行實際項目開發的方法。
本書特點
本書主要有以下特點。
循序漸進，由淺入深
為了方便讀者學習，本書全部實例程序均采用同一個應用程序界面。從基于Visual C++構建應用程序界面，到增加圖像處理功能，再到最終的數字圖像模式識別經典實例的實現，全書內容前后連貫，互相依托，構成一個整體。使讀者高效地掌握基于Visual C++實現數字圖像模式識別技術的基本方法。
技術全面，內容充實
本書以理論和編程實踐相結合的方式介紹了數字圖像模式識別技術的常用算法。按照數字圖像模式識別技術的基本體系結構，從數字圖像模式識別技術基礎知識、數字圖像處理應用、數字模式識別技術實例3個層次組織內容，并有機地結合了數字圖像模式識別技術、軟件開發方面的專業知識。
對比講解，理解深刻
本書采用圖文并茂、對比講解的方式，詳細介紹算法實現的每一個步驟。希望這種講解方式，能幫助讀者加深、加快對Visual C++數字圖像模式識別技術的理解。
代碼完整，講解詳盡
書中的每個知識點都有相應的實例代碼，并對關鍵的代碼部分進行了注釋說明。每段代碼的后面都有詳細的分析，并給出了代碼運行后的結果。讀者可以參照運行結果閱讀源程序，以便加深理解。
主要內容
本書共12章。各章的主要內容如下。
第1章：介紹了計算機獲取、顯示、存儲數字圖像的方法。重點解釋了計算機中數字圖像的存儲格式以及數字圖像處理的核心內容。結合模式空間、特征空間和類別空間介紹了模式識別原理，以及數字圖像模式識別的工作原理和系統組成。
第2章：系統地介紹了Visual C++作為應用程序編譯器的編程思路、編程方法，以及如何基于Visual C++ 6.0進行應用程序開發。著重講述數字圖像的特點及其在Windows中的表示方式。在此基礎上，介紹了在數字圖像模式識別中常用的圖像處理基本算法，包括圖像增強、形態學運算和圖像分割。
第3章：介紹了圖像特征的定義及其提取方法。包括圖像的統計特征、幅值特征、幾何特征、形狀特征、紋理特征等基本圖像特征的定義及其提取方法。通過實例展示了這幾種圖像特征提取方法的效果和目的。
第4章：介紹了統計模式識別的主要研究內容，即特征提取與選擇、模式分類和模式聚類的研究目的和研究方法。詳細介紹了分支界定和基于K-L變換兩種特征的提取方法，基于貝葉斯決策、線性分類器和非線性分類三種模式的分類方法，以及模式聚類需要解決的兩個問題，即衡量兩個樣本相似程度的方法和聚類準則。
第5章：介紹了常用的模式識別決策方法。包括人工神經網絡的原理及基本實現方法、隱馬爾可夫模型的概念及基本算法、決策樹的基本概念及設計方法、模板匹配的概念及基于Hausdorff距離的匹配實現方法。在詳細介紹各種決策方法的同時，提供了詳盡的方法實現代碼。
第6章：人臉檢測與特征點定位應用實例。介紹了基于Visual C++利用數字圖像模式識別技術實現對人臉的自動檢測與特征點定位。包括膚色相似度計算、人臉輪廓提取、人臉定位、臉內輪廓提取、眼睛定位、鼻子定位、嘴部定位等步驟。
第7章：汽車牌照識別應用實例。按照模式識別系統組成，分車牌預處理、車牌特征提取和車牌識別三個連續環節介紹了汽車牌照的自動識別過程。
第8章：腦部醫學影像自動診斷應用實例。介紹了利用灰度共生矩陣進行腦部醫學圖像紋理特征提取的技術方法，以及基于BP神經網絡的分類器實現方法。
第9章：印刷體漢字識別應用實例。分別介紹了基于統計模式、結構模式和人工神經網絡的分類器設計方法及其在漢字識別中的應用，并基于Visual C++利用數字圖像模式識別技術實現了印刷體漢字識別。
第10章：手寫體數字識別應用實例。介紹了利用數字圖像技術對獲得的手寫體數字圖像進行二值化和反色處理，在已經定位的數字區域上進行特征提取，以及采用模板匹配法對手寫體數字進行識別。
第11章：一維條形碼識別應用實例。介紹了利用數字圖像技術對EAN-13條形碼數字圖像進行二值化處理，并對條形碼區域進行定位、紋理特征提取和識別。
第12章：運動圖像分析應用實例。介紹了運動圖像分析的主要研究內容及其分析方法，并設計了基于Visual C++在視頻中進行動態目標檢測和跟蹤的應用實例。其中，目標檢測采用了幀差分法，目標跟蹤采用了meanshift法。
讀者對象
大、中專院校的學生
社會培訓班的學員
高等教育學校的學生
Visual C++ 開發人員
數字圖像處理技術研究人員
模式識別技術研究人員
本書光盤
各章實例程序的源代碼。
與本書內容相關，但由于篇幅所限，未寫入本書的內容。
本書主要由馮偉興、賀波、王臣業編寫，馮偉興、賀波負責全書程序代碼的編程和調試。其他參與編寫和資料整理的人員有唐墨、粱洪、王寶玉、鄒國峰、林天威、馬慧、劉靖宇、李陽、閻濤、楊曉飛、宋一兵、管殿柱、付本國、趙景波、張忠林等。在此對他們的辛勤工作表示感謝！
感謝您選擇了本書，希望我們的努力對您的工作和學習有所幫助，也希望您把對本書的意見和建議告訴我們。
編者
2012年10月 |
內容簡介：主要特點
循序漸進，由淺入深 技術全面，內容充實
對比講解，理解深刻 代碼完整，講解詳盡
主要內容
計算機獲取、顯示、存儲數字圖像的方法。
Visual C++作為應用程序編譯器的編程思路，編程方法以及如何基于Visual C++6.0進行應用程序開發。
圖像特征的定義及提取方法。
統計模式識別主要研究內容，即特征提取與選擇，模式分類和模式聚類的研究目的和研究方法。
常用的模式識別決策方法。
人臉檢測與特征點定位應用實例。
汽車牌照識別應用實例。
腦部醫學影像自動診斷應用實例。
印刷體漢字識別應用實例。
手寫體數字識別應用實例。
一維條形碼識別應用實例。
讀者對象
大中專院校的師生 數字圖像處理技術研究人員
高等教育學校的師生 Visual C++ 開發人員
社會培訓班的師生 模式識別技術研究人員
本書光盤
源代碼：各章實例調試通過的程序源代碼。
電子書：與本書內容相關，但由于篇幅所限，未寫入本書的內容的知識點。
作為一門實用的邊緣學科，數字圖像模式識別技術研究的內容主要包括圖像變換、圖像增強、圖像特征提取、圖像識別以及運動圖像分析等。本書將以實踐為導向，以實用為目標來介紹這些重要的數字圖像模式識別技術，在介紹數字圖像模式識別技術基礎理論及算法原理的同時，重點詳細地介紹如何用Visual C++編程實現這些典型及常用算法，并結合實際應用，介紹作者所在實驗室近年來在研究中總結出來的一些經典案例，盡量做到理論、應用與實際編程的緊密結合，使讀者掌握用Visual C++進行圖像模式識別技術編程的基本方法和技巧。
本書內容豐富、層次清晰、力求較強的實踐性和應用性。在學習完本書之后，相信讀者能夠在充分了解數字圖像模式識別技術基礎理論和經典算法的基礎上進行實際項目的開發。 |
目錄：前言
第1章 緒論 1
1.1 數字圖像處理概述 1
1.1.1 數字圖像獲取 1
1.1.2 圖像顯示與存儲 2
1.1.3 數字圖像文件 2
1.1.4 數字圖像處理 5
1.2 模式識別基本概念 5
1.2.1 模式和模式識別的概念 5
1.2.2 模式空間、特征空間和類別空間 5
1.2.3 模式識別系統的組成 6
1.2.4 數字圖像模式識別 7
1.3 實踐知識拓展 8
第2章 Visual C++數字圖像處理基礎 9
2.1 Visual C++編程方法 9
2.1.1 面向對象編程 10
2.1.2 MFC類 12
2.1.3 程序框架 14
2.1.4 集成開發環境 17
2.1.5 生成多文檔應用程序 20
2.2 Visual C++數字圖像處理 25
2.2.1 BMP圖像文件 25
2.2.2 位圖文件讀取 27
2.2.3 圖像增強 36
2.2.4 圖像形態學處理 46
2.2.5 圖像分割 50
2.3 實踐知識拓展 53
第3章 圖像特征 55
3.1 統計特征 55
3.2 幅值特征 57
3.3 幾何特征 59
3.3.1 位置與方向 59
3.3.2 周長 59
3.3.3 面積 60
3.3.4 長軸與短軸 60
3.3.5 距離 61
3.4 形狀特征 61
3.4.1 多邊形描述 61
3.4.2 曲線描述 62
3.4.3 標記 62
3.4.4 矩形度 63
3.4.5 圓形度 63
3.4.6 不變矩 64
3.4.7 偏心率 65
3.5 紋理特征 65
3.5.1 紋理 66
3.5.2 紋理分析 66
3.6 實踐知識拓展 67
第4章 統計模式識別 68
4.1 統計模式識別主要研究內容 68
4.2 特征的提取與選擇 69
4.2.1 特征評判標準——類別可分性判據 69
4.2.2 特征選擇及分支界定法 71
4.2.3 特征提取及主分量分析 72
4.3 模式分類 75
4.3.1 最小錯誤率的貝葉斯決策 75
4.3.2 感知器分類器 77
4.3.3 近鄰分類器 78
4.4 模式聚類 79
4.4.1 模式相似性測度和聚類準則 80
4.4.2 層次聚類法 81
4.4.3 c-均值算法 81
4.5 實踐知識拓展 83
第5章 模式識別決策方法及實現 84
5.1 人工神經網絡 84
5.1.1 神經網絡基本原理 85
5.1.2 誤差反向傳播算法 87
5.1.3 BP網絡的設計 89
5.1.4 BP算法的C語言實現 90
5.2 隱馬爾可夫模型 92
5.2.1 隱馬爾可夫概念 93
5.2.2 隱馬爾可夫模型基本算法 94
5.2.3 隱馬爾可夫模型的C語言實現 98
5.3 決策樹 107
5.3.1 決策樹的基本概念 107
5.3.2 決策樹的設計 109
5.3.3 決策樹的C語言實現 110
5.4 模板匹配 116
5.4.1 模板匹配概念 116
5.4.2 Hausdorff距離 116
5.4.3 基于改進的Hausdorff距離的模板匹配算法 116
5.4.4 模板匹配的C語言實現 117
5.5 支持向量機 118
5.5.1 支持向量機理論 118
5.5.2 支持向量機模型的建立 121
5.5.3 支持向量機模型的特點 123
5.5.4 支持向量機在Visual C++環境中的實現 123
5.6 實踐知識拓展 124
第6章 人臉檢測與特征點定位 126
6.1 人臉檢測方法 126
6.1.1 基于膚色的檢測方法 126
6.1.2 其他人臉檢測方法 128
6.2 人臉檢測實例 129
6.2.1 系統設計 129
6.2.2 膚色相似度計算 131
6.2.3 人臉輪廓提取 135
6.2.4 人臉定位 137
6.2.5 臉內輪廓提取 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 實踐知識拓展 158
第7章 汽車牌照識別 161
7.1 系統概述 161
7.2 車牌定位 163
7.2.1 車牌顏色識別 164
7.2.2 車牌形狀識別 170
7.2.3 車牌紋理識別 175
7.2.4 車牌傾斜校正 176
7.2.5 車牌提取 177
7.3 車牌字符分割 182
7.3.1 車牌二值化 182
7.3.2 去除邊框 188
7.3.3 字符分割 188
7.4 車牌字符識別 188
7.4.1 字符歸一化 189
7.4.2 字符細化 189
7.4.3 除噪 190
7.4.4 字符模板匹配 190
7.5 實踐知識拓展 194
第8章 腦部醫學影像診斷 196
8.1 醫學影像自動診斷 196
8.2 腦部醫學影像的特征提取 198
8.2.1 灰度共生矩陣 198
8.2.2 腦CT圖像紋理特征提取實例 199
8.3 腦部醫學影像分類器設計 206
8.3.1 腦部醫學影像分類器設計 206
8.3.2 腦CT圖像分類器訓練實例 208
8.3.3 分類器評估 212
8.4 實踐知識拓展 213
第9章 印刷體漢字識別 215
9.1 印刷體漢字的特征提取 215
9.1.1 漢字特征的分類 215
9.1.2 常用的漢字特征 216
9.2 印刷體漢字的分類器設計 218
9.2.1 統計模式識別 218
9.2.2 結構模式識別 219
9.2.3 統計模式識別與結構模式識別的結合 219
9.2.4 人工神經網絡 219
9.3 印刷體漢字識別實例 220
9.3.1 系統設計 220
9.3.2 圖像預處理 222
9.3.3 文本區域處理 225
9.3.4 多特征提取 233
9.3.5 多分類器集成 233
9.4 實踐知識拓展 248
第10章 手寫體數字識別 251
10.1 系統概述 251
10.2 手寫體數字圖像的預處理 253
10.2.1 圖像的二值化 253
10.2.2 圖像反色 255
10.3 手寫體數字的特征提取 257
10.4 手寫體數字的識別 264
10.5 實踐知識拓展 267
第11章 一維條形碼識別 269
11.1 一維條形碼 269
11.2 一維條形碼圖像的預處理 272
11.3 一維條形碼圖像的特征提取和識別 272
11.3.1 條碼的組成 272
11.3.2 EAN-13碼的構造 273
11.3.3 一維條形碼特征提取和識別實例 276
11.4 實踐知識拓展 283
第12章 運動圖像分析 286
12.1 運動圖像分析 286
12.1.1 運動的分類 287
12.1.2 圖像分析內容 287
12.2 運動目標檢測與跟蹤實例 287
12.2.1 系統設計 288
12.2.2 運動目標檢測 294
12.2.3 運動目標跟蹤 298
12.3 實踐知識拓展 303
附錄 圖像處理子函數代碼 306
參考文獻 353 |
| 序： |
